Die Physik der Wahrheit Bitcoin als Anker in der KI-Ära
In einer Welt, in der jedes Bild gefälscht, jede Stimme geklont und jeder Text synthetisiert werden kann, scheint Wahrheit zu einem Relikt vergangener Zeiten zu werden. Doch es gibt einen Ort, an dem es Strom kostet, die Vergangenheit umzuschreiben – einen Anker, der in verbrauchter Energie liegt statt in Daten. Dieser Anker heißt Bitcoin.
In zwei Minuten
Das Wichtigste, bevor du weiterliest
Prolog: Das tote Internet
Es gibt eine Verschwörungstheorie, die ein Stück Wahrheit trägt. Sie trägt den Namen Dead Internet Theory – die Theorie des toten Internets. Als sie 2021 erstmals in den Tiefen von 4chan auftauchte, wurde sie belächelt. Die Behauptung: Das Internet, wie wir es kennen, ist größtenteils tot. Der Großteil des Contents wird nicht mehr von Menschen erstellt, sondern von Bots, Algorithmen und künstlicher Intelligenz. Die wenigen echten Menschen, die noch online sind, interagieren hauptsächlich mit Maschinen – ohne es zu wissen.
Ein Teil dieser Theorie lässt sich inzwischen messen.
Quelle: Graphite, „AI Now Writes as Many Online Articles as Humans“ (15.05.2026) — Stichprobe englischsprachiger Artikel aus Common Crawl, Mittel aus drei Erkennungsprogrammen: seit dem ersten Quartal 2025 „roughly 50%“; Graphites frühere Studie mit nur einem Erkennungsprogramm kam auf einen um 3,3 Prozentpunkte höheren Anteil | Imperva, Bad Bot Report 2025 — „automated traffic has surpassed human activity, accounting for 51% of all web traffic“, Bad Bots „37% of all internet traffic“ | Martin Kaessler, Anteil KI-Inhalte im Internet (Blog) — 71 % der auf sozialen Medien geteilten Bilder KI-generiert oder KI-bearbeitet (Schätzung des Blogs), über 90 % synthetische Inhalte bis 2030 (Fortschreibung des Blogs) | Die ~50 % gelten für neu veröffentlichte englischsprachige Textartikel, die 51 % für Datenverkehr, nicht für Konten | Stand: 19.10.2026
Seit 2025 ist rund die Hälfte der neu erscheinenden englischsprachigen Artikel überwiegend maschinell geschrieben. Mehr als die Hälfte des Datenverkehrs stammt nicht von Menschen, sondern von Bots. Wohin das führt, ist offen: Kaesslers Fortschreibung, die Prognose eines Blogs, sieht bis 2030 über 90 % synthetische Inhalte — das „Graue Web“ als Normalzustand, während die Graphite-Messung seit Anfang 2025 bei etwa der Hälfte stagniert.
Doch das ist nur die Oberfläche. Schwerer wiegt, dass sich synthetischer Content kaum noch vom Echten unterscheiden lässt: seine Ununterscheidbarkeit.
Die Erosion der Erkennbarkeit
Laut Signicats Befragung von Betrugsverantwortlichen bei Finanzinstituten in sieben europäischen Ländern machen Deepfakes inzwischen 6,5 % der Betrugsversuche aus, und dieser Anteil ist in drei Jahren um 2137 % gewachsen. Deepfakes sind keine Spielerei mehr: Sie dienen dem Finanzbetrug, der politischen Manipulation, der Erpressung und der gezielten Zerstörung von Reputation.
Beunruhigender als die Fälschungen selbst ist, wie schlecht wir sie erkennen.
Gut gemachte Deepfakes erkennen Menschen oft nicht. Eine einzelne verlässliche Trefferquote gibt es nicht: Sie hängt vom Material und vom Versuchsaufbau ab.
Stell dir vor, was das bedeutet. Du siehst ein Video eines Politikers, der etwas Skandalöses sagt. Du hörst die Stimme deines CEOs, der dir eine dringende Überweisung anordnet. Du erhältst einen Videoanruf von einem Familienmitglied in Not. Bei jedem dieser Szenarien ist keineswegs sicher, dass du eine Fälschung bemerkst.
Die Konsequenz steht in den Zahlen. Betrug mit geklonten Stimmen und Gesichtern ist keine Randerscheinung mehr: Deepfakes stehen für 6,5 % der Betrugsversuche, die Finanzinstitute in der Signicat-Befragung nennen — ein Anteil, der sich in drei Jahren um 2137 % erhöht hat.
Wir stehen vor einer Beweiskrise. Wenn alles gefälscht werden kann – Bilder, Videos, Stimmen, Texte – dann verliert der Begriff „Beweis“ an Wert. Wo sich kaum noch etwas prüfen lässt, wird Wahrheit zu einer Frage der Macht: Wer hat die Ressourcen, seine Version der Realität durchzusetzen?
Das Paradoxon der Verifizierung
Die naheliegende Antwort auf diese Krise scheint einfach: Wir brauchen bessere Erkennungssysteme. KI-gestützte Deepfake-Detektoren. Digitale Wasserzeichen. Auch Blockchain-Verfahren sind darunter – dazu gleich mehr.
Doch hier liegt ein Problem, an dem Erkennungssysteme zu scheitern drohen. Jeder Detektor ist nur so gut wie seine Trainingsdaten. Und die Trainingsdaten von morgen werden von der KI von heute generiert. Es ist ein Wettrüsten, bei dem die Verteidiger ständig hinterherlaufen.
Mehr noch: Die Detektoren selbst können kompromittiert werden. Ein KI-System, das Deepfakes erkennen soll, kann mit synthetischen „echten“ Daten trainiert werden. Die Grenze zwischen Detektor und Täuscher verschwimmt. Wir bewegen uns auf eine Welt zu, in der unsere Werkzeuge zur Wahrheitsfindung nur noch bedingt vertrauenswürdig sind.
In einer Welt, in der KI KI überprüft, ist Vertrauen ein Kartenhaus auf einem Fundament aus Treibsand.
– BitAtlas, das VerifizierungsparadoxonEs gibt jedoch einen Ausweg. Einen Anker, der nicht an einer Stelle hängt, die man überzeugen oder unter Druck setzen kann. Einen Anker, dessen Sicherheit an verbrauchter Energie hängt – an Arbeit, die sich nicht vortäuschen, nur noch einmal leisten lässt.
Dieser Anker ist Bitcoin. Und um zu verstehen, warum ausgerechnet ein „digitales Geld“ ein Baustein gegen die Krise der Wahrheit sein kann, müssen wir zuerst verstehen, was Information wirklich ist – und was es physikalisch kostet, die Wahrheit zu sagen.
Der Preis der Lüge
Im Jahr 1961 stellte der deutsch-amerikanische Physiker Rolf Landauer eine Frage, die bis heute Lehrbuchstoff ist: Gibt es eine physikalische Untergrenze für die Wärme, die beim Rechnen entsteht?
Die Antwort, die er fand, ist überraschend: Ja, aber nur für das Löschen von Information. Diese Untergrenze ist nicht technologisch bedingt, sie folgt aus dem zweiten Hauptsatz der Thermodynamik.
Jede Löschung eines Bits Information erzeugt mindestens $k_B T \ln(2)$ Joule Wärme – wobei $k_B$ die Boltzmann-Konstante ($1{,}38 \times 10^{-23}$ J/K) und $T$ die absolute Temperatur ist. Bei Raumtemperatur (300K) entspricht dies etwa $2{,}87 \times 10^{-21}$ Joule pro Bit.
Quelle: Landauer, R. (1961). „Irreversibility and Heat Generation in the Computing Process“ – IBM Journal of Research and Development, 5(3), 183-191
Diese Zahl klingt verschwindend klein. Der Gedanke dahinter ist es nicht. Das Landauer-Prinzip sagt uns: Information ist physisch. Sie ist an physische Träger gebunden, und wer ein Bit unwiederbringlich löscht, erzeugt Entropie.
Für das Verständnis der Wahrheitskrise ist das wichtig. Denn es legt nahe, dass es einen Unterschied gibt zwischen dem Erstellen von Information und dem Verifizieren von Information – und dieser Unterschied lässt sich in Energie messen.
Die Asymmetrie der Fälschung
Konkret heißt das: Ein Deepfake-Video zu erstellen erfordert Rechenleistung – GPU-Stunden, Trainingszeit, Energieverbrauch. Wie viel genau, ist öffentlich nicht belegt — die IEA beziffert für generative Modelle den Einzelvorgang: 2,9 Wattstunden je ChatGPT-Anfrage gegen 0,3 Wattstunden je Google-Suche, also rund das Zehnfache einer gewöhnlichen Suche. Entscheidend ist ohnehin das Verhältnis, das gleich folgt.
Das Problem: Die Kosten der Erstellung sind einmalig. Das Deepfake kann millionenfach kopiert und verbreitet werden, ohne zusätzlichen Energieaufwand. Die Lüge skaliert kostenlos.
