a16z’ große Ideen für 2026

• Der Venture-Capital-Geber a16z hat in einem Bericht die wichtigsten Trends der Technologiebranche im Jahr 2026 prognostiziert; enthalten sind die Einschätzungen der Investment-Partnerteams aus den Bereichen Infrastruktur, Growth, Bio & Health, Speedrun, amerikanische Dynamik, Apps und Krypto
• AI-Agenten werden die Unternehmensinfrastruktur grundlegend neu gestalten, wobei die Aufbereitung multimodaler Daten und agent-native Infrastruktur zu zentralen Aufgaben werden
• In Unternehmenssoftware nimmt die Bedeutung von Systemen der Aufzeichnung (System of Record) ab; stattdessen erfolgt der Übergang zu autonomen Workflow-Engines, in denen AI Daten direkt liest, schreibt und Schlussfolgerungen zieht
• Stablecoins werden sich als gängiges Zahlungsmittel etablieren, während die Ausgabe von Onchain-Assets und Privacy-Blockchains als Unterscheidungsmerkmale hervorstechen
• Personalisierte AI-Services werden in Bildung, Gesundheit und Medien maßgeschneiderte Erlebnisse für die breite Masse liefern; prognostiziert wird ein „Year of Me“

---

# [Infrastructure]

Startups, die das Chaos multimodaler Daten bändigen - Jennifer Li

• Die unstrukturierten und multimodalen Daten in Unternehmen sind der größte Engpass bei der Einführung von AI und zugleich der am wenigsten genutzte Vermögenswert
  • PDFs, Screenshots, Videos, Logs, E-Mails und semistrukturierte Daten sammeln sich im gesamten Unternehmen an
  • Die Modellleistung verbessert sich schnell, aber die Eingabedaten werden immer chaotischer
  • Dadurch entstehen Halluzinationen in RAG-Systemen sowie subtile und teure Fehler von Agenten
  • Zentrale Arbeitsabläufe hängen weiterhin stark von menschlicher QA ab
• Der begrenzende Faktor für AI-Unternehmen verlagert sich von Compute zu Datenentropie
  • In Umgebungen mit unstrukturierten Daten zerfallen Aktualität, Struktur und Wahrheitsgehalt fortlaufend
  • Rund 80 % des Unternehmenswissens befinden sich in diesem unstrukturierten Bereich
• Die Erschließung unstrukturierter Daten wird zu einer Generationschance
  • Erforderlich ist ein System, das multimodale Daten fortlaufend ordnet, strukturiert, validiert und governiert
  • Nur so können nachgelagerte AI-Workloads tatsächlich vertrauenswürdig funktionieren
• Der Anwendungsbereich weitet sich auf nahezu alle Enterprise-Workflows aus
  • Vertragsanalyse, Onboarding, Schadensbearbeitung, Compliance, Kundensupport, Beschaffung
  • Engineering-Suche, Vertriebsunterstützung, Analyse-Pipelines
  • Eingeschlossen sind alle Agenten-Workflows, die von vertrauenswürdigem Kontext abhängen
• Entscheidend ist die Plattformschicht
  • Sie extrahiert Struktur aus Dokumenten, Bildern und Videos
  • Sie gleicht Datenkonflikte ab und stellt Pipelines wieder her
  • Sie hält Daten aktuell und jederzeit durchsuchbar
  • Sie beherrscht den Kern von Unternehmenswissen und -prozessen

AI belebt das Recruiting in der Cybersicherheit wieder - Joel de la Garza

• Das größte Problem der Cybersicherheit in den vergangenen zehn Jahren war das Recruiting
  • Zwischen 2013 und 2021 stieg die Zahl unbesetzter Security-Stellen von unter 1 Million auf 3 Millionen
• Der Kern des Problems liegt in der Struktur von Security-Aufgaben auf Level 1
  • Hochqualifizierte Fachkräfte werden eingestellt und für wiederholende, zermürbende Aufgaben wie Log-Reviews eingesetzt
  • Kaum jemand möchte diese Arbeit dauerhaft machen
• Security-Organisationen schaffen sich ihre Routinearbeit selbst
  • Sie führen Security-Produkte ein, die alles erkennen sollen
  • Das Ergebnis ist eine Struktur, in der jede Warnung von Menschen geprüft werden muss
  • Das erzeugt keine echte Knappheit, sondern eine falsche Knappheit an Arbeitskraft
• 2026 durchbricht AI diesen Teufelskreis
  • Ein großer Teil repetitiver und redundanter Security-Arbeit wird automatisiert
  • Die Hälfte der Arbeit großer Security-Teams lässt sich durch Automatisierung lösen
• Das schwierigste Problem ist die Entscheidung, was automatisiert werden soll
  • Wer in Arbeit versinkt, kann Automatisierungskandidaten nicht identifizieren
• AI-native Security-Tools treffen diese Entscheidung an ihrer Stelle
  • Sie befreien Security-Teams von repetitiver Arbeit
  • Dadurch können sie sich auf die Verfolgung von Angreifern, den Aufbau von Systemen und das Schließen von Schwachstellen konzentrieren

Agent-native Infrastruktur wird zur Grundvoraussetzung - Malika Aubakirova

• Der größte Schock für die Infrastruktur im Jahr 2026 kommt nicht von außen, sondern durch interne Veränderungen
  • Weg von vorhersehbarem menschlichem Traffic mit niedriger Parallelität
  • Rekursive und explosionsartige Agenten-Workloads werden zum Normalfall
• Bestehende Enterprise-Backends wurden für Menschen entworfen
  • Sie gehen von einer Systemantwort auf eine menschliche Handlung aus
  • Sie berücksichtigen nicht, dass ein einzelnes Agentenziel tausende Unteraufgaben gleichzeitig erzeugen kann
• Normale Agentenarbeit sieht für Legacy-Systeme wie ein Angriff aus
  • Code-Refactoring oder die Auswertung von Security-Logs werden als DDoS-Traffic wahrgenommen
• Im Zentrum der Reaktion steht die Neugestaltung der Control Plane
  • Agent-native Infrastruktur wird zur Grundvoraussetzung
  • Thundering-Herd-Muster werden nicht als Ausnahme, sondern als Grundzustand behandelt
• Die Leistungsmaßstäbe ändern sich grundlegend
  • Minimierung von Cold Starts
  • Zusammenbruch der Latenzschwankungen
  • Sprunghafter Anstieg der Parallelitätsgrenzen um Größenordnungen
• Der Engpass ist nicht Compute, sondern Koordination (coordination)
  • Routing, Locking, Zustandsverwaltung und Policy-Durchsetzung werden zum Kern großskaliger paralleler Ausführung
• Nur Plattformen, die Umgebungen mit überbordender Tool-Ausführung standhalten, werden überleben

Kreativ-Tools entwickeln sich multimodal weiter - Justine Moore

• AI beherrscht bereits die zentralen Bausteine des Storytellings
  • Sprach-, Musik-, Bild- und Videogenerierung sind möglich
• Das Problem ist Kontrolle
  • Sobald man über einmalige Clips hinausgeht, wird es schwierig, das gewünschte Ergebnis zu erzielen, und die Kosten steigen stark
  • Von klassischer Regie-Kontrolle ist das noch weit entfernt
• Kreative wollen referenzbasierte multimodale Bearbeitung
  • Ein 30-Sekunden-Video wird als Input verwendet, ein neuer Charakter hinzugefügt und die Szene fortgeführt
  • Eine Szene wird so umgebaut, als wäre sie aus einem anderen Kamerawinkel aufgenommen worden
  • Die gleiche Bewegung wie in einem Referenzvideo wird reproduziert
• 2026 wird zum Jahr der multimodalen AI
  • Referenz-Content jeder Art kann als Input genutzt werden
  • Das Erzeugen neuer Szenen und das Bearbeiten bestehender Szenen gehen nahtlos ineinander über
• Frühe Produkte wie Kling O1 und Runway Aleph sind bereits erschienen
• Sowohl auf der Modellebene als auch auf der Anwendungsebene sind weitere Innovationen nötig
• Content-Erstellung ist der Killer-Use-Case von AI
  • Vom Meme-Creator bis zum Hollywood-Regisseur entsteht ein breiter Markt

Der AI-native Daten-Stack entwickelt sich weiter - Jason Cui

• Im vergangenen Jahr hat sich der moderne Daten-Stack schnell konsolidiert
  • Die arbeitsteilige Struktur rund um Erfassung, Transformation und Compute zerfällt
  • Bundling und integrierte Plattformen werden zum Standard
  • Die Fusion von Fivetran und dbt sowie der Aufstieg von Databricks zeigen das
• Das Ökosystem wirkt ausgereift, doch eine wirklich AI-native Struktur steckt noch in den Anfängen
  • Dateninfrastruktur und AI-Infrastruktur wachsen in einem untrennbaren Zustand zusammen
• Vektor-Datenbanken etablieren sich als zentrale Komponente
  • Der Betrieb neben strukturierten Daten wird zur Grundstruktur
• Die Schlüsselfrage im Agentenzeitalter ist das Kontextproblem
  • Es muss kontinuierlich Zugriff auf die richtigen Daten und die semantische Schicht geben
  • Über mehrere Systeme der Aufzeichnung hinweg müssen konsistente Geschäftsdefinitionen erhalten bleiben
• BI-Tools und Spreadsheets verändern sich grundlegend
  • Daten-Workflows verlagern sich hin zu agentenzentrierten, automatisierungszentrierten Abläufen

Das Jahr, in dem wir in Videos hineingehen - Yoko Li

• 2026 ist Video kein Medium mehr, das nur passiv konsumiert wird
  • Es wird zu einem Raum, den man tatsächlich betritt und in dem man handelt
• Videomodelle verarbeiten Zeit und Konsistenz
  • Sie erinnern sich an frühere Szenen
  • Sie reagieren auf Nutzerverhalten
  • Sie erhalten dauerhafte Konsistenz, ähnlich der physischen Welt
• Weg von kurzer, fragmentierter Videogenerierung
  • Charaktere, Objekte und Physik bleiben lange genug bestehen
  • Es werden Entwicklungen möglich, bei denen Handlungen zu Konsequenzen führen
• Video wandelt sich zu einem konstruierbaren Medium
  • Roboter üben darin
  • Spiele entwickeln sich darin weiter
  • Designer erstellen Prototypen darin
  • Agenten handeln direkt darin und lernen
• Das Ergebnis sind keine Clips, sondern lebendige Umgebungen
  • Die Lücke zwischen Wahrnehmung und Handlung schrumpft stark
  • Es entsteht das Gefühl, im generierten Video tatsächlich zu existieren

---

# [Growth]

Die Ära der Systeme der Aufzeichnung geht zu Ende - Sarah Wang

• Die eigentliche Veränderung bei Enterprise-Software im Jahr 2026 besteht darin, dass Systeme of Record ihre zentrale Stellung verlieren
• AI beseitigt die Distanz zwischen Intent und Execution nahezu vollständig
  • Modelle lesen, schreiben und schlussfolgern direkt über operative Daten hinweg
  • ITSM und CRM wandeln sich von reinen Speichern zu autonomen Workflow-Engines
• Durch Fortschritte bei Reasoning-Modellen und Agent-Workflows erweitert sich die Rolle von Systemen
  • Sie reagieren nicht nur, sondern übernehmen auch Prognosen, Koordination und End-to-End-Ausführung
• Das Zentrum der Interfaces verschiebt sich
  • Statt bildschirmzentrierter UIs tritt eine dynamische Agenten-Schicht in den Vordergrund
  • Bestehende Systeme of Record werden in die Persistence Tier zurückgedrängt
• Die strategische Kontrolle verlagert sich
  • Nicht mehr entscheidend ist, wer Daten speichert
  • Entscheidend wird, wer die intelligente Ausführungsumgebung beherrscht, die Mitarbeitende tatsächlich nutzen

Vertical AI entwickelt sich zum Multiplayer - Alex Immerman

• Vertical AI wächst mit beispielloser Geschwindigkeit
  • Im Gesundheitswesen, im Rechtsbereich und im Wohnungssektor wurden in nur wenigen Jahren $100M+ ARR erreicht
  • Auch Finanz- und Accounting-Bereiche ziehen schnell nach
• Die erste Entwicklungsstufe ist Informationssuche
  • Benötigte Informationen werden gefunden, extrahiert und zusammengefasst
• 2025 folgt der Übergang in die Phase des Reasoning
  • Hebbia analysiert Finanzberichte und erstellt Modelle
  • Basis gleicht Trial Balances aus mehreren Systemen ab
  • EliseAI diagnostiziert Wartungsprobleme und beauftragt den passenden Vendor
• 2026 startet der Multiplayer-Modus
  • Vertical Software hat Stärken bei domänenspezifischen UIs, Daten und Integrationen
  • Doch reale Arbeit ist ihrem Wesen nach eine Struktur mit Zusammenarbeit vieler Beteiligter
• Damit Agenten Arbeit stellvertretend übernehmen können, ist Zusammenarbeit unverzichtbar
  • Käufer und Verkäufer
  • Mieter, Berater und Vendoren
  • Jede beteiligte Partei hat unterschiedliche Berechtigungen, Workflows und Compliance-Anforderungen
• Derzeit arbeitet AI jeweils isoliert
  • Eine AI, die Verträge analysiert, ist nicht mit dem CFO verbunden
  • Eine Wartungs-AI kennt die Termine des Außendienstpersonals nicht
• Multiplayer-AI koordiniert genau das
  • Sie routet Aufgaben zwischen Stakeholdern
  • Sie hält den Kontext aufrecht
  • Sie synchronisiert Änderungen
  • Die AI der Gegenseite verhandelt innerhalb eines festgelegten Rahmens
  • Ungleichgewichte werden zur menschlichen Prüfung eskaliert
  • Korrekturen durch Senior Partner fließen in das Lernen der gesamten Organisation ein
• Je größer der durch Zusammenarbeit geschaffene Wert, desto höher die Wechselkosten
  • Es entstehen Netzwerkeffekte, die AI-Apps bisher nicht hatten
  • Die Zusammenarbeitsschicht selbst wird zum Moat

Für Agenten statt für Menschen bauen - Stephenie Zhang

• Ab 2026 nutzen Menschen das Web über ihre eigenen Agenten
• Elemente, die für menschlichen Konsum wichtig waren, funktionieren nicht länger auf dieselbe Weise
• Bisherige Optimierungsmethoden setzen menschliches Verhalten voraus
  • Top-Platzierungen in Suchergebnissen
  • Präsenz auf der ersten Seite eines Marketplace
  • Ein Aufbau, der mit TL;DR beginnt
• Menschen können wichtige Sätze übersehen, Agenten jedoch nicht
  • Selbst einen zentralen Satz, der auf Seite 5 versteckt ist, findet ein Agent sofort
• Der Wandel betrifft auch das Software-Design
  • Apps wurden auf menschliche Blicke und Klicks hin entworfen
  • Maßstab für Optimierung waren gute UI und intuitive Flows
• Da Agenten Interpretation und Suche übernehmen, ändern sich die Maßstäbe
  • Visuelles Design ist nicht mehr der zentrale Faktor für Verständnis
  • Statt dass Engineers auf Grafana schauen, interpretiert ein AI-SRE die Telemetrie und fasst sie in Slack zusammen
  • Statt dass das Sales-Team ein CRM durchforstet, liefert ein Agent automatisch Muster und Zusammenfassungen
• Jetzt wird nicht mehr für Menschen, sondern für Agenten entworfen
  • Nicht visuelle Hierarchie, sondern Maschinenlesbarkeit wird zum Optimierungsziel
  • Dieser Wandel verändert sowohl die Art des Schaffens als auch die Werkzeuge selbst

In AI-Apps ist die KPI Screen Time am Ende - Santiago Rodriguez

• In den vergangenen 15 Jahren war Screen Time die zentrale Kennzahl für Wertschöpfung
  • Sehdauer bei Netflix
  • Zahl der Klicks im medizinischen EHR
  • Nutzungszeit von ChatGPT
• Diese Kennzahl wird bald wirkungslos
  • Ergebnisbasierte Abrechnung setzt sich durch
  • Die Anreize von Vendoren und Nutzern richten sich aneinander aus
  • Die erste Kennzahl, die verschwindet, ist Screen Time
• In der Realität zeigt sich der Wandel bereits
  • ChatGPT DeepResearch schafft großen Wert, auch wenn man kaum auf den Bildschirm schaut
  • Abridge erfasst Behandlungsgespräche automatisch und erledigt Folgeaufgaben
  • Cursor erstellt ganze Apps, sodass Entwickler den nächsten Zyklus planen können
  • Hebbia erstellt auf Basis von Hunderten Offenlegungen Decks und gibt Investmentbankern ihren Schlaf zurück
• Es entsteht eine neue Herausforderung
  • Um festzulegen, wie viel pro Nutzer berechnet werden soll, ist eine komplexere ROI-Messung nötig
• AI-Apps steigern Wert gleichzeitig in vielen Dimensionen
  • Zufriedenheit von Ärzten
  • Produktivität von Entwicklern
  • Lebensqualität von Finanzanalysten
  • Glück von Konsumenten
• Unternehmen, die ROI am einfachsten erklären, setzen sich am Markt durch

