
Das Bitcoin Policy Institute (BPI) veröffentlichte am Dienstag eine Studie zu 36 KI-Modellen, die über 9.000 Antworten generierten. Das zentrale Ergebnis lautet: In verschiedenen finanziellen Szenarien wählen KI-Agenten „die überwiegende Mehrheit, um Bitcoin für wirtschaftliche Aktivitäten zu verwenden“, während keines der getesteten 36 Modelle Fiat-Währungen als bevorzugte Option angibt.
(Quelle: Bitcoin Policy Institute)
Das Forschungsdesign von BPI unterscheidet verschiedene Nutzungsszenarien. Die Ergebnisse zeigen, dass die Präferenzen der KI-Agenten für verschiedene Währungen stark vom Szenario abhängen:
Langfristige Werterhaltung (Jahre der Kaufkraftstabilität): 79,1 % der KI-Antworten favorisieren Bitcoin – das deutlichste Ergebnis in der Studie
Zahlungs- und Soforttransaktionsszenarien (Dienstleistungen, Kleinstzahlungen, grenzüberschreitende Überweisungen): 53,2 % wählen Stablecoins, nur 36 % bevorzugen Bitcoin – in diesem Szenario dominieren Stablecoins
Gesamtpräferenzverteilung: 48 % der KI-Agenten setzen Bitcoin an die Spitze, mehr als die Hälfte bevorzugt Stablecoins für Zahlungszwecke
Fehlende Fiat-Währungen: Keines der 36 getesteten Modelle setzt eine Fiat-Währung als bevorzugte Option
Jeff Park, Chief Investment Officer bei Bitwise, kommentiert die geringere Leistung von Stablecoins bei der langfristigen Werterhaltung: „Die offensichtlichste Erklärung ist, dass Stablecoins eingefroren werden können, Bitcoin jedoch nicht.“ Dieser Punkt hebt die strukturellen Schwächen von Stablecoins als Wertspeicher hervor – ihre Abhängigkeit von Emittenten und Regulierungsbehörden.
Die Studie zeigt zudem, dass die Präferenz für Bitcoin bei verschiedenen KI-Anbietern deutlich variiert:
Anthropic-Modelle (inkl. Claude-Serie): Durchschnittlich 68 % Präferenz für Bitcoin, höchste unter den getesteten Anbietern
Google-Modelle (inkl. Gemini-Serie): Durchschnittlich 43 % Präferenz
xAI-Modelle (inkl. Grok-Serie): Durchschnittlich 39 % Präferenz
OpenAI-Modelle (inkl. GPT-Serie): Durchschnittlich 26 %, niedrigste Präferenz
Diese Unterschiede könnten systematische Unterschiede in Trainingsdatenstrategien, dem Anteil an Finanzinhalten sowie der Exposition gegenüber kryptowährungsbezogenen Literatur widerspiegeln.
BPI weist in seinem Bericht auf mehrere methodische Limitationen hin, die die Allgemeingültigkeit der Ergebnisse beeinflussen könnten:
Begrenzte Stichprobengröße: Es wurden nur 36 Modelle von 6 Anbietern getestet. Zukünftig plant BPI eine Erweiterung auf weitere Modelle.
Potenzielle Einflussnahme durch Fragestellung: Das Design der System-Prompts könnte die Ergebnisse beeinflusst haben. Bei einem Szenario wurde beispielsweise vorausgesetzt, „keine Währungspolitik oder Bankensystem eines Landes zu verwenden“, was die Wahl der Fiat-Währungen faktisch ausschließt und somit keine vollständig offene Testumgebung darstellt.
Reflexion der Trainingsdaten, nicht der realen Präferenzen: BPI betont, dass die Präferenzen der KI „nicht die tatsächlichen Anwendungen widerspiegeln“, sondern vielmehr Muster in den Trainingsdaten abbilden. Die Ergebnisse spiegeln also eher die im Training vorhandenen Inhalte wider als tatsächliche Verhaltensweisen in realen Zahlungssystemen.
Studien und Branchenanalysen deuten auf einen Kernpunkt hin: Stablecoins sind auf das Vertrauen in Emittenten (wie Tether oder Circle) angewiesen und können von Regulierungsbehörden eingefroren oder beschlagnahmt werden. Bitcoin ist so konzipiert, dass es auf technischer Ebene keiner zentralen Kontrolle unterliegt. Wenn KI-Modelle auf Basis ihrer Trainingsdaten „bewerten“, welche Assets langfristig vor Eingriffen schützen und Kaufkraft bewahren, wird die Unzensierbarkeit von Bitcoin als Vorteil gesehen.
Nicht unbedingt, diese Interpretation ist vorsichtig zu betrachten. BPI weist selbst darauf hin, dass die Ergebnisse die Muster in den Trainingsdaten widerspiegeln und keine Vorhersage für die reale Anwendung sind. Die im Training enthaltenen kryptowährungsbezogenen Literatur könnten die Präferenz für Bitcoin systematisch verstärken. In der Praxis hängt die Nutzung von Zahlungsmedien durch KI von Infrastruktur, Regulierung und Systemdesign ab – nicht von einer „eigenen Präferenz“ der KI.
BPI gibt keine definitive Erklärung dafür. Mögliche Gründe sind Unterschiede in der Auswahl der Trainingsdaten hinsichtlich Krypto- und DeFi-Texten, unterschiedliche Trainingszeitpunkte oder Variationen in der Feinabstimmung (RLHF). Das OpenAI-Modell mit 26 % Präferenz zeigt im Vergleich die geringste Neigung, was möglicherweise auf eine konservativere Ausrichtung bei Finanzfragen im Training zurückzuführen ist.
Verwandte Artikel
Analyse, CLARITY-Gesetzespassage durch erwartete Aufheizung, additive Fiat-Wertverlust-Logik, Regression treibt BTC gegen den Trend nach oben
Analyst: Der aktuelle Bitcoin-Anstieg wird durch Positionsanpassungen und eine verringerte Angebotselastizität angetrieben
Analyse: Bullishe Stimmung bei Bitcoin nimmt zu, 80.000 USD könnten das nächste Ziel der aktuellen Erholung werden
Solana (SOL) nähert sich dem entscheidenden Widerstandsbereich, hat die Unterstützung durch ETF genug Kraft, um den Ausbruch auszulösen?
Der Iran-Krieg unterdrückt nicht die Kauflaune! Bitcoin-Spot-ETF zieht an einem Tag 4,58 Milliarden US-Dollar an Kapital an