Zu prüfen, ob ein Inhalt echt ist, ist dagegen schwer, denn dafür fehlt meist ein Maßstab; ob er irgendwann vorlag, lässt sich billig prüfen. Und in einer Welt, in der rund die Hälfte der neuen englischsprachigen Texte überwiegend von Maschinen stammt, wird diese Prüfung sehr aufwendig.
Quelle: IEA, „Electricity 2024 – Analysis and forecast to 2026“ — dort stehen 0,3 Wh für eine Google-Suche und 2,9 Wh je ChatGPT-Anfrage. Den Wortlaut trägt das PDF des Berichts — auf Seite 35 steht dort „a typical Google search (0.3 Wh of electricity)“ und „ChatGPT (2.9 Wh per request)“. Die Aussage des Abschnitts hängt nicht an der Zahl: Erzeugung kostet einmal Energie, Kopien kosten nichts, Prüfung skaliert mit der Zahl der Prüfer | Cambridge CCAF CBECI | Stand: 17.09.2026
Dies ist die Asymmetrie, die das Internet zersetzt. Lügen sind billig. Wahrheit ist teuer. In einer digitalen Welt, in der Kopieren kostenlos ist, hat die Lüge einen strukturellen Vorteil.
Ein Anker aus verbrauchter Energie
Doch das Landauer-Prinzip legt auch einen Ausweg nahe: Wenn Information physisch ist, kann man ihre Verankerung mit Kosten verbinden, die sich nicht zurückholen lassen. Versprechen, Institutionen und KI-Detektoren leisten das nicht, verbrauchte Energie schon.
Was bedeutet das? Wir brauchen ein System, in dem eine Behauptung mit verbrauchter Energie verbunden ist, die nicht zurückgeholt werden kann – ein System, in dem die Kosten der Fälschung mit jedem weiteren Block wachsen, statt einmalig und kopierbar zu sein.
Genau das ist Bitcoin. Landauer erklärt nicht, warum Bitcoin sicher ist; er erinnert nur daran, dass Information einen physischen Preis hat. Die Sicherheit kommt aus dem Preis des Arbeitsnachweises.
Bitcoin ist mehr als ein Zahlungssystem: Seine Kette lässt sich auch als Protokoll zur Verankerung von Zeitpunkten nutzen. Jeder Block ist ein kryptographischer Fingerabdruck, hinter dem der Strom steht, der für seinen Arbeitsnachweis aufgewendet wurde. Diese Energie ist unwiederbringlich verbraucht, und genau deshalb ist das Umschreiben alter Blöcke teuer: Wer sie ändern will, muss die Arbeit aller späteren Blöcke erneut leisten.
Proof-of-Work als Kostenanker
Um zu verstehen, wie Bitcoin Wahrheit verankert, müssen wir das Konzept des Proof-of-Work (Arbeitsnachweis) tiefer durchdringen. Wir haben dieses Konzept in unserem Monument „Was ist Bitcoin?“ bereits eingeführt. Hier betrachten wir es aus einer neuen Perspektive: als Mechanismus gegen synthetische Realitäten.
Ein Proof-of-Work funktioniert so: Um einen gültigen Bitcoin-Block zu produzieren, muss ein Miner einen Hash finden, dessen numerischer Wert unter einem bestimmten Schwellenwert liegt. Da Hash-Funktionen deterministisch aber unvorhersehbar sind, gibt es keinen Shortcut. Der einzige Weg ist Brute Force: Das Netzwerk probiert mehr als 900 Trillionen (9 · 10^20) Hashes pro Sekunde, bis zufällig ein gültiger gefunden wird.
Je mehr Blöcke seit einer Transaktion vergangen sind, desto mehr Arbeit müsste ein Angreifer nachholen, um sie zu ändern. Das gilt unter einer Bedingung: Solange die Mehrheit der Rechenleistung ehrlich arbeitet, sinkt die Chance eines Angreifers, die längere Kette einzuholen, mit jedem weiteren Block exponentiell (Whitepaper, Abschnitt 11). Wer selbst die Mehrheit der Rechenleistung stellt, kann das ändern, und der Preis hängt von Hardware und aktueller Hashrate ab. Die Formel ist eine Faustregel, keine Naturkonstante.
Quelle: Die Faustformel ist unsere Verdichtung. Nakamoto, S. (2008). „Bitcoin: A Peer-to-Peer Electronic Cash System“ beschreibt den Gedanken in Worten: Die längste Kette trägt den größten Arbeitsnachweis, und wer einen Block ändern will, muss den Arbeitsnachweis dieses Blocks und aller folgenden neu erbringen; die Sicherheit gilt, „as long as honest nodes control the most CPU power on the network“
Hier liegt der entscheidende Unterschied zu allen anderen Formen der Verifizierung. Ein Deepfake-Detektor versucht, die Wahrheit zu erkennen. Er analysiert Muster, vergleicht mit Trainingsdaten, trifft eine probabilistische Entscheidung. Er kann getäuscht werden.
Bitcoin rät nichts. Bitcoin macht das Umschreiben der Vergangenheit teuer. Um die Geschichte der Blockchain zu ändern, müsste ein Angreifer nicht ein KI-System täuschen – er müsste die gesamte Arbeit nachholen, die seit dem zu ändernden Block aufgewandt wurde, und dabei schneller sein als alle ehrlichen Miner zusammen.
Quelle: Cambridge Digital Mining Industry Report (28.04.2025) | CoinWarz Hashrate Chart | OpenTimestamps, Abschnitt „How it works“ — Format nicht auf Bitcoin festgelegt | Stand: 19.10.2026
Diese 138 Terawattstunden pro Jahr sind der Preis des Arbeitsnachweises; ob dieser Preis zu hoch ist, ist der Streit um Bitcoin. Für diese Seite zählt, was er bewirkt: Er macht das nachträgliche Ändern der Vergangenheit teuer. Bitcoins Kette setzt mit mehr als 900 EH/s sehr viel Rechenleistung gegen jede Änderung; deshalb ist ein dort verankerter Zeitstempel teuer zu überschreiben. Das ist keine Alleinstellung: OpenTimestamps ist nicht an Bitcoin gebunden, das Format kennt auch andere Ketten.
Warum KI dieses Problem nicht lösen kann
An dieser Stelle könnte man einwenden: Kann nicht auch KI einen Proof-of-Work leisten? Könnte eine ausreichend mächtige KI nicht einfach die Blockchain angreifen?
Die Antwort: Mit Intelligenz allein nicht, und der Grund liegt im Preis. KI ist nicht magisch. Sie läuft auf Hardware, und Hardware verbraucht Energie. Das Landauer-Prinzip nennt zwar eine Untergrenze für das Löschen von Bits, aber ein Angriff hängt an den Kosten für Hardware und Strom, nicht an dieser Grenze.
Eine KI, die die Bitcoin-Blockchain angreifen will, müsste dieselbe Rechenleistung aufbringen wie jeder andere Angreifer, und zwar mehr als alle ehrlichen Miner zusammen: Hardware und Strom in großem Maßstab. Beim Umschreiben der Kette hilft die Intelligenz des Angreifers nicht. Was zählt, ist die rohe Rechenarbeit.
KI kann vieles fälschen – nur nicht die Rechenarbeit, die in einem Block steckt. Die muss sie erst leisten.
– BitAtlas, das KostenargumentDas ist der Kern des Arguments: Beim Umschreiben der Kette hilft Intelligenz allein nicht, es braucht Rechenleistung und Strom. Die Sicherheit beruht darauf, dass dieser Aufwand größer ist als der Gewinn, den ein Angriff verspricht, und auf der Annahme einer ehrlichen Mehrheit der Rechenleistung. Das ist ökonomische Sicherheit, kein Naturgesetz.
KI-Detektoren und institutionelle Beglaubigungen lassen sich mit Cleverness täuschen oder unter Druck setzen. Bitcoins Zeitordnung lässt sich dagegen nur mit Rechenleistung überschreiben, und die muss man bezahlen. Absolut sicher ist auch das nicht: Wer die Mehrheit der Rechenleistung stellt, kann die jüngsten Blöcke umschreiben.
Die Krise des Vertrauens
Anfang 2024 wurde ein Fall bekannt, der viele aufschreckte. Eine Mitarbeiterin des britischen Ingenieurbüros Arup wurde in dessen Hongkonger Büro zu einer Videokonferenz mit vermeintlichen Vorgesetzten gebeten. Die Teilnehmer sahen aus wie die echten Personen. Sie veranlasste die Überweisung: 200 Millionen Hongkong-Dollar, rund 20 Millionen Pfund, in 15 Überweisungen.
Es war ein Deepfake: Die Vorgesetzten auf dem Bildschirm waren Fälschungen. Das Geld floss auf fünf Konten in Hongkong.
