KI und On-Chain-Analyse: Wie Transaktionen auf der Blockchain verfolgt werden

Jede Transaktion auf einer öffentlichen Blockchain wird dauerhaft gespeichert und ist für alle zugänglich. Doch die bloße Verfügbarkeit der Daten bedeutet nicht, dass sie leicht zu verstehen sind: Die Blöcke enthalten Millionen von Adressen, Beträgen und Zeitstempeln, ohne Namen und ohne Kontext.

Genau hier setzt die On-Chain-Analyse an, eine Disziplin, die diese Rohdaten in nützliche Erkenntnisse verwandelt. In den letzten Jahren spielt dabei künstliche Intelligenz (KI) eine immer wichtigere Rolle, da sie Datenmengen verarbeiten kann, die für menschliche Analysten unerreichbar wären.

In diesem Beitrag erklären wir, was On-Chain-Analyse ist, wie KI sie verändert, wo diese Kombination bereits eingesetzt wird und welche Grenzen man im Blick behalten sollte.

Was ist On-Chain-Analyse?

On-Chain-Analyse ist die Untersuchung von Daten, die direkt auf der Blockchain gespeichert sind, um das Verhalten des Netzwerks, des Marktes und seiner Teilnehmer zu verstehen. Anders als im traditionellen Finanzwesen, wo Transaktionsdaten innerhalb der Banken verschlossen bleiben, ist hier die gesamte Historie öffentlich.

Für Sicherheit und regulatorische Compliance sind insbesondere folgende Daten wichtig:

• Mittelflüsse: der Weg, den Gelder von Adresse zu Adresse zurücklegen, einschließlich Überweisungen an Börsen und andere Dienstleister.
• Verbindungen zu bekannten Entitäten: ob Adressen direkt oder indirekt mit Börsen, Mixern, Darknet-Marktplätzen oder Adressen in Verbindung stehen, die in Betrugsfällen markiert wurden.
• Aufteilungs- und Zusammenführungsmuster: die Aufteilung von Beträgen auf viele kleinere Transaktionen oder die Zusammenführung von Geldern aus mehreren Adressen, was dazu genutzt werden kann, die Herkunft von Geld zu verschleiern.
• Interaktionen mit Smart Contracts: welche Protokolle eine Adresse nutzt und ob sich darunter kompromittierte oder riskante Verträge befinden.
• Allgemeine Aktivitätsindikatoren: die Anzahl aktiver Adressen und das Transaktionsvolumen, die einen Kontext liefern, um einzuschätzen, was im Netzwerk üblich ist.

All diese Kennzahlen sind für jeden zugänglich, der die Blockchain zu lesen weiß. Die Herausforderung liegt im Umfang der Daten und darin, dass Adressen allein nicht verraten, wer hinter ihnen steht.

Wie KI die On-Chain-Analyse verändert

KI erzeugt keine neuen Daten, ermöglicht aber eine schnellere und tiefere Auswertung der vorhandenen. Die wichtigsten Veränderungen betreffen drei Bereiche.

Adress-Clustering

Eine einzelne Person oder Organisation nutzt häufig viele verschiedene Adressen. Modelle des maschinellen Lernens analysieren Transaktionsmuster, etwa Adressen, die gemeinsam als Inputs derselben Transaktion auftreten, oder ähnliche zeitliche Muster, und fassen sie zu wahrscheinlichen Entitäten zusammen. So entsteht statt Tausender scheinbar unverbundener Adressen ein Überblick über Entitäten wie Börsen, Fonds oder Dienste.

Erkennung von Mustern und Anomalien

Algorithmen können lernen, wie „normales“ Verhalten im Netzwerk aussieht, und Abweichungen markieren: ungewöhnlich hohe Überweisungen, plötzliche Veränderungen der Mittelflüsse oder Transaktionsketten, die typisch für die Verschleierung der Herkunft von Geld sind. Was einen Analysten Tage kosten würde, kann ein Modell innerhalb weniger Sekunden markieren.

Sprachmodelle als Schnittstelle

Große Sprachmodelle erleichtern den Zugang zur Analyse für Personen ohne technisches Fachwissen. Statt Datenbankabfragen zu schreiben, können Nutzer eine Frage in natürlicher Sprache stellen; das Modell übersetzt sie in eine Analyse und fasst das Ergebnis zusammen. Solche Tools können auch erklären, was in einer bestimmten Transaktion oder einem Smart Contract geschehen ist.

