Eine DeFi-Anwendung kann über eine fehlerfreie Smart-Contract-Logik verfügen und dennoch im entscheidenden Moment versagen, wenn ihre Marktdaten veraltet, verzögert, nicht verfügbar oder falsch interpretiert sind. Das ist das praktische Oracle-Problem: Ein Kreditprotokoll kann zum falschen Preis liquidieren, eine Perpetual Exchange kann einen Marktwert angeben, der sich bereits bewegt hat, oder ein Vault kann weiterlaufen, nachdem sein Referenzmarkt geschlossen ist.
Chainlink und Pyth Network gehen beide dieses Problem an, doch ein einfacher Vergleich „Chainlink vs. Pyth“ verschleiert einen wichtigen Punkt: Beide bieten mittlerweile mehrere Datenübertragungsmodelle an. Chainlink verfügt über traditionelle On-Chain-Datenfeeds und latenzarme Datenströme; Pyth bietet Pyth Core, Pyth Pro und optional eine Push-Infrastruktur. Die entscheidende Frage ist daher nicht, welche Plattform generell besser ist, sondern welcher Datenpfad am besten zu den Anforderungen der Anwendung hinsichtlich Latenz, Asset-Abdeckung, Vertrauensannahmen, Kostenmodell und Fehlerkontrollen passt.
Es gibt außerdem eine wichtige Änderung für Entwickler: Am 26. August 2026 wurde Pyth Core aktualisiert. Die öffentliche Hermes-Schnittstelle erfordert nun eine API-Schlüssel-Authentifizierung. Die zugrundeliegende Architektur wurde vom älteren Pythnet/Wormhole-Ansatz hin zu einem System mit fünf unabhängig voneinander betriebenen Routern und einem 3-von-5-Quorum für die Signatur geändert. Bestehende Schnittstellen sind weiterhin kompatibel, Entwickler sollten jedoch überprüfen, ob ihre Integration die aktuellen Endpunkte und Smart Contracts verwendet. Weitere Informationen finden Sie in der offiziellen Pyth-Core-Upgrade-Dokumentation .
Beginnen Sie mit der Anwendung, nicht mit dem Oracle-Anbieter. Ein Kreditmarkt, der Sicherheiten alle paar Minuten neu berechnet, hat andere Anforderungen als eine Perpetual Exchange, die eine nahezu sofortige Ausführung verspricht. Kann das Protokoll kein akzeptables maximales Datenalter definieren, lässt sich kein sicheres Oracle auswählen.
Chainlink-Datenfeeds sind für Daten konzipiert, die bei Erfüllung bestimmter Aktualisierungsbedingungen in der Blockchain veröffentlicht werden können. In der Praxis werden Preisfeeds typischerweise anhand von Mechanismen wie einem Abweichungsschwellenwert oder einem Heartbeat aktualisiert. Dieses Modell eignet sich gut für Kreditvergabe, Sicherheitenbewertung, Reserveprüfungen und andere Anwendungen, bei denen die kontinuierliche Speicherung eines aktuellen Referenzwerts in der Blockchain sinnvoll ist.
Chainlink Data Streams ist für eine andere Art von Arbeitslast konzipiert. Die aktuelle Dokumentation beschreibt es als Pull-basierten Dienst, der Marktdaten mit geringer Latenz außerhalb der Blockchain bereitstellt und es Anwendungen ermöglicht, Berichte nur bei Bedarf in der Blockchain zu verifizieren. Chainlink gibt an, dass Data Streams eine Datenauflösung im Subsekundenbereich unterstützt und für latenzempfindliche Produkte wie Perpetual Futures, Optionen und Prognosemärkte vorgesehen ist. Weitere Informationen finden Sie in der offiziellen Dokumentation zu Chainlink Data Streams .