---

# [Bio + Health]

Der Aufstieg gesunder MAUs - Julie Yoo

• 2026 entsteht mit Healthy MAUs (gesunde MAUs) eine zentrale Kundengruppe im Gesundheitswesen
  • Es handelt sich um Konsumenten, die aktuell nicht krank sind
  • aber ihre Gesundheit kontinuierlich verstehen und überwachen wollen
• Das bisherige Gesundheitssystem hat sich auf drei Nutzergruppen konzentriert
  • Sick MAUs: Patienten mit hohen Kosten und punktuell stark ansteigendem Behandlungsbedarf
  • Sick DAUs: Nutzer wie Schwerkranke oder chronisch Erkrankte, die langfristige und intensive Versorgung benötigen
  • Healthy YAUs: vergleichsweise gesunde Nutzer, die kaum medizinische Einrichtungen aufsuchen
• Healthy YAUs tragen jederzeit das Risiko, zu Sick MAUs oder Sick DAUs zu werden
  • Präventive Betreuung kann die Geschwindigkeit dieses Übergangs verlangsamen
• Das Problem liegt in der bestehenden Vergütungsstruktur
  • Ein behandlungszentriertes, reaktionsbasiertes Vergütungssystem im Gesundheitswesen belohnt Therapie stärker als Prävention
  • Der Zugang zu regelmäßigen Check-ins oder Monitoring-Services ist gering
  • Versicherungen bezahlen präventionsorientierte Services kaum
• Healthy MAUs schließen diese Lücke
  • Sie sind im Moment nicht krank
  • wollen ihren Gesundheitszustand aber wiederholt prüfen und verstehen
  • und haben das Potenzial, die größte Zielgruppe unter allen Konsumenten zu werden
• Eine Welle von Services für diese Kundengruppe beginnt
  • AI-native Startups
  • neu verpackte Services etablierter Healthcare-Unternehmen
  • alle bewegen sich hin zu regelmäßigen, abonnementbasierten Angeboten
• AI senkt die Kostenstruktur der Gesundheitsversorgung
  • durch Automatisierung von Monitoring und Analyse
  • und durch geringere Abhängigkeit von Personal
• Dadurch eröffnet sich die Möglichkeit präventionsorientierter Versicherungsprodukte
• Konsumenten gewöhnen sich zunehmend an Abo-Modelle mit Selbstzahlung
• Healthy MAUs werden zur zentralen Kundengruppe der nächsten Generation von Healthtech
  • sie sind kontinuierlich eingebunden
  • datenbasiert
  • und handeln präventionsorientiert

---

# [Speedrun]

World Models rücken ins Zentrum des Storytellings - Jon Lai

• Im Zentrum des Storytellings im Jahr 2026 stehen AI-gestützte World Models
  • Es entstehen neue Formate auf Basis interaktiver virtueller Welten und einer digitalen Ökonomie
• Marble (World Labs) und Genie 3 (DeepMind) erzeugen allein mit Text-Prompts vollständige 3D-Umgebungen
  • Nutzer erkunden diese Welten direkt wie in einem Spiel
• Während Creator diese Tools übernehmen, entstehen völlig neue Erzählformate
  • Es werden riesige Welten geschaffen, die kollaboratives Schaffen ermöglichen
  • Letztlich entwickelt sich das in Richtung eines „generativen Minecraft“
• Spielmechaniken und natürlichsprachige Programmierung verschmelzen
  • Befehle wie „Erschaffe einen Pinsel, der alles, was er berührt, rosa färbt“ wirken als Regeln der Welt
• Die Grenze zwischen Spielern und Creatorn verschwindet
  • Nutzer werden nicht nur zu Konsumenten, sondern zu Mitautoren
• Ein verknüpftes generatives Multiversum entsteht
  • Genres wie Fantasy, Horror und Adventure existieren innerhalb eines einzigen Ökosystems nebeneinander
• Innerhalb dieser Welten wird die digitale Ökonomie aktiviert
  • Erstellung von Assets
  • Einführungshilfen für neue Nutzer
  • Monetarisierung durch die Entwicklung neuer Interaktions-Tools
• Diese Welten werden über Unterhaltung hinaus als Simulationsumgebungen genutzt
  • Training von AI Agents
  • Lernen für Robotik
  • Darüber hinaus Ausweitung zu Experimentierfeldern für AGI
• Der Aufstieg von World Models ist nicht bloß ein neues Spielgenre, sondern das Entstehen eines neuen kreativen Mediums und einer neuen ökonomischen Frontlinie

Das „Jahr für mich“ - Josh Lu

• 2026 ist „The Year of Me“, das Jahr, in dem Produkte von Massenproduktion zu maßgeschneiderter Personalisierung wechseln
• Im Bildungsbereich hat der Wandel bereits begonnen
  • Startups wie Alphaschool bieten AI-Tutoren, die sich an Tempo und Neugier jedes einzelnen Schülers anpassen
  • Ein Grad an Personalisierung, der früher nur mit Nachhilfekosten von Zehntausenden Dollar pro Schüler möglich war
• Auch im Gesundheitsbereich wird Personalisierung alltäglich
  • AI entwirft Kombinationen aus Supplements, Trainingsplänen und Ernährungsroutinen, abgestimmt auf individuelle Biomarker
  • Das wird ohne Abhängigkeit von Trainern oder Laboren möglich
• Auch Medien werden personalisiert
  • Nachrichten, Sendungen und Geschichten werden nach persönlichen Interessen und bevorzugtem Ton neu zusammengestellt
• Die Gewinner des vergangenen Jahrhunderts waren Unternehmen, die den Durchschnittskonsumenten gefunden haben
• Die Gewinner des nächsten Jahrhunderts sind Unternehmen, die den im Durchschnitt verborgenen Einzelnen finden
• 2026 markiert den Zeitpunkt, an dem die Welt aufhört, „alle“ zu optimieren, und beginnt, „dich“ zu optimieren

Die erste AI-native Universität - Emily Bennett

• 2026 entsteht die AI-native Universität
  • Eine Bildungseinrichtung, die von Grund auf um intelligente Systeme herum entworfen wurde
• Bisher haben klassische Universitäten AI nur punktuell eingeführt
  • Sie blieb auf Benotung, Tutoring und Terminplanung beschränkt
• Nun entsteht eine akademische Organisation, die selbst lernt und sich optimiert
  • Sie passt sich über Daten-Feedback-Schleifen an – vom Unterricht über Betreuung und Forschungszusammenarbeit bis zum Gebäudebetrieb
• Jedes Element der Universität verändert sich in Echtzeit
  • Stundenpläne optimieren sich selbst
  • Leselisten werden jede Nacht aktualisiert, um neueste Forschung einzubeziehen
  • Lernpfade werden sofort an Tempo und Kontext der Studierenden angepasst
• Es gibt bereits Vorboten
  • ASU betreibt durch die unternehmensweite Zusammenarbeit mit OpenAI Hunderte AI-Projekte
  • SUNY verankert AI Literacy als Pflichtbestandteil in den Allgemeinbildungsfächern
• An der AI-nativen Universität verändert sich die Rolle der Professoren
  • Sie vermitteln nicht mehr nur Wissen, sondern werden zu Architekten des Lernens
  • Sie kuratieren Daten und justieren Modelle
  • Sie lehren Studierende, maschinelles Schlussfolgern kritisch zu behandeln
• Auch die Bewertung wandelt sich
  • Plagiatserkennung und Nutzungsverbote verschwinden
  • Bewertet wird, wie AI eingesetzt wurde
  • Transparenz und ein maßvoller Einsatz werden zum Maßstab
• Die gesamte Wirtschaft braucht Talente, die AI entwerfen, betreiben und in Zusammenarbeit einsetzen können
• Die AI-native Universität wird zum Personal-Motor der neuen Wirtschaft, der diese Talente hervorbringt

---

# [American Dynamism]

Aufbau einer AI-nativen industriellen Basis - David Ulevitch

• Die Bereiche, die die reale Stärke der US-Wirtschaft erzeugen, rücken wieder ins Zentrum
  • Energie, Fertigung, Logistik und Infrastruktur kehren als zentrale Säulen zurück
• Die wichtigste Veränderung ist das Entstehen einer echten AI-nativen, software-first Industrie-Basis
  • Sie beginnt bei Simulation, automatisiertem Design und AI-gestütztem Betrieb
  • Es geht nicht darum, die Vergangenheit zu modernisieren, sondern die nächste Generation von Grund auf aufzubauen
• In der gesamten Industrie eröffnen sich neue Chancen
  • Fortgeschrittene Energiesysteme
  • Robotik-zentrierte schwere Industrieproduktion
  • Bergbau der nächsten Generation
  • Biologie- und enzymbasierte chemische Prozesse als Grundlage aller Industrien
• AI gestaltet die Kernprozesse der Industrie neu
  • Sauberere Reaktordesigns
  • Optimierung der Rohstoffgewinnung
  • Besseres Enzyme Engineering
  • Präzise Steuerung autonomer Maschinenflotten
• Auch die Welt außerhalb der Fabrik wird neu aufgebaut
  • Autonome Sensoren und Drohnen
  • Modernste AI-Modelle machen Häfen, Schienenwege, Stromnetze, Pipelines, Militärstützpunkte und Rechenzentren kontinuierlich sichtbar
• Die reale Welt braucht neue Software
  • Die Gründer, die sie entwickeln, entscheiden über den amerikanischen Wohlstand des nächsten Jahrhunderts

