Dieser KI-Chatbot ist auf Top-Krypto-Trader trainiert – kann er einen Vorteil bieten?

Das Blockchain-Analyseunternehmen Nansen hat am Donnerstag mit der Einführung von Nansen AI einen weiteren Schritt in Richtung KI unternommen. Dabei handelt es sich um einen Chatbot, der auf seinem riesigen Datensatz von markierten Wallets über mehr als zwei Dutzend Chains hinweg trainiert wurde.

Das Tool basiert auf Claude, dem Sprachmodell von Anthropic, ist jedoch mit Nansens proprietärer On-Chain-Intelligenz angereichert – und bietet den Nutzern eine konversationelle Schnittstelle zu Markttrends und Wallet-Verhalten anstelle herkömmlicher Diagramme und Dashboards.

Zum Start wird der Bot als Rechercheassistent positioniert: Nutzer können ihn nach Handelssignalen fragen, sich Wallet-Flows erklären lassen oder Aktivitäten von Smart Money identifizieren. Das ehrgeizigere Versprechen folgt später: Nansen plant, die Möglichkeit zur Ausführung von Trades hinzuzufügen, allerdings mit menschlicher Bestätigung. Um die Akzeptanz zu fördern, hat das Unternehmen den Abonnementpreis von 99 $ auf 69 $ pro Monat gesenkt.

Was es kann – und (noch) nicht kann

Nansen erklärte, dass seine KI im Hintergrund auf den Datenvorteil des Unternehmens setzt: Über 500 Millionen markierte Adressen liefern dem Modell Identitäts- und Verhaltenskontext für die Vorhersagen. Aufgrund dieses spezialisierten Inputs behauptet das Unternehmen, dass der Agent bei krypto-spezifischen Prognoseaufgaben besser abschneidet als allgemeine Modelle wie ChatGPT oder Grok.

Der Agent unterstützt derzeit Portfolio-Kontext (zum Beispiel Ethereum- und EVM-Chain-Wallets). Die Ausführung ist für später geplant; wenn sie aktiviert ist, wird der Agent Trades vorschlagen, aber eine Bestätigung des Nutzers verlangen, bevor eine Transaktion gesendet wird. Nansen plant, die „Core Loop“ zu validieren, bevor autonome Abläufe ermöglicht werden.

Trotz des Launch-Rummels hat Nansen kein technisches Whitepaper veröffentlicht. Es gibt noch keine öffentliche Offenlegung zur Genauigkeit, Falsch-Positiv-Rate, Robustheit oder zu adversarialen Tests des Agents. Diese Intransparenz wirft die Frage auf: Handelt es sich hierbei in erster Linie um einen PR-Schachzug für das Produkt und weniger um eine wissenschaftliche Veröffentlichung?

Risiken und Herausforderungen

Nansens KI-Initiative birgt inhärente Risiken – nicht zuletzt durch adversariales Verhalten im Finanzkontext. Das jüngste akademische Paper „AI Agents in Cryptoland: Practical Attacks and No Silver Bullet“ warnt vor Kontextmanipulation, bei der Angreifer den Prompt-Verlauf oder das Gedächtnis manipulieren, um den Agenten zu schädlichen Handlungen oder falschen Prognosen zu verleiten.

Agentische Handelssysteme müssen sich gegen Halluzinationen und unautorisierte Ausführungen schützen – insbesondere in einem volatilen Kryptoumfeld. Nansens Verpflichtung zur menschlichen Bestätigung von Trades ist eine Schutzmaßnahme, aber ob sie in Hochgeschwindigkeitsmärkten ausreicht, ist noch nicht getestet.

Eine weitere Herausforderung ist die Veralterung oder Verzerrung von Daten. Der Wert markierter Adressen nimmt mit der Zeit ab; wenn die Bot-Empfehlungen auf veralteten Mustern basieren, könnten Nutzer in die Irre geführt werden. Und da die Leistungsansprüche des Modells noch nicht transparent sind, haben Nutzer nur begrenzte Möglichkeiten, Ergebnisse unabhängig zu prüfen oder zu verifizieren.

Warum es relevant sein könnte

Wenn Nansen AI tatsächlich schneller zuverlässige Einblicke liefert als die Chartanalyse, könnte dies die Einstiegshürde für den Kryptohandel senken. Ein Nutzer, der fragen kann: „Welche EVM-Wallets akkumulieren heute diesen Token?“ und sofort eine aufbereitete Antwort erhält, ermöglicht auch Nicht-Experten die Teilnahme. Es signalisiert zudem einen breiteren Wandel: Analyseanbieter werden zu Agentenplattformen.

Doch um mehr als nur eine auffällige Demo zu sein, muss Nansen AI beweisen, dass seine Prognosen in Live-Märkten Bestand haben – und dass es adversarialem Stress standhält. Die Krypto-Welt ist besonders unerbittlich, und viele KI-Agenten-Projekte scheitern, wenn echtes Geld im Spiel ist.