Praktische Anwendungen

Sicherheit und Schutz der Nutzer

KI-Modelle helfen bei der frühzeitigen Erkennung von Betrug, Phishing-Kampagnen und kompromittierten Smart Contracts. Wenn Gelder aus einem bekannten Hackerangriff beginnen, sich durch das Netzwerk zu bewegen, können Analysesysteme ihren Weg verfolgen und Plattformen warnen, bevor sie in andere Vermögenswerte umgewandelt werden.

Regulatorische Compliance (AML und Travel Rule)

Anbieter von Kryptowerte-Dienstleistungen in der EU müssen Maßnahmen zur Bekämpfung von Geldwäsche und Terrorismusfinanzierung umsetzen und die Travel Rule anwenden, nach der Transaktionen Angaben zum Auftraggeber und zum Begünstigten enthalten müssen. KI-gestützte On-Chain-Analyse ermöglicht die Risikobewertung von Adressen, die Erkennung von Verbindungen zu sanktionierten oder risikoreichen Entitäten sowie eine effizientere Transaktionsüberwachung im großen Umfang.

Markteinblicke

On-Chain-Daten werden auch für die Marktanalyse genutzt, stoßen dort jedoch an klare Grenzen. Mehr dazu haben wir in unserem Blog geschrieben: KI-Analytik bei der Vorhersage von Marktbewegungen: Vor- und Nachteile

Forschung und Transparenz

Journalisten, Forscher und Aufsichtsbehörden nutzen dieselben Tools, um Marktereignisse zu analysieren, Gelder in Betrugsfällen nachzuverfolgen und die Funktionsweise dezentraler Protokolle besser zu verstehen.

Grenzen und Risiken

KI erweitert die Möglichkeiten der On-Chain-Analyse erheblich, ist aber nicht unfehlbar.

• Falsche Annahmen: Adress-Clustering beruht auf Wahrscheinlichkeiten. Eine Adresse kann fälschlicherweise einer bestimmten Entität zugeordnet werden, was zu ungenauen Schlussfolgerungen führen kann.
• Verzerrungen in den Trainingsdaten: Ein Modell ist nur so gut wie die Daten, mit denen es trainiert wurde. Neue Betrugsmuster können unerkannt bleiben.
• Fehler von Sprachmodellen: Sprachmodelle liefern mitunter überzeugende, aber falsche Antworten. Schlussfolgerungen sollten stets anhand der Ursprungsdaten überprüft werden.
• Privatsphäre: Je ausgefeilter die Analyse, desto leichter lassen sich Adressen realen Personen zuordnen. Das wirft wichtige Fragen zum Schutz der Privatsphäre von Nutzern auf, die nichts Unrechtmäßiges getan haben.
• Übermäßiges Vertrauen: Automatisierte Systeme funktionieren am besten als Unterstützung menschlicher Einschätzung, nicht als deren Ersatz.

Was bedeutet das für die alltägliche Nutzung von Kryptowährungen?

Für die meisten Krypto-Nutzer arbeiten KI und On-Chain-Analyse im Hintergrund. Wenn eine regulierte Plattform eine Transaktion prüft oder zusätzliche Angaben zum Empfänger anfordert, stützt sich ein Teil dieses Prozesses häufig genau auf solche Tools. Ihr Zweck ist es, Nutzer und das Finanzsystem vor Missbrauch zu schützen.

Wer den Markt selbst erforschen möchte, kann auch öffentliche Blockchain-Explorer und Analyseplattformen nutzen. Bei der Verwendung solcher Tools ist es hilfreich,

• zu verstehen, was die jeweilige Kennzahl tatsächlich misst,
• Schlussfolgerungen anhand mehrerer Quellen zu überprüfen,
• im Hinterkopf zu behalten, dass kein Indikator künftige Kursentwicklungen garantiert.

Zudem sollte man bedenken, dass Transaktionen auf öffentlichen Blockchains dauerhaft sichtbar sind. Grundkenntnisse der On-Chain-Analyse sind daher auch für die eigene Sicherheit und Privatsphäre nützlich.

Fazit

Die On-Chain-Analyse nutzt eine der grundlegenden Eigenschaften der Blockchain, ihre Transparenz, um Rohdaten in verständliche Erkenntnisse zu verwandeln. Künstliche Intelligenz bringt Geschwindigkeit, Skalierbarkeit und Zugänglichkeit in diesen Prozess: vom Adress-Clustering und der Anomalieerkennung bis hin zu Sprachschnittstellen, die die Analyse einem breiteren Publikum näherbringen.

Gleichzeitig bleibt KI ein Werkzeug, das Überprüfung und einen verantwortungsvollen Einsatz erfordert. Den größten Mehrwert bietet sie in Verbindung mit fachkundiger menschlicher Einschätzung, einem klaren regulatorischen Rahmen und der Achtung der Privatsphäre der Nutzer.