Renaissance der amerikanischen Fabrik - Erin Price-Wright

• Das erste große Jahrhundert der USA wurde auf industrieller Leistungsfähigkeit aufgebaut
  • Durch Offshoring und das gesellschaftsweite Scheitern beim Aufbau wurde viel Substanz verloren
• Jetzt setzt wieder Bewegung ein
  • Die Wiedergeburt der amerikanischen Fabrik mit Software und AI im Zentrum ist im Gang
• 2026 geht die gesamte Industrie Probleme mit einer Factory-first-Denkweise an
  • Das gilt für Energie, Bergbau, Bauwesen und Fertigung insgesamt
• Der Schlüssel ist die Verbindung aus modularer AI und Autonomie + Facharbeitern
  • So lassen sich maßgeschneiderte und komplexe Prozesse wie ein Fließband betreiben
• Dieser Ansatz macht Folgendes möglich
  • Komplexe Regulierung und Genehmigungen schnell und wiederholt zu durchlaufen
  • Designzyklen zu verkürzen und von Beginn an fertigungsgerechtes Design umzusetzen
  • Die Koordination von Großprojekten effizient zu managen
  • Für Menschen schwierige oder gefährliche Aufgaben durch autonome Systeme zu beschleunigen
• Das Denken à la Henry Ford wird ab Tag 0 angewendet
  • Es wird mit Blick auf Skalierung und Wiederholbarkeit entworfen
  • Kombiniert mit modernster AI
• Die Ergebnisse zeigen sich schnell
  • Massenproduktion von Reaktoren
  • Ausweitung des Wohnungsangebots
  • Ultraschneller Bau von Rechenzentren
• Die Aussage „Die Fabrik ist das Produkt“ wird wieder Realität
• Der Eintritt in ein neues industrielles goldenes Zeitalter beginnt

Die nächste Welle der Observability ist nicht digital, sondern physisch - Zabie Elmgren

• In den vergangenen zehn Jahren hat Software-Observability digitale Systeme transparent gemacht
  • Über Logs, Metriken und Traces wurden Code und Server verständlich
• Dieselbe Innovation weitet sich nun auf die physische Welt aus
• In den USA sind bereits mehr als eine Milliarde Kameras und Sensoren im Einsatz
  • Physische Observability, die Städte, Stromnetze und Infrastruktur in Echtzeit verständlich macht, wird dringlich und machbar
• Diese Wahrnehmungsschicht eröffnet die nächste Stufe von Robotik und Autonomie
  • Dafür braucht es ein gemeinsames Fabric, mit dem Maschinen die physische Welt wie Code wahrnehmen
• Gleichzeitig gibt es Risiken: Technologien zur Waldbranderkennung und Vermeidung von Industrieunfällen können auch in eine dystopische Überwachung umschlagen
• Gewinnen werden Unternehmen, die Vertrauen erwerben: datenschutzwahrend, interoperabel und AI-native
• Es braucht Systeme, die die Gesellschaft verständlicher machen, ohne sie weniger frei zu machen
• Wer dieses Fabric des Vertrauens aufbaut, definiert die Observability der nächsten zehn Jahre

Der elektro-industrielle Stack bewegt die Welt - Ryan McEntush

• Die nächste industrielle Revolution findet nicht nur in Fabriken statt, sondern im Inneren dessen, was Maschinen ausmacht
• Software hat Denken und Design verändert und verändert nun Mobilität, Bau und Produktion
• Es entsteht eine Verbindung aus Elektrifizierung, Materialien und AI
  • In die physische Welt hält echte Software-Steuerung Einzug
  • Maschinen erkennen, lernen und handeln selbstständig
• Das ist der Electro-Industrial Stack
  • Die Basistechnologie für Elektrofahrzeuge, Drohnen, Rechenzentren und moderne Fertigung
  • Er verbindet Technologien, die Atome bewegen, mit Bits
• Die Bestandteile des Stacks
  • Mineralraffination → Komponenten
  • In Batterien gespeicherte Energie
  • Durch Leistungselektronik gesteuerter Strom
  • Über Präzisionsmotoren übertragene Bewegung
  • Software, die alles koordiniert
• Er ist das unsichtbare Fundament physischer Automatisierung und macht den Unterschied zwischen Software, mit der man ein Taxi ruft, und Software, die das Lenkrad übernimmt
• Die Fähigkeit, diesen Stack aufzubauen, schwindet: Raffination kritischer Materialien & Fertigung fortschrittlicher Chips
• Wenn die USA das nächste industrielle Zeitalter anführen wollen, müssen sie Hardware selbst herstellen
• Das Land, das den Electro-Industrial Stack beherrscht, bestimmt die Zukunft von Industrie- und Militärtechnologie
• Software hat die Welt verschlungen. Jetzt setzt sie die Welt in Bewegung

Autonome Labore beschleunigen wissenschaftliche Entdeckungen - Oliver Hsu

• Die Fähigkeiten der Modelle entwickeln sich multimodal weiter
• Auch die robotischen Manipulationsfähigkeiten verbessern sich kontinuierlich
• Durch das Zusammenspiel dieser beiden Strömungen entstehen autonome Labore
  • Hypothesenbildung - Versuchsplanung - Durchführung - Schlussfolgerung und Ergebnisanalyse - Iteration der nächsten Forschungsrichtung
• Der End-to-End-Loop wissenschaftlicher Entdeckung schließt sich automatisch
• Teams, die solche Labore bauen, sind ihrem Wesen nach interdisziplinär: AI, Robotik, Physik- und Lebenswissenschaften, Fertigung, Operations
• Durch unbemannte (lights-out) Experimente werden kontinuierliche Experimente möglich
• In vielen Bereichen beschleunigt sich das Tempo von Entdeckungen drastisch

Der Datenkreuzzug in Richtung Schlüsselindustrien - Will Bitsky

• Im Zentrum des AI-Diskurses 2025 standen Compute-Beschränkungen und Rechenzentren
• 2026 stehen Datenbeschränkungen und neue Daten-Schlachtfelder im Mittelpunkt, und dieses Schlachtfeld sind die Schlüsselindustrien
• In Schlüsselindustrien schlummern noch riesige Mengen unstrukturierter Daten: Lkw-Betrieb, Zählerablesung, Wartungsarbeiten, Produktionsprozesse, Montage und Tests
• All diese Abläufe werden zu Trainingsdaten für Modelle; wichtig ist nicht nur, was getan wurde, sondern wie es getan wurde
• Das Problem ist, dass in industriellen Umgebungen oft ein Datenverständnis fehlt: Erfassung, Annotation und Modelltraining gehören nicht zum industriellen Vokabular
• Die Datennachfrage explodiert
  • Scale, Mercor und AI-Labore sammeln Prozessdaten aggressiv ein
  • Sie stützen sich auf teure, manuell erstellte Daten
• Bestehende Industrieunternehmen haben einen strukturellen Vorteil
  • Sie verfügen bereits über physische Infrastruktur und Arbeitskräfte
  • Datenerfassung ist nahezu ohne Grenzkosten möglich
  • Sie können eigene Modelle trainieren oder extern lizenzieren
• Startups unterstützen dabei
  • Software für Erfassung, Annotation und Einwilligungsmanagement
  • Sensor-Hardware und SDKs
  • Reinforcement-Learning-Umgebungen und Trainingspipelines
  • Letztlich sogar eigene intelligente Maschinen

---

# [Apps]

AI stärkt das Geschäftsmodell selbst - David Haber

• Herausragende AI-Startups automatisieren nicht nur Aufgaben, sondern verstärken die ökonomische Struktur ihrer Kunden selbst
• Am Beispiel von Anwaltskanzleien mit Erfolgshonorar
  • Einnahmen entstehen nur, wenn sie gewinnen
  • Unternehmen wie Eve nutzen Falldaten zu Prozessergebnissen, um die Gewinnwahrscheinlichkeit vorherzusagen
  • Sie wählen bessere Fälle aus, bearbeiten mehr Mandanten und gewinnen häufiger
• AI bleibt nicht auf Kostensenkung beschränkt, sondern steigert direkt den Umsatz
• 2026 breitet sich diese Logik auf die gesamte Industrie aus
  • AI wird tiefer an den Anreizen der Kunden ausgerichtet
  • Dadurch entsteht ein aufzinsender Wettbewerbsvorteil, den bestehende Software nicht einholen kann

ChatGPT wird zum AI App Store - Anish Acharya

• Ein Produktzyklus im Consumer-Bereich braucht drei Dinge
  • neue Technologie
  • neues Verbraucherverhalten
  • einen neuen Vertriebskanal
• AI erfüllt die ersten beiden Punkte, hatte aber keinen eigenen Vertriebskanal und war auf bestehende Netzwerke wie X oder Mundpropaganda angewiesen
• Das ändert sich
  • Veröffentlichung des OpenAI Apps SDK
  • Unterstützung für Mini-Apps durch Apple
  • Einführung von Gruppennachrichten in ChatGPT
• Entwickler können nun direkt die 900 Millionen Nutzer von ChatGPT erreichen
  • und zusammen mit neuen Mini-App-Netzwerken wie Wabi wachsen
• Mit diesem letzten Puzzlestück dürfte 2026 im Consumer-Tech-Bereich ein Goldrausch, der nur einmal pro Jahrzehnt kommt, beginnen