Dieser Fall steht nicht allein.
Quelle: The Guardian, „UK engineering firm Arup falls victim to £20m deepfake scam“ (17.05.2024) — dort: eine Mitarbeiterin überwies HK$200 Mio. die Hongkonger Polizei hatte den Fall im Februar 2024 ohne Firmennamen gemeldet.
Quelle: Signicat, The Battle Against AI-driven Identity Fraud — dort wörtlich: „Deepfakes now represent 6.5% of total fraud attempts, marking a staggering 2137% increase over the past three years“ und „42.5% of detected fraud involves AI, with a 29% success rate“ (Stand 27.09.2026). Grundlage ist eine Befragung von Betrugsverantwortlichen bei Finanzinstituten in Belgien, Deutschland, den Niederlanden, Norwegen, Spanien, Schweden und Großbritannien zu KI-gestütztem Identitätsbetrug (mit Consult Hyperion), keine Messung des gesamten Betrugs. Signicat führt seither eine neue Ausgabe („The Battle in the Dark“) mit anderen Kennzahlen; die 6,5 % gehören zu der hier zitierten | Stand: 27.09.2026
Ein Anteil von 6,5 Prozent klingt klein. Der Weg dorthin ist es nicht: 2137 Prozent Zuwachs in drei Jahren. Das ist keine Zahl, die man leichtfertig überliest. Sie sagt: Dem eigenen Ohr zu trauen, reicht für eine Überweisung nicht mehr aus.
Gleichzeitig ist bei 42,5 Prozent des erkannten Betrugs künstliche Intelligenz im Spiel, und knapp ein Drittel dieser Versuche gelingt. Gesichtserkennung, Stimmerkennung, Verhaltensanalyse – Systeme, die uns als „sicher“ verkauft wurden, geraten gegen synthetische Identitäten unter Druck. Ob dabei Gesicht, Stimme oder anderes geprüft wird, nennt die Studie nicht.
Biometrie unter Druck
Ein großer Teil unserer Sicherheitsarchitektur beruht auf einer Annahme: dass bestimmte Merkmale – Fingerabdrücke, Iris-Muster, Gesichtszüge, Stimmprofile – einzigartig und unfälschbar sind. Diese Annahme gilt nicht mehr uneingeschränkt.
Das trifft nicht jede Methode gleich. Aber wer sich allein auf ein Gesicht oder eine Stimme verlässt, verlässt sich auf etwas, das sich nachbauen lässt.
Biometrische Daten haben eine fatale Eigenschaft: Sie sind unveränderlich. Wenn dein Passwort gestohlen wird, kannst du es ändern. Wenn dein Fingerabdruck, dein Gesicht oder deine Stimme synthetisiert werden, kannst du sie nicht ändern. Dann bleibt dieses Merkmal für den Rest deines Lebens angreifbar. Und KI-Systeme werden besser darin, solche Merkmale nachzubilden.
Die Konsequenz ist eine Vertrauenskrise. Wenn wir unseren Augen nicht trauen können (Deepfake-Videos), unseren Ohren nicht trauen können (geklonte Stimmen), und unserer biometrischen Identität nicht trauen können (synthetisierte Gesichter) – worauf können wir dann noch vertrauen?
Der Versuch: Proof of Personhood
Die Tech-Industrie hat natürlich versucht, eine Lösung zu finden. Der prominenteste Ansatz trägt den Namen Proof of Personhood – der Beweis, dass du ein echter Mensch bist und nicht eine KI.
Das bekannteste Projekt in diesem Bereich ist Worldcoin, mitgegründet von Sam Altman (CEO von OpenAI); das Projekt heißt heute World. Die Idee: Jeder Mensch scannt seine Iris mit einem speziellen Gerät namens „Orb“. Nach Angaben des Projekts wird aus dem Iris-Bild ein Code erzeugt, der zeigen soll, dass du ein einzelner Mensch bist, ohne deine Identität preiszugeben.
Millionen Menschen haben ihren Iris-Scan bei Worldcoin bereits abgegeben. Und dennoch steht das Projekt vor Problemen.
Proof of Personhood – Die Ansätze im Vergleich
Zentralisiert vs. Dezentral: Wer kontrolliert deine Identität?
Gegenüberstellung, keine Messgröße: Die beiden Spalten sind unsere Einteilung und folgen aus der Bauform der beiden Ansätze.
Das Problem von Worldcoin und ähnlichen Ansätzen ist, dass sie es verlagern, statt es zu lösen. Statt einer Krise des Vertrauens in digitale Inhalte haben wir nun eine Krise des Vertrauens in zentralisierte Identitätsanbieter.
Wer garantiert, dass Worldcoin meine Iris-Daten nicht missbraucht? Wer garantiert, dass die Orb-Geräte nicht kompromittiert werden können? Wer garantiert, dass das Unternehmen in 10 Jahren noch existiert und meine Identität noch verifizierbar ist?
Datenschützer haben diese Bedenken aufgegriffen: Das Bayerische Landesamt für Datenschutzaufsicht ordnete im Dezember 2024 Nachbesserungen an, darunter ein Löschverfahren, ausdrückliche Einwilligungen und die Löschung bestimmter Datensätze (Pressemitteilung vom 19.12.2024); der Beschluss ist mit den übrigen europäischen Aufsichtsbehörden abgestimmt und europaweit zu befolgen, über ein Bußgeld ist gesondert zu entscheiden. Das Unternehmen kündigte an, dagegen zu klagen. Aber selbst wenn diese juristischen Fragen geklärt werden – das fundamentale Architekturproblem bleibt bestehen.
Die dezentrale Alternative: Reputation statt Biometrie
Es gibt einen anderen Weg. Einen Weg, der auf nachweisbarem Verhalten über Zeit statt auf biometrischen Daten beruht. Systeme wie Gitcoin Passport, BrightID oder ENS (Ethereum Name Service) verfolgen diesen Ansatz.
Die Idee: Statt deine physischen Merkmale zu scannen, baut sich deine digitale Identität durch deine Aktionen auf. Hast du einen GitHub-Account mit jahrelanger Aktivität? Hast du einen ENS-Namen, der seit Jahren registriert ist? Hast du an dezentralen Governance-Prozessen teilgenommen? Jede dieser Aktionen fügt deinem „Passport“ Punkte hinzu – ohne dass sensible biometrische Daten erfasst werden.
Dezentrale Reputationssysteme basieren auf einer einfachen Einsicht: Es ist schwer, jahrelange konsistente Aktivität zu fälschen. Ein GitHub-Account mit 5 Jahren Aktivität, hunderten Commits und echter Community-Interaktion ist teuer in der Herstellung – bezahlt in Zeit statt in Geld. Und Zeit lässt sich auch mit der mächtigsten KI nicht beschleunigen, nur parallelisieren: Wer viele Konten gleichzeitig altern lässt, bekommt viele Identitäten.
Doch auch dieser Ansatz hat Grenzen. Reputationssysteme können von Social-Engineering-Angriffen kompromittiert werden. Accounts können gehackt werden. Und vor allem: Sie setzen voraus, dass die zugrunde liegenden Plattformen (GitHub, Ethereum, etc.) selbst vertrauenswürdig sind.
Hier kommt Bitcoin ins Spiel, mit einer engeren Aufgabe: Es belegt, seit wann etwas existiert.
Bitcoin als Zeitstempel für Beweise
Für diese Frage zählt an Bitcoin weniger die Währung als das Zeitstempel-System, das in der Kette steckt. Jede Transaktion, jeder Block ist in der Blockchain verankert und nur mit enormer Rechenarbeit nachträglich zu ändern – geschützt durch den Arbeitsnachweis, den wir in der vorherigen Sektion beschrieben haben, solange die Mehrheit der Rechenleistung ehrlich arbeitet.
Das eröffnet eine Möglichkeit: Man kann Bitcoin nutzen, um beliebige Daten zu timestampen – also mit einem Zeitstempel zu versehen, den nachträglich kaum jemand ändern kann. Ein Dokument, ein Foto, ein Video – alles kann mit einem Hash in der Bitcoin-Blockchain verankert werden. Dieser Hash belegt, dass das Dokument spätestens zu diesem Zeitpunkt existiert hat, und zwar in genau dieser Form: Wer später auch nur ein Bit ändert, bekommt einen anderen Hash.
Für die Krise der digitalen Wahrheit ist das nützlich. Denn es verschiebt die Frage: Ob ein Inhalt echt ist, sagt der Zeitstempel nicht. Er sagt, wann er spätestens existiert hat.
Deepfakes können die Gegenwart fälschen. Aber sie können nicht die Vergangenheit ändern – nicht, wenn diese Vergangenheit in der Bitcoin-Blockchain verankert ist.
