AI Token Tokenomics erklärt: Supply, Unlocks und Capture

Warum Tokenomics bei AI-Tokens eine eigene Disziplin ist

Jeder AI-Themen-Token behauptet, eine dezentrale Wirtschaft für maschinelle Intelligenz anzutreiben. Die Marketingseiten sehen ähnlich aus. Die Tokenomics-Seiten, also die Teile, die bestimmen, ob frühe Käufer oder künftige Käufer vom Aufwärtspotenzial profitieren, sind dort, wo sich die Unterschiede verbergen. Für analytische Leser ist die einzige nützliche Frage, ob das Design eines Tokens reale wirtschaftliche Aktivität zu den Haltern leitet oder ob er sich lediglich mit AI etikettiert.

Tokenomics ist die Gesamtheit der Regeln, die das Angebot eines Tokens, seinen Freigabeplan und seinen Anspruch auf Protokolleinnahmen steuern. Bei AI-Tokens liegt oft noch eine zusätzliche Ebene darüber: Emissionspläne, die auf GPU-Rechenleistung abgestimmt sind, Gebührenaufteilungen, die an Inferenzanfragen gekoppelt sind, und Governance-Rechte über Modellregister. Die Komplexität lädt zu zwei Fehlerbildern ein. Erstens können Gründer Verwässerung hinter einem schicken Diagramm zum Umlaufangebot verstecken. Zweitens können Privatanleger eine hohe Emissionsrate mit Wachstum verwechseln, obwohl sie in Wirklichkeit ein Verkaufsereignis in Zeitlupe ist.

Die fünf in dieser Analyse untersuchten AI-Tokens, Bittensors TAO, Virtuals Protocols VIRTUAL, Fetch.ais FET, Venice Tokens VVV und Render Networks RENDER, teilen ein AI-Label und eine öffentliche Tokenomics-Seite. Keiner von ihnen hat dieselbe Anreizstruktur. Sie nebeneinander zu lesen, ist der schnellste Weg, um das Framework aufzubauen.

Die Risiken, die jeder AI-Token trägt, bevor du seine Tokenomics liest

Vor jeder Tokenomics-Analyse gehört die ehrliche Risikoliste weit nach oben. AI-Tokens haben Privatanlegern in früheren Zyklen erheblichen Wertverlust beschert, oft weil die Tokenomics-Seite drei Dinge verbarg: einen niedrigen anfänglichen Float, eine große Zuteilung für Team und Investoren sowie ein Gebührenmodell, das tatsächlich keine Dollarbeträge von Nutzern vereinnahmt. Keines der folgenden Risiken ist theoretisch. Jedes ist bereits eingetreten.

Das erste Risiko ist der Unlock-Cliff. Eine Teamzuteilung, die über vier Jahre mit einem einjährigen Cliff vestet, wirft an einem einzigen Datum eine große Tranche von Tokens auf den Markt. Märkte preisen das typischerweise im Voraus ein, was bedeutet, dass Privatanleger, die nach dem Cliff einsteigen, in den Angebotsüberhang hinein kaufen. Das zweite Risiko ist der falsche Float. Zahlen zum Umlaufangebot auf CoinGecko und ähnlichen Aggregatoren enthalten Tokens in Staking-Verträgen oder DAO-Treasuries, die bewegt oder verkauft werden können. Der echte Float, also die tatsächlich am Markt verfügbare Menge, ist oft nur ein Bruchteil der angegebenen Zahl. Das dritte Risiko ist die eitle Kennzahl. Ein Protokoll, das Tausende registrierte AI-Agents oder Millionen von Dollar an nominaler Rechenleistung ausweist, erfasst möglicherweise nichts davon als Protokolleinnahmen. Tokens, die keine echten Dollar von echten Nutzern aufnehmen, haben keinen Mechanismus, um knapp zu sein.