Sprachagenten erweitern ihr Einsatzgebiet jetzt richtig - Olivia Moore

• In den vergangenen 18 Monaten ist Voice AI von Science-Fiction zur Realität geworden: Terminplanung, Buchungsabwicklung, Umfragen, Bearbeitung eingehender Kundenanfragen
• Vom SMB bis zum Enterprise wird sie bereits breit eingesetzt
• Der Effekt ist eindeutig: Kostensenkung, zusätzlicher Umsatz, Menschen übernehmen höherwertige Arbeit
• Viele Unternehmen bleiben bislang noch in der Phase von Point Solutions und bearbeiten nur bestimmte Anruftypen
• Der nächste Schritt ist die umfassende Ausweitung
  • Bearbeitung kompletter Workflows
  • multimodale Interaktionen
  • Management der gesamten Kundenbeziehung
• Dafür braucht es tief in Business-Systeme integrierte Agenten und Befugnisse, komplexere Interaktionen autonom zu bearbeiten
• Solange sich die Modellleistung weiter verbessert, gibt es keinen Grund, warum nicht jedes Unternehmen Voice-first AI betreiben sollte

Der Aufstieg promptloser, proaktiver Anwendungen - Marc Andrusko

• 2026 ist das Ende des Prompt-Eingabefelds
• Die nächste Generation von AI-Apps funktioniert ohne explizite Eingabe: Sie beobachtet das Verhalten der Nutzer und macht proaktiv Vorschläge
• Beispiele
  • Eine IDE schlägt Refactorings vor, bevor darum gebeten wird
  • Ein CRM formuliert direkt nach Ende eines Gesprächs eine Follow-up-E-Mail
  • Ein Design-Tool erzeugt während der Arbeit Varianten
• Das Chat-Interface war nur ein Stützrad
• AI wird nun zu einer unsichtbaren Struktur, die sich durch den gesamten Workflow zieht
  • Sie reagiert nicht auf Befehle, sondern auf Intention

AI baut das Fundament von Banken und Versicherungen neu - Angela Strange

• Etablierte Finanzunternehmen haben AI bisher auf Legacy-Systeme aufgesetzt: Dokumentenerkennung, Sprachagenten
• Der echte Wandel entsteht, wenn die Infrastruktur selbst neu aufgebaut wird
• 2026 wird das Risiko, AI nicht einzusetzen, größer als das Risiko des Scheiterns
• Große Finanzinstitute kündigen Verträge mit Legacy-Anbietern und wechseln zu AI-nativen Alternativen
• Merkmale neuer Finanzplattformen: Sie zentralisieren, normalisieren und erweitern Legacy- und externe Daten
• Das Ergebnis
  • großflächige Parallelisierung von Workflows
  • Aufgabenbearbeitung ohne Wechsel zwischen Systemen
  • Hunderte Aufgaben auf einen Blick, von denen Agenten einen Teil automatisch erledigen
• Die Kategorien selbst verschmelzen
  • Beispiel: KYC und Conversion Monitoring werden zu einer einheitlichen Risiko-Plattform zusammengeführt
• Die Gewinner werden 10-mal größere Unternehmen als die bisherigen
  • Software ersetzt Arbeit
• Die Zukunft des Finanzwesens besteht nicht darin, AI auf bestehende Systeme aufzusetzen, sondern ein neues, auf AI basierendes Betriebssystem zu schaffen

Eine Forward-Deployed-Strategie verbreitet AI auf die übrigen 99 % - Joe Schmidt

• Bislang konzentrierten sich die Vorteile von AI auf das 1 % im Silicon Valley. Der Grund waren geografische Nähe und VC-Netzwerke
• 2026 kehrt sich dieser Trend um: Der Großteil der AI-Chancen liegt außerhalb des Silicon Valley
• Neue Gründer entdecken Chancen in Legacy-Industrien von innen heraus mit einem Forward-Deployed-Ansatz
• Besonders große Chancen gibt es in Bereichen wie
  • klassische Beratung
  • Systemintegration
  • langsame Industrien wie die Fertigung

In den Fortune 500 entstehen eine neue Orchestrierungsschicht und neue Rollen - Seema Amble

• Unternehmen wechseln von einzelnen AI-Tools zu Multi-Agenten-Systemen
• Agenten müssen wie ein digitales Team zusammenarbeiten. Sie übernehmen gemeinsam Planung, Analyse und Ausführung
• Dafür werden Arbeitsstrukturen und der Kontextfluss zwischen Systemen neu gestaltet
• AskLio und HappyRobot setzen Agenten bereits nicht nur für einzelne Aufgaben, sondern für gesamte Prozesse ein
• Die Fortune 500 erleben den größten Wandel: enorme Datensilos und implizites Wissen, das bislang nur in den Köpfen von Menschen existierte
• Wird daraus eine gemeinsame Grundlage, sind schnellere Entscheidungen, verkürzte Zyklen und End-to-End-Prozesse ohne menschliche Eingriffe möglich
• Neue Rollen entstehen: AI-Workflow-Designer, Agenten-Aufseher und Verantwortliche für Governance
• Über dem System of Record kommt ein System of Coordination hinzu
• Menschen konzentrieren sich auf die komplexesten Edge Cases
• Multi-Agenten bedeuten nicht bloß Automatisierung, sondern eine Neugestaltung der gesamten Art, wie Unternehmen operieren

Consumer-AI bewegt sich von „Hilf mir“ zu „Sieh mich“ - Bryan Kim

• 2026 ist das Jahr, in dem Consumer-AI sich von Produktivität zu Verbundenheit bewegt
• AI ist nicht mehr nur ein Werkzeug, das bei der Arbeit hilft, sondern trägt dazu bei, sich selbst besser zu verstehen und Beziehungen zu stärken
• Das ist ein schwieriges Feld. Viele Social-AI-Produkte sind gescheitert
• Doch das Umfeld hat sich verändert: mehr multimodaler Kontext, sinkende Kosten für Inferenz
• AI lernt nun Emotionen auf Fotos, Gesprächsmuster und stressbedingte Veränderungen von Routinen
• Merkmale von „See me“-Produkten
  • geringe kurzfristige Zahlungsbereitschaft
  • hohe Bindungsrate
• Menschen tauschen ihre Daten bereits gegen Mehrwert
  • und dieser Gegenwert wird bald groß genug sein

Neue Modell-Primitives ermöglichen Unternehmen, die zuvor unmöglich waren - Kimberly Tan

• Durch jüngste Modellinnovationen entstehen Unternehmen, die es zuvor nicht geben konnte
• Früher ging es nur darum, bestehende Produkte zu verbessern
• Jetzt wird die Kernfunktion eines Produkts überhaupt erst durch neue Modellfähigkeiten möglich
• Beispiele
  • komplexe Entscheidungen bei finanziellen Forderungen
  • Analyse riesiger Mengen wissenschaftlicher und Research-Materialien
  • Extraktion von Videodaten aus der Fertigung
  • Automatisierung von Arbeit, die sich hinter Desktops und schlechten APIs verborgen hatte
• Inferenz, Multimodalität und Computernutzung verändern die Struktur riesiger Branchen

AI-Startups, die AI-Startups als Kunden gewinnen, wachsen - James da Costa

• Derzeit erleben wir eine beispiellose Gründungswelle
• Auch etablierte Unternehmen führen AI schnell ein
• Startups gewinnen, indem sie Unternehmen in der Entstehungsphase als Kunden ansprechen
• Wer junge Unternehmen früh gewinnt, wächst mit ihnen, wenn sie größer werden
• Stripe, Deel, Mercury und Ramp nutzen diese Strategie
• Viele Kunden von Stripe wurden erst nach Stripe gegründet
• 2026 wird das Jahr, in dem Startups mit einer Greenfield-Strategie in mehreren Bereichen der Enterprise-Software ernsthaft skalieren
• Der Kern ist einfach:
  • ein besseres Produkt bauen
  • und sich besessen auf neue Kunden konzentrieren, die noch nicht gebunden sind

---

# [Crypto]

Privatsphäre wird zum wichtigsten Burggraben in Krypto

• Damit Onchain-Finanzwesen Mainstream werden kann, ist Privatsphäre unverzichtbar
• Die meisten Blockchains hatten bei Privatsphäre bisher jedoch faktisch eine Leerstelle oder behandelten sie als Nebensache
• Nun kann allein Privatsphäre eine Chain klar differenzieren
• Privatsphäre ist nicht nur ein Feature, sondern kann Chain Lock-in erzeugen
  • besonders stark in einer Welt, in der ein reiner Performance-Wettbewerb nicht mehr ausreicht
• Der Wechsel zwischen öffentlichen Chains ist dank Bridging einfach
  • doch mit Privatsphäre sieht die Lage anders aus
  • Tokens lassen sich leicht bewegen, Geheimnisse jedoch nicht
• Risiken beim Wechsel in und aus privaten Bereichen
  • Beobachter von Chain-, Mempool- und Netzwerk-Traffic können Identitäten erschließen
  • beim Überschreiten von Grenzen (privat↔öffentlich, privat↔privat) kommt es zu Metadaten-Lecks
    • etwa durch Transaktionszeitpunkte oder Größenkorrelationen als Hinweise für Nachverfolgung
• Gebühren tendieren durch Wettbewerb leicht gegen null
  • Blockspace wird zunehmend homogenisiert
  • deshalb kann eine „neue Chain ohne besondere Merkmale“ nur schwer starke Netzwerkeffekte erzeugen
• Umgekehrt haben Privacy-Chains mehr Potenzial, stärkere Netzwerkeffekte aufzubauen
• Eine General-Purpose-Chain, die
  • noch kein florierendes Ökosystem hat
  • keine Killer-App besitzt
  • und keinen unfairen Verteilungsvorteil hat,
    bietet kaum einen Grund zur Nutzung, zum Bau darauf oder zur Loyalität
• Bei öffentlichen Chains ist weniger entscheidend, „auf welcher Chain man ist“
  • Transaktionen mit Nutzern anderer Chains sind ebenfalls leicht
• Bei privaten Chains ist viel wichtiger, „in welche Chain man hineingeht“
  • weil beim Wechsel das Risiko der Offenlegung steigt und Abwanderung seltener wird
• Dadurch können Privacy-Chains eine Struktur schaffen, die nahe an Winner-takes-most liegt
  • wenn die meisten realen Anwendungsfälle Privatsphäre brauchen
  • könnten wenige Privacy-Chains den Großteil von Krypto auf sich vereinen