– BitAtlas, die temporale Lösung des VertrauensproblemsEin Beispiel: Ein Journalist macht ein Video eines politischen Ereignisses. Sofort nach der Aufnahme hasht er das Video und verankert den Hash in der Bitcoin-Blockchain. Wenn später jemand behauptet, das Video sei ein Deepfake, kann der Journalist beweisen: „Dieses Video existierte nachweislich vor dem Zeitpunkt, zu dem die angebliche Fälschung hätte erstellt werden können.“
Das ist heute möglich: Das Protokoll dafür heißt OpenTimestamps. Der Zeitstempel belegt dabei nur, dass das Video spätestens zu diesem Zeitpunkt vorlag; ob es echt oder gestellt ist, entscheidet er nicht.
In den beiden nächsten Abschnitten sehen wir uns OpenTimestamps im Detail an – seine technische Architektur, seine praktischen Anwendungen und seine Grenzen. Bitcoin dient dabei nicht nur als Wertspeicher, sondern auch als Zeuge für einen Zeitpunkt.
Bitcoin als Zeitstempel
Peter Todd, Bitcoin-Entwickler und Schöpfer von OpenTimestamps, bündelt viele Zeitstempel zu einem einzigen Eintrag in der Kette. Dass sich Daten in Bitcoin verankern lassen, war da schon bekannt; die Idee dahinter ist radikal simpel: Wenn die Bitcoin-Blockchain ein kaum änderbares, zeitlich geordnetes Hauptbuch ist, dann kann sie nicht nur Transaktionen speichern – sie kann beliebige Daten verankern.
Die technische Grundlage dafür existierte bereits im Bitcoin-Protokoll: ein Opcode namens OP_RETURN. Wie viel darin Platz hat, war lange keine Protokollregel, sondern eine Voreinstellung der Weiterleitung: 83 Bytes, davon 80 Nutzlast. Seit Bitcoin Core 30 vom 13.10.2025 steht sie auf 100.000, und mehrere OP_RETURN-Ausgänge je Transaktion sind zulässig. Für einen Zeitstempel spielt die Grenze ohnehin keine Rolle – er braucht 32 Bytes. Es sind Daten, die dauerhaft in der Blockchain stehen, geschützt durch denselben Arbeitsnachweis, der auch die Währungstransaktionen sichert.
32 Bytes sind nicht viel – ein Drittel einer Kurznachricht. Sie genügen, denn mehr als den Hash braucht ein Zeitstempel nicht. Bis Bitcoin Core 30.0 ließ die Standardeinstellung eines Knotens überhaupt nur 83 Bytes je OP_RETURN durch, davon 80 Nutzlast; seit dem 13.10.2025 liegt die Vorgabe bei 100.000 Bytes. Für einen Zeitstempel ändert das nichts. Und ein einzelner Hash kann die Integrität eines beliebig großen Dokuments beweisen – sei es ein PDF, ein Video oder ein gesamtes Archiv.
Quelle: Bitcoin Core 30.0, Release Notes (13.10.2025) — dort: „-datacarriersize is increased to 100,000 by default, which effectively uncaps“ die Größe, mit „83“ als vorherigem Wert; die 80 Bytes sind die Nutzlast darin.| Peter Todd, OpenTimestamps Repository/opentimestamps-client
Die Mathematik dahinter ist elegant. Ein SHA-256-Hash ist eine Einwegfunktion: Aus dem Dokument lässt sich der Hash berechnen, aber aus dem Hash lässt sich das Dokument nicht rekonstruieren. Wenn ich also den Hash eines Dokuments in Block 800.000 der Bitcoin-Blockchain speichere, belege ich: „Dieses Dokument existierte spätestens zum Zeitpunkt von Block 800.000 in exakt dieser Form.“
Wie viel Platz ein Zeitstempel braucht
Wie viel Platz braucht ein Zeitstempel in einem Bitcoin-Block? Ein Block entsteht im Schnitt alle zehn Minuten. Ein Zeitstempel braucht darin nur 32 Bytes, so viel wie ein einziger SHA-256-Hash. Das Platzangebot ist begrenzt und wird über die Transaktionsgebühren verteilt.
Wie viele OP_RETURN-Transaktionen ein Block enthält, führt opreturn.org als laufende Statistik. Die 32 Bytes sind die Länge eines SHA-256-Hashes und brauchen keine Fundstelle; wie viele Dokumente an einem Hash hängen, bestimmt die Tiefe des Merkle-Baums, nicht das Protokoll | Stand: 25.09.2026
Ein einziger Hash je Block klingt nicht nach viel. Doch hier zeigt sich der Vorteil des Systems. Durch Merkle-Bäume – eine kryptographische Datenstruktur, die wir in der nächsten Sektion detailliert untersuchen werden – kann ein einziger 32-Byte-Hash die Integrität sehr vieler Dokumente gleichzeitig beweisen.
OpenTimestamps, das Protokoll, das Peter Todd entwickelte, nutzt genau diese Eigenschaft. Anstatt jeden Zeitstempel direkt in die Blockchain zu schreiben, aggregiert das System tausende von Anfragen, kombiniert sie in einem Merkle-Baum, und verankert nur die Wurzel dieses Baums in Bitcoin. Das Ergebnis: Ein einziger Eintrag in der Kette kann viele Tausend Zeitstempel tragen, und die Kosten je Dokument sinken auf einen Bruchteil eines Cents.
Was Zeitstempel für KI-Trainingsdaten leisten
An dieser Stelle müssen wir einen Schritt zurücktreten und die Implikationen für die KI-Krise betrachten. Es gibt ein Phänomen, das KI-Forscher zunehmend beunruhigt: Model Collapse.
Model Collapse beschreibt, was passiert, wenn KI-Systeme auf Daten trainiert werden, die selbst von KI generiert wurden. Dabei können sie Vielfalt verlieren und Fehler verstärken, eine Rückkopplung, die vor allem droht, wenn Modelle überwiegend mit eigenen Ausgaben trainiert werden.
Ist ein großer Teil der neu veröffentlichten Texte KI-generiert, wird das Training zukünftiger KI-Modelle zunehmend kontaminiert. Ersetzen synthetische Daten die echten, droht der Kollaps; kommen sie nur zu den echten hinzu, bleibt er nach Gerstgrasser u. a. (2024) aus. Ein Anker, der „echte“ von „synthetischen“ Daten unterscheidet, hilft deshalb dabei, die Mischung unter Kontrolle zu halten.
Hier kommt Bitcoin ins Spiel – als Zeuge für das Alter von Daten. Ein Dokument, das vor 2020 in der Bitcoin-Blockchain verankert wurde, kann nicht von GPT-4 generiert worden sein – weil GPT-4 damals noch nicht existierte. Ein Foto, das 2015 verankert wurde, kann nicht mit der Technik von 2025 erzeugt worden sein. Ob es 2015 schon gestellt oder bearbeitet war, sagt der Zeitstempel nicht.
Die Blockchain wird damit zu einer zeitlichen Trennlinie gegen synthetische Kontamination. Sie beweist nicht, dass ein Inhalt „echt“ ist im Sinne von „nicht manipuliert“ – das kann kein System leisten. Aber sie beweist, dass ein Inhalt spätestens zu einem bestimmten Zeitpunkt existiert hat. Das genügt für eine engere Frage: ob er mit einer Technik entstanden sein kann, die es damals noch nicht gab.
Liegt der Zeitstempel ($t_{\text{timestamp}}$) eines Inhalts vor dem Zeitpunkt $t_{\text{capability}}$, ab dem eine Fälschungstechnik existierte, kann der Inhalt nicht mit dieser Technik erzeugt worden sein. Über seine Echtheit sagt das nichts: Er kann zuvor schon mit anderen Mitteln gefälscht, gestellt oder bearbeitet worden sein, und wer den Hash verankert hat, muss nicht der Urheber sein.
Eigene Setzung: Die Regel ist unsere Verdichtung der Aussage des Protokolls (OpenTimestamps: „A timestamp proves that some data existed prior to some point in time“), keine Messung.
Diese Eigenschaft macht Bitcoin zu einem nützlichen Werkzeug für KI-Trainingsdaten. Forscher können Datensätze kuratieren, deren Zeitstempel vor dem Aufkommen generativer KI liegen – „Pre-AI-Corpora“, die frei von Texten sind, die mit dieser Technik entstanden. Diese Korpora gelten als wertvoll, weil sich nicht mehr sicher sagen lässt, wie viel des offenen Internets von Maschinen stammt.
Bitcoin ist nicht nur das härteste Geld. Es ist das härteste Datum – ein Beweis dafür, wann etwas spätestens existiert hat.
– BitAtlas, das härteste DatumFür die wissenschaftliche Integrität folgt daraus dasselbe: Wo Aufsätze, Daten und Gutachten synthetisch erzeugt werden können, wird der Nachweis wichtiger, wann etwas vorlag. Die Folgerung ist unsere.
Doch wie genau funktioniert dieser Mechanismus? Wie kommt ein Hash von meinem Laptop in die Bitcoin-Blockchain – und wie kann ich später beweisen, dass mein Dokument dort verankert ist? Die Antwort liegt in einem eleganten kryptographischen Protokoll namens OpenTimestamps.
OpenTimestamps – Ein Beweis, den du selbst prüfst
OpenTimestamps ist ein offenes Protokoll von Peter Todd, im September 2016 als öffentliche Alpha vorgestellt (Ankündigung). Es löst ein Problem, das auf den ersten Blick trivial erscheint, aber tiefgreifende Konsequenzen hat: Wie beweist man, dass eine Datei zu einem bestimmten Zeitpunkt existiert hat?
Die traditionelle Antwort – ein Notar, eine Institution, eine zentrale Autorität – leidet unter dem gleichen Problem, das wir in den vorherigen Sektionen diskutiert haben: Sie erfordert Vertrauen. OpenTimestamps verringert dieses Vertrauen stark, indem es die kaum änderbare Zeitordnung der Bitcoin-Blockchain nutzt: Der fertige Beweis lässt sich später ohne den Calendar-Server prüfen.
Der kryptographische Pfad
Der Prozess beginnt lokal, auf deinem Computer. Du hast ein Dokument – sagen wir, einen Vertrag, ein Foto, einen wissenschaftlichen Datensatz. Der erste Schritt ist die Berechnung des SHA-256-Hash dieser Datei. Dieser Hash ist ein 32-Byte-Fingerabdruck, der das Dokument eindeutig identifiziert. Die kleinste Änderung – ein Bit, ein Pixel, ein Leerzeichen – würde den Hash komplett verändern.
Dieser lokale Hash wird dann an einen Calendar-Server gesendet – einen öffentlichen Dienst, der Timestamp-Anfragen sammelt. Der Calendar-Server macht etwas Cleveres: Er wartet nicht darauf, jeden einzelnen Hash in die Blockchain zu schreiben. Stattdessen sammelt er tausende Anfragen und kombiniert sie in einem Merkle-Baum.
Der Pfad eines Timestamps: (1) Das Dokument wird lokal zu $h_{\text{lokal}}$ gehasht. (2) Der lokale Hash wird mit anderen Hashes in einem Merkle-Baum kombiniert, dessen Wurzel $h_{\text{root}}$ ist. (3) Diese Wurzel wird via OP_RETURN in Bitcoin-Block $n$ verankert. Der Beweis enthält den „Pfad“ durch den Merkle-Baum, der $h_{\text{lokal}}$ mit $h_{\text{root}}$ verbindet.
Quelle: OpenTimestamps Protocol Specification | Peter Todd, „OpenTimestamps: Scalable, Trust-Minimized, Distributed Timestamping with Bitcoin“ (15.09.2016)
Der Merkle-Baum macht den Beweis kurz
Ein Merkle-Baum ist eine binäre Baumstruktur, in der jeder Blatt-Knoten ein Hash eines Datensatzes ist, und jeder Nicht-Blatt-Knoten der Hash seiner beiden Kinder. Die Wurzel des Baums – der Merkle Root – ist ein einziger Hash, der die Integrität aller darunter liegenden Daten zusammenfasst.
Die entscheidende Eigenschaft: Um zu beweisen, dass ein bestimmter Hash im Baum enthalten ist, brauche ich nicht den gesamten Baum. Ich brauche nur den Merkle-Pfad – eine Sequenz von Geschwister-Hashes auf dem Weg von meinem Blatt zur Wurzel. Bei einem Baum mit einer Million Blättern besteht dieser Pfad aus nur 20 Hashes (log₂ von 1 Million ≈ 20).
Quelle: Merkle, R. (1987). „A Digital Signature Based on a Conventional Encryption Function“, Crypto ’87 (Tagungsband 1988). Die drei Zahlen darüber sind Rechnung, nicht Messung: log₂ von einer Million ist 19,93, aufgerundet 20 Hashes; 20 × 32 Byte ergeben 640 Byte
Diese logarithmische Skalierung ist der Grund, warum OpenTimestamps so effizient ist. Egal ob 100 oder 100 Millionen Dokumente timestamped werden – in der Blockchain selbst wird nur ein einziger Hash verankert. Die individuelle Beweisführung erfolgt offline, mit dem Merkle-Pfad, der jedem Nutzer zurückgegeben wird.
Die Kosten der Wahrheit
Hier kommen wir zu einem der bemerkenswertesten Aspekte von OpenTimestamps: den Kosten. Oder besser gesagt: dem Fehlen von Kosten.
Die öffentlichen Calendar-Server von OpenTimestamps sind kostenlos. Du kannst Dokumente timestampen, ohne einen Satoshi zu bezahlen. Wie ist das möglich? Die Bitcoin-Transaktion zahlt der Betreiber des Calendar-Servers. Weil sie tausende Zeitstempel trägt, bleibt sie so billig, dass Spenden sie decken.
Eine OP_RETURN-Transaktion kostet in einer Beispielrechnung etwa 1-5 Satoshi pro Byte, also rund 200-1.000 Satoshis für eine komplette Transaktion. In Euro teilt man den Kurs durch 100 Millionen: Beim Kurs vom 17.09.2026 (66.632 €) sind das 0,13-0,67 €. Wenn diese Transaktion 10.000 Dokumente in einem Merkle-Baum verankert, kostet jeder einzelne Timestamp rechnerisch 0,000013 bis 0,000067 € – ein paar Tausendstel Cent. Und dennoch trägt jeder Timestamp den Arbeitsnachweis des Bitcoin-Netzwerks.
Das ist ein deutlicher Unterschied zu einer Beglaubigung durch eine Stelle, die dafür Gebühren nimmt: Die Calendar-Server verlangen derzeit nichts (Selbstauskunft: kostenlos, finanziert durch Spenden; eine Garantie gibt es nicht). Eine Studentin in Lagos kann ihre Forschungsdaten genauso verankern wie ein Konzern in New York – zu denselben Kosten (derzeit null für den Nutzer) und mit demselben Arbeitsnachweis dahinter.
Der Beweis in der Praxis
Wie sieht ein OpenTimestamp-Beweis konkret aus? Lass uns den Prozess Schritt für Schritt durchgehen (Hash und Dateiname sind Beispiele; Block 878234 wurde am 07.01.2025 gefunden):
1. Hash ansehen (optional):
$ sha256sum vertrag.pdf
→ a3f2b8c9d4e5f6a7b8c9d0e1f2a3b4c5d6e7f8a9b0c1d2e3f4a5b6c7d8e9f0a1 vertrag.pdf
─────────────────────────────────────────
2. Timestamp anfordern:
$ ots stamp vertrag.pdf
→ Submitting to remote calendar https://a.pool.opentimestamps.org
→ vertrag.pdf.ots liegt jetzt neben der Datei
─────────────────────────────────────────
3. Nach einigen Stunden vervollständigen:
$ ots upgrade vertrag.pdf.ots
→ Success! Timestamp is complete
─────────────────────────────────────────
4. Verifizieren (mit einem Bitcoin-Knoten):
$ ots verify vertrag.pdf.ots
→ Success! Bitcoin block 878234 attests existence as of 2025-01-07 CET
Die Datei vertrag.pdf.ots enthält den Merkle-Pfad – die Sequenz von Hashes und Operationen, die den lokalen Hash mit der in Bitcoin verankerten Wurzel verbinden. Diese Datei ist der Beweis. Sie kann offline gespeichert, kopiert, archiviert werden. Bewahre beide unverändert auf: Schon ein erneutes Speichern ändert den Hash, und der Stempel passt nicht mehr. Um sie zu verifizieren, braucht man die Original-Datei, die .ots-Datei und einen Bitcoin-Knoten (laut OpenTimestamps-Client genügt ein beschnittener Knoten). Ein frisch erzeugter Stempel ist zunächst nur „Pending“ und wird nach einigen Stunden mit ots upgrade vervollständigt.
Die Grenzen des Systems
OpenTimestamps ist mächtig, aber es ist wichtig, seine Grenzen zu verstehen. Das System beweist, dass Daten spätestens zu einem Zeitpunkt existierten – nicht mehr und nicht weniger.
Es beweist nicht, dass der Inhalt wahr ist. Ein gefälschtes Dokument kann genauso timestamped werden wie ein echtes. Es beweist nicht, wer das Dokument erstellt hat – nur dass es spätestens zum Zeitpunkt des Timestamps existiert hat. Und es beweist nicht, dass das Dokument nicht vorher existiert hat – ein fehlender Timestamp bedeutet nicht, dass etwas nicht existierte. Auch die Zeit ist die des Blocks: Miner dürfen sie bis zu zwei Stunden in die Zukunft setzen (MAX_FUTURE_BLOCK_TIME in Bitcoin Core), und sie muss nur über dem Median der letzten elf Blöcke liegen, kann also auch deutlich vor dem tatsächlichen Fund liegen, und ein frischer Stempel wird erst nach Stunden bestätigt. Auf die Minute genau ist die Angabe daher nicht.
