Mit dem rasanten Fortschritt der KI-Technologie rücken Fragen zur Modellprivatsphäre, Dienstevertrauenswürdigkeit und regulatorischen Konformität immer stärker in den Fokus.
Im Rahmen der größten KI-Konferenz Asiens, der Singapore AI Week (SuperAI), fand am Nachmittag des 17. Juni 2025 eine der meistbeachteten Nebenveranstaltungen statt: Das Fachsymposium „Die dezentrale Welt: Die revolutionäre Konvergenz von KI und Web3“, gemeinsam organisiert von 1783DAO und BroadChain. Prof. Dr. Jiaheng Zhang, Assistenzprofessor an der National University of Singapore und Mitbegründer von Polyhedra Network, hielt einen Vortrag mit dem Titel „KI-Sicherheit und -Privatsphäre: Anwendung von Zero-Knowledge-Beweisen in maschinellen Lernmodellen“.
Zero-Knowledge-Beweise: Die Privatsphäre-Grundlage von Web3 und die Vertrauensbrücke für KI
„Wie lässt sich das Verhalten und die Ausgabe eines KI-Modells überprüfen, ohne dessen Architektur oder Benutzerdaten offenzulegen?“ Diese Frage steht im Zentrum der Herausforderung, KI und Web3 zu fusionieren.
Prof. Dr. Jiaheng Zhang betonte, dass Zero-Knowledge Proofs (ZKP) genau das entscheidende Werkzeug zur Lösung dieses Problems sind. ZKP ist eine kryptografische Basistechnologie, die es einem „Beweisführer“ ermöglicht, einem „Verifizierer“ die Richtigkeit einer Aussage zu beweisen, ohne zusätzliche Informationen preiszugeben. Diese Eigenschaft kommt bereits breit in Blockchain-Anwendungen wie privaten Transaktionen, Identitätsverifikation und Smart-Contract-Ausführung zum Einsatz. Angesichts der wachsenden Komplexität und Unvorhersehbarkeit moderner KI-Modelle gewinnt ZKP jedoch auch für die vertrauenswürdige Verifizierung von KI-Inferenz und -Training zunehmend an Bedeutung.
Als Web3-Infrastrukturunternehmen, das sich auf die Entwicklung von Zero-Knowledge-Protokollen spezialisiert hat, hat Polyhedra Network bereits mehrere branchenführende Lösungen vorgestellt, darunter zkBridge (eine Cross-Chain-Brücke) und zkML (ein Modul zur vertrauenswürdigen Verifizierung von KI-Modellen). Sie schaffen eine solide kryptografische Grundlage für die tiefe Integration von KI und Web3.
zkML: Ein „Schild für vertrauenswürdige Berechnungen“ für KI-Modelle
Bei herkömmlichen KI-Diensten können Nutzer nicht sicherstellen, ob die Ausgaben tatsächlich auf dem vereinbarten Modell basieren oder den Anforderungen an Datenschutz und Sicherheit entsprechen. zkML bietet hier einen vertrauensfreien Verifizierungspfad:
„Mit zkML können Sie einem Nutzer nachweisen, dass eine bestimmte Ausgabe tatsächlich von einem spezifischen Modell auf einer bestimmten Eingabe generiert wurde – ohne dabei die Modellparameter preiszugeben oder Benutzerdaten zu offenbaren.“ – Prof. Dr. Jiaheng Zhang
Das bedeutet: KI-Dienstanbieter müssen für das Verhalten ihrer Modelle einstehen und können auf Nutzeranfrage mathematisch fundierte, unveränderliche Beweise liefern. Ein solcher Mechanismus für „vertrauenswürdige Inferenz“ ist besonders für sensible Bereiche wie Finanzdienstleistungen, Gesundheitswesen und staatliche Regulierung entscheidend und spielt eine Schlüsselrolle bei der praktischen Umsetzung von KI-basierten Blockchain-Anwendungen.
KI + Crypto: Ein neues Paradigma für Nutzervertrauen und Modellverantwortung
In seinem Vortrag hob Prof. Dr. Jiaheng Zhang das bestehende „Black-Box-Risiko“ aktueller KI-Dienste hervor: Nutzer können nicht überprüfen, ob die Modellleistung absichtlich heruntergefahren oder vereinfacht wurde. Aus Kostengründen könnten Anbieter sogar abgespeckte Modelle nutzen oder Rechenprozesse ganz überspringen.
Der durch zkML eingeführte verifizierbare Mechanismus erhöht die Dienstetransparenz erheblich – vor allem in drei Dimensionen:
Nachweis der Dienstqualität: Nutzer können vom KI-Anbieter einen zk-Beweis verlangen, um zu bestätigen, dass tatsächlich das vereinbarte Modell eingesetzt wurde.
Verifizierung der Compliance von KI-Agenten: Für KI-Agenten mit Zugriff auf Finanzmittel oder Identitätsrechte lässt sich via zkML prüfen, ob ihre Aktionen gesetzlichen Vorschriften und Protokollen entsprechen.
Schutz der Rechte an Trainingsdaten: Zukünftig könnte es Nutzern ein „on-chain-Recht“ auf ihre Trainingsdaten geben – was Dateneigentum und faire Gewinnbeteiligung sicherstellt.
Herausforderungen und Lösungsansätze für ZKP in der KI
ZKP ermöglicht theoretisch sowohl Modellvertrauenswürdigkeit als auch Datenschutz. In der praktischen Umsetzung gibt es jedoch noch Leistungsengpässe.
Prof. Dr. Jiaheng Zhang räumte ein: „Selbst bei neuronalen Netzen mittlerer Größe sind die Kosten für die Generierung von ZKP nach wie vor sehr hoch.“ Um dem entgegenzuwirken, hat Polyhedra mehrere technische Optimierungsansätze entwickelt:
Expander: Eine extrem schnelle Polynom-Decodiermaschine.
ExpanderCompiler: Ein automatisches Kompilierungs-Framework ohne domänenspezifische Sprache (DSL), das die Entwicklungsbarrieren senkt.
zkPyTorch (bald Open Source): Ein zk-Compiler, der gängige Deep-Learning-Frameworks unterstützt.
Pipeline-Parallelisierung (Pipelining): Eine verteilte Beschleunigung für die Generierung von zk-Beweisen bei der Inferenz großer Modelle.
Die Integration dieser Technologien senkt die Entwicklungsbarriere für zkML auf ein Niveau, das „so einfach ist wie Python zu schreiben“, und macht sie für den produktiven Einsatz in KI-Diensten praktikabel.
KI × Web3: ZK öffnet die Tür zum Internet der nächsten Wertebene
Da on-chain KI-Agenten in Bereichen wie Finanzen, sozialen Netzwerken und Identitätsmanagement aktiver werden, wird die Verifizierbarkeit von Modellidentität und -verhalten zu einem zentralen Hebel für Governance. Polyhedra treibt zkML als Bindeglied zwischen „vertrauenswürdiger KI“ und dem „Internet der Werte“ voran.
Vertrauenswürdige Modelle, überprüfbare Trainingsprozesse und verifizierbare Ausgaben – was einst wie eine ferne Vision erschien, wird dank ZKP zunehmend Realität. Sobald KI nicht nur „intelligent“, sondern „vertrauenswürdig intelligent“ ist, wird die Fusion von KI und Web3 eine echte Infrastrukturrevolution der nächsten Generation einläuten.
Hintergrund zur Veranstaltung
Das Symposium „Die dezentrale Welt: Die revolutionäre Konvergenz von KI und Web3“ wurde gemeinsam von 1783DAO und BroadChain organisiert und zählte zu den meistbeachteten Nebenveranstaltungen der größten asiatischen KI-Konferenz 2025, der SuperAI. Die Veranstaltung war äußerst gut besucht und zog Hunderte führender Teilnehmer aus aller Welt an – darunter KI-Experten, Web3-Unternehmer, Vertreter von Investmentfirmen und akademische Forscher.
Die Veranstaltung wurde gemeinsam mit Polyhedra Network, SeeGrowth und OGBC Innovation Hub durchgeführt und zeichnete sich durch ein starkes Programm und zukunftsweisende Themen aus, darunter „KI-Agenten“, „on-chain Identität“, „ZKML (Zero-Knowledge Machine Learning)“, „RWA“ und „KI-gesteuerte on-chain Governance“.
Darüber hinaus erhielt die Veranstaltung breite Unterstützung von innovativen Kräften aus den Bereichen Web3 und KI, darunter Moledao, KITE AI, KIP Protocol, amber.ac, 0G Labs, OpenEden, LOOP SPACE, HF RealX, PayCrypto, CBB Smart Quantitative Robot, Singapore Uni DAO und NUS FinTech Society. Damit spiegelt sie umfassend wider, dass die Fusion von KI und Web3 zu einem zentralen technologischen und industriellen Thema geworden ist, das weltweit Aufmerksamkeit erfährt.