Prognosemärkte werden größer, breiter und intelligenter

• Prognosemärkte sind bereits in der Phase der Massenadoption angekommen
• Im kommenden Jahr wachsen durch die Kombination mit Krypto und AI gleichzeitig Größe, Reichweite und Intelligenz
• Es werden deutlich mehr Kontrakte gelistet
  • nicht nur zu großen Wahlen oder geopolitischen Themen
  • sondern auch zu immer komplexeren Ergebnissen und miteinander verflochtenen Ereignissen als Echtzeit-Wahrscheinlichkeiten
• Informationen aus Prognosemärkten dringen bereits tiefer in das Nachrichtenökosystem ein
• Gleichzeitig werden gesellschaftliche Fragen größer
  • wie sich Wert und Risiko solcher Informationen ausbalancieren lassen
  • wie sich das Design transparenter und auditierbarer machen lässt
  • und wie Krypto das ermöglichen kann (unter der Annahme, dass dazu ein Folgebeitrag verlinkt wird)
• Wenn die Zahl der Kontrakte steigt, wird die Frage zum Engpass, „wie man sich auf Wahrheit einigt“
  • zentralisierte Entscheidungen darüber, ob ein Ereignis wirklich eingetreten ist und wie das geprüft wird, werden wichtig
  • doch Streitfälle zeigen die Grenzen
    • Zelensky suit market
    • Venezuelan election market
• Für Skalierung braucht es neue Mechanismen zur Behandlung von Streitfällen
  • dezentrale Governance
  • LLM-Oracles zur Unterstützung bei der Beurteilung der „Wahrheit“ umstrittener Ergebnisse
• AI erweitert den Spielraum nicht nur bei Oracles, sondern auch im Trading
  • Agent-Trader können Signale aus der Welt einsammeln und sich so kurzfristige Vorteile verschaffen
  • (Strömungen wie Prophet Arena geben darauf Hinweise)
• Prognosemärkte ersetzen Umfragen nicht
  • stattdessen können sie Umfragen verbessern
  • auch Umfragedaten können in Prognosemärkte einfließen
• Eine der zentralen Aufgaben ist der „Nachweis, ein Mensch zu sein“
  • AI verbessert die Umfrageerfahrung
  • und es braucht Methoden, mit Krypto zu beweisen, dass ein Teilnehmer ein Mensch und kein Bot ist

RWA-Tokenisierung und Stablecoins wieder stärker Krypto-native denken

• Banken/Finttechs/Asset-Manager
  • haben großes Interesse daran, US-Aktien, Rohstoffe, Indizes und andere traditionelle Assets onchain zu bringen
• Doch die heutige Tokenisierung ist oft skeuomorph
  • sie kopiert lediglich bestehende Konzepte realer Vermögenswerte
  • und nutzt die nativen Funktionen von Krypto nicht ausreichend
• Als Alternative sind synthetische Assets, insbesondere Perpetual Futures (Perps), sehr stark
  • tiefere Liquidität
  • oft einfacher umzusetzen
  • Hebelwirkung ist intuitiv
  • unter den Krypto-nativen Derivaten haben sie womöglich den stärksten PMF
• Interessantes Experiment: das „Perpifizieren“ von Emerging-Market-Aktien
  • bei einigen Titeln zeigen 0DTE-Optionen teils tiefere Liquidität als der Spotmarkt
  • und könnten daher attraktive Kandidaten für Perpifizierungs-Experimente sein
• Letztlich lautet die Frage „Perpifizieren vs. Tokenisieren”
  • in welcher Form auch immer: 2026 dürfte es mehr Krypto-native RWA-Ströme geben
• Auch bei Stablecoins wird statt „Tokenisierung“ Origination wichtiger
  • 2025 sind Stablecoins im Mainstream angekommen, und das ausstehende Volumen wächst weiter
• Stablecoins ohne starke Kreditinfrastruktur wirken wie Narrow Banks
  • also ein eng gefasstes Bankmodell, das nur sehr sichere liquide Assets hält
  • das ist zwar ein valides Produkt, reicht aber nicht als langfristiges Rückgrat der Onchain-Ökonomie
• Deshalb bieten „Schulden-Assets“ größere Vorteile, wenn sie
  • direkt onchain originiert werden statt offchain erzeugt und tokenisiert
  • geringere Kosten für Lending-Services und Backoffice-Strukturen
  • höhere Zugänglichkeit
• Die verbleibenden harten Probleme sind Compliance und Standardisierung
  • doch Builder, die sie lösen wollen, sind bereits in Bewegung

Trading ist nicht das Ziel, sondern eine Zwischenstation

• Abgesehen von Stablecoins und etwas Kerninfrastruktur
  • sind viele erfolgreiche Krypto-Unternehmen auf Trading umgeschwenkt oder gerade dabei
• Das Problem, wenn alle zu Trading-Plattformen werden
  • die Akteure homogenisieren sich, wodurch Aufmerksamkeit und Chancen aufgezehrt werden
  • am Ende bleiben leicht nur wenige große Gewinner übrig
  • Teams, die zu früh pivotieren, verpassen womöglich die Chance, ein verteidigbares Geschäft aufzubauen
• Das Jagen nach einem unmittelbaren PMF-Gefühl hat seinen Preis
  • besonders in Krypto, wo Token-/Spekulationsstrukturen sofortige Belohnungen fördern
  • und damit eher zu kurzfristigen „Trades“ als zum Aufbau langfristiger „Produkte“ ziehen können
• Trading selbst ist eine wichtige Marktfunktion
  • muss aber nicht das „Endziel“ sein
• Die größeren Gewinner könnten jene sein,
  • die sich vom PMF aus stärker auf das „Produkt“ als auf den „Markt“ fixieren

Von KYC zu KYA: nicht den Kunden kennen, sondern den Agenten

• In der Agentenökonomie verlagert sich der Engpass von Intelligenz zu Identität
• In Finanzdienstleistungen gibt es mittlerweile 96:1 mehr „nicht-menschliche Identitäten“ als menschliche Mitarbeiter
  • diese Identitäten werden jedoch faktisch wie Geister außerhalb des Bankensystems behandelt
• Das entscheidende Primitive ist KYA (Know Your Agent)
  • so wie Menschen einen Credit Score brauchen,
  • brauchen auch Agenten zum Handeln kryptografisch signierte Credentials
    • verknüpft mit dem Principal des Agenten
    • mit definierten Einschränkungen und Haftung
• Ohne KYA ist die Realität simpel
  • Shops und Services blockieren Agenten weiter an der Firewall
• Eine Branche, die über Jahrzehnte KYC-Infrastruktur aufgebaut hat,
  • muss nun innerhalb weniger Monate KYA schaffen

Stablecoin-On- und Offramps werden intelligenter

• Das Stablecoin-Transaktionsvolumen wurde im vergangenen Jahr auf rund 46 Billionen US-Dollar geschätzt
  • und markiert weiter neue Höchststände
  • zum Vergleich: über 20x PayPal, fast 3x Visa und nähert sich schnell dem US-ACH-System
• Technisch ist das „Senden“ inzwischen schon einfach
  • Übertragungen sind unter 1 Sekunde und für weniger als 1 Cent möglich
• Das zentrale ungelöste Problem bleibt die Anbindung an reale Finanzschienen
  • also die Onramps und Offramps für Stablecoins
• Eine neue Startup-Generation schließt diese Lücke
  • Anbindung an vertraute Zahlungssysteme und lokale Währungen
  • Tausch lokaler Guthaben ↔ digitaler Dollar unter Wahrung der Privatsphäre durch kryptografische Nachweise
  • Integration von Interbank-Abwicklung über QR-basierte/Echtzeit-Zahlungsschienen
  • globale Wallet-Schicht + Kartenausgabe, damit Stablecoins bei alltäglichen Händlern ausgegeben werden können
• Wenn On- und Offramps reifen, entstehen neue Verhaltensweisen
  • Echtzeit-Auszahlung grenzüberschreitender Löhne
  • Entgegennahme von „globalen Dollar“ auch ohne Konto
  • Apps können mit Nutzern weltweit sofort abrechnen
• Stablecoins wandeln sich von einem Nischen-Finanztool
  • zu einer grundlegenden Zahlungs- und Settlement-Layer des Internets

Stablecoins eröffnen einen Upgrade-Zyklus für Bank-Ledger und neue Zahlungsszenarien