Ein viertes Risiko ist die Governance-Falle. Tokens, die Stimmrechte über ein Modellregister oder einen Marktplatz für Rechenleistung gewähren, klingen wertvoll. In der Praxis wurden Governance-Tokens regelmäßig als Carry Trades für die zugrunde liegende Utility gehandelt, bei Wahlbeteiligungen im niedrigen einstelligen Prozentbereich. Ein fünftes Risiko, das speziell AI-Tokens betrifft, ist die Abhängigkeit von einem einzelnen Modell oder einem einzelnen Anbieter von Rechenleistung. Wenn die Einnahmen des Protokolls von einem geschlossenen Modell abhängen, dessen Lizenz sich ändern kann, ist die Wertabschöpfung des Tokens eine Funktion der Preisentscheidung eines anderen. Keines dieser Risiken hebt das Aufwärtspotenzial gut gestalteter AI-Tokens auf. Sie definieren lediglich die Fehlerbilder, die die Tokenomics-Seite adressieren soll.

Die drei entscheidenden Zahlen: Angebot, Float und Unlock

Jede AI-Tokenomics-Seite veröffentlicht unabhängig von ihrer Designphilosophie drei Zahlen, die den Rest der Analyse verankern. Die erste ist das Gesamtangebot, also die maximale Anzahl an Token, die das Protokoll jemals ausgeben wird. Die zweite ist das umlaufende Angebot, also die Anzahl, die derzeit am offenen Markt handelbar ist. Die dritte ist der Unlock-Zeitplan, also der Kalender künftiger Emissionen aus Team-, Investoren-, Ökosystemfonds- und Emissionsprogrammen.

Die Lücke zwischen umlaufendem Angebot und Gesamtangebot ist die am häufigsten falsch verstandene Zahl in Krypto. Ein Token kann ein Gesamtangebot von einer Milliarde Einheiten und ein umlaufendes Angebot von hundert Millionen Einheiten bewerben und dies als Knappheit darstellen. Es ist keine Knappheit, wenn die verbleibenden neunhundert Millionen Einheiten innerhalb von vierundzwanzig Monaten in Umlauf kommen sollen. Umgekehrt kann ein Token mit einem hohen Prozentsatz des umlaufenden Angebots knapper sein als ein Vergleichswert mit niedrigem Prozentsatz, wenn das verbleibende Angebot in langfristigen Staking-Verträgen ohne Verkaufsrechte gebunden ist.

Unlocks gibt es in zwei strukturellen Varianten. Ein Cliff-Unlock gibt an einem einzigen Datum eine feste Zuteilung frei, häufig am ersten Jahrestag einer Finanzierungsrunde. Ein linearer Unlock gibt dieselbe Zuteilung über Monate oder Jahre in gleichen Tranchen frei. Cliff-Unlocks schaffen vorhersehbare Liquiditätsereignisse, die erfahrene Trader mit Short-Positionen absichern oder umgehen, indem sie vor dem Datum umschichten. Lineare Unlocks verteilen die Verwässerung über die Zeit, was für den Preis in der Regel besser ist, aber schlechter für die Anreize des Teams, da das Team über das gesamte Vesting-Fenster hinweg weiter Leistung liefern muss.

Die Unterscheidung zwischen freigeschaltet und unverfallbar ist die dritte Ebene. Eine Team-Zuteilung kann vollständig unverfallbar sein und dennoch vom Team gehalten werden, das dann jederzeit verkaufen kann. Eine Team-Zuteilung kann in einem Smart Contract gesperrt sein, der sie nur nach Zeitplan freigibt, was dem Markt mehr Transparenz verschafft. Die Tokenomics-Seite nennt in der Regel nur eines von beidem. Der Vesting-Vertrag sagt, sofern er in einem Block Explorer verifizierbar ist, das andere.

Wie Emissionsdesign entweder verwässert oder Wert ansammelt

Sobald die Angebots- und Unlock-Zahlen klar sind, lautet die nächste Frage, was das Protokoll an aktive Teilnehmer ausgibt und ob diese Emissionen im Verhältnis zur Nachfrage netto inflationär oder netto deflationär sind. Zwei Designs dominieren den AI-Token-Bereich: passive Emissionen und Buyback-and-burn.

Passive Emissionen sind Token-Belohnungen, die an Validatoren, Miner, Staker oder AI-Agenten für die Erfüllung protokolldefinierter Arbeit verteilt werden. Sie sind ihrer Konstruktion nach inflationär. Das Protokoll gibt neue Token aus, verkauft sie über die Empfänger am offenen Markt und verwendet die Erlöse oder die Token selbst, um Arbeit zu bezahlen. Solange die geleistete Arbeit wertvoll ist, können sich die Emissionen selbst finanzieren. Wenn die Emissionen den Wert der Arbeit übersteigen, wird der Token zu einem Verkaufsereignis in Zeitlupe.

Buyback-and-burn ist das gegenteilige Design. Das Protokoll nimmt einen Anteil der Gebühreneinnahmen und verwendet ihn am offenen Markt, um seinen eigenen Token zurückzukaufen, und sendet diese Token anschließend an eine Burn-Adresse. Buyback-and-burn schafft eine direkte Verbindung zwischen Nutzung und Knappheit. Wenn die Gebühren steigen, steigen die Rückkäufe und der Float schrumpft. Wenn die Gebühren fallen, fallen die Rückkäufe und der Float wächst nur dann, wenn das Protokoll zusätzlich passiv emittiert. Das Risiko von Buyback-and-burn besteht darin, dass es vollständig von Gebühreneinnahmen abhängt. Ein Protokoll ohne echte Gebührenerfassung finanziert Rückkäufe aus der Treasury, und diese ist eine endliche Ressource.

Ein drittes Design, das bei neueren AI-Token verbreitet ist, ist das Revenue-Share- oder Staking-Yield-Modell. Inhaber staken den Token und erhalten einen Anteil an den Protokollgebühren, entweder in Stablecoins oder im Token selbst. Die erste Variante, bezahlt in Stables, ist das ehrlichere Design. Die zweite Variante, bezahlt im nativen Token, ist funktional eine passive Emission und erbt dasselbe Verwässerungsrisiko.

Gebührenerfassung lesen: echte Dollar gegenüber Vanity-Metriken

Gebührenerfassung ist das am häufigsten überstrapazierte Merkmal im Marketing von AI-Token. Die Unterscheidung zwischen echter Erfassung und Vanity-Metriken ist der größte einzelne Vorteil, den sich ein analytischer Leser erarbeiten kann. Ein Protokoll, das einen Prozentsatz der Inferenzgebühren einnimmt, sie in Stables tauscht und an Token-Inhaber oder in Rückkäufe weiterleitet, hat echte Erfassung. Ein Protokoll, das das gesamte Inferenzvolumen, die Anzahl der Agenten oder Modellregistrierungen meldet, ohne ein Gebühren-zu-Volumen-Verhältnis zu veröffentlichen, hat Vanity-Metriken.

Drei Kennzahlen zeigen den Unterschied. Das Gebühren-zu-Volumen-Verhältnis entspricht den Gesamtgebühren geteilt durch das gesamte nominale Volumen. Ein gesundes Verhältnis liegt bei Marktplätzen im niedrigen einstelligen Prozentbereich und bei AI-Diensten im mittleren einstelligen Bereich. Das Gebühren-zu-Emissionen-Verhältnis entspricht den Gesamtgebühren geteilt durch die gesamten Token-Emissionen, bewertet in Dollar. Ein Verhältnis über eins bedeutet, dass die Emissionen durch Gebühren selbst finanziert werden. Die Treasury-Runway ist die Anzahl der Monate, in denen die Treasury den aktuellen Betrieb bei aktuellem Burn fortsetzen kann. Keine dieser Kennzahlen steht auf der Titelseite einer Tokenomics-Broschüre. Alle lassen sich aus On-Chain-Daten ableiten.