Was OpenTimestamps beweist – und was nicht
Klarheit über die Reichweite des Protokolls.
OpenTimestamps BEWEIST:
- Existenz spätestens zu Zeitpunkt X
- Unverändertheit seit Zeitpunkt X
- Reihenfolge zwischen Blöcken: früherer Block, früherer Zeitpunkt
- Kryptographische Bindung an BTC-Block
OpenTimestamps BEWEIST NICHT:
- Wahrheit des Inhalts
- Identität des Erstellers
- Nicht-Existenz vor Zeitpunkt X
- Rechtliche Verbindlichkeit
Quelle: OpenTimestamps – Projektseite, Abschnitt „How it works“ | OpenTimestamps-Client, Readme (Usage)
Diese Grenzen sind ehrliche Einschränkungen eines Systems, das genau das tut, was es verspricht, und innerhalb dieser Grenzen ist OpenTimestamps ein starkes Werkzeug. Es ermöglicht:
Wissenschaftliche Integrität: Forscher können ihre Daten und Hypothesen timestampen, bevor sie Experimente durchführen – ein Beleg dafür, was vor dem Experiment feststand, gegen P-Hacking und nachträgliche Hypothesenanpassung.
Journalistische Beweissicherung: Reporter können Rohmaterial sofort verankern – bevor es bearbeitet, kontextualisiert oder angezweifelt wird.
Vertragliche Dokumentation: Unternehmen können den Stand von Dokumenten zu kritischen Zeitpunkten zusätzlich belegen. Gesetzlich vorgeschriebene Formen ersetzt das nicht.
Geistiges Eigentum: Erfinder und Künstler können belegen, dass ihre Idee schon vorlag – Jahre bevor ein Patent erteilt oder ein Copyright registriert wird. Ob ein Gericht das als Priorität anerkennt, ist eine andere Frage.
In einer Welt der synthetischen Realitäten ist Zeit ein starker Anker. OpenTimestamps verwandelt die Bitcoin-Blockchain in eine globale, dezentrale Zeitmarke, die sich nur mit enormer Rechenarbeit zurückdrehen lässt – auf Stunden genau, nicht auf die Sekunde, für jeden zugänglich, von keiner einzelnen Stelle kontrolliert.
– BitAtlas, temporale EinordnungDie Zukunft: Mehr als nur Zeitstempel
OpenTimestamps ist ein Timestamping-Protokoll auf Bitcoin, aber nicht das einzige. Das Ökosystem entwickelt sich weiter. Projekte wie RGB und Taproot Assets erweitern die Möglichkeiten, Daten und Verträge an Bitcoin-Transaktionen zu knüpfen.
Doch der grundlegende Mechanismus bleibt derselbe: Bitcoin als Anker für Zeitpunkte, geschützt durch Arbeitsnachweis. Jeder neue Block hängt einen weiteren Zeitpunkt an die Kette, und jeder weitere Block macht das Ändern der früheren teurer.
Im nächsten Abschnitt gehen wir einen Schritt weiter. Wir sehen uns an, wie KI-Systeme beginnen könnten, Bitcoin als Zahlungsschiene für maschinelle Intelligenz zu nutzen. Das Lightning Network, L402, und die aufkommende Symbiose zwischen KI-Agents und Bitcoin-Mikrozahlungen. Mensch und Maschine müssen keine Gegner sein; beide können auf dieselbe Zeitordnung bauen.
Die Symbiose: KI-Agenten & Lightning
Seit 2023 gibt es Werkzeuge, mit denen KI-Agenten Lightning-Rechnungen selbst bezahlen können: Lightning Labs stellte dafür LangChainBitcoin vor, eine Anbindung an das Agenten-Framework LangChain.
Dahinter steht ein Protokoll mit dem unscheinbaren Namen L402. Es erlaubt Maschinen, Zugang zu Diensten direkt per Lightning zu bezahlen, ohne Konto.
Das Problem der maschinellen Autonomie
Um zu verstehen, warum L402 interessant ist, müssen wir zuerst verstehen, welches Problem es löst. Stellen wir uns einen KI-Agenten vor – ein autonomes System, das Aufgaben für einen Menschen erledigt. Vielleicht recherchiert es Informationen, schreibt Code, oder koordiniert andere KI-Systeme.
Dieser Agent braucht Ressourcen: API-Zugang, Rechenleistung, Daten. Im traditionellen System müsste der Agent auf das Kreditkarten-Konto seines Besitzers zugreifen. Doch das ist problematisch. Kreditkarten erfordern menschliche Identität. Sie haben Mindestbeträge. Sie sind langsam (Settlement in Tagen). Und sie sind für Maschinen kaum zugänglich – eine KI kann kein Bankkonto eröffnen.
Das traditionelle Finanzsystem basiert auf menschlicher Identität. Jedes Konto, jede Karte, jede Zahlung ist an einen Menschen gebunden. Doch KI-Agenten sind keine Menschen. Sie haben keine Pässe, keine Adressen, keine Unterschriften. Im herkömmlichen Zahlungsverkehr zahlt ein Agent deshalb über das Konto seines Besitzers; ein eigenes Konto kann er nicht eröffnen.
Das Lightning Network löst dieses Problem auf elegante Weise. Lightning-Zahlungen brauchen keine Identität, nur einen kryptographischen Schlüssel (und einen Kanal). Eine KI kann einen solchen Schlüssel genauso besitzen wie ein Mensch. Und sie kann ihn nutzen, um Mikrozahlungen in Echtzeit durchzuführen – in Sekunden, mit sehr kleinen Mindestbeträgen und ohne dass ein Mensch jede Zahlung freigibt.
L402: Die Sprache der Maschinen-Ökonomie
L402 (früher bekannt als LSAT – Lightning Service Authentication Tokens) ist ein Protokoll, das HTTP mit Lightning-Zahlungen verbindet. Die Idee ist bestechend simpel: Statt eines traditionellen API-Keys, der monatlich abgerechnet wird, erhält der Nutzer (oder die KI) bei jeder Anfrage einen Zahlungsauftrag. Erst nach Begleichung wird die Ressource freigegeben.
Der Flow: (1) Server antwortet mit HTTP 402 „Payment Required“ und sendet ein Macaroon (Capability-Token) plus Lightning-Invoice. (2) Client bezahlt die Invoice und erhält ein Preimage (kryptographischer Beweis). (3) Client sendet Macaroon + Preimage an Server. (4) Server gewährt Zugang. Die Sequenz besteht aus zwei Anfragen und einer Lightning-Zahlung.
Quelle: Lightning Labs, L402 – Lightning HTTP 402 Protocol | Lightning Labs, LangChainBitcoin
Was macht das besonders? Drei Dinge: Granularität – Zahlungen können beliebig klein sein (einzelne Satoshis). Geschwindigkeit – Settlement in der Regel binnen Sekunden, nicht Tagen. Und Permissionlessness – keine Registrierung, keine KYC, keine menschliche Genehmigung erforderlich.
Für KI-Agenten bedeutet das: Sie können sofort, autonom und in beliebiger Granularität für Ressourcen bezahlen. Ein Agent, der eine API-Anfrage stellt, bezahlt genau für diese eine Anfrage – nicht für einen Monatsplan, den er vielleicht nicht ausschöpft. Ein Agent, der Rechenleistung braucht, bezahlt pro Sekunde, pro Gigabyte, pro Inference.
Die Ökonomie der Mikrozahlungen
Sieh dir die Zahlen an (sie sind nicht gleichartig und zeigen nur die Größenordnung). Im traditionellen System haben Zahlungen einen Floor – einen Mindestbetrag, unter dem sich die Transaktion nicht lohnt. Bei Kartenzahlungen kommen zu den prozentualen Entgelten feste Beträge hinzu: Stripe verlangt in Deutschland für Standardkarten aus dem EWR 1,5 % plus 0,25 €, in den USA 2,9 % plus 0,30 $. Für Zahlungen im Bereich weniger Cent lohnt sich das nicht.
Im Lightning Network gibt es praktisch keinen Floor. Eine Zahlung von einem Satoshi, dem hundertmillionsten Teil eines Bitcoin, ist genauso möglich wie eine Zahlung von einer Million Satoshis. Die Gebühren bestehen aus einem kleinen Grundbetrag und einem Anteil; bei Kleinstbeträgen fällt das kaum ins Gewicht.
Quelle: Stripe Preise Deutschland (abgerufen 19.10.2026) | Verordnung (EU) 2015/751, Art. 3 und 4: das Interbankenentgelt ist in der EU auf 0,2 Prozent bei Debit- und 0,3 Prozent bei Kreditkarten gedeckelt — bei 10 Dollar sind das 2 bis 3 Cent. Was ein Händler insgesamt zahlt, liegt darüber, weil Netz- und Acquirer-Entgelte hinzukommen | 1ML, Lightning Network Statistics — das Haus veröffentlicht laufende Netzstatistiken samt Gebührensätzen; eine „Fee Analysis“ als eigenes Dokument gibt es dort nicht. Die Spanne von 1 bis 10 Sats ist unsere Größenordnung | Stand: 11.09.2026
Der Unterschied ist groß: Lightning ermöglicht Geschäftsmodelle, die bei Kartenzahlungen wirtschaftlich nicht aufgehen. Ein KI-Service, der pro API-Call abrechnet, kann im Lightning-System einen Bruchteil eines Cents verlangen. Bei Kartenzahlungen würden die festen Gebühren den Umsatz übersteigen.
Wie weit die Praxis ist
Wie weit die Praxis ist, zeigt ein Blick auf den Markt für dezentrale KI-Rechenleistung:
Akash Network – ein dezentrales Cloud-Computing-Netzwerk – vermietet Rechenleistung ohne zentralen Anbieter. Nach dem Jahresbericht 2025 laufen im Netzwerk über 1.000 GPUs, und die Ausgaben im Netzwerk stiegen 2025 um 128 % auf 3,15 Millionen US-Dollar. Bezahlt wird dort in AKT und Stablecoins; Bitcoin und Lightning kommen im Bericht nicht vor. Für Lightning gibt es hier also keinen Beleg, wohl aber einen wachsenden Markt, den ein Maschinen-Zahlungsmittel erreichen könnte.
Eine Abrechnung je Abfrage statt je Monatsplan ist mit L402 technisch möglich; einen Anbieter im großen Maßstab können wir dafür bislang nicht belegen.
Quelle: Akash Network, „2025 Year in Review“ — „1,000+ GPUs deployed across the network“, „Total USD network spend grew 128% to $3.15 million“; bezahlt wird in AKT und USDC, Bitcoin und Lightning kommen im Bericht nicht vor | Stand: 19.10.2026
Dies sind erste Schritte, und wie weit sie tragen, ist offen. Sollten einmal viele KI-Agenten autonom operieren, könnte das Lightning Network zu einem Zahlungskanal für Maschinen werden – dem Weg, auf dem Wert fließt, Ressourcen vergeben werden und Maschinen miteinander handeln.
KI braucht kein Bankkonto. Ihr genügen ein Schlüssel und Guthaben in einem Lightning-Kanal, das jemand vorher bereitstellen muss. In einer Welt autonomer Agenten könnte Bitcoin mehr sein als Geld: eine Zahlungsinfrastruktur für Maschinen.
– BitAtlas, die maschinelle SouveränitätDoch diese Entwicklung wirft eine tiefere Frage auf: Wenn KI-Systeme immer mehr Rechenleistung brauchen, und Bitcoin-Mining ebenfalls gewaltige Mengen an Energie verbraucht – stehen die beiden in Konkurrenz? Oder gibt es eine Symbiose, die beide Systeme stärker macht?
Die Antwort führt uns zur letzten Sektion dieses Monuments: Die energetische Konvergenz von Bitcoin und KI.
Energetische Konvergenz
Es gibt eine Zahl, die in jeder Diskussion über Bitcoin fällt – meist als Kritik, manchmal als Verteidigung: 138 Terawattstunden pro Jahr. Das ist der geschätzte Energieverbrauch des Bitcoin-Netzwerks. Es klingt nach viel. Es ist viel.
Doch diese Zahl existiert nicht im Vakuum. Sie muss in Relation gesetzt werden – zu der Infrastruktur, in der sie selbst steckt: Rechenzentren, Künstliche Intelligenz und Kryptowährungen zusammen.
Quelle: IEA, „Electricity 2024 – Analysis and forecast to 2026“ — im Wortlaut: „we expect global electricity consumption of data centres, cryptocurrencies and artificial intelligence to range between 620-1 050 TWh in 2026, with our base case for demand at just over 800 TWh – up from 460 TWh in 2022“ — der Wortlaut steht im PDF des Berichts | Cambridge Digital Mining Industry Report (28.04.2025) — daher der Bitcoin-Wert von 138 TWh und die 0,5 %. Die Berichtszahl bleibt trotzdem die Grundlage, und der Bericht sagt auch, worauf sie beruht: auf einer Erhebung unter 49 Mining-Unternehmen mit Anlagen in 23 Ländern, die zusammen 48 Prozent der weltweiten Mining-Aktivität abdecken. Wer sie gegen den laufenden Index hält, vergleicht zwei Verfahren.
Die Zahlen sind hoch. Rechenzentren, KI und Krypto zusammen kommen nach dem Basisfall der IEA für 2026 auf gut 800 TWh; darin stecken nach derselben Rechnung rund 160 TWh für Kryptowährungen, also Bitcoin und andere. Die Gruppe wächst von 460 TWh im Jahr 2022 auf gut 800 TWh im Jahr 2026 — rund 15 Prozent im Jahr.
Auf den ersten Blick scheinen Bitcoin und KI um dieselbe Ressource zu konkurrieren: Energie. Doch bei genauerem Hinsehen ergibt sich ein anderes Bild: Bitcoin-Mining und KI-Rechenzentren können einander ergänzen.
Das Lastprofil-Problem
Um die Symbiose zu verstehen, müssen wir über Lastprofile sprechen. Nicht jede Energienachfrage ist gleich. Manche Verbraucher brauchen konstante Leistung rund um die Uhr (Krankenhäuser, Rechenzentren). Andere haben stark schwankende Profile (Industrie tagsüber, Haushalte abends). Und wieder andere können ihre Last flexibel verschieben (Heißwasserspeicher, Batterien).
Bitcoin-Mining fällt in die letzte Kategorie – und das ist entscheidend. Ein Miner kann seine Maschinen binnen Minuten, häufig binnen Sekunden hoch- oder herunterfahren; er verzichtet dann auf die Einnahmen dieser Zeit. Mining ist eine der flexibelsten Lasten, die es gibt.
KI-Training hingegen ist das Gegenteil. Das Training eines großen Sprachmodells dauert Wochen oder Monate. Es erfordert konstante, ununterbrochene Rechenleistung. Jede Unterbrechung kostet die Arbeit seit dem letzten Zwischenstand. KI-Training ist dagegen eine sehr unflexible Last.
Bitcoin-Mining und KI-Training haben komplementäre Lastprofile. Mining kann Stromüberschüsse absorbieren und bei Knappheit sofort abschalten. KI-Training braucht konstante Baseload-Versorgung. Zusammen ermöglichen sie eine Auslastung von Energieinfrastruktur, die für jeden Sektor allein schwer zu erreichen wäre.
Zwei Beispiele aus der Praxis
Wie sich überschüssige Energie in Rechenleistung verwandeln lässt, zeigt das Beispiel von Crusoe Energy, das mit Flaregas begann und heute KI-Rechenzentren baut:
Crusoe Energy in Texas begann mit Flaregas – Erdgas, das an Ölförderanlagen sonst abgefackelt würde. Ein Motor verbrannte das Gas und speiste den Strom in mobile Rechenzentren, die sich für gewöhnliche Aufgaben ebenso nutzen ließen wie für Bitcoin (Beitrag des Unternehmens vom 31.03.2021). Heute baut Crusoe große Rechenzentren für KI; Bitcoin-Mining kommt in den aktuellen Mitteilungen nicht mehr vor.
Fallstudien: Strom, Abwärme und Rechenzentren
Zwei Beispiele, wie Rechenzentren überschüssige Energie und Abwärme nutzen.
Crusoe Energy
Texas, USAFlaregas → Strom → Rechenleistung, nach dem Newsroom-Beitrag vom 31.03.2021. Eine Kapazitätsangabe nennt das Haus dort nicht; heute baut es Rechenzentren für KI.
VNET Group
ChinaAbwärme → Warmwasser. Einzelne Rechenzentren gewinnen laut Geschäftsbericht Wärme aus der Abluft für Brauchwasser zurück; Bitcoin-Mining kommt darin nicht vor.
Quellen: Crusoe Energy, Newsroom-Beitrag vom 31.03.2021 — der einzige abrufbare Beitrag des Hauses zur Sache; Newsroom (Stand 12.09.2026): Flaregas und Bitcoin kommen nicht mehr vor, die 28 Einträge des Jahres 2026 handeln von KI-Rechenzentren | VNET Group, Geschäftsbericht als Form 20-F für 2025 — bei der SEC, Stand 27.09.2026: Wärmerückgewinnung aus der Abluft einzelner Rechenzentren für Brauchwasser; „bitcoin“ und „crypto“ kommen im ganzen Bericht nicht vor
Die Netzstabilisierung
Es gibt einen zweiten Berührungspunkt. Weil Miner ihre Last schnell anpassen können, lassen sie sich als flexible Verbraucher in Stromnetze einbinden – und damit indirekt auch für KI-Infrastruktur nutzen.