• Bank-Core-Systeme sind aus moderner Entwicklersicht fast schon „archäologische Artefakte“
  • 1960er–70er: frühe Einführung von Großsystemen
  • 1980er–90er: Core Banking der zweiten Generation (Temenos GLOBUS, Infosys Finacle usw.)
  • noch heute sind bei Kern-Ledgern Mainframes, COBOL und Batch-Datei-Schnittstellen üblich
• Ein Großteil der globalen Assets liegt auf diesen veralteten Core-Ledgern
  • sie genießen das Vertrauen der Regulierer
  • sind tief in komplexe Betriebsabläufe integriert
  • bremsen Innovation zugleich massiv aus
  • selbst das Hinzufügen von Funktionen wie RTP kann Monate bis Jahre dauern
• Stablecoins ermöglichen Innovation, ohne das Legacy-System sofort herausreißen zu müssen
  • Stablecoins, tokenisierte Einlagen, tokenisierte Staatsanleihen und Onchain-Bonds
  • werden zum Weg, auf dem Banken und Fintechs neue Produkte und Kunden erschließen
• Die vergangenen Jahre waren eine Phase, in der Stablecoins PMF erreichten und im Mainstream ankamen
• In diesem Jahr hat TradFi sie auf höherem Niveau angenommen
• Fazit: Stablecoins werden zu einem Innovationskanal, der Legacy-Ledger umgeht

Die nahe Zukunft des Messaging ist nicht nur quantenresistent, sondern dezentralisiert

• Vorsorge für Quantencomputing ist wichtig
• Doch das größere Problem ist das Vertrauen in Server
  • bei großen Messengern wie Apple/Signal/WhatsApp
  • muss man letztlich privaten Servern vertrauen, die von einer einzelnen Organisation betrieben werden
  • dadurch bleibt die Schwachstelle, dass Regierungen Server blockieren, mit Backdoors versehen oder dazu zwingen können
• Wenn Server im Zentrum des Vertrauensmodells stehen, heißt es letztlich „trust me“
  • ohne private Server heißt es dagegen: „man muss gar nicht erst vertrauen“
• Messaging muss zu offenen Protokollen gehen
  • keine privaten Server
  • keine einzelne App
  • vollständig Open Source
  • Kryptografie auf höchstem Niveau, auch gegen Quantenbedrohungen
• Wenn das Netzwerk offen ist,
  • kann kein Staat und kein Unternehmen die Kommunikationsfähigkeit leicht wegnehmen
  • selbst wenn eine App blockiert wird, können am nächsten Tag 500 neue auftauchen
  • und selbst wenn Nodes abgeschaltet werden, sorgen ökonomische Anreize für neue Nodes
• Wenn Nachrichten und Identität wie Geld per Schlüssel besessen werden, verändert das alles
  • die App kann sich ändern, aber die Kontrolle über Nachrichten und Identität bleibt beim Nutzer
• Im Kern geht es also über „quantenresistente Kryptografie“ hinaus um Eigentum und Dezentralisierung

Von „Code ist Gesetz“ zu „Spezifikation ist Gesetz“

• Jüngste DeFi-Hacks sind selbst bei
  • starken Teams, gründlichen Audits und seit Jahren betriebenen Protokollen passiert
• Die aktuellen Sicherheitspraktiken sind weiterhin
  • heuristikgetrieben
  • eher Flickwerk von Vorfall zu Vorfall
• Damit DeFi-Sicherheit reifen kann, braucht es einen Kurswechsel
  • Reaktion auf Bug-Muster → hin zu Eigenschaften auf Design-Ebene (property)
  • best-effort → hin zu prinzipienbasiert (principled)
• Vor dem Deployment (statische Seite)
  • Statt Teilverifikation müssen globale Invarianten (invariant) systematisch bewiesen werden
  • KI-gestützte Beweis-Tools können
    • Spezifikationen schreiben
    • Invarianten vorschlagen
    • die Kosten manueller Proof-Engineering-Arbeit senken
• Nach dem Deployment (dynamische Seite)
  • Invarianten werden als Runtime-Guardrails genutzt
  • sie werden als Runtime-Assertions (assertion) kodiert, die jede Transaktion erfüllen muss
• Statt zu erwarten, dass „alle Bugs gefunden wurden“
  • werden Transaktionen, die zentrale Sicherheitseigenschaften verletzen, automatisch zurückgesetzt
• Realistisch betrachtet wären die meisten Exploits
  • während der Ausführung wahrscheinlich an solchen Checks hängen geblieben
• Deshalb entwickelt sich „code is law“ zu „spec is law“ weiter
  • auch neue Angriffe müssen dieselben Sicherheitseigenschaften erfüllen
  • dadurch werden mögliche Angriffe klein oder sehr schwer

Krypto liefert neue Primitive, die sich auch außerhalb der Blockchain nutzen lassen

• SNARKs waren lange Zeit fast eine blockchain-spezifische Technologie
  • kryptografische Beweise, die sich verifizieren lassen, ohne die Berechnung erneut auszuführen
  • der Overhead war jedoch zu hoch (bis zu 1.000.000-fach)
• 2026 könnten zkVM-Prover
  • auf ungefähr 10.000-fachen Overhead sinken
  • auch der Memory-Footprint fällt auf einige hundert MB
  • sie lassen sich auf dem Smartphone ausführen und werden günstig genug für den breiten Einsatz
• Warum 10.000 das „magische Zahl“ sein könnte
  • High-End-GPUs haben gegenüber Laptop-CPUs grob eine 10.000-fache Parallelität
  • bis Ende 2026 könnte eine einzelne GPU Beweise für CPU-Ausführung in Echtzeit erzeugen
• Die Vision aus einem älteren Paper, die dadurch möglich wird: verifizierbares Cloud Computing
  • CPU-Workloads laufen häufig in der Cloud
    • weil sie nicht schwer genug für GPU-Optimierung sind
    • weil das Know-how fehlt
    • oder aus Legacy-Gründen
  • zu vernünftigen Kosten lassen sich Korrektheitsbeweise anhängen
  • Prover sind bereits GPU-optimiert, sodass der Anwendungscode unverändert bleiben kann

KI für echte Forschungsarbeit einsetzen

• Noch zu Beginn dieses Jahres verstand Consumer-KI Forschungs-Workflows nicht besonders gut
• Einige Monate später kann man KI abstrakte Anweisungen geben, wie man sie einem Doktoranden geben würde
  • und gelegentlich kommen neue und korrekt ausgeführte Antworten heraus
• Im größeren Trend nimmt der KI-Einsatz in der Forschung zu
  • insbesondere in Richtung direkter Unterstützung von Entdeckungen in inferenzbasierten Bereichen
• In welchen Bereichen die Wirkung am größten sein wird, ist noch offen
• Möglich ist aber, dass ein neuer polymathischer Forschungsstil im Vorteil ist
  • der Beziehungen zwischen Ideen als Hypothesen formuliert
  • die Fähigkeit betont, aus unvollständigen Antworten schnell zu extrapolieren
  • und auch mit teils ungenauen Antworten die Richtung treffen kann
• Paradoxerweise gibt es dabei auch ein Element der Nutzung von „Halluzinationen“
  • wenn Systeme intelligent genug werden und frei oszillieren
  • entsteht zwar Unsinn, aber gelegentlich auch eine Öffnung für Entdeckungen
• Dafür nötige Workflows
  • keine Einzelagenten, sondern eine Struktur aus Agenten, die Agenten umhüllen (mehrschichtiges Wrapping)
  • andere Modelle bewerten und synthetisieren die Versuche und Ergebnisse früherer Modelle
• Beispiele aus der Praxis
  • Paper schreiben: write papers
  • Patentrecherche, künstlerisches Schaffen
  • und leider auch das Auffinden von Smart-Contract-Angriffen
• Um Forschungs-Agenten-Ensembles zu betreiben, braucht es
  • Interoperabilität zwischen Modellen
  • Systeme zur Anerkennung und Vergütung von Beiträgen
  • dabei kann Krypto helfen

Auf das offene Web wird eine unsichtbare Steuer gelegt

• KI-Agenten legen dem offenen Web eine unsichtbare Steuer auf
• Im Kern ist das Problem eine Fehlanpassung zwischen zwei Ebenen des Internets
  • Kontext-Ebene: Daten werden auf werbefinanzierten Websites bereitgestellt
  • Ausführungs-Ebene: Agenten ziehen diese Daten heraus und liefern den Nutzern Komfort
  • dadurch werden Erlösquellen wie Werbung/Abos umgangen und die Grundlage geschwächt
• Wenn das offene Web kollabiert
  • schrumpft auch die vielfältige und reichhaltige Content-Basis, von der KI lebt
• Benötigt wird eine großflächige Einführung technischer und ökonomischer Lösungen
  • Sponsored Content der nächsten Generation
  • Mikro-Attribution (Beitragsnachverfolgung)
  • neue Finanzierungsmodelle
• Bestehende KI-Lizenzierungsdeals sind
  • oft nur finanziell nicht nachhaltiges Flickwerk, das die von KI verursachten Traffic-Verluste nicht ausgleicht
• Der zentrale Wechsel ist
  • von statischer Lizenzierung → hin zu Vergütung auf Basis der Echtzeitnutzung
• Mit Blockchain-basierten Nanopayments und ausgefeilten Attributionsstandards
  • muss man Modelle testen und skalieren, bei denen Wert automatisch an alle Beteiligten fließt,
  • die zu einer erfolgreichen Aufgabe eines Agenten beigetragen haben