Pyth Core verwendet ebenfalls ein Pull-Modell. Eine Anwendung oder ein Benutzer ruft eine signierte Preisaktualisierung ab, übermittelt sie an den Pyth-Smart-Contract und liest anschließend den verifizierten Preis. Die Anwendung kann mithilfe von Funktionen wie `preference.max_age` ein maximales Alter festlegen getPriceNoOlderThan(). Dadurch wird die Aktualität explizit in den Transaktionsablauf integriert, anstatt sich ausschließlich auf einen kontinuierlich aktualisierten On-Chain-Wert zu verlassen. Weitere Informationen zur Notwendigkeit von Preisaktualisierungen finden Sie in der Pyth-Dokumentation .
| Modell | Hauptvorteil | Hauptkompromisse | Typische Passform |
|---|---|---|---|
| On-Chain-Push-Feed | Verträge können einen bereits veröffentlichten Wert lesen. | Aktualisierungen verbrauchen Ressourcen der Kette, selbst wenn sie niemand nutzt. | Kreditvergabe, Sicherheitenbewertung, Referenzpreise |
| Pull-basierter Bericht | Neue Daten werden nur dann abgerufen und überprüft, wenn dies für eine Transaktion erforderlich ist. | Die Anwendung muss das Abrufen von Daten, die Authentifizierung, die Übermittlung und die Fehlerbehandlung handhaben. | Daueraufträge, Optionen, Ausführung mit geringer Latenz |
| Gemanagtes Push-Oracle | Einfache Lesevorgänge bei gleichzeitiger Beibehaltung der zugrundeliegenden Pull-Infrastruktur | Jemand muss den Updater betreiben und finanzieren. | Apps migrieren von der traditionellen Push-Integration |
Die Unterscheidung lautet nicht mehr „Chainlink = Push, Pyth = Pull“. Chainlink Data Streams basiert explizit auf Pull-Daten, während Pyth gesponserte Push-Feeds in ausgewählten Netzwerken dokumentiert und einen Price Pusher bereitstellt, den Teams selbst betreiben können. Die Architektur sollte daher produktbezogen verglichen werden.
Chainlink-Datenfeeds aggregieren Daten aus verschiedenen Quellen und veröffentlichen die Ergebnisse über dezentrale Oracle-Netzwerke. Die Chainlink-Dokumentation beschreibt das Design als Kombination eines dezentralen Datenmodells mit Offchain-Reporting. Dadurch können mehrere Oracle-Knoten Offchain eine Einigung erzielen, bevor ein Bericht Onchain übertragen wird. Dies reduziert die Anzahl der für die Aggregation erforderlichen Onchain-Transaktionen.
Dieses Design minimiert verschiedene Risiken: Ein Protokoll ist nicht von einer einzelnen Börse, einer einzelnen API oder einem einzelnen Oracle-Knoten abhängig. Integratoren müssen jedoch weiterhin den jeweiligen Feed prüfen, den sie verwenden. Chainlink verwendet unterschiedliche Feed-Kategorien und Risikobewertungen. Daher bedeutet das Vorhandensein einer Chainlink-Schnittstelle allein nicht, dass jeder Feed identische Datenquellen, Liquiditätsqualität oder Aktualisierungsparameter aufweist. Ausgangspunkt ist die offizielle Dokumentation zu den Chainlink-Datenfeeds .
Das Modell von Pyth legt Wert auf direkte Beiträge von Marktdatenanbietern wie Börsen, Handelsfirmen, Market Makern und anderen Finanzdatenanbietern. Pyth veröffentlicht einen aggregierten Preis zusammen mit einem Konfidenzintervall, was hilfreich ist, da reale Märkte nicht zu jedem Zeitpunkt einen perfekt einheitlichen Preis aufweisen.
Das Konfidenzintervall kann in Risikokontrollen einbezogen werden. Beispielsweise kann ein Kreditprotokoll Sicherheiten konservativ bewerten, wenn die Streuung der Herausgeber zunimmt, oder einen Markt aussetzen, wenn die Unsicherheit zu hoch wird. Der offizielle Leitfaden für bewährte Verfahren von Pyth empfiehlt ausdrücklich, Konfidenz und Aktualität zu berücksichtigen, anstatt den angegebenen Mittelwert als unfehlbar zu betrachten.