Die zweite Frage zur Erfassung lautet, wer die Gebühren erhält. Ein Protokoll, das Gebühren an eine von einer Multisig kontrollierte Treasury weiterleitet, hat Erfassung nur dem Namen nach. Ein Protokoll, das Gebühren an einen Smart Contract weiterleitet, der automatisch Token zurückkauft, hat Erfassung per Code. Die Unterscheidung ist wichtig, weil Treasuries durch Governance-Abstimmungen umgeleitet werden können, während durch Smart Contracts definierte Flüsse nur durch Code-Upgrades geändert werden können, die sichtbar und zeitlich gesperrt sind.

Fallstudie: TAO und die Subtensor-Emissionskurve

Bittensored TAO ist der am längsten laufende AI-Token in dieser Gruppe. Seine Tokenomics-Seite stellt TAO als Bitcoin-ähnlichen Emissionsplan dar, begrenzt auf einundzwanzig Millionen Token, mit Halvings alle vier Jahre. Der plakative Vergleich mit Bitcoin lädt zu derselben Annahme ein: dass Knappheit mit steigender Nachfrage Wert ansammelt. Die tiefere Struktur ist interessanter und aufschlussreicher.

Die Emissionen von TAO werden auf Grundlage einer ranggewichteten Leistung an Subnet-Validatoren und Miner verteilt. Jedes Subnet ist ein eigener Markt für AI-Compute, und die Emissionen, die in ein Subnet fließen, hängen vom Ranking dieses Subnets im Vergleich zu seinen Wettbewerbern ab. Die Folge ist, dass TAO nicht ein einziger Emissionsplan ist. Es sind zwanzig oder mehr parallele Emissionspläne, jeweils mit eigenem Nachfrageprofil. Subnets mit echter Nutzung ziehen Miner-Registrierung und Stake an, was mehr Emissionen anzieht. Subnets ohne Nutzung sehen, wie Emissionen einbrechen, wenn Miner sich abmelden.

Für einen analytischen Leser lautet die Frage, ob die Nachfrage nach Subnet-Compute mit den Emissionen skaliert. Das Risiko besteht darin, dass Emissionen die Miner-Registrierung schneller antreiben als die reale Nachfrage, was bedeutet, dass ein großer Anteil der TAO-Emissionen in den Markt verkauft wird, um Betriebskosten zu finanzieren. Die Kehrseite ist, dass Bittensors Halving-Mechanik bedeutet, dass sich das Angebotswachstum alle vier Jahre halbiert, während die Subnet-Nachfrage sich kumulieren kann. Die Tokenomics-Seite behandelt dies nicht direkt. Die On-Chain-Daten tun es.

Fallstudie: VIRTUAL und die Mechanik der Agentenumsätze

VIRTUAL von Virtuals Protocol ist um AI-Agenten herum strukturiert, die als tokenisierte Dienste bereitgestellt werden können. Jeder Agent hat seinen eigenen Token, und VIRTUAL ist der Vermögenswert auf Protokollebene, der genutzt wird, um Agenten-Token gemeinsam zu kaufen und Gebühren auf Protokollebene zu erfassen. Der Mechanismus ist ausgefeilter als bei TAO, und die Geschichte der Gebührenerfassung ist direkter.

Die zentrale Kennzahl ist die Protokollgebühr, die bei jedem Kauf von Agenten-Token auf dem Virtuals-Launchpad erhoben wird. Diese Gebühr wird in VIRTUAL denominiert und an einen Rückkaufvertrag weitergeleitet. Es gibt keine passive Ausschüttung an VIRTUAL-Inhaber, die mit dem Rückkauf konkurriert. Das Angebotswachstum stammt aus Emissionen an Agenten-Ersteller und Ökosystemfonds, die separat geplant sind. Das Ergebnis ist ein Token, dessen frei handelbarer Bestand bei Nutzung schrumpft und durch Vesting-Pläne des Teams wächst. Das ist eine ehrlichere Struktur als ein reines Emissionsmodell.