Der Aufstieg von Staked Media

• Das traditionelle Medienmodell (einschließlich des Mythos der „Objektivität“) hatte bereits Risse
• Das Internet gab allen eine Stimme
  • und Betreiber, Praktiker und Builder begannen, direkt zur Öffentlichkeit zu sprechen
• Die Perspektiven von Menschen spiegeln ihre Interessen und ihren Einsatz wider
  • paradoxerweise vertraut das Publikum ihnen gerade deshalb oft mehr
• Neu ist nicht „Social Media“
  • sondern das Aufkommen kryptografischer Tools, die öffentlich verifizierbare Commitments ermöglichen
• Wenn die Kosten für die Erstellung von Inhalten durch KI fast auf null sinken, reichen bloße Worte nicht mehr aus (einschließlich Bots/Deepfakes/falscher Personas)
• Deshalb verändert sich die Grundlage von Vertrauen
  • tokenisierte Vermögenswerte
  • programmierbare Lockups
  • Prediction Markets
  • Onchain-Historien
    werden zu robusteren Vertrauenssignalen
• Der Kern von „Staked Media“
  • besteht nicht darin, Interessen zu verbergen, sondern sie in nachweisbarer Form offenzulegen
  • statt „Ich bin neutral“ heißt es dann „Das ist mein Einsatz, und so lässt er sich verifizieren“
• Es etabliert sich nicht als Ersatz für andere Medien, sondern als ergänzendes Signal

Secret-as-a-Service

• Alle Modelle/Agenten/Automatisierungen hängen letztlich von Daten ab
• Doch heutige Datenpipelines sind oft
  • intransparent
  • leicht veränderbar
  • schwer zu auditieren
• Bei Consumer-Apps ist das manchmal akzeptabel, aber
  • in Bereichen wie Finanzen/Gesundheitswesen ist der Schutz sensibler Daten unverzichtbar
  • auch bei der Tokenisierung von RWAs ist das ein großes Hindernis
• Die Kernfrage ist die Kontrolle des Datenzugriffs
  • Wer kontrolliert sensible Daten?
  • Wie werden sie bewegt?
  • Wer (oder was) greift unter welchen Bedingungen darauf zu?
• Derzeit muss man zur Wahrung von Vertraulichkeit
  • auf zentralisierte Dienste setzen oder
  • teure Custom-Setups selbst aufbauen
  • deshalb kann TradFi die Vorteile des Onchain-Datenmanagements nicht nutzen
• Wenn Agenten beginnen, autonom zu suchen/handeln/entscheiden, braucht es keine „Best-Effort-Vertrauensbasis“, sondern kryptografische Garantien
• Deshalb braucht es secrets-as-a-service
  • programmierbare native Zugriffsregeln
  • clientseitige Verschlüsselung
  • dezentrales Schlüsselmanagement
  • Durchsetzung, wer was unter welchen Bedingungen/für welche Dauer entschlüsseln kann
  • Onchain-Durchsetzung davon
• In Kombination mit verifizierbaren Datensystemen
  • wird Privatsphäre nicht zu einer „auf die App aufgetragenen Schicht“, sondern
  • kann Teil der Kerninfrastruktur des Internets werden

Vermögensverwaltung für alle

• Personalisierte Vermögensverwaltung war ursprünglich ein Service nur für HNWIs
  • weil sie teuer war und eine hohe operative Komplexität hatte
• Wenn mehr Vermögenswerte tokenisiert werden,
  • wird die Ausführung von Strategien/Rebalancing über Krypto-Rails sofort und kostengünstig möglich
  • AI-Empfehlungen/Copilots verstärken die Personalisierung
• Das ist nicht einfach nur ein Robo-Advisor
  • alle erhalten Zugang zu aktivem Portfoliomanagement statt nur zu „passiven“ Produkten
• 2025 begann TradFi, die Kryptoquote zu erhöhen
  • Beispiel: 2–5 % Empfehlung für BoA-Wealth-Management-Kunden. Direkt oder über ETPs
• 2026 wachsen nicht mehr Plattformen, die auf „Vermögenserhalt“, sondern auf Vermögensaufbau optimiert sind
  • Fintechs wie Revolut und Robinhood
  • CEXs wie Coinbase erweitern mit ihrem Vorteil im Tech-Stack den Markt
• Im DeFi-Bereich
  • bieten Tools wie Morpho Vaults automatische Allokation auf Basis risikobereinigter Renditen
  • das kann zum Kern-Renditebereich eines Portfolios werden
• Auch cashnahe Assets verändern sich
  • Stablecoins statt Fiat halten
  • tokenisierte MMFs statt traditioneller MMFs halten
  • größerer Spielraum für Zusatzrenditen/Strategien
• Tokenisierung erweitert auch den Zugang zu privaten Assets
  • Private Credit, Pre-IPO, Private Equity usw.
  • mehr Umlauffähigkeit bei gleichzeitiger Wahrung von Compliance/Reporting
• Wenn die Bausteine eines Vermögensportfolios tokenisiert sind,
  • wird automatisches Rebalancing ohne Überweisungen möglich

Das Internet wird zur Bank

• Wenn Agenten massenhaft auftreten und
  • im Hintergrund automatisierter Handel statt Klicks zunimmt,
  • muss sich die Art ändern, wie Geld (Wert) bewegt wird
• Wenn Systeme nicht über schrittweise Anweisungen, sondern über Intentionen gesteuert werden,
  • muss sich auch Wert so schnell und frei wie Information bewegen können
• Blockchain/Smart Contracts/neue Protokolle bilden dafür die Grundlage
• Smart Contracts können bereits heute
  • Dollar-Zahlungen weltweit in Sekunden abwickeln
• 2026 machen Primitives wie x402
  • Zahlungen programmierbar und reaktiv
• Mögliche Szenarien
  • Agenten begleichen Kosten für Daten/GPU/API-Aufrufe untereinander sofort
  • ohne Rechnungen/Abstimmung/Batches, ohne Erlaubnis
  • in Software-Updates sind Zahlungsregeln/Limits/Audit-Trails eingebaut
  • ohne Fiat-Anbindung/Händler-Onboarding/Bankintegration
  • Prediction Markets rechnen sich in Echtzeit selbst ab, passend zum Fortschritt des Ereignisses
• Auf diesem Niveau werden Zahlungsflüsse keine separate Betriebsschicht mehr sein, sondern Netzwerkverhalten
• Banken werden zur grundlegenden Verrohrung des Internets
  • Vermögenswerte werden zu Infrastruktur
• Wenn Geld zu einem Paket wird, das das Internet routen kann,
  • „unterstützt“ das Internet das Finanzsystem nicht mehr nur, sondern
  • wird das Finanzsystem selbst

Wenn rechtliche Strukturen zu technischen Strukturen aufschließen, entfaltet sich das Potenzial der Blockchain

• Einer der größten Gründe, warum es in den vergangenen zehn Jahren in den USA schwer war, Netzwerke aufzubauen, war rechtliche Unsicherheit
• Das Wertpapierrecht hat ein auf „Unternehmen“ ausgerichtetes Raster gewaltsam über „Netzwerke“ gelegt
  • und damit eine Situation selektiver Durchsetzung fortgeschrieben
• Das Ergebnis
  • Risikominderung in Rechtsfragen wurde wichtiger als Produktstrategie
  • Anwälte saßen weiter vorn als Ingenieure
• Von dieser Verzerrung verursachte Nebenwirkungen
  • der Rat, Transparenz zu vermeiden
  • Distribution wird rechtlich willkürlich
  • Governance wird zum Theater
  • Organisationsstrukturen kippen in Richtung Optimierung auf rechtliche Schutzschilde
  • Tokens werden so entworfen, dass sie ökonomischen Wert vermeiden, oder können nur schwer ein Geschäftsmodell haben
  • ein Umkehreffekt, bei dem Projekte, die Regeln ignorieren, schneller vorankommen als gutwillige Builder
• Doch Regulierung der Marktstruktur hat großes Potenzial, die Lage zu verändern
  • die Regierung ist einer Verabschiedung näher als jemals zuvor
• Erwartete Veränderungen bei einer Verabschiedung
  • Anreize für Transparenz
  • klare Standards
  • das Ende der „enforcement roulette“
  • strukturierte Wege für Finanzierung/Token-Launch/Dezentralisierung
• So wie sich nach GENIUS die Verbreitung von Stablecoins explosionsartig beschleunigte, kann Regulierung der Marktstruktur für „Netzwerke“ einen noch viel größeren Wandel bringen
• Fazit
  • Wenn rechtliche Strukturen mit technischen Strukturen zusammenpassen,
  • können Blockchain-Netzwerke als echte Netzwerke funktionieren
  • Offenheit, Autonomie, Kombinierbarkeit, glaubwürdige Neutralität und Dezentralisierung werden Realität