Der Mechanismus: In Zeiten von Überschuss (z. B. bei starkem Wind) nehmen sie den überschüssigen Strom ab. In Zeiten von Knappheit (z. B. bei Hitzewellen mit hohem Kühlbedarf) schalten sie ab und geben Kapazität frei. Das kann die Netzlast glätten — beziffern lässt sich das aus den uns zugänglichen Quellen nicht.
Die Netzlast ($P_{\text{Grid}}$) setzt sich aus Grundlast, KI-Last ($P_{\text{KI}}$) und der flexiblen Mining-Last ($P_{\text{Mining}}$) zusammen. Der Faktor $f(t)$ variiert zwischen 0 (Mining aus) und 1 (volle Kapazität) – gesteuert durch Echtzeit-Preissignale. Weil Miner ihren Anteil bei knappem Angebot zurückfahren, fängt dieser Summand einen Teil der Schwankungen auf; ob die Last für KI dadurch gedeckt bleibt, hängt von Netz und Preisen ab.
Quelle: Die Gleichung ist unsere Darstellung des Mechanismus; beziffern lässt er sich aus den uns zugänglichen Quellen nicht. IEA, Electricity 2025 — Executive Summary, abgerufen am 25.09.2026, beschreibt den wachsenden Strombedarf von Rechenzentren; ERCOT und Bitcoin-Mining nennt der Bericht nicht
Was bedeutet das für KI? Es könnte bedeuten, dass Bitcoin-Mining Anlagen für erneuerbare Energien und flexible Infrastruktur mitfinanziert, die sonst nicht rentabel wären – Kapazitäten, die dann auch KI-Rechenzentren zur Verfügung stünden.
Bitcoin-Miner müssen nicht die Feinde des Stromnetzes sein. Als flexible Last können sie sich wie Batterien verhalten.
– BitAtlas, die energetische SymbioseBitcoin-Mining und KI-Rechenzentren treffen sich an einem gemeinsamen Punkt: Beide suchen billigen Strom, der eine verlässlich rund um die Uhr, der andere gern zu Zeiten des Überschusses. Ob sie sich ergänzen oder in die Quere kommen, zeigt sich an einzelnen Standorten und an den Strompreisen.
Bitcoin verankert Zeitpunkte durch Arbeitsnachweis. KI erzeugt synthetische Realitäten. Der Zeitstempel kann nicht sagen, was echt ist, aber er kann zeigen, was früher da war als die Fälschungstechnik.
Epilog: Der Anker Zeit
Wir stehen an einem Wendepunkt: Die Fähigkeit, Realität synthetisch zu erzeugen, verändert unsere Beziehung zur Wahrheit, zur Identität, zum Vertrauen.
In einer Welt, in der rund die Hälfte der neuen englischsprachigen Texte überwiegend von Maschinen geschrieben wird und in der Deepfakes laut Signicat-Befragung in drei Jahren um 2137 % zugenommen haben – in dieser Welt stellt sich die Frage, welchen Anker wir brauchen.
Die zwei Pfade
Es gibt zwei Antworten auf die Krise der digitalen Wahrheit. Zwei verschiedene Visionen davon, wie wir mit der Flut synthetischer Realitäten umgehen können.
Der erste Pfad setzt auf Stellen, die prüfen und bestätigen: Behörden, Plattformen, Redaktionen, Detektoren. Das funktioniert, solange man ihnen vertraut und sie sich nicht täuschen lassen. Fällt die Stelle aus, wird sie gehackt oder ist sie nicht neutral, hat der Einzelne wenig in der Hand.
Dieser Pfad hat einen Preis: die Souveränität des Einzelnen. Wer bestätigt, was gilt, hat Macht über das, was als bewiesen gilt.
Der zentralisierte Pfad
- Zeitangabe durch eine Stelle
- Vertrauen in ihre Aufsicht
- Kontrolle durch wenige
- Schnell und rechtlich anerkannt
- Abhängig von dieser Stelle
Der dezentrale Pfad
- Zeitpunkt durch Arbeitsnachweis
- Prüfbar mit eigener Software
- Kontrolle durch keine einzelne Stelle
- Aufwendiger, rechtlich offen
- Teuer zu überschreiben, solange die Mehrheit ehrlich arbeitet
Der zweite Pfad führt zu dezentraler Verifizierung. Hier entscheidet keine Institution, was wahr ist. Prüfen lässt sich, was sich prüfen lässt: seit wann etwas existiert und ob es verändert wurde.
Dieser Pfad ist schwieriger. Er erfordert, dass wir Verantwortung übernehmen für unsere eigene Verifizierung. Er erfordert, dass wir die Werkzeuge verstehen und nutzen. Er erfordert Souveränität, und die gibt es nur als Aufgabe.
Bitcoin als Anker
Bitcoin ist ein Werkzeug für diesen zweiten Pfad. Es ist weder perfekt, noch löst es alle Probleme. Aber die Kette setzt mit mehr als 900 EH/s sehr viel Rechenleistung gegen jede Änderung, und ihre Fortschreibung kontrolliert keine einzelne Stelle: Wer einen Zeitpunkt dort verankert, kann ihn später ohne fremde Erlaubnis belegen.
Die Blockchain ist kein Speicher für Fakten. Sie ist ein Zeitstempel, den jeder nachprüfen kann. Sie sagt nicht, was wahr ist, aber sie belegt, dass etwas spätestens zu einem Zeitpunkt existiert hat. Und in einer Welt der synthetischen Realitäten ist Zeit ein starker Anker.
Ein Foto, das 2015 timestamped wurde, kann nicht mit der Technologie von 2025 erzeugt worden sein – ob es 2015 echt war, sagt der Stempel nicht. Ein Vertrag, der im Block 700.000 verankert wurde, lag spätestens zu dessen Zeit vor – wie viel früher, sagt der Stempel nicht. Ein wissenschaftlicher Datensatz, der vor dem Release von GPT-4 timestamped wurde, kann nicht von GPT-4 generiert worden sein.
In einer Welt, in der alles gefälscht werden kann, bleibt die Zeit ein starker Anker. Und Bitcoin ist eine Zeitmarke, die sich nur mit enormer Rechenarbeit zurückdrehen lässt.
– BitAtlas, das finale ArgumentDie Entscheidung
Dieses Monument hat dich durch eine Reise geführt – von der Krise des toten Internets über die Thermodynamik der Information bis zur Symbiose von Bitcoin und KI. Du weißt jetzt, warum das Problem existiert und was ein Zeitstempel dazu beitragen kann.
Wenn dir etwas wichtig genug ist, dass es in zwei Jahren beweisbar älter sein soll als jede Fälschung – ein Vertragsentwurf, eine Rohaufnahme, ein Forschungsplan –, dann stempelst du es heute. Das kostet nichts: Die öffentlichen Calendar-Server nehmen es ohne Konto an.
Oder reicht dir, dass eine Stelle bestätigt, wann es das Dokument gab? Beides hat seinen Platz: Der Stempel ersetzt weder Notar noch Faktencheck.
Die Antwort betrifft nicht nur dich selbst. Je mehr Menschen ihre Dokumente selbst verankern, desto weniger hängt davon ab, dass eine Stelle für alle entscheidet, was als bewiesen gilt.
Bitcoin fragt nicht um Erlaubnis: Jeder kann einen Hash verankern, ohne dass eine Stelle zustimmen muss. Die Blöcke entstehen im Schnitt alle zehn Minuten, ob du die Kette nutzt oder nicht.
Die Frage, die bleibt: Verankerst du, was dir wichtig ist?
$ Lade verifizierte Hardware-Liste…
✓ BitAtlas Select verfügbar.
Der nächste Schritt
Du hast gesehen, warum ein Zeitstempel in der Bitcoin-Kette schwer zu überschreiben ist. Willst du selbst einsteigen? Der erste Schritt ist ein Sparplan, den du selbst kontrollierst. Umbrel ist dabei unser Referenzsystem für die Node-Software, nicht unser Betrieb. BitBox02, Seedor und 21bitcoin sind Partner von BitAtlas; für vermittelte Kunden erhalten wir eine Vergütung.
Quellenverzeichnis
Die in diesem Monument verwendeten Quellen – Primärquellen zuerst, Zweitquellen als solche benannt.
[QUELLE 1] Deepfakes & KI-Statistiken
[QUELLE 2] Thermodynamik & Information
[QUELLE 3] OpenTimestamps & Zeitstempel
[QUELLE 4] Lightning & L402
[QUELLE 5] Energie & Mining
[QUELLE 6] Fallstudien & Unternehmen
- Crusoe Energy – Newsroom — das Verzeichnis der Unternehmensmitteilungen.
- VNET Group – Geschäftsbericht (Form 20-F) für 2025
Geschrieben mit der Überzeugung, dass sich Wahrheit nicht verordnen, sondern nur nachprüfen lässt.
George V. – Herausgeber, BitAtlas