Das Risiko ist Konzentration. Wenn eine kleine Zahl von Agenten den Großteil des Gebührenvolumens erzeugt, hängt die Rückkauf-Erzählung vom anhaltenden Erfolg dieser Agenten ab. Das zweite Risiko ist die Ebene der Agenten-Token. Anleger, die Agenten-Token kaufen, setzen sich einem einzelnen Deployment aus, nicht dem Protokoll. Der VIRTUAL-Token ist das Engagement auf Protokollebene, und seine Gebührenerfassung ist stärker diversifiziert. Die Tokenomics-Seite macht diesen Unterschied deutlich. Das Marketing tut dies oft nicht.

Fallstudie: FET und die ASI-Fusion

FET von Fetch.ai wurde zusammen mit AGIX von SingularityNET und OCEAN von Ocean Protocol in einer Token-Fusion zur Artificial Superintelligence Alliance zusammengeführt. Der fusionierte Token behielt den FET-Ticker und konsolidierte drei Tokenomics-Designs zu einem. Die Fusion ist der wichtigste Datenpunkt für die Struktur von FET, weil sie bestimmt, welches Angebot und welchen Unlock-Zeitplan der FET-Token nun trägt.

Vor der Fusion hatte FET ein umlaufendes Angebot im niedrigen dreistelligen Millionenbereich und ein Gesamtangebot von über einer Milliarde, mit Zuteilungen für Team und Ökosystem, die über mehrere Jahre vesteten. Durch die Fusion wurden die Vesting-Zeitpläne von drei Token faktisch auf einen einzigen Ticker gestapelt. Für analytische Leser bedeutet das, dass der Unlock-Überhang von FET nicht nur von Fetch.ai stammt. Er ist der kombinierte Überhang von drei Gründungsprotokollen, jedes mit eigenen Verpflichtungen gegenüber Team, Investoren und Stiftungskassen.

Die Gebührenerfassung für FET läuft über den Marktplatz für Agenten-Dienste und über Tooling-Gebühren für autonome wirtschaftliche Agenten. Die Tokenomics-Seite beschreibt einen Rückkaufmechanismus, der an Plattformumsätze gebunden ist. Das Risiko ist dasselbe wie bei jedem Revenue-Share-Modell: Wenn die Umsätze nicht skalieren, verblasst die Rückkauf-Erzählung. Die Fusion erhöhte die Komplexität, weil sie eine Koordination zwischen drei Legacy-Communities bei der Emissionssteuerung erfordert.

Fallstudie: VVV und das Modell der Inference-Credits

VVV von Venice Token ist einer der neueren AI-Token in dieser Gruppe und verwendet ein besonderes Modell: VVV stellt einen Anspruch auf Inference-Credits für die Venice API dar, eine Inferenzplattform, die Anfragen an Open-Source- und proprietäre Modelle weiterleitet. Inhaber staken VVV, um eine tägliche Zuteilung von Inference-Credits zu erhalten, denominiert in VVV, die sie zum Aufrufen von Modellen nutzen oder an andere Nutzer verkaufen können.

Die Tokenomics sind ungewöhnlich, weil der primäre Nutzen von VVV eine nicht übertragbare Credit-Zuteilung ist. Das bedeutet, dass das Halten von VVV eher dem Halten eines im Voraus bezahlten Compute-Abonnements ähnelt als dem Halten eines Governance-Tokens. Das Angebot und der Unlock-Zeitplan bestimmen, wie viele Inference-Credits das Protokoll ausgeben wird, was wiederum den Sekundärmarktpreis der Credits bestimmt. Die Erfassungslogik ist direkt: Inhaber profitieren, wenn die Nachfrage nach Inferenz das Angebot an Credits übersteigt.

Das Risiko besteht darin, dass das Inference-Credit-Modell Nachfrage nach privater, zensurresistenter Inferenz voraussetzt, was ein kleinerer Markt ist als allgemeine AI-Inferenz. Wenn die Nutzerbasis von Venice stagniert, übersteigt die tägliche Credit-Ausgabe die Nutzung, und der Sekundärmarktpreis der Credits fällt. Inhaber haben dann ein weniger wertvolles Abonnement, selbst wenn der Tokenpreis stabil bleibt.

Fallstudie: RENDER und die Emissionen des GPU-Marktplatzes

RENDER von Render Network ist der älteste GPU-Marktplatz-Token in dieser Gruppe. Er migrierte 2023 vom Ethereum-Mainnet zu Solana und stellte sein umlaufendes Angebot im Verhältnis eins zu eins gegenüber dem alten ERC-20 neu um. Die aktuelle Tokenomics-Seite betont ein festes Gesamtangebot von rund fünfhundertfünfunddreißig Millionen Token, mit einer Treasury-Zuteilung und einem Emissionsprogramm für GPU-Anbieter.

Die Gebührenerfassungslogik von RENDER ist nuancierter als bei den anderen. Der Marktplatz bringt Render-Aufträge mit GPU-Anbietern zusammen, und Anbieter werden in RENDER bezahlt. Die Protokollgebühr ist ein Prozentsatz jedes Auftrags, wird in RENDER erhoben und an die Treasury sowie an einen Burn-Mechanismus weitergeleitet. Wenn das Auftragsvolumen steigt, steigt auch der Burn, wodurch der frei handelbare Bestand schrumpft. Das Design hat eine Komponente passiver Emissionen, da neuer RENDER an Anbieter ausgegeben werden kann, aber der Emissionsplan ist im Vergleich zu einem reinen Mining-Token-Design konservativ.

Das Risiko für RENDER ist der Wettbewerb. Da zentralisierte GPU-Anbieter und andere dezentrale Netzwerke um Render-Nachfrage konkurrieren, könnte das Verhältnis von Gebühren zu Volumen bei RENDER sinken. Die Tokenomics-Seite sichert sich dagegen nicht ab. Das On-Chain-Auftragsvolumen und die Treasury-Reichweite tun es.

Wie man eine AI-Tokenomics-Seite wie eine Bilanz liest

Der Rahmen, der sich aus diesen fünf Fallstudien ergibt, ist eine Bilanzlektüre, keine Broschürenlektüre. Beginne mit den Zahlen zu Angebot und Unlocks. Ermittele die Lücke zwischen umlaufendem Angebot und Gesamtangebot und frage, ob das verbleibende Angebot vesting-gebunden, gesperrt oder frei verfügbar ist. Betrachte dann das Emissionsdesign. Unterscheide passive Emissionen von Buyback-and-burn. Bestimme für jede Emission die Nachfragequelle, die sie aufnimmt. Betrachte anschließend die Gebührenvereinnahmung. Berechne das Verhältnis von Gebühren zu Volumen, das Verhältnis von Gebühren zu Emissionen und die Laufzeit der Treasury. Betrachte schließlich die Governance-Ebene und frage, ob Gebührenflüsse durch Code oder durch multisig definiert sind.

Ein gut gestalteter AI-Token wird jede dieser Fragen mit verifizierbaren On-Chain-Daten beantworten. Ein schlecht gestalteter wird mit Marketingsprache antworten. Der Unterschied ist der Unterschied zwischen einer Bilanz und einer Broschüre, und er ist der Unterschied zwischen einer Investitionsentscheidung und einer Hoffnung.

Wie man AI-Token auf smarte Weise verfolgt

AI-Token bewegen sich schnell, und das gilt auch für die Nachrichten rund um sie. Neue Launches kommen wöchentlich, Unlock-Klippen verändern den Angebotsausblick, und Narrative zur Gebührenvereinnahmung verschieben sich, wenn Protokolle Upgrades ausliefern. Die relevanten Signale manuell zu verfolgen, ist für alle, die keine Vollzeit-Analysten sind, ein verlorenes Spiel. Zippfeed zeigt Schlagzeilen zu AI-Token mit Sentiment-Bewertung an, markiert als bullish, neutral oder bearish, sowie mit einer Wichtigkeitsbewertung, die hervorhebt, welche Meldungen das Bild bei Angebot, Unlocks oder Gebührenvereinnahmung tatsächlich verändern, damit du die nächste Tokenomics-Seite lesen kannst, bevor der Markt es tut.