Spotlight Edition #13: Zwei Projekte erregen meine Aufmerksamkeit
Die meisten Händler halten nie inne, um zu fragen, wie ein Preis tatsächlich existiert.
Es zeigt sich einfach. Du aktualisierst ein Diagramm, eine Figur erscheint, du platzierst einen Handel. Ende des Gedankens. Aber diese Figur ist kein Magie. Es ist das endgültige Ergebnis von Datenströmen, wirtschaftlichen Anreizen, Vermittlern, Verifizierungsebenen, kryptografischen Prüfungen und menschlichen Annahmen, die alle miteinander verbunden sind. Wenn irgendeine Verbindung bricht, breitet sich der Schaden schnell aus. Schlechte Daten lösen erzwungene Verkäufe aus. Verzögerungen schaffen leichtes Spiel. Korruption verwandelt die Preisfindung in ein Theater.
Deshalb ist der Fokus dieser Woche nicht auf Hypezyklen oder glänzenden Sektoren.
Es geht um die Infrastruktur unter den Märkten. Die Dinge, die niemand lobt, wenn sie funktionieren, und jeder beschuldigt, wenn sie es nicht tun.
Wir beginnen mit dem zuverlässigen Fundament und wechseln dann zum höher risikobehafteten Aufwärtsspiel.
Fokusvermögen: Pyth Network (PYTH)
Kern von Pyth ist es, ein Problem anzugehen, das die Blockchain vollständig vorangeht.
Marktdaten sind ein riesiges Geschäft, ein Ökosystem von rund 50 Milliarden Dollar, das auf Umverteilung basiert. Transaktionen finden an Börsen statt. Datenanbieter sammeln sie. Aggregatoren formen sie um. Distributoren verpacken das Ergebnis. Institutionen zahlen dann mehrere Gebühren, um auf Informationen zuzugreifen, die upstream entstanden sind.
Pyth umgeht diese Struktur.
Anstatt Daten von Vermittlern zu kaufen, bezieht es Preise direkt aus der Quelle. Handelsunternehmen, Börsen und Market Maker veröffentlichen Daten direkt im Netzwerk. Es gibt mehr als 128 Mitwirkende, darunter Unternehmen wie Jane Street, Cboe und Binance. Diese Eingaben werden innerhalb von Pyth kombiniert, durch kryptografische Signaturen verifiziert und dann in nahezu Echtzeit an über 100 Blockchains geliefert.
Dieser Ansatz verändert zwei Grundlagen zur gleichen Zeit: wer zahlt und wer entscheidet.
Heute liefert Pyth mehr als 2.800 Live-Preisfeeds, die Krypto, Aktien, Devisen, Rohstoffe und sogar makroökonomische Datenpunkte abdecken. Aktien allein machen fast 60 Prozent der aktiven Feeds aus, was eine Sache klar macht. Dies hat sich über die Rolle eines DeFi-Orakels hinaus entwickelt. Es positioniert sich als eine breitere Finanzdatenebene.
Und das ist keine theoretische Adoption.
Im Q4 verarbeitete das Netzwerk täglich etwa 886.700 Preisupdates, was mehr als 31 Prozent Wachstum im Vergleich zum vorherigen Quartal darstellt. Die Gesamtupdates haben jetzt 900 Millionen überschritten. Dieses Aktivitätsniveau signalisiert eine anhaltende Nutzung, wobei echte Anwendungen kontinuierlich verifizierte Preise onchain abrufen, anstatt dass die Infrastruktur untätig bleibt.
Der Markt tendiert immer noch dazu, sich auf TVS oder den gesicherten Gesamtwert zu fixieren, obwohl es im Q4 zusammen mit dem breiteren Rückgang gesunken ist. Pyths TVS sank von 6,2 Milliarden Dollar auf 4,2 Milliarden Dollar, was auf den ersten Blick wie eine schrumpfende Relevanz erscheinen kann.
Das Problem ist, dass TVS nicht offenbart, wer tatsächlich auf das Orakel angewiesen ist. Transaktionsaktivitäten tun dies.
Nach dem gesamten Handelsvolumen unterstützt Pyth fast 60 Prozent der DeFi-Derivatemärkte, wobei das monatliche TTV häufig 100 Milliarden Dollar im Jahr 2025 übersteigt. Der Handel mit Derivaten kann nicht mit verzögerten oder ungenauen Preisen funktionieren. Wenn Daten ausfallen, erleiden Protokolle sofort Verluste. Den Anteil dieses Volumens zu erfassen, ist kein Zufall.
Der institutionelle Wandel
Die bemerkenswerteste Veränderung findet nicht innerhalb von DeFi selbst statt.
Sie geschieht mit Pyth Pro.
Im September veröffentlicht, liefert das Produkt Aktualisierungen auf Millisekundenebene über mehr als 2.800 Datenfeeds, die mit 10.000 Dollar pro Monat für institutionelle Kunden bepreist sind. Innerhalb des ersten Monats überstieg es 1 Million Dollar an jährlichen wiederkehrenden Einnahmen. Allein im Q4 erreichte der Umsatz 352.600 Dollar, und das Jahr schloss mit 54 zahlenden Abonnenten.
Aber die Bedeutung geht über die Einnahmen aus Abonnements hinaus.
Was zählt, ist, dass Unternehmen, die ursprünglich Daten an Pyth beigetragen haben, anfingen, diese Daten zu abonnieren. Verleger wurden zu Kunden.
Das kehrt die traditionelle Datenpipeline um. Anstatt dass Krypto-Protokolle Preise von traditionellen Finanzdatenanbietern beziehen, ziehen es Institutionen jetzt in Betracht, blockchain-native Distribution als eine tragfähige Alternative zu gebündelten, traditionellen Terminals zu nutzen.
Dann trat die Reserve ins Bild.
Im Dezember genehmigte die DAO die PYTH-Reserve und allocierte 33 Prozent der monatlichen Protokolleinnahmen, um PYTH direkt vom offenen Markt zurückzukaufen. Der erste Rückkauf fand im Januar statt und belief sich auf rund 2,16 Millionen PYTH.
Lange Zeit war die Rolle von PYTH auf die Teilnahme an der Governance und das Oracle Integrity Staking beschränkt. Das hat sich geändert. Die Einnahmen aus Core, Pro, Entropie und Express Relay fließen jetzt in die DAO-Kasse, mit einem klar definierten Mechanismus, der den Wert wieder in den Token selbst einspeist.
Dies ist ein bedeutender Wandel.
Marktaktivitäten sind jetzt mit realen Einnahmen verknüpft, nicht mit Tokenemissionen oder Anreizen.
Wo die Dinge heute stehen, bleiben Fragen.
Es gibt immer noch Angebotsdruck.
Die TVS-Führung im Orakel-Sektor ist nicht etabliert.
Entropie und Express Relay erhielten im Q4 weniger Aufmerksamkeit.
Und das größte Unbekannte ist, ob Pyth Pro ernsthaft gegen langjährige Platzhirsche in einem Datenmarkt bestehen kann, der von traditionellen Anbietern dominiert wird.
Aber für dieses Spotlight ist die Erkenntnis einfach.
Pyth ist nicht länger nur ein onchain-Orakel.
Es entwickelt sich zu einem globalen Finanzdatenrückgrat, das nativ auf Blockchain-Infrastruktur aufgebaut ist.
Öffentliche Daten wie BIP-Zahlen und nicht landwirtschaftliche Löhne werden bereits onchain durch Pyth-Integrationen veröffentlicht. Regulierte Vorhersageplattformen wie Kalshi leiten konforme Datensätze durch das Netzwerk. Institutionen sind auch nicht mehr auf eine Rolle beschränkt. Sie tragen Daten bei und konsumieren sie.
Nichts davon verspricht sofortige Vorteile für den Token.
