Das praktische Problem bei der Suche nach „KI-Kryptoprojekten unter 100 Millionen US-Dollar“ besteht darin, dass die Bezeichnung sehr weit gefasst ist, die Beweislage jedoch uneinheitlich. Ein Token kann beispielsweise den dezentralen Zugriff auf GPUs finanzieren, ein anderer KI-Agenten-Zahlungen unterstützen und ein weiterer lediglich ein KI-Konzept mit einem herkömmlichen Kryptoprodukt verknüpfen. Gleichzeitig können Marktkapitalisierungen innerhalb eines Tages über oder unter eine bestimmte Schwelle fallen.
Diese Beobachtungsliste verwendet daher ein einfaches Kriterium: Jedes Projekt wies am 14. September 2026 eine Marktkapitalisierung von unter 100 Millionen US-Dollar auf und verfügt über eine offizielle Produkt- oder Protokollbeschreibung, die dem Token eine definierte Rolle zuweist. Die unten aufgeführten Marktkapitalisierungszahlen sind Momentaufnahmen und keine endgültigen Klassifizierungen. Sie sollten vor jeder Entscheidung erneut überprüft werden.
„Hohes Wachstumspotenzial“ bedeutet hier weder ein Kursziel noch eine Prognose. Es bedeutet, dass das Projekt gute Chancen auf eine breitere Nutzung hat, wenn das Produkt funktioniert, die Akzeptanz steigt und die Tokenökonomie diese Nutzung in Nachfrage umwandelt. Token kleiner Unternehmen können zudem einen Großteil ihres Wertes verlieren, unter geringer Liquidität leiden, keine Nutzer gewinnen oder durch zukünftiges Angebot verwässert werden.
| Projekt | Ungefähre Marktkapitalisierung (Überblick) | Kernbereich KI/Krypto-Ausrichtung | Hauptsache zu überprüfen |
|---|---|---|---|
| Nosana (NOS) | Etwa 28 Millionen US-Dollar | Dezentrale GPU-Berechnung für KI-Workloads | Realer Arbeitslastbedarf und Knotenökonomie |
| Delysium (AGI) | Etwa 12 Millionen US-Dollar | KI-Agentennetzwerk und Web3-Betriebsschicht | Aktive Agentennutzung statt Marketing basierend auf der Anzahl der Kundengelder |
| Oraichain (ORAI) | Etwa 8 Millionen US-Dollar | KI-orientierte Layer-1- und Oracle-Infrastruktur | Entwicklerakzeptanz und gebührengenerierende Aktivitäten |
| PAAL AI (PAAL) | Etwa 5 Millionen US-Dollar | KI-Agenten, Automatisierung und auf Kryptowährungen fokussierte KI-Tools | Produktumsatz, Kundenbindung und Token-Nutzen |
| HyperGPT (HGPT) | Etwa 1,6 Millionen US-Dollar | Marktplatz für KI-Apps, Agenten und Entwickler-APIs | Ob die Nutzung von Marktplätzen/APIs sinnvoll wird |
Diese Zahlen basieren auf einer Momentaufnahme der Marktdaten und sind gerundet; sie können sich nach der Veröffentlichung erheblich ändern. Ein Projekt, dessen Wert die 100-Millionen-Dollar-Marke überschreitet, wird dadurch nicht automatisch schlechter, und eine sinkende Marktkapitalisierung führt nicht zwangsläufig zu einer fundamental günstigeren Bewertung.
Nosana zählt zu den transparentesten Infrastrukturanbietern in dieser Gruppe. Das Netzwerk ermöglicht es Entwicklern, KI-Workloads bereitzustellen, während GPU-Besitzer dem Grid beitreten und Rechenleistung beisteuern können. Die offizielle Nosana-Dokumentation beschreibt Bereitstellungen über ein Dashboard, eine API und eine CLI sowie ein GPU-Hosting-Modell, mit dem Teilnehmer NOS verdienen können.
Der positive Aspekt liegt auf der Hand: Die Nachfrage nach KI-Inferenz steigt stetig, zentralisierte GPU-Kapazitäten bleiben teuer oder begrenzt, und dezentrale Marktplätze werden für Workloads nützlich, die keine Servicegarantien auf Hyperscaler-Niveau erfordern. Gelingt es Nosana, Entwickler langfristig anzuziehen und nicht nur einmalige Experimente zu ermöglichen, könnte die Netzwerknutzung ein aussagekräftigeres Signal liefern als die Aufmerksamkeit in sozialen Medien.
Das Risiko ist ebenso deutlich. Dezentrale Rechenleistung konkurriert mit etablierten Cloud-Anbietern, spezialisierten GPU-Anbietern und anderen Kryptonetzwerken. Investoren sollten den Auftragsdurchsatz, die Kundenkonzentration, die Wettbewerbsfähigkeit der Preise, die Knotenauslastung und die Frage prüfen, ob Token-Belohnungen Aktivitäten subventionieren, die ohne Anreize wegfallen würden.
Delysium entwickelt ein Blockchain-basiertes Kollaborationsnetzwerk für KI-Agenten. Im Mittelpunkt der offiziellen Projektwebsite stehen Lucy, ein KI-gestütztes Web3-Betriebssystem, und das YKILY-Netzwerk zur Koordination von KI-Agenten. Das veröffentlichte MiCA-Whitepaper des Projekts dokumentiert zudem AGI-Implementierungen auf Ethereum, Solana und der BNB Chain.
Der potenzielle Katalysator liegt im umfassenderen Wandel von Chatbots hin zu Agenten, die Aufgaben ausführen, Identitäten verwalten, Dienste koordinieren und mit On-Chain-Systemen interagieren können. Sollten autonome Agenten zu realen Wirtschaftsakteuren werden, könnten Zahlungssysteme, Identität, Berechtigungen und Interoperabilität eine entscheidende Rolle spielen.
Die Schwierigkeit besteht darin, die tatsächliche Nutzung zu messen. Wallet-Registrierungen und Transaktionszahlen mögen beeindruckend wirken, geben aber wenig Aufschluss über wiederkehrende Nutzer oder den wirtschaftlichen Wert. Eine gründlichere Prüfung konzentriert sich auf aktive Nutzer, die Häufigkeit von Transaktionen, kostenpflichtige Dienste, Entwicklerintegrationen und den Anteil der Aktivitäten, der ohne Werbekampagnen anhält.
Oraichain beschreibt sich selbst als KI-fokussiertes Layer-1- und Blockchain-Orakel-Ökosystem. Die offizielle Oraichain-Dokumentation erläutert das Ziel, Smart Contracts mit KI-Modellen und Datendiensten zu verbinden. Die Dokumentation zur Token-Ökonomie beschreibt außerdem Staking, Validator-Belohnungen und Slashing.
Oraichain ist interessant, weil es ein technisches Problem löst und nicht nur ein Nutzerproblem darstellt: Deterministische Smart Contracts führen probabilistische KI-Modelle nicht ohne Weiteres aus. Eine spezialisierte Oracle- und KI-Ausführungsschicht könnte sich als nützlich erweisen, wenn dezentrale Anwendungen einen verifizierbaren Zugriff auf Modelle, Daten oder KI-generierte Ergebnisse benötigen.
Die zentrale Frage ist die Akzeptanz. Infrastruktur-Token können jahrelang technisch anspruchsvoll bleiben, ohne dass die Entwicklernachfrage ausreicht, um ihren Wert zu rechtfertigen. Beobachten Sie aktive Anwendungen, die Ökonomie der Validatoren, Gebühren, Integrationen und ob Entwickler Oraichain wählen, wenn einfachere Off-Chain-Alternativen verfügbar sind.
PAAL AI bietet kundenspezifische Agenten, wissensbasierte Agenten und API-basierte Automatisierung. Die offizielle Agentendokumentation beschreibt REST-API-, Wissensdatenbank- und IoT-Agententypen. Auf der Token-Informationsseite wird ein Gesamtangebot von einer Milliarde Token angegeben und Premium-KI-Dienste, Staking und Ökosystem-Belohnungen als mögliche Token-Einsatzgebiete aufgeführt.
Das Wachstum hängt davon ab, dass die Tools regelmäßig genutzt werden. KI-Agenten-Builder gibt es viele, daher erzielt PAAL keinen nachhaltigen Wettbewerbsvorteil allein durch das Angebot eines Chatbots oder einer Agentenschnittstelle. Wichtigere Indikatoