DWF Deep Report: KI im DeFi-Bereich übertrifft Menschen bei der Ertragsoptimierung, aber bei komplexen Transaktionen hinkt sie immer noch um das Fünffache hinterher.

Originaltitel: Werden Agenten DeFi übernehmen?

Originalquelle: DWF Ventures

Originalübersetzung: Deep Tide TechFlow

Wichtigste Punkte

Automatisierung und Agententätigkeiten machen derzeit etwa 19 % aller On-Chain-Aktivitäten aus, eine echte End-to-End-Autonomie wurde jedoch noch nicht erreicht.

In eng umrissenen, klar definierten Anwendungsfällen wie der Ertragsoptimierung haben Agenten eine höhere Leistungsfähigkeit als Menschen und Bots gezeigt. Bei komplexen Tätigkeiten wie dem Handel sind Menschen Agenten jedoch überlegen.

Bei den Agenten haben die Modellauswahl und das Risikomanagement den größten Einfluss auf die Handelsperformance.

Mit dem großflächigen Einsatz von Agenten ergeben sich verschiedene Risiken hinsichtlich Vertrauen und Ausführung, darunter Hexenangriffe, Strategieüberflutung und Kompromisse beim Datenschutz.

Kontinuierliches Wachstum der Agentenaktivitäten

Im vergangenen Jahr haben die Aktivitäten der Agenten stetig zugenommen, sowohl das Handelsvolumen als auch die Anzahl der Transaktionen sind gestiegen. Wir haben miterlebt, wie das x402-Protokoll von Coinbase maßgebliche Entwicklungen vorangetrieben hat, und auch Akteure wie Visa, Stripe und Google haben sich angeschlossen, um ihre eigenen Standards einzuführen. Der Großteil der derzeit aufgebauten Infrastruktur ist auf zwei Arten von Szenarien ausgerichtet: Kommunikationskanäle zwischen Agenten oder Agentenaufrufe, die von Menschen ausgelöst werden.

Obwohl der Handel mit Stablecoins breite Unterstützung findet, basiert die aktuelle Infrastruktur immer noch auf traditionellen Zahlungsportalen als Grundlage, was bedeutet, dass sie weiterhin von zentralisierten Gegenparteien abhängig ist. Daher ist das Endspiel der „vollständigen Autonomie“, in dem sich die Agenten selbst finanzieren, selbst ausführen und auf der Grundlage sich ändernder Bedingungen kontinuierlich optimieren können, noch nicht erreicht.

Agenten sind im DeFi-Bereich nicht völlig neu. Seit Jahren gibt es Automatisierung durch Bots in On-Chain-Protokollen, die MEV erfassen oder Überrenditen erzielen, die ohne Code nicht realisierbar wären. Diese Systeme funktionieren sehr gut, wenn die Parameter klar definiert sind und sich nicht häufig ändern oder eine zusätzliche Überwachung erfordern.

Der Markt ist jedoch im Laufe der Zeit komplexer geworden. Hier sehen wir die nächste Generation von Agenten auftreten, wobei On-Chain-Aktivitäten in den letzten Monaten zu einem Testfeld für solche Entwicklungen geworden sind.

Tatsächliche Leistung der Agenten

Laut Berichten haben die Aktivitäten der Agenten exponentiell zugenommen; seit 2025 wurden über 17.000 Agenten eingesetzt. Der Gesamtumfang der Automatisierung/Agentenaktivität wird auf über 19 % aller On-Chain-Aktivitäten geschätzt. Das ist nicht überraschend, da geschätzt wird, dass über 76 % des Stablecoin-Transfervolumens von Bots generiert werden. Dies deutet darauf hin, dass für Agentenaktivitäten im DeFi-Bereich ein erhebliches Wachstumspotenzial besteht.

Agentenautonomie existiert in einem breiten Spektrum, von chatbotähnlichen Erlebnissen, die eine hohe menschliche Aufsicht erfordern, bis hin zu Agenten, die auf der Grundlage von Zielvorgaben Strategien formulieren und sich an die Marktbedingungen anpassen können. Im Vergleich zu Bots bieten Agenten einige entscheidende Vorteile, darunter die Fähigkeit, innerhalb von Millisekunden auf neue Informationen zu reagieren und diese umzusetzen, sowie die Möglichkeit, die Abdeckung auf Tausende von Märkten auszudehnen und dabei die gleiche Sorgfalt beizubehalten.

Aktuell befinden sich die meisten Agenten noch auf dem Analysten- bis Co-Piloten-Niveau, da sich die meisten noch in der Testphase befinden.

Ertragsoptimierung: Die Agenten erbringen außergewöhnliche Leistungen

Die Bereitstellung von Liquidität ist ein Bereich, in dem häufig eine Automatisierung stattgefunden hat; das gesamte von Agenten gehaltene TVL beläuft sich auf über 39 Millionen US-Dollar. Diese Kennzahl misst in erster Linie die von den Nutzern direkt bei Agenten hinterlegten Vermögenswerte, ausgenommen Kapital, das über Tresore geleitet wird.

Giza Tech ist eines der größten Protokolle in diesem Bereich und hat Ende letzten Jahres die erste Agentenanwendung ARMA auf den Markt gebracht, die darauf abzielt, die Ertragsgenerierung für wichtige DeFi-Protokolle zu verbessern. Es hat über 19 Millionen Dollar an verwalteten Vermögenswerten angezogen und ein Agentenhandelsvolumen von über 4 Milliarden Dollar generiert.

Das hohe Verhältnis von Handelsvolumen zu verwaltetem Gesamtvermögen deutet darauf hin, dass die Agenten das Kapital häufig umschichten, wodurch höhere Renditen erzielt werden können. Sobald das Kapital in den Vertrag eingezahlt ist, erfolgt die Ausführung automatisiert, sodass die Benutzer eine einfache Ein-Klick-Lösung nutzen können, die nahezu keine Überwachung erfordert.

Die Performance von ARMA ist messbar außergewöhnlich und generiert eine annualisierte Rendite von über 9,75 % für USDC. Selbst unter Berücksichtigung zusätzlicher Rebalancing-Gebühren und der 10%igen Performancegebühr des Vermittlers ist die Rendite immer noch höher als die von gewöhnlichen Krediten über Aave oder Morpho. Dennoch bleibt die Skalierbarkeit ein zentrales Thema, da diese Agenten erst noch in der Praxis erprobt werden müssen, um die Größe großer DeFi-Protokolle zu bewältigen oder auf diese zu skalieren.

Handel: Die Menschheit ist deutlich voraus

Bei komplexeren Vorgängen wie dem Handel sind die Ergebnisse jedoch wesentlich vielfältiger. Die derzeitigen Handelsmodelle basieren auf von Menschen definierten Eingaben und liefern Ausgaben gemäß vordefinierten Regeln. Maschinelles Lernen erweitert dies, indem es Modellen ermöglicht, ihr Verhalten auf der Grundlage neuer Informationen ohne explizite Umprogrammierung zu aktualisieren, wodurch sie zu einer Art Kopilotenrolle aufsteigen. Die Handelslandschaft wird sich mit der Einführung vollständig autonomer Agenten grundlegend verändern.

Es wurden mehrere Handelswettbewerbe zwischen Agenten und zwischen Menschen und Agenten durchgeführt, die erhebliche Unterschiede zwischen den Modellen aufzeigten. Trade XYZ veranstaltete auf seiner Plattform einen Aktienhandelswettbewerb, bei dem Menschen gegen Agenten antraten. Jedes Konto verfügte über ein Anfangskapital von 10.000 US-Dollar, ohne Beschränkungen hinsichtlich Hebelwirkung oder Handelshäufigkeit. Die Ergebnisse sprachen überwiegend für den Menschen, wobei die beste menschliche Leistung die der besten Agenten um mehr als das Fünffache übertraf.

Währenddessen veranstaltete Nof1 einen Handelswettbewerb zwischen Modellen, bei dem mehrere Modelle (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) gegeneinander antraten und verschiedene Risikokonfigurationen von der Kapitalerhaltung bis zur maximalen Hebelwirkung testeten. Die Ergebnisse offenbarten mehrere Faktoren, die zur Erklärung von Leistungsunterschieden beitragen könnten:

Haltezeit: Es besteht eine starke Korrelation: Modelle, die Positionen durchschnittlich 2-3 Stunden halten, schneiden deutlich besser ab als Modelle, die häufig die Positionen wechseln.

Erwartungswert: Diese Kennzahl misst, ob Modelle im Durchschnitt pro Trade Gewinn erzielen. Interessanterweise wiesen nur die drei besten Modelle einen positiven Erwartungswert auf, was darauf hindeutet, dass die meisten Modelle mehr Verlustgeschäfte als Gewinne verzeichneten.

Hebelwirkung: Ein niedrigerer durchschnittlicher Hebel von 6-8x erwies sich als besser geeignet als Modelle mit einem Hebel von über 10x, da hohe Hebel die Verluste beschleunigen.

Prompt-Strategien: Der Mönch-Modus ist bisher das leistungsstärkste Modell, während Situationsbewusstsein am schlechtesten abgeschnitten hat. Anhand der Eigenschaften der Modelle lässt sich feststellen, dass eine Fokussierung auf das Risikomanagement und eine geringere Anzahl externer Quellen zu einer besseren Performance führt.

Basismodelle: Grok 4.20 übertraf andere Modelle bei verschiedenen Prompt-Strategien um mehr als 22 % und war das einzige Modell, das im Durchschnitt einen Gewinn erzielte.

Andere Faktoren wie Long/Short-Präferenzen, Handelsvolumina und Konfidenzwerte wiesen entweder nicht genügend Daten auf oder es konnte kein positiver Zusammenhang mit der Modellleistung nachgewiesen werden. Insgesamt deuten die Ergebnisse darauf hin, dass Agenten innerhalb klar definierter Rahmenbedingungen tendenziell besser funktionieren, was darauf schließen lässt, dass der Mensch bei der Zielkonfiguration nach wie vor unerlässlich ist.

Wie man Agenten bewertet

Da sich die Agenten noch in einem frühen Entwicklungsstadium befinden, existiert derzeit kein umfassender Bewertungsrahmen. Die bisherige Leistung wird oft als Maßstab für die Bewertung von Agenten herangezogen, sie wird jedoch von zugrunde liegenden Faktoren beeinflusst, die stärkere Signale für eine robuste Agentenleistung liefern.

Leistung unter verschiedenen Volatilitätsbedingungen: Dies beinhaltet eine disziplinierte Verlustkontrolle bei sich verschlechternden Bedingungen, was darauf hindeutet, dass die Agenten in der Lage sind, Off-Chain-Faktoren zu identifizieren, die die Rentabilität des Handels beeinflussen.

Transparenz vs. Datenschutz: Beide Seiten haben ihre Vor- und Nachteile. Transparente Agenten haben im Wesentlichen keinen strategischen Vorteil, wenn sie bei Transaktionen aktiv kopiert werden können. Private Agenten laufen Gefahr, von den Urhebern intern ausgebeutet zu werden, die ihre eigenen Nutzer leicht überlisten können.

Informationsquellen: Die von den Agenten genutzten Datenquellen sind entscheidend dafür, wie die Agenten Entscheidungen treffen. Es ist von entscheidender Bedeutung sicherzustellen, dass die Quellen zuverlässig und nicht einseitig voneinander abhängig sind.

Sicherheit: Es ist unerlässlich, Smart-Contract-Audits und geeignete Fondsverwahrungsstrukturen zu haben, um im Falle von Black-Swan-Ereignissen Backup-Maßnahmen sicherzustellen.

Nächste Schritte für Agenten

Um eine breite Akzeptanz der Agenten zu erreichen, muss im Bereich der Infrastruktur noch viel getan werden. Im Kern geht es dabei um zentrale Fragen des Vertrauens und der Ausführung von Agententätigkeiten. Autonome Agenten agieren ohne Kontrollmechanismen, und es sind bereits Fälle von schlechtem Fondsmanagement aufgetreten.

Der ERC-8004-Standard soll im Januar 2026 eingeführt werden und wird damit die erste On-Chain-Registry sein, die es autonomen Agenten ermöglicht, einander zu entdecken, überprüfbare Reputationen aufzubauen und sicher zusammenzuarbeiten. Dies ist ein entscheidender Schritt hin zur Komponierbarkeit von DeFi, da Vertrauensbewertungen in die Smart Contracts selbst eingebettet sind und somit erlaubnisfreie Aktivitäten zwischen Agenten und Protokollen ermöglicht werden.

Dies garantiert jedoch nicht, dass die Agenten stets auf nicht-böswillige Weise agieren, da Schwachstellen wie Absprachen und Hexenangriffe weiterhin auftreten können. Daher besteht in Bereichen wie Versicherung, Sicherheit und wirtschaftliche Beteiligung der Agenten noch erheblicher Handlungsbedarf.

Mit der Ausweitung der Agentenaktivitäten im DeFi-Bereich wird die Strategieüberfüllung zu einem strukturellen Risiko. Yield Farming ist das deutlichste Beispiel dafür, wie die Erträge mit der zunehmenden Verbreitung von Strategien sinken. Die gleichen Dynamiken könnten auch für den Handel mit Agenten gelten. Wenn eine große Anzahl von Agenten mit ähnlichen Daten trainiert und auf ähnliche Ziele optimiert, werden sie sich auf ähnliche Positionen und ähnliche Ausstiegssignale ausrichten.

Das im Januar 2026 von der Cornell University veröffentlichte CoinAlg-Papier formalisiert eine Version dieses Problems. Transparente Agenten können für Arbitragegeschäfte genutzt werden, da ihre Transaktionen vorhersehbar sind und man sie im Voraus ausnutzen kann. Private Akteure vermeiden zwar dieses Risiko, bergen aber ein anderes Risiko: Die Urheber behalten Informationsvorsprünge gegenüber ihren eigenen Nutzern und können durch Intransparenz aus internem Wissen, das eigentlich geschützt werden sollte, Wert schöpfen.

Die Aktivitäten der Agenten werden sich weiter beschleunigen, und die heute geschaffene Infrastruktur wird bestimmen, wie On-Chain-Finanzierung in der nächsten Phase funktionieren wird. Mit zunehmender Nutzung von Agenten optimieren diese sich selbst und werden immer besser darin, sich an die Präferenzen der Nutzer anzupassen. Daher wird der wichtigste Unterscheidungsfaktor eine vertrauenswürdige Infrastruktur sein, die den größten Marktanteil erobern wird.