Wenn KI-Agenten sich gegenseitig anheuern, wer überwacht dann?

ERC‑8004 löst Identität, ERC‑8183 löst Treuhand, und dann?

**Verfasst von: Thejaswini M A** **Übersetzt von: Saoirse, Foresight News**
In einer langen Phase der Internetentwicklung waren Suchmaschinen nur dafür verantwortlich, Ergebnislisten zurückzugeben, während die gesamte Arbeit den Nutzern überlassen wurde. Was ins Auge fällt, sind blaue Titel und Hyperlinks. Dann klicken wir auf die Inhalte, die anscheinend mit unseren Suchanfragen übereinstimmen. Es fühlt sich seltsam an, diese Erfahrung als Vergangenheit zu betrachten, und es weckt ein gewisses Gefühl der Nostalgie.
Als Autor habe ich SEO immer abgelehnt. Schlüsselwörter können viele großartige Inhalte im Artikel ruinieren; in Googles Ranking-Logik werden externe Zitationen auch als Stimmen betrachtet. Im Grunde genommen, je mehr andere Webseiten auf deine Seite verlinken, desto höher wird das Gewicht deiner Seite. Aber das ist nicht zu beanstanden, man kann sich nicht beschweren. Eine gewisse Glaubwürdigkeit ist besser als gar keine. Werbung hat alles im Internet am Leben gehalten. Aber die Inhaltsanbieter sind offensichtlich sehr unzufrieden mit diesem Mechanismus.
Dieses Modell geht nun dem Ende entgegen. Wenn ich ein Buch über Finanzwirtschaft suche oder wissen möchte, wie ich mit Knöchelschmerzen nach längerem Gehen umgehen soll, öffne ich direkt Gemini. Manche nutzen Perplexity, andere GPT. Wer nicht empfindlich auf Token-Verbrauch reagiert, wählt direkt Claude. Sind diese Werkzeuge nicht effektiver als das Lesen eines ganzen Artikels? Das wissen wir nicht... Vielleicht nicht, aber sie machen das Leben tatsächlich einfacher. Man muss nicht zwei Artikel mit völlig gegensätzlichen Meinungen lesen, die KI hat das Problem bereits für dich gelöst.
Ich denke, dass die Gruppe unter 30 Jahren Suchmaschinen nicht mehr als einen aktiven Zugangspunkt betrachtet.
Dann treten die Agenten auf den Plan und brechen das alte Muster vollständig auf. Der nicht-menschliche Traffic hat den menschlichen Traffic bereits überholt. Ein Agent, der eine Forschungsaufgabe ausführt, kann Tausende von Webseiten lesen und am Ende nur ein Memo ausgeben. Das ist ganz anders als bei Menschen. Daher könnte Werbung in einem von Agenten getriebenen Wirtschaftssystem an Wert verlieren. Ich habe bereits zwei Artikel geschrieben, die untersuchen, ob Software für die Ressourcen, die sie beansprucht, bezahlen sollte. Wir kamen zu dem Schluss: Das Bezahlen selbst ist der einfachste Teil.
Ein Agent, der Aufgaben im Netz erledigt und Wertschöpfung realisiert, benötigt einen Satz von sechs unabhängigen technischen Schichten.
Der Agent muss Webseitenressourcen finden, die zurückgegebenen Ergebnisse vertrauen, anderen Robotern vertrauen, den Abschluss des Auftrags bestätigen, die Zahlung abschließen und den Inhaltserstellern eine entsprechende Vergütung hinterlassen. Lassen Sie uns nun schrittweise in dieser Reihenfolge vorgehen.
Was gibt es im echten Netz?

---

Sowohl Maschinen als auch Menschen nutzen „Suche“, aber ihre Anforderungen an Webseiten sind völlig unterschiedlich.
Die menschliche Suche gibt eine vollständige Liste von Webseiten zurück, die vom Nutzer durch Titel durchsucht und selbstständig ausgewählt werden. Die maschinelle Suche, die auf KI-Agenten abzielt, ist jedoch anders. Agenten sind durch das Kontextfenster (kurzfristiges Gedächtnis) eingeschränkt und durchsuchen Webseiten nicht vollständig. Sie geben nicht alle Links in gewichtetem Format zurück, sondern extrahieren nur die nützlichsten Absätze für die Aufgabe und füttern sie direkt in das Modell, um einen Speicherüberlauf zu vermeiden; der gesamte Prozess dauert nur Millisekunden.
Die beiden Hauptakteure in diesem Bereich sind Parallel und Exa, beide sind unabhängige Unternehmen, die Suchdienste für Agenten anbieten. Parallel wurde von Parag Agarwal nach seinem Ausscheiden bei Twitter gegründet und hat im April 100 Millionen Dollar gesammelt, mit einer Bewertung von 2 Milliarden Dollar. Parallel führt Suchen basierend auf klaren Zielen durch und gibt komprimierte Inhaltsabschnitte zurück, die nach ihrem Beitrag zur Aufgabe sortiert sind, und fügt jeder Tatsache eine Quelle und einen Vertrauensscore hinzu.
Schauen wir uns Exa an, das von a16z geleitet wird und im Mai 250 Millionen Dollar gesammelt hat, mit einer Bewertung von 2,2 Milliarden Dollar. Es bedient über 5000 Unternehmen und 40.000 Entwickler und bietet grundlegende Fähigkeiten für Produkte wie Cursor, Cognition, HubSpot, OpenRouter und Monday.com. Exa konzentriert sich auf semantisches Verständnis anstelle von Schlüsselwortübereinstimmung und kann Inhalte zurückgeben, selbst wenn die Suchbegriffe im Originaltext nicht vorkommen, und gibt gleichzeitig den sauberen Originaltext der Webseite zurück.
Laut den offiziellen Dokumenten von Parallel kostet eine schnelle Abfrage von 1000 Suchanfragen 1 Dollar, während eine langsame Abfrage von 1000 Anfragen 5 Dollar kostet. Unabhängig von der Länge der Webseite wird der URL-Inhalt einheitlich auf 1000 Einträge für 1 Dollar extrahiert. Exa berechnet 7 Dollar für 1000 Suchanfragen, was das 7-fache von Parallel ist; die Extraktion von Inhalten von 1000 Seiten kostet 1 Dollar, während die Frage-Antwort-Schnittstelle mit Quellenangabe 5 Dollar für 1000 Anfragen kostet.
Wie gut sind die Suchergebnisse? ----------
Google führt die Qualitätsbewertung der Suche größtenteils intern durch: Es wird beurteilt, ob Nutzer auf das erste Ergebnis klicken, auf der Seite bleiben oder sofort abspringen; gleichzeitig werden menschliche Bewerter eingestellt, um die Ergebnisse zu bewerten. In der Vergangenheit gab es Tests wie RTEC, aber es gibt keine öffentlich zugänglichen, käuflichen Ranglisten. Google Analytics und Similarweb erfassen den Traffic, nicht die Suchqualität.
Im Internet der Agenten sind bereits experimentelle Benchmark-Testsets erschienen, die speziell messen, ob Suchwerkzeuge KI helfen können, die richtigen Antworten zu finden.
OpenAI veröffentlichte im April 2025 BrowseComp, das 1266 umgekehrte Konstruktionsfragen enthält. Der Fragesteller bestimmt zunächst eine überprüfbare objektive Tatsache und entwirft dann die Frage, wobei die Tatsache unter mehreren Einschränkungen verborgen wird. Wenn die Frage zuerst gestellt wird, ähnlich wie bei allgemeinen Wissensfragen, kann das Modell wahrscheinlich auf sein Gedächtnis oder eine glückliche Suche zurückgreifen, um die Antwort zu finden. Wenn die Tatsache zuerst bestimmt und dann die Frage verpackt wird, kann die Fähigkeit des Werkzeugs zur Websuche wirklich getestet werden.
Der native GPT‑4o erzielte nur 0,6 %; der aktivierte Webbrowser-GPT‑4o erzielte 1,9 %; OpenAIs Deep Research erreichte 51,5 %.