Was es schafft, ist ein seltener Aufbau unter Infrastrukturvermögen, wo die Nutzung verfolgt werden kann, Einnahmequellen entstehen und Token-Rückkäufe bereits in Bewegung sind.
Dies ist kein erlebnisgetriebenes Geschäft.
Es ist ein Überzeugungsspiel, dass die Datenebene unter den globalen Märkten an Bedeutung gewinnt, während die Finanzen weiterhin onchain wandern, und dass Pyth einen größeren Anteil an dieser Infrastruktur erfasst, als der Markt derzeit einpreist.
Spekulativer Fokus: Lagrange (LA)
Einige Projekte leihen sich das KI-Label für Aufmerksamkeit.
Andere konzentrieren sich darauf, die KI selbst zu validieren.
Lagrange gehört zur zweiten Gruppe, und das macht es zu einer risikobehafteten Wette.
Auf einer grundlegenden Ebene schafft Lagrange keinen weiteren Inferenzmarktplatz oder verkauft Zugriffe auf Berechnungen. Der Fokus liegt auf der kryptografischen Verifizierung der KI-Ausführung. Die Frage, die sie beantwortet, ist nicht, ob ein Ergebnis gut aussieht, sondern ob das Modell genau so ausgeführt wurde, wie behauptet, unter Verwendung der richtigen Eingaben, während die zugrunde liegenden Daten privat bleiben.
Dieser Verifizierungsrahmen wird DeepProve genannt.
Im Jahr 2025 zeigte das Team vollständige End-to-End-Inferenzbeweise für GPT-2 und erweiterte später die Kompatibilität auf neuere Modellfamilien wie Gemma3. Dieser Meilenstein ist wichtig, da viel von der zkML-Erzählung nie über vereinfachte Demos hinausgeht. Die Inferenz für vollskalierte Sprachmodelle zu beweisen, funktioniert auf einer ganz anderen Ebene.
Sie hörten dort nicht auf. Der Fahrplan wurde auf dynamische zk SNARKs, inkrementelle Beweisgenerierung, Patentanmeldungen und Forschung ausgeweitet, die den akademischen Kryptographie-Standards entsprechen. Aus technischer Sicht ist diese Arbeit substanziell.
Was LA sowohl überzeugend als auch risikobehaftet macht, ist jedoch die Richtung, in die sie zielen.
Verteidigung.
Allein im Jahr 2025 ging Lagrange weit über die Theorie hinaus.
DeepProve wurde in die Demonstrationspipeline von Andurils Lattice SDK integriert, wo Zero-Knowledge-Beweise an autonome Entscheidungsoutputs angehängt wurden. Das Team trat auch in Lieferantenökosysteme ein, die mit General Dynamics, Raytheon, Lockheed Martin und Oracles souveränen Cloud-Umgebungen verbunden sind. Gleichzeitig wurde DeepProve als Verifizierungsschicht für C4ISR-Architekturen, autonome Luftfahrtsysteme und sichere Kommunikation positioniert.
Das ist keine Web3-Geschichte.
Das ist Nähe zur Verteidigungsinfrastruktur der USA.
Jetzt ist es wichtig, langsamer zu machen.
Als Anbieter gelistet zu sein, bedeutet nicht, dass man aktive Verträge hat. Die Vulcan SOF-Liste zeigt ausdrücklich keine Bereitstellung an. Demointegrationen sind nicht dasselbe wie Systeme in aktivem Gebrauch. Ein großer Teil der frühen Verteidigungstechnologie existiert in der Lücke zwischen vielversprechender Fähigkeit und tatsächlicher Beschaffung.
Diese Unsicherheit ist der Ort, an dem das Risiko liegt.
Auf der Seite der Token-Mechanik ist LA mehr als ein Governance-Vermögenswert.
Die Nachfrage nach dem Token ist mit der Beweisgenerierung verknüpft. Kunden zahlen für die Generierung von Beweisen. Prover müssen LA staken, um teilzunehmen, wobei das Staking als Berechtigungskollateral fungiert. Die wirtschaftliche Logik ist einfach. Wenn das Volumen an Beweisen wächst, sollte die Nachfrage nach Token steigen.
Bisher hat das Netzwerk Millionen von KI-Inferenzen und Millionen von Zero-Knowledge-Beweisen produziert, was auf echtes technisches Momentum hinweist.
Gleichzeitig sind die Warnzeichen klar.
Der Tokenbesitz ist stark konzentriert, wobei eine kleine Anzahl von Wallets den Großteil des Angebots hält.
Die Anzahl der Inhaber bleibt im Verhältnis zur Bewertung niedrig.
Tokenentsperrungen beginnen, ab der Mitte des Jahres Druck auszuüben.
Staking-Renditen sind hoch genug, um kurzfristiges Kapital anzuziehen, anstatt langfristige Teilnehmer.
Dies ist kein langsames Aufbau-Infrastrukturvermögen wie Pyth.
Dies ist eine frühe Phasenexponierung mit breiter Ergebnisausbreitung und starkem Einfluss von großen Unterstützern.
Founders Fund hat investiert.
Intel hat es durch seinen Accelerator unterstützt.
Nvidia hat es in das Inception-Programm aufgenommen.
Diese Beziehungen erklären, warum der Token schnell die Top-Tier-Börsen erreichte. Sie gewährleisten jedoch keine langfristige Resilienz.
Die These hier ist nicht, dass KI modisch ist.
Es ist viel spezifischer.
Wenn Verteidigungssysteme und souveräne Cloud-Umgebungen beginnen, kryptografische Verifizierung der KI-Ausführung als Compliance-Anforderung zu verlangen, ist Lagrange außergewöhnlich gut positioniert.
Wenn diese Anforderung konzeptionell bleibt oder langsamer als die Markterwartungen materialisiert, verhält sich LA wie ein erlebnisgetriebenes Vermögen, das unter Druck steht.
Es gibt nicht viel Spielraum zwischen diesen Ergebnissen.
Warum das in die Kategorie hohes Risiko passt
Lagrange löst ein Problem, das auf einem mehrjährigen Horizont sinnvoll ist.
Der Markt bewertet jedoch Vermögenswerte auf einer viel kürzeren Zeitachse.
Diese Diskrepanz schafft eine scharfe Volatilität. Die Technologie ist legitim. Die Integrationen sind greifbar. Der Ehrgeiz ist echt. Die Geschichte von verifizierbarer KI für Regierungs- und Verteidigungseinsatzzwecke ist überzeugend.
Aber die Realität bleibt bestehen. Beschaffungszyklen bewegen sich langsam. Die Unternehmensadoption braucht Zeit. Und die Token-Angebotsmechaniken sind indifferent gegenüber dem Fortschritt in der Forschung. Deshalb fällt LA in diese Kategorie. Das Ertragsprofil ist asymmetrisch, sowohl nach oben als auch nach unten. Wenn verifizierbare KI zur Standardinfrastruktur für mission-critical Systeme wird, wird diese Positionierung extrem früh erscheinen.
Wenn nicht, oder wenn die Adoption sich hinauszögert, wird der Markt nicht geduldig bleiben.
Das ist der Handel. Pyth ist bereits in Live-Systeme eingebettet. Es verarbeitet Volumen, monetarisiert Daten und recycelt aktiv Einnahmen in Token-Rückkäufe. Es braucht kein Schrittänderungereignis. Es braucht nur eine fortgesetzte Ausführung.
Lagrange hat diesen Vorteil nicht. Es zielt auf ein größeres Ergebnis weiter in der Zukunft. Wenn verifizierbare KI von der Diskussion zur Anforderung wechselt, sieht das Timing günstig aus. Wenn nicht, wird es ein weiteres ehrgeiziges Projekt, das seiner Adoption vorausgelaufen ist. Das ist der Rahmen. Ein Vermögen kumuliert stillschweigend. Das andere versucht, die Trajektorie neu zu gestalten.
Nächste Woche andere Namen. Dasselbe Ziel. Substanz von oberflächlichen Erzählungen trennen.