Onchain-Privatsphäre wird gerade neu bewertet.
Seit Jahresbeginn dominiert dieses Narrativ die Diskussionen in der Branche: $ZEC (+159 %), $VVV (+1.693 %), $NEAR (+237 %) und $ARX (+122 %) haben sich zu echten Überfliegern in den Portfolios entwickelt, während auch $XMR (+29 %) und $LINK (+22 %) Stärke gezeigt haben.
Wenn wir einen Schritt zurücktreten, sehen wir, dass Privacy Coins und Privacy-Infrastruktur im dritten Quartal durch die Decke gegangen sind – die aggregierte Marktkapitalisierung ist um rund 164 % bzw. 103 % gestiegen.
Und ich sehe nicht, dass dieser Zug so schnell an Fahrt verliert – erst recht nicht, wenn wir uns anschauen, wie sich KI entwickelt.

Marktkapitalisierung der führenden Privacy-Sektoren in Q3
Privatsphäre ist mittlerweile ein zentrales Thema in der gesamten KI-Welt.
Wir haben gesehen, wie Präsident Trump beim Start von America.gov das KI-Portal der Seite als datenschutzfreundlich hervorhob, wie OpenAI wegen der Navier-Stokes-Millenniumspreis-Kontroverse unter Beschuss geriet, wie Investoren wie Jason Calacanis davor warnten, proprietäre Arbeit zentralisierten KI-Plattformen auszusetzen – und es gibt noch unzählige weitere Beispiele.
Alles in allem bin ich überzeugt: Privatsphäre wird in der KI allgegenwärtig werden. Und während sich das abspielt, geht das Transparenz-Kapitel von Crypto zu Ende.
Für beide Bereiche ist die Logik dahinter eigentlich ziemlich simpel.
Warum Crypto Privatsphäre braucht
Fangen wir mit Crypto an.
Institutionen aller Art – von BlackRock und Robinhood bis hin zu Banken, Fonds und Zahlungsanbietern – gehen Onchain.
Jeder Vermögenswert wird tokenisiert, Märkte werden universell zugänglich sein und der Handel läuft 24/7/365.
Und falls du hinter dem Mond lebst: Das alles sind keine neuen Erkenntnisse. Inzwischen handelt es sich um allgemein akzeptierte, unvermeidliche Wahrheiten.
https://x.com/wallstreetbets/status/2105065548111372418
Der Haken dabei: Diese Institutionen wollen ihre Aktivitäten nicht öffentlich machen. Und Onchain-Märkte gelten mangels Privatsphäre als regelrechter Spielplatz für Ausbeutung.
Ganze Kategorien von Anwendungen, Anlagestrategien und institutionellen Workflows bleiben Offchain, weil sie in dem Moment ausgenutzt würden, in dem sie das Netzwerk berühren. Die Folge: Riesige Kapitalmengen bleiben an der Seitenlinie, um genau diese Verwundbarkeit zu vermeiden.
Ein Fonds möchte nicht, dass Konkurrenten ihm beim Aufbau einer Position zuschauen. Ein Unternehmen, das Mitarbeiter in Stablecoins bezahlt, will nicht, dass alle Gehälter öffentlich sichtbar sind. Und wenn du jemandem Geld schickst, sollte das nicht bedeuten, dass diese Person dein gesamtes Konto durchstöbern kann.
Ganz einfach: Je mehr Menschen Crypto für ihre tatsächlichen Finanzen nutzen, desto wichtiger wird Privatsphäre. Genau deshalb arbeiten die OG-Privacy-Teams schon seit über einem Jahrzehnt daran.
https://x.com/milianstx/status/1995883036970258825
Wenn du also die weit verbreitete Überzeugung teilst, dass das gesamte Finanzwesen künftig auf Crypto-Schienen laufen wird – Glückwunsch, dann bist du automatisch auch ein Bull für Onchain-Privatsphäre. Das eine geht ohne das andere schlichtweg nicht.
Und bei der KI bewegt sich das Thema Privatsphäre in dieselbe Richtung, nur schneller – denn Nutzer legen zunehmend ihr gesamtes Leben in die Hände dieser Tools.
Das Yin zum Yang von Crypto
Das Privacy-Problem der KI kommt aus der entgegengesetzten Richtung wie bei Crypto.
Crypto startet mit öffentlichen Schienen und braucht Privatsphäre, damit Menschen diese Schienen für echte finanzielle Aktivitäten nutzen können. KI beginnt mit sensiblen Nutzerdaten und braucht stärkere Datenschutzgarantien, damit Menschen Modellen sicher die Informationen geben können, die sie überhaupt erst nützlich machen.
Das Problem: Heute wird ein Großteil dieser sensiblen Daten noch im Klartext verarbeitet und bleibt für den Modellanbieter einsehbar. Dadurch entsteht das Risiko, dass ein Anbieter hochpersönliche Informationen interpretiert, entscheidet, dass eine Grenze überschritten wurde, und diese ohne Durchsuchungsbefehl, richterliche Prüfung oder ordentliches Verfahren – also ohne das, was wir normalerweise von Strafverfolgungsbehörden erwarten – an Behörden weiterleitet. Datenschutzmechanismen sollten es ermöglichen, echte Sicherheitsrisiken anzugehen, ohne die Unternehmen hinter unseren KI-Assistenten zu De-facto-Ermittlern unseres Privatlebens zu machen.
Das wird umso wichtiger, je mehr KI in hochwertige Workflows mit hohem Einsatz vordringt – denn die nützlichsten Anwendungen sind oft genau die, die die vertraulichsten Daten erfordern.
https://x.com/kimmonismus/status/2106830228404228267
Ein generisches Modell kann beispielsweise eine allgemeine Finanzfrage mit öffentlichen Informationen beantworten. Aber um dir wirklich dabei zu helfen, deine eigenen Finanzen zu verstehen, braucht es viel mehr: Einkommen, Verbindlichkeiten, Kontoauszüge, Steuerunterlagen, Anlagehistorie, persönliche Ziele.
Dasselbe gilt für Unternehmen. Firmen, die es besser wissen, wollen Kundenakten, interne Forschungsergebnisse, Code, juristische Dokumente oder Strategiepräsentationen nicht dem Modellanbieter aussetzen – nur für eine bessere Analyse.
Genau deshalb darf Privatsphäre nicht auf der Anwendungsebene enden. Die Infrastruktur selbst muss sich verändern.
Private Inferenz ist hier einer der wichtigsten Grundbausteine. Das Ziel: Ein Modell soll eine nützliche Antwort liefern können, ohne dass der Infrastrukturbetreiber vollständigen Einblick in Prompt, Dateien oder Output erhält. Nutzer bekommen die Intelligenz, für die sie gekommen sind, behalten aber die Kontrolle über das Material, das zu ihrer Erzeugung genutzt wurde.
Ein anderer Ansatz besteht darin, die Berechnung komplett lokal zu halten. @qvac treibt On-Device-KI voran, bei der Modelle auf deiner eigenen Hardware laufen und sensible Daten auf dem Gerät bleiben, statt an einen Cloud-Anbieter gesendet zu werden.
@0G_labs geht dasselbe Problem von der Infrastrukturseite an – mit privater KI-Inferenz und verschlüsseltem Speicher, die sensible Daten verborgen halten und die Berechnung trotzdem verifizierbar machen.
Hier beginnt auch die Verschmelzung von KI- und Crypto-Privatsphäre.
Bei Crypto sollte das Netzwerk die Transaktion verifizieren, ohne sie allen offenzulegen. Bei KI sollte die Infrastruktur die Berechnung ausführen, ohne den Kontext des Nutzers allen Beteiligten preiszugeben.
Das hat mich neugierig gemacht: Gibt es Startups, die beide Probleme gleichzeitig angehen? Also habe ich mich in den Kaninchenbau begeben und die Privacy-Landschaft beider Branchen erkundet.
Hier sind einige Kategorien und Projekte, bei denen ich spannende Entwicklungen sehe.
Privates Geld
@Zcash hat eine extrem beeindruckende Kampagne im Jahr 2026 hingelegt.
Was die jüngste Entwicklung so interessant macht (abgesehen von all den technischen Meilensteinen wie Orchard und Halo 2, Unified Addresses und Ironwoods neuem Shielded Pool), ist die Tatsache, dass das Bull-Case-Narrativ nun durch echte Nutzung untermauert wird.
Rund 4,9 Millionen ZEC – etwa 29 % der Umlaufmenge – liegen inzwischen in Shielded Adressen, verglichen mit 8 % Anfang 2024. Gleichzeitig erreichen Shielded Transactions gerade rund 62.000 Transaktionen pro Woche, ein Plus von 652 % seit Jahresbeginn.
Das Wachstum zeigt sich hier in echter privater Nutzung.

Shielded Supply und Gesamtzahl der Shielded Transactions bei Zcash
Das ist ein Hauptgrund dafür, warum immer größere Namen bei Zcash einsteigen.
Die Winklevoss-Zwillinge haben beispielsweise Cypherpunk mit 100 Millionen Dollar gestartet, um ZEC für ihre Treasury zu erwerben. Das Unternehmen will bis zu 5 % der Umlaufmenge anhäufen, und Tyler Winklevoss bezeichnete KI als „die Geburtsstunde“ des Privacy-Katalysators.
Zcash bietet seinen Nutzern zudem Abstufungen, wie viel Privatsphäre sie möchten.
Es unterstützt sowohl transparente als auch abgeschirmte Transaktionen – wie viel Privatsphäre Nutzer erhalten, hängt also davon ab, wie sie das Netzwerk verwenden. Dazu kommt eine praktische Offenlegungsebene: Mit Viewing Keys kann eine autorisierte Partei Transaktionsinformationen einsehen, ohne die Mittel ausgeben zu können. Das hilft bei Audits, Compliance oder in jeder Situation, in der selektive Transparenz statt vollständiger Offenlegung gefragt ist.
Bei privatem Geld geht es um mehr, als sich vor irgendjemandem zu verstecken. Es macht digitales Bargeld für den finanziellen Alltag nutzbar.
Genau deshalb performt Zcash weiterhin besser als der Markt.
Private Anwendungen
Standards prägen Verhalten.
Wenn Privatsphäre zusätzliche Schritte erfordert, lassen viele Menschen sie einfach weg. Deshalb suche ich nach Teams, die auf Anwendungsebene bauen und diese Schritte für die Nutzer übernehmen – ohne den ganzen technischen Ballast. So profitieren Nutzer, ohne die Kryptografie dahinter verstehen zu müssen.
Ich glaube, die Teams, die das gut umsetzen, werden zu den großen Gewinnern gehören, da sie als zentrale Einstiegspunkte für private KI und Crypto dienen werden.
Dieses Jahr konnte ich das bereits bei @AskVenice beobachten. Die meisten Menschen betrachten die App als private KI – und zwar deshalb, weil die Crypto-Komponenten unter der Haube komplett abstrahiert sind. Mit dieser Formel hat die App kürzlich die Marke von 4 Millionen Nutzern und 100 Millionen Dollar ARR geknackt:
https://x.com/AustinBarack/status/2089447460275994875
@keet_io ist ein weiteres Beispiel dafür, wie Privatsphäre selbst zum Produkt wird. Chats, Anrufe und Dateiübertragungen sind Ende-zu-Ende-verschlüsselt und Peer-to-Peer – ohne zentrale Server, ohne Telefonnummer und ohne E-Mail.
Crypto-Wallets sind eine weitere naheliegende Chance, denn genau dort ist Privatsphäre bisher oft gescheitert.
Wenn eine Wallet für verschiedene Dinge genutzt wird, kann jemand, der weiß, wo du Zahlungen empfängst, möglicherweise auch verfolgen, wo du handelst, was du hältst und wie sich dein restliches Finanzleben bewegt.
Technisch gesehen könnten Nutzer versuchen, das durch mehrere Wallets zu umgehen. Aber das erzeugt Reibung – und garantiert trotzdem nicht, dass ihre Aktivitäten nicht verknüpft werden können.
Ich glaube nicht, dass die meisten Menschen das selbst managen wollen. Sie werden Privatsphäre von der Wallet oder Anwendung erwarten – genauso wie von einer Banking-App.
Genau dort sehe ich die Nachfrage entstehen. Menschen wollen diese Produkte nutzen, ohne Fremden Zugang zum Rest ihrer Finanzen zu gewähren. Und das sollte sich für Nutzer unsichtbar und nahtlos anfühlen, nicht wie ein Forschungsprojekt.
@zodl_app ist hier ein gutes Beispiel.
Die App wurde von den ursprünglichen Entwicklern des Zcash-Protokolls gebaut und bietet Privacy by Default, Unterstützung für private Swaps sowie eine Kopplung mit Keystone für Air-Gapped-Shielded-Signing.
Auf Netzwerkebene baut @MidnightNtwrk rund um programmierbare Privatsphäre. Apps können sensible Daten privat halten und selektiv nur das beweisen oder offenlegen, was nötig ist – mithilfe von ZK-Proofs, statt alles in ein öffentliches Ledger zu schreiben.
Insgesamt bin ich bei Anwendungen gespannt darauf, wie sich das langfristig in einer dauerhaften Nutzung von abgeschirmtem Geld niederschlägt.
Ja, ein starker Token-Preis kann Menschen anziehen – aber eine langfristige Anwendungsnutzung ist ein deutlich konkreterer Beweis für echte Privacy-Nachfrage.
Privatsphäre als Infrastruktur: Arcium, Venice & 0G
Fassen wir kurz einige der wichtigsten Privacy-Akteure zusammen. Zcash ist der offensichtliche Referenzpunkt für privates Geld, @zama bringt FHE Onchain, Venice ist mit einem privaten KI-Consumer-Produkt aus der Crypto-Echokammer ausgebrochen und 0G treibt private und verifizierbare KI-Infrastruktur voran. @Arcium nähert sich demselben Privacy-Stack von der Confidential-Compute-Ebene – mit einer Infrastruktur, die sowohl Crypto als auch KI abdecken soll.
Jedes dieser Projekte besitzt eine Ebene des Stacks, weshalb der Privacy-Trade selbst bisher fragmentiert war.
Genau diese Fragmentierung macht Arcium für mich so interessant.
Anstatt sich auf ein einzelnes Privacy-Element festzulegen, haben sie alles gebündelt und liefern über den gesamten Stack hinweg:
- Programmierbares privates Geld mit C-SPL und Umbra (Zcash)
- Verschlüsselte Berechnungen (Zama)
- Vertrauliche KI-Inferenz mit Blackthorn (Venice/0G/NEAR)
Projekt
Was sie besitzen
Wie Arcium es angeht
ZEC
Privates Geld, das OG-Privacy-Asset
Erweitert Privatsphäre über einen dedizierten Coin hinaus: C-SPL fügt jedem Solana-Asset programmierbare Vertraulichkeit hinzu, während Umbra in Solanas größtem ICO aller Zeiten Zusagen über 150 Mio. USD erhielt.
Zama
Allgemeine verschlüsselte Berechnungen für Blockchains (FHE)
Live auf dem Mainnet, betreibt über 10 Apps (das aktivste Privacy-Ökosystem in Crypto) mit fast 3 Mio. ausgeführten Berechnungen.
VVV (Venice)/0G/Near
Private KI/KI-Infrastruktur
Blackthorn erweitert Arcium von verschlüsselten Berechnungen hin zu vertraulicher KI auf verschlüsselten GPUs – Prompts, Dateien und Outputs bleiben privat, was Apps im Stil von Venice ermöglicht.
Was mir hier gefällt: Anwendungen können die Privacy-Ebene im Hintergrund nutzen.
Darüber hinaus haben die anderen genannten Privacy-Projekte zwar an Cryptos Datenschutzproblemen gearbeitet, aber Arcium hat Schritte unternommen, um über seine ursprüngliche Mission hinauszugehen – nämlich verschlüsselte Berechnungen auf Blockchains zu bringen – und das Netzwerk so zu erweitern, dass es dasselbe für KI leistet.
So funktioniert das Ganze (erst die technische Seite, dann was es konkret für dich bedeutet).
Technischer Ansatz
Arciums Kernansatz ist Secure Multi-Party Computation (MPC). Private Eingaben werden in Secret Shares aufgeteilt und über einen Cluster von Arx-Nodes verteilt. Die Nodes führen die Berechnung gemeinsam aus, ohne dass eine einzelne Node die zugrunde liegenden Daten rekonstruiert.
Arciums aktuelles Protokoll Cerberus nutzt ein Dishonest-Majority-Modell mit Erkennung und Abbruch. Solange mindestens ein Cluster-Mitglied ehrlich ist, bleibt die Privatsphäre gewahrt und Manipulationen werden erkannt; tritt ein Protokollfehler auf, bricht das System ab, statt ein manipuliertes Ergebnis zurückzugeben. Das schützt Vertraulichkeit und Ergebnisintegrität.
Damit passt das Design perfekt zu Crypto: Öffentliche Chains können Koordination und Settlement übernehmen, während private Anwendungslogik über den Cluster läuft.
Im Vergleich zu einer TEE ist das Vertrauen verteilt, statt in einer einzigen Enclave konzentriert zu sein; im Vergleich zu FHE erfordert MPC mehr Interaktion, lässt sich aber gut auf dezentrale Workflows übertragen, die ohnehin über mehrere Parteien koordiniert werden.
Der Kompromiss: mehr Kommunikationsaufwand und ein möglicher Abbruch, wenn Nodes oder das Netzwerk nicht verfügbar sind.
Aber dieselbe Architektur muss nicht bei Blockchain-Anwendungen haltmachen. Wenn Berechnungen so verteilt werden können, dass kein einzelner Betreiber die zugrunde liegenden Eingaben sieht, lässt sich dasselbe Modell auf KI-Workloads mit sensiblen Prompts, Dateien und anderen Nutzerdaten ausweiten.
Die KI-Expansion
Diese Erweiterung über Crypto hinaus wird zu einem immer größeren Teil von Arciums Wette.
Wir haben gesehen, wie Venice ein erfolgreiches KI-Produkt auf Crypto-Schienen gebaut hat; Arcium will diese Schienen weiter ins Backend treiben.
Statt das nutzerseitige Chat-Erlebnis zu kontrollieren, baut es die vertrauliche Infrastruktur darunter – so konzipiert, dass sensible Prompts, Dateien und Outputs nicht im Klartext bei einem einzelnen Infrastrukturanbieter landen müssen.
Es ist eine andere Seite derselben Wette.
Genau das macht Blackthorn so spannend. Es wurde entwickelt, um vertrauliche KI auf den NVIDIA-GPUs laufen zu lassen, die Rechenzentren bereits nutzen – ohne dass ein neuer Sicherheitschip oder dedizierte vertrauliche Hardware nötig wäre. Wenn es wie geplant funktioniert, könnte das sensible KI-Workloads im Gesundheitswesen, Finanzsektor, Rechtswesen und in der Verwaltung öffnen, ohne dass Nutzer die zugrunde liegenden Daten einem herkömmlichen Hosted-Model-Anbieter übergeben müssen.
Arcium entscheidet sich also nicht zwischen Crypto-Privatsphäre und KI-Privatsphäre. Das Team arbeitet daran, beides über ein einziges verteiltes System nutzbar zu machen.
Was das für Nutzer bedeutet
Der Sinn von Arciums vertraulichen Berechnungen ist nicht, alles zu verstecken. Es geht darum, nur das offenzulegen, was die Anwendung benötigt.
Für Nutzer könnte das bedeuten: Eine Auktion berechnet einen Clearing-Preis aus vertraulichen Geboten, ohne jedes unterlegene Gebot zu veröffentlichen. Oder eine Trading-App hält sensible Orderinformationen privat, während sie ihre Regeln ausführt – das nützliche Ergebnis ist verfügbar, ohne die zugrunde liegenden Eingaben in öffentliche Marktinformationen zu verwandeln.
Welche Art von Produkten Arcium anvisiert, zeigt sich bereits in seinem Ecosystem Directory: Dazu gehören Crafts, ein Projekt für Token-Auktionen mit verdeckten Geboten, und Umbra, eine Wallet für abgeschirmte Transfers und Swaps.
Entwickler können vertrauliche Funktionen und States neben den öffentlichen Teilen einer Solana-Anwendung hinzufügen und selbst entscheiden, welche Informationen die App preisgibt.
Arcium hat außerdem C-SPL, seinen vertraulichen Token-Standard für Solana, der Token-Anwendungen vertrauliche Salden und Transferbeträge bringt – ohne dass Nutzer zu einem dedizierten Privacy-Asset wechseln müssen. Das könnte Stablecoin-Gehaltsabrechnungen ermöglichen, bei denen Mitarbeiter die Gehälter der anderen nicht sehen, oder Auktionen, bei denen Teilnehmer das Ergebnis verifizieren können, ohne jedes unterlegene Gebot zu veröffentlichen. Das sind Gründe, ein Produkt zu nutzen, selbst wenn du noch nie einen Privacy-Token gehandelt hast.
Dasselbe Prinzip gilt für KI. Anwendungen sollten sensible Informationen nutzen können, ohne sie unnötig der Infrastruktur offenzulegen, die die Berechnung durchführt.
Für mich ist das die größere Chance.
Worauf ich achte
Auch künftig wird Privatsphäre ganz oben auf meiner Watchlist stehen.
Bei Zcash beobachte ich, wie alltäglich abgeschirmte Aktivitäten werden können. Bessere Wallets und einfacherer Zugang sollten sich darin zeigen, dass Menschen das Netzwerk für sein Kernfeature nutzen.
Als Trader möchte ich verstehen, wie sich die Nutzung auf die Assets überträgt, die einige dieser Crypto-nativen Projekte untermauern.
Werden Teams ihre Flywheels richtig justieren, sodass Onboarding effektiv Kaufdruck erzeugt?
Auch bei Privacy-Netzwerkeffekten steht viel auf dem Spiel – wegen der fehlenden Komposabilität.
Wenn Assets mit einer Technologie abgeschirmt werden, sind sie faktisch nicht mit Assets kompatibel, die mit einer anderen Technologie abgeschirmt wurden. Daher besteht bei den Teams dringender Bedarf, Liquidität aufzubauen/institutionelles Kapital an Bord zu holen, die beste Tiefe für Swaps zu bieten, attraktivere Renditen zu ermöglichen usw.
Wie sich das entwickelt, wird bestimmen, wie der Onchain-Privacy-Kuchen aufgeteilt wird.
Auf der KI-Seite verfolge ich aufmerksam, was rund um die Frontier Labs passiert.
Werden Regulierungsbehörden angesichts der ganzen Panikmache der letzten Zeit wirklich eingreifen – und wird Nutzerprivatsphäre Teil ihrer Richtlinien sein?
Außerdem halte ich Ausschau nach Teams, die an der Schnittstelle von Crypto x KI x Privatsphäre angreifen. Wir haben bereits einige Belege, dass es funktioniert, und überzeugende Geschichten. Ich möchte sehen, wie stark diese Nutzerbasen wachsen und welchen Anteil an der gesamten KI-Nutzung private KI erobern kann.
Letztlich hängt es davon ab, wie sehr Menschen sich tatsächlich um ihre persönliche Privatsphäre kümmern. Venice, Arcium, Keet, QVAC, NEAR, Midnight und 0G sind die Projekte, die ich verfolge, weil sie dieselbe These aus unterschiedlichen Blickwinkeln angehen: Venice am Frontend für private KI, Arcium tief in der Infrastruktur, Keet über private Messaging-Dienste, QVAC mit lokaler KI, NEAR über KI-Infrastruktur und Agents, Midnight mit programmierbarer Privatsphäre und 0G mit privater und verifizierbarer KI-Infrastruktur.
Da Crypto und KI immer stärker miteinander verschmelzen, haben Teams, die in diesem Schmelztiegel konkurrieren, gute Chancen, zwei Trends zu nutzen, bei denen wir uns wohl alle einig sind: Das Finanzwesen wird weiter Onchain gehen und dadurch die Privacy-Adoption steigern – und die Nachfrage nach Nutzerprivatsphäre wird mit zunehmender KI-Verbreitung weiter wachsen.