Dies ist der größte Unterschied zwischen den aktuellen Versionen. Ältere Beschreibungen von Pyth erklären Pythnet oft als die Blockchain, auf der Publisher Preise übermittelten, wobei Wormhole-Wächter signierte Nachrichten an andere Blockchains weiterleiteten. Die aktuelle Pyth-Dokumentation besagt jedoch, dass Pythnet abgeschaltet wird und Pyth Pro nun die aktuelle Datenarchitektur dokumentiert.
Für das aktualisierte Pyth Core berechnen fünf unabhängig voneinander arbeitende Router Aggregate und signieren Merkle-Roots. Hermes sammelt die signierten Roots und Proofs, und On-Chain-Verträge verifizieren ein 3-von-5-Signaturquorum, bevor sie das angeforderte Aggregat akzeptieren. Die Core-Vertrags-ABI ist weiterhin mit der vorherigen Schnittstelle kompatibel, es existieren jedoch neuere Vertragsadressen, und für den Zugriff auf Hermes ist nun eine API-Authentifizierung erforderlich.
Entwickler, die sich auf ein Tutorial aus dem Jahr 2024 oder 2025 stützen, sollten daher vor der Bereitstellung Endpunkte, Authentifizierung und Vertragsadressen erneut überprüfen. Die aktuelle technische Beschreibung finden Sie unter „ So funktioniert das aktualisierte Pyth Core“ .
Für einen Vertrag, der lediglich einen herkömmlichen On-Chain-Referenzpreis benötigt, können Chainlink Data Feeds operativ einfach sein: Lesen Sie den entsprechenden Aggregator-Vertrag und validieren Sie den zurückgegebenen Zeitstempel und Wert gemäß den Risikoregeln der Anwendung.
Pyth Core fügt dem kanonischen Pull-Ablauf einen expliziten Aktualisierungsschritt hinzu. Der Aufrufer ruft Preisaktualisierungsdaten von Hermes ab, entrichtet die Aktualisierungsgebühr, übermittelt die Aktualisierung und verwendet anschließend einen ausreichend aktuellen Preis. Dies kann bei latenzkritischer Ausführung von Vorteil sein, da die Transaktion ihre eigenen aktuellen Daten mitbringen kann. Allerdings erhöht sich dadurch der Verwaltungsaufwand für die Anwendung.
Chainlink Data Streams weist ähnliche operative Herausforderungen wie jedes Pull-System mit geringer Latenz auf: API- oder WebSocket-Zugriff, Berichtsdekodierung, Authentifizierung, On-Chain-Verifizierung, Fallback-Verhalten und Abrechnung müssen gewährleistet sein. Ein Vergleich von Pyth Core oder Pro mit Chainlink Data Streams im Hinblick auf Hochfrequenzhandel ist daher sinnvoller als ein Vergleich ausschließlich mit Chainlinks herkömmlichen Push-Feeds.
Die Latenz sollte durchgängig gemessen werden. Ein Anbieter kann zwar Daten im Millisekunden- oder Subsekundenbereich liefern, aber eine Anwendung weist dennoch Netzwerklatenz, API-Latenz, Blockproduktion, Transaktionseinbindung, Vertragsausführung und Abrechnungslogik auf.
Die aktuelle Dokumentation von Chainlink zu Datenströmen wirbt mit Datenauflösungen im Subsekundenbereich und On-Demand-Verifizierung. Pyth Pro dokumentiert Echtzeit- und Festratenkanäle mit Übertragungsintervallen von Millisekunden bis hin zu 50 ms, 200 ms und 1 Sekunde, abhängig vom Abonnement- und Integrationsmodus. Diese Produktfunktionen sind besonders relevant für Derivate- und Market-Making-Systeme, da erfahrene Händler veraltete Ausführungen direkt monetarisieren können.
Bei langsameren Kreditvergabe- oder Tresoranwendungen kann das Streben nach minimaler Latenzzeit Kosten und Komplexität erhöhen, ohne die Sicherheit wesentlich zu verbessern. Ein gut definierter Schwellenwert für veraltete Daten und konservative Liquidationsregeln können wichtiger sein als die Einsparung von einigen zehn Millisekunden im Übertragungspfad.
Beschränken Sie die Oracle-Sicherheit nicht auf eine einzelne Knotenanzahl. Untersuchen Sie den gesamten Pfad:
Die Sicherheitsrichtlinien von Pyth warnen vor der Auswahl von Updates durch Angreifer bei Pull-Updates: Benutzer können möglicherweise zwischen Updates wählen, die die zulässigen Zeitvorgaben noch erfüllen. Sie empfehlen strenge Überprüfungen auf Aktualität und für ausführbare Märkte Techniken wie verzögerte Abwicklung, vertrauensbasierte Preisgestaltung, Haltefristen und Expositionslimits.
Chainlink überträgt die Verantwortung für die Überwachung von Zeitstempeln, die Auswahl geeigneter Feeds und den Schutz der Anwendung vor ungewöhnlichen Marktbedingungen ebenfalls den Entwicklern. Die Oracle-Infrastruktur kann zwar das Datenrisiko reduzieren, aber sie kann weder die zulässige Hebelwirkung noch den Liquidationspuffer oder die Marktzeiten des Protokolls festlegen.
Chainlink hat sein Angebot weit über einfache Krypto-/USD-Feeds hinaus erweitert. Das aktuelle Produktportfolio umfasst Datenfeeds für Preis- und Reserveinformationen, SmartData, Kurs- und Volatilitätsfeeds, L2-Sequenzer-Uptime-Feeds sowie Datenströme, die je nach Berichtsschema detailliertere Marktdaten wie liquiditätsgewichtete Geld- und Briefkurse und weitere Marktkontexte bereitstellen können.
Pyth geht ebenfalls über einen einzelnen Mittelpunkt hinaus. Pyth Core liefert Preis-, Konfidenz- und EMA-bezogene Daten, während Pyth Pro umfassendere, hochfrequente Marktinformationen und konfigurierbare Bereitstellungsmöglichkeiten bietet. Die übergeordnete Strategie von Pyth bis 2026 umfasst außerdem die kommerzielle Dateninfrastruktur und den Datenmarktplatz.
Die Asset-Abdeckung sollte zum Zeitpunkt der Bereitstellung geprüft werden. Beide Anbieter fügen Feeds hinzu, ändern sie und entfernen sie. Gehen Sie niemals davon aus, dass ein Symbol, das in einer Kette, einem Service-Tier oder einer historischen Integration verfügbar ist, auch anderswo mit denselben Aktualisierungseigenschaften verfügbar ist.
Die Kosten umfassen nicht nur den Preis für das Oracle-Abonnement. Hinzu kommen Blockchain-Gas, Transaktionsaktualisierungen, API-Zugriff, Verifizierungsaufrufe, Entwicklungsaufwand, Überwachung, Redundanz und Ausweichinfrastruktur.
Chainlink-Datenfeeds lagern die kontinuierliche Veröffentlichung häufig an das jeweilige Sponsoring-Ökosystem aus, während Data Streams ein eigenes Abrechnungsmodell für On-Demand-Berichte verwendet. Chainlink weist darauf hin, dass unterstützte Feeds auch eingestellt werden können, wenn Nutzung und wirtschaftliche Tragfähigkeit den Betrieb nicht mehr rechtfertigen.
Die Wirtschaftlichkeit von Pyth hat sich 2026 grundlegend verändert. Pyth kündigte ein kommerzielles Datenmodell für Pyth Core an, und seit dem Core-Upgrade vom 26. August ist für den Zugriff auf Hermes ein API-Schlüssel erforderlich. Die Pyth-Dokumentation verweist Nutzer auf die aktuellen Tarife, anstatt von einem uneingeschränkten, nicht authentifizierten API-Zugriff auszugehen. On-Chain-Pull-Updates erfordern zudem eine Aktualisierungsgebühr, die vom Pyth-Smart-Contract berechnet wird.
Bei einem Kreditprotokoll mit geringem Volumen ist eine permanent verfügbare Infrastruktur mit niedriger Latenz möglicherweise nicht erforderlich. Bei einer Perpetual Exchange mit hohem Volumen kann die Investition in bessere Daten und redundante Verbindungen kostengünstiger sein als die Verluste durch adverse Selektion aufgrund veralteter Ausführung.
Prüfen Sie zunächst, ob für Ihre Ziel-Chain ein ausgereifter Chainlink- oder Pyth-Datenfeed für den gewünschten Vermögenswert und die benötigte Marktkonvention existiert. Vergleichen Sie Aktualisierungsverhalten, Datenquellen, Handelszeiten und den Integrationsaufwand. Treffen Sie Ihre Wahl nicht allein aufgrund des Markennamens.
Vergleichen Sie Chainlink-Datenströme mit Pyth Core oder Pyth Pro, anstatt nur herkömmliche Push-Feeds als Benchmark zu verwenden. Messen Sie die End-to-End-Latenz von der Datenerzeugung bis zur ausführbaren Abwicklung unter Ihren eigenen Chain-Bedingungen.
Nutzen Sie die Qualitätssignale der Daten. Das Konfidenzintervall von Pyth lässt sich direkt in Spreads, Sicherheitenabschläge oder Pausenschwellenwerte einbeziehen. Prüfen Sie bei Chainlink das spezifische Berichtsschema, den Zeitstempel, die Quellenmethodik und alle weiteren für das jeweilige Produkt verfügbaren Marktstatusfelder.
Entwerfen Sie redundante Abruf- und Anwendungs-Fallback-Mechanismen. Chainlink Data Streams dokumentiert die Active-Active-Bereitstellung an mehreren Standorten und hochverfügbare SDK-Modi. Die Integrationen mit Pyth Pro und Core sollten die API-Verfügbarkeit, Authentifizierung, aktuelle Vertragsadressen und die Möglichkeit veralteter Preise berücksichtigen.
Manche Protokolle vergleichen mehrere unabhängige Oracle-Pfade, verwenden Schutzmechanismen oder unterhalten sekundäre Datenquellen. Dies kann die Ausfallsicherheit erhöhen, aber auch ein neues Governance-Problem schaffen: Der Vertrag muss entscheiden, wie vorzugehen ist, wenn die Datenquellen voneinander abweichen. Ein Ausweichmechanismus, der blind den günstigeren Preis auswählt, ist kein Sicherheitsmechanismus.
| Erfordernis | Chainlink-Ansatz | Pyth-Ansatz |
|---|---|---|
| Konventioneller On-Chain-Referenzpreis | Datenfeeds veröffentlichen aggregierte Werte in der Blockchain | Pyth Core kann bei Bedarf aktualisiert werden; ausgewählte Push-Feeds sind ebenfalls verfügbar. |
| Datenabruf mit geringer Latenz | Datenströme mit Off-Chain-Übertragung und On-Chain-Verifizierung | Pyth Core-Pull-Updates und leistungsstärkeres Pyth Pro |
| Datenunsicherheitssignal | Abhängig vom Feed- oder Stream-Schema und den Marktfeldern | Preis plus explizites Konfidenzintervall |
| Integrationsverantwortung | Das Spektrum reicht von einfachen Feed-Lesevorgängen bis hin zur vollständigen Data Streams API und dem Verifizierungsprozess. | Der Pull-Flow erfordert das Abrufen, Übermitteln und Validieren aktueller Aktualisierungen. |
| operative Ausgabe 2026 | Feeds und Streams können hinzugefügt oder entfernt werden; beachten Sie die offiziellen Versionshinweise. | Core-Upgrade am 26. August 2026; Hermes erfordert nun API-Schlüssel-Authentifizierung |
Bevor Sie eine Oracle-Integration als produktionsreif einstufen, führen Sie eine Fehleranalyse durch, anstatt nur den Normalfall zu testen. Eine hilfreiche Checkliste ist:
Wenn diese Prüfungen ein eindeutiges, deterministisches Verhalten ergeben, ist die Wahl des Oracles wahrscheinlich eher auf die Anwendung abgestimmt als allein auf Reputation basierend. Chainlink und Pyth bieten beide ausgereifte Möglichkeiten, externe Finanzdaten in Web3 zu integrieren, doch ihre stärksten Produkte überschneiden sich zunehmend: Chainlink bietet mittlerweile sowohl Push- als auch Pull-Modelle, während Pyth sowohl anwendungsgesteuerte Pull-Aktualisierungen als auch ausgewählte Push-Muster unterstützt. Entscheidend sollten der spezifische Markt, das Latenzbudget, die Sicherheitsannahmen, die betrieblichen Fähigkeiten und die Fehlerbehandlungsstrategie des datenverarbeitenden Protokolls sein.
Aktuelle Implementierungsdetails finden Sie in der Dokumentation zu Chainlink Data Feeds , Chainlink Data Streams , Pyth Core und Pyth Pro . Da sich Endpunkte, Feeds, Authentifizierung und unterstützte Netzwerke ändern können, sollten diese primären Quellen zum Zeitpunkt der Bereitstellung erneut überprüft werden.
Nutzen Sie diese Krypto-Checkliste für das vierte Quartal, um Ihre Portfolioallokationen neu auszurichten, die Konzentration zu kontrollieren, Steuern und Verwahrung zu überprüfen und mit einem disziplinierten Risikoplan ins Jahresende zu gehen.
Erfahren Sie, wie die RWA-Tokenisierung Schatzanweisungen mit Blockchain-Finanzwesen verbindet, und nutzen Sie BlackRock BUIDL, um Eigentum, Verwahrung, Zugriff, Rendite und Risiko zu erklären.
Vergleichen Sie Chainlink-Datenfeeds und -Datenströme mit Pyth Core und Pyth Pro, einschließlich Push- vs. Pull-Aktualisierungen, Latenz, Sicherheit, Kosten und Integrationsänderungen im Jahr 2026.
Lernen Sie, bullische und bärische RSI-Divergenzen zu erkennen, Umkehrsignale zu bestätigen, Fehlsignale zu vermeiden, die richtigen RSI-Einstellungen auszuwählen und eine praktische Trading-Checkliste zu verwenden.
Ein faktengeprüfter Überblick über die stärksten Web3-Spiele-Launches im vierten Quartal 2026, darunter Off The Grid, NIGHT CROWS W, Yakkamon, sowie über wichtige Risiken für das Ökosystem.
Erfahren Sie, wie Uniswap v4 Hooks Liquiditätspools anpassen, von dynamischen Gebühren bis hin zu Zugriffskontrollen, und vergleichen Sie die praktischen Vorteile, Risiken und Anwendungsfälle.
KI kann die Entwicklung von Smart Contracts beschleunigen, doch der generierte Code bedarf weiterhin menschlicher Überprüfung, Tests, sicherer Bibliotheken und Audits. Vergleichen Sie die tatsächlichen Chancen und Risiken.
Vergleichen Sie führende Krypto-News-Aggregatoren und Rechercheplattformen für den professionellen Handel, darunter CryptoPanic, Kaito, Messari, Glassnode, Nansen, Arkham und Coin Metrics.
Bitcoin hat ein begrenztes Angebot, ist aber deshalb kein perfekter Inflationsschutz. Erfahren Sie, wann BTC helfen kann, wann nicht und wie Sie diese These überprüfen können.
Eine forschungsbasierte Betrachtung von fünf Layer-2-Token, die im Jahr 2026 möglicherweise unterbewertet sind, mit Fokus auf Token-Nutzen, Wertschöpfung, Freisetzungsrisiko und aktuelle Katalysatoren.