Das Testziel ist zu überprüfen, ob das System in der Lage ist, im echten Internet eine versteckte, überprüfbare Tatsache zu finden und auszugeben. Alle 1266 Fragen haben kurze Standardantworten, das Modell hat nur eine Chance zur Beantwortung; eine Übereinstimmung ergibt Punkte, keine Übereinstimmung ergibt keine Punkte, die endgültige Punktzahl entspricht dem Prozentsatz der richtig beantworteten Fragen. Der native GPT‑4o mit 0,6 % zeigt, dass das Modell kaum in der Lage ist, Fakten aus seinem eigenen Gedächtnis zu beziehen; der aktivierte Browser-GPT‑4o erreicht 1,9 %, was darauf hinweist, dass der Anstieg durch grundlegende Suchwerkzeuge minimal ist; Deep Research erreicht 51,5 %, was einen längeren Such-Lese-Zyklus darstellt, bei dem es etwa eine halbe Wahrscheinlichkeit gibt, die Ziel-Fakten zu finden.
Neben BrowseComp gibt es auch andere Bewertungssets: SimpleQA (OpenAI, 4326 Fragen), ein Set von leicht zu bewertenden faktischen Tests; mit der Beschleunigung der Browsing-Tools wurde die Schwierigkeit von SimpleQA vom Modell leicht überwunden, weshalb BrowseComp entstand. GAIA (Meta / Hugging Face, 466 Aufgaben), die sich auf reale Assistenzszenarien konzentrieren, möglicherweise Web-Browsing, Tool-Nutzung, Dateilesen und mehrstufiges Denken erfordern, nicht nur einfache Suche. DeepSearchQA ist ein Forschungsdatensatz für mehrstufige Abfragen, Artificial Analysis wird eine umfassende Bewertung basierend auf diesem Datensatz durchführen. FRAMES (Google DeepMind, 824 Beispiele), eine Sammlung von Mehrfachfragen, die Fakten aus mehreren Quellen extrahieren und dann integrieren müssen.
Die private Institution Artificial Analysis wurde von George Cameron und Micah Hill-Smith gegründet und veröffentlichte am 18. August 2026 den Suchindex. Diese Bewertung verwendet das AI-Modell und die Bewertungsregeln, die für die feste Beantwortung verwendet werden, und wechselt nur die Such-API, die vom Agenten aufgerufen wird. Wenn sich die Punktzahlen ändern, bedeutet das, dass die Unterschiede von den Suchwerkzeugen selbst und nicht von den Modellfähigkeiten stammen.
  *Quelle: @artificialanalysis*
Ohne die Nutzung von Suchanfragen erzielte dasselbe Modell im Index-Basisscore 33, während der Basisscore im BrowseComp-Subset 17 betrug. Selbst wenn sich die Ranglisten der Suchdienstanbieter ändern, bleibt der Basisscore unverändert.
Bis zum 27. August 2026 betrug der Suchindex von Artificial Analysis: Die mittlere Version von Perplexity belegte mit 80 Punkten den ersten Platz; Parallel in der High-End-Version und Brave lagen mit 75 Punkten gleichauf; You.com und Exa erhielten 74 Punkte; Firecrawl, Parallel Basic, Parallel High-Speed-Version lagen alle bei 73 Punkten.
Wenn die Punktzahl des Suchwerkzeugs über dem Basisscore liegt, bedeutet das, dass die Suche dem Modell tatsächlich geholfen hat, neue Informationen zu erhalten. Die Logik ist wie folgt: KI beantwortet nur aus dem Gedächtnis und erhält den Basisscore; nach dem Anschluss an die Suche steigt die Punktzahl, was darauf hinweist, dass die Suche Informationen gefunden hat, die das Modell zuvor nicht kannte; wenn die Punktzahl nicht steigt, hat die Suche keine Wirkung.
Aber die Bewertung selbst hat Einschränkungen: Die Testfragen und das verwendete Modell sind nicht spezifisch für Geschäftsszenarien. Anbieter können gezielt auf bekannte Testsets (z. B. DeepSearchQA) optimieren, ähnlich wie frühere Websites für Google SEO betrieben wurden.
Wer sind die Roboter auf der anderen Seite? ---------
Wenn zwei KI-Agenten sich gegenseitig mit Aufgaben betrauen, sind nur die Wallet-Adressen und Beschreibungen nicht ausreichend, um Vertrauen aufzubauen. Die Wallet-Adresse kann nur beweisen, dass das Konto über Mittel verfügt, während der Beschreibungstext leicht gefälscht werden kann und nicht die Identität des Entwicklers des Roboters beweisen kann, noch kann er bestätigen, ob die bisherigen Arbeitsaufzeichnungen echt sind. Der Standard ERC‑8004 wurde entwickelt, um die echte Identität und den Ruf von Agenten zu überprüfen.
ERC‑8004 wurde von Mitarbeitern von MetaMask, der Ethereum Foundation, Google und Coinbase gemeinsam verfasst und wurde am 29. Januar 2026 im Ethereum-Hauptnetz eingeführt. Er umfasst drei Hauptregister.

Erstens, Identitätsregister, das in Form von NFTs realisiert wird. Jeder Agent entspricht einem nummerierten Token, dessen einheitlicher Ressourcenbezeichner auf die Registrierungsdatei verweist, die den Namen des Agenten, den Serverendpunkt, die Unterstützung für x402-Zahlungen und die unterstützten Vertrauensmodelle aufzeichnet. Der Tokeninhaber ist der Eigentümer des Agenten; bei einem Eigentumsübergang des Tokens werden die Informationen der alten Zahlungsbrieftasche gelöscht, und der neue Inhaber muss die Kontrolle erneut signieren.

Zweitens, Rufregister, das signierte Rückmeldungen empfängt, also ein öffentliches Bewertungssystem auf der Blockchain. Nach der Nutzung des Agenten kann der Benutzer eine Bewertung auf der Blockchain hinterlassen, die mit Aufgabenetiketten (z. B. Suche, Bewertung) versehen ist. Der Eigentümer des Agenten kann sich keine eigene Bewertung schreiben, und Bewertungen können zurückgezogen werden. Jeder kann Anmerkungen unter der Bewertung hinzufügen, Rückerstattungsaufzeichnungen und Spam-Warnungen können neben der Bewertung angehängt werden. Dies ist ein öffentlicher Kommentarbereich, der an die Agenten-ID gebunden ist, nicht ein privates Bewertungssystem innerhalb einer bestimmten Anwendung.

Drittens, Verifizierungsregister, das mit unabhängigen Drittanbietern verbunden ist. Der Agent initiiert eine Verifizierungsanfrage, der Verifizierer-Smart-Contract gibt eine Punktzahl von 0-100 zurück, zusammen mit einem Beweislink; die Beweisquelle kann das Ergebnis einer Aufgabenwiederholung, ein Zero-Knowledge-Beweis oder ein von einem Sicherheitschip ausgestellter Nachweis sein.

Diese Norm selbst behandelt keine Zahlungslogik, und das Dokument stellt dies klar. Es zeichnet nur die Identität des Agenten, externe Bewertungen und die Ergebnisse der Drittverifizierung auf, während die Zahlungen von anderen Protokollen abgewickelt werden. Die Datenqualität des Registers ist nicht ideal. Laut der Statistik von 8004scan im Juli wurden über 29 öffentliche Blockchains insgesamt 385998 Agenten registriert, mit über 460000 Bewertungen. Die überwiegende Mehrheit der IDs sind nur leere Abzeichen; 89,2 % haben keine öffentlich zugänglichen, aufrufbaren Standarddienstschnittstellen veröffentlicht; nur 8631 Agenten haben verfügbare Dienste, was nur 2,24 % ausmacht.

Quelle: @8004_scan

Eine Umfrage im Mai zu Ethereum, BNB Chain und Base Chain ergab: On-Chain-Bewertungen können nicht zwischen verschiedenen Agenten verglichen werden. Die meisten Rückmeldungen sind nicht an überprüfbare Aufgabenergebnisse gebunden, und die Kosten für das Manipulieren von Bewertungen sind sehr niedrig. Nach dem Filtern verdächtiger Bewertungen haben viele bewertete Agenten keine verfügbaren, gültigen Bewertungen mehr. Dieser Standard vereinheitlicht nur das Ausgabeformat der Bewertungsdaten; welche Bewertungen echt und vertrauenswürdig sind, wird von externen Systemen behandelt. ENS, EigenLayer, The Graph und Taiko haben erklärt, dass sie diesen Standard übernehmen werden, aber es wurden noch keine Bewertungsfilterwerkzeuge entwickelt.

Haben die Agenten wirklich ihre Arbeit erledigt?

Die Agentic Commerce Architektur wurde gemeinsam von der Ethereum Foundation und dem Virtuals Protocol entworfen, mit dem Ziel, dass autonome KI-Agenten sich gegenseitig anheuern, zusammenarbeiten und On-Chain-Abrechnungen durchführen, ohne menschliche Vermittler. ERC-8004 in Verbindung mit ERC-8183 (Treuhandstandard) realisiert dieses System. ERC-8183 standardisiert den gesamten Prozess der Aufgabenveröffentlichung, der Treuhandverwaltung, der Ergebnisverifizierung und der Abrechnung zwischen Agenten.

Der Arbeitsablauf ist wie folgt: Der Client-Agent, der die Aufgabe initiiert, veröffentlicht die Aufgabe, beschreibt die Aufgabenbeschreibung, das Fälligkeitsdatum und das Budget und benennt den Prüfer. Der Client hinterlegt die Mittel in einem Smart Contract, die Mittel werden gesperrt, und keine der Parteien kann einseitig darauf zugreifen.

Der Agent, der die Dienstleistung erbringt, führt die Berechnungen Off-Chain durch und lädt die endgültigen Ergebnisse in dezentrale Speicher wie IPFS oder Arweave hoch; On-Chain wird nur der Hash oder der Ressourcenbezeichner eingereicht. Der Prüfer (der ein spezieller Schiedsrichter-Agent, ein automatisierter Orakel oder ein Zero-Knowledge-Beweisverifier sein kann) überprüft die gelieferten Ergebnisse.

Wenn der Prüfer die Aufgabe als bestanden bewertet, wird nach Abzug der Gebühren an den Dienstleister gezahlt; wenn die Bewertung fehlschlägt, wird das Geld an den Client zurückgegeben. Wenn der Dienstleister nicht mehr erreichbar ist oder der Prüfer die Frist überschreitet, wird der Vertrag eine öffentliche Rückerstattungslogik auslösen, um das Geld an den Client zurückzugeben und zu verhindern, dass Vermögenswerte dauerhaft gesperrt werden.

Der Prüfer kann auch direkt vom Client selbst übernommen werden; das Dokument betrachtet dieses Modell als reguläre Lösung in einem Szenario ohne Dritte. Gleichzeitig wird im Standard festgelegt: Dieses Protokoll bietet keine Streitbeilegung und Schiedsmechanismen an; das Ergebnis / die Fristüberschreitung ist die endgültige Entscheidung. Wenn der von Ihnen gewählte Bewertungsroboter Sie absichtlich betrügt, gibt es keinen Administrator oder Kundenservice, an den Sie sich wenden können. Sie sind auf sich allein gestellt; und in Bezug auf das vorherige Problem können Sie sich nicht auf On-Chain-Bewertungen verlassen, um zuverlässige Prüfer auszuwählen, da die meisten Bewertungen falsch sind.

Systeme wie UMA, Kleros und Bittensor können das Risiko von Einzelpunktversagen bei Prüfern verringern, aber sie opfern Geschwindigkeit und erhöhen die Kosten. Vollautomatisierte Treuhandabrechnungen können in Sekundenschnelle abgeschlossen werden, mit sehr niedrigen Gebühren; während die Aufrüstung des Streitbeilegungsprozesses über UMA und Kleros Herausforderungen, Einsatz von Sicherheiten und die Einbeziehung menschlicher Abstimmungen erfordert.

Wurde das Geld tatsächlich transferiert?

In der Branche gibt es derzeit viele Diskussionen zu diesem Thema, hier eine kurze Erklärung.

x402 wurde von Coinbase eingeführt und ist ein Protokoll, das auf bestehenden öffentlichen Blockchains aufbaut, das nach Anfrage Gebühren erhebt und Stablecoins für Überweisungen verwendet.

Quelle: @coinbase

Ein weiteres Protokoll ist das Maschinenzahlungsprotokoll (MPP), das im März 2026 von Stripe und Tempo gemeinsam veröffentlicht wurde, und am Veröffentlichungstag ging das Tempo-Hauptnetz offiziell online. MPP ist ein HTTP-Standard. Der Server gibt eine 402-Antwort zurück, die eine Zahlung erfordert, zusammen mit Herausforderungsinformationen; der Agent versucht die Anfrage mit einem Zahlungsnachweis erneut; der Server gibt die Ressourcen und die Zahlungsquittung zurück.

Der tatsächliche Geldfluss hängt von den zugrunde liegenden Kanälen ab. Tempo führt eine On-Chain-Transaktion in etwa 0,5 Sekunden ab. Bei einer Reihe von kleinen Aufrufen kann der Agent im Voraus einen Betrag sperren, während er fortlaufend Buch führt, und am Ende eine einheitliche On-Chain-Abrechnung durchführen, anstatt bei jedem Aufruf eine On-Chain-Transaktion zu initiieren. Die Zahlungsobergrenze wird durch den in dieser Sitzung gesperrten Betrag oder den Zugriffsschlüssel kontrolliert, nicht durch ein „einmaliges Autorisieren, dauerhaftes Abziehen“-Modell.

MPP unterstützt verschiedene zugrunde liegende Kanäle: Visa hat Kartenspezifikationen veröffentlicht, sodass Agenten tokenisierte Karten für Zahlungen verwenden können; Lightspark hat einen Zahlungsplan für das Lightning-Netzwerk basierend auf demselben 402-Prozess implementiert, zusammen mit einem Visa-Kartenplan. Händler, die bereits Stripe-Karten akzeptieren, können direkt MPP-Kartenzahlungen empfangen, und die Gelder gelangen auf das reguläre Stripe-Konto; das Lightning-Netzwerk ist ein weiterer optionaler Kanal unter den MPP-Regeln. Stripe unterstützt auch x402. x402 und MPP verwenden beide den HTTP-Statuscode 402 „Zahlung erforderlich“, gehören jedoch zu zwei verschiedenen Protokollen.

Haben die Inhaltsanbieter ihre Vergütung erhalten?

Wenn die Anbieter kein Geld erhalten, wird es keine neuen Inhalte mehr geben, die durchsucht werden können. Wenn die Anbieter nicht profitabel sind, werden sie aufhören, Werke zu veröffentlichen, und die KI-Agenten werden schließlich an neuen Lesematerialien erschöpft sein.

Cloudflare, Parallel und OpenLedger sind drei repräsentative Projekte in diesem Bereich.

Cloudflare hat ursprünglich eine feste Gebühr für das Crawlen von Webseiten erhoben. Dieses Modell war zu grob, da das Crawlen der Startseite und das Crawlen von tiefen Recherchen gleich behandelt wurden. Jetzt hat Cloudflare zu einem wertbasierten Abrechnungsmodell gewechselt: Nur wenn der Inhalt tatsächlich Wert erzeugt, wird eine Vergütung an den Anbieter gezahlt. Gleichzeitig wird Cloudflare AI-Crawler blockieren, wenn der AI-Dienstanbieter sich weigert zu zahlen.

Parallel hat am 19. Mai das Index-Produkt eingeführt, das den Shapley-Wertalgorithmus aus der kooperativen Spieltheorie verwendet, um den Beitrag jeder Informationsquelle zum endgültigen Ergebnis des Agenten zu berechnen und auf dieser Grundlage eine Gewinnbeteiligung zu erreichen. Es wird nicht mehr pauschal pro Klick bezahlt, sondern durch ein mathematisches Modell gemessen, das den tatsächlichen Beitrag eines einzelnen Artikels zur Aufgabe bewertet. Zu den Kooperationspartnern gehören The Atlantic, Fortune, PR Newswire, PitchBook, ZoomInfo, Tracxn, RocketReach, Enigma und Fiscal AI.

Derzeit wird das Index nur abgerechnet, wenn Agenten das eigene Suchwerkzeug von Parallel verwenden. Es kann nicht zum allgemeinen Standard im gesamten Netzwerk werden, es sei denn, andere AI-Plattformen schließen sich an.

OpenLedger ist ein weiteres Modell, das ein Token-System verwendet. Es bewertet den Einfluss von Datensätzen auf AI-Modelle und vergütet die Beitragszahler mit eigenen Tokens. Dieses Modell richtet sich an Entwickler von Trainingsdaten für KI und nicht an die tägliche Berichterstattung von Journalisten.

Ich habe versucht, die tatsächlichen Beträge zu finden, die diese Projekte an die Anbieter gezahlt haben. Cloudflare hat keine öffentlichen Auszahlungszahlen veröffentlicht; Parallel hat ebenfalls keine Angaben gemacht; OpenLedger zahlt in OPEN-Tokens und hat keine unabhängige Gesamtstatistik über die Auszahlungsbeträge veröffentlicht. Daher haben wir derzeit keine konkreten Fakten, um die tatsächliche Wirksamkeit dieses Modells zu bewerten.

In der Geschichte der menschlichen Geschäftsentwicklung sind Registrierkassen erst relativ spät entstanden. Die Menschheit hat viele Jahre damit verbracht, mündliche Vereinbarungen und lokale Rufsysteme aufzubauen, bevor sie eine reibungslose Zahlung erfunden hat. Der Entwicklungspfad des Maschineninternets ist jedoch völlig umgekehrt: Es hat von Anfang an sofortige, fließende globale Abrechnungen ermöglicht. Jetzt muss die Agentenwirtschaft hastig kleine On-Chain-Streitgerichte aufbauen, um zu verhindern, dass zwei Roboter sich wegen ein paar Dollar Aufträgen betrügen.

Abschließend zitiere ich einen Satz von Terry Pratchett:

„Es ist leicht zu sagen, dass Maschinen nur die Befehle ausführen, die sie erhalten, wenn man nur über reine Logik spricht. Aber die Menschen haben das Recht zu erwarten, dass Maschinen auch ein wenig gesunden Menschenverstand haben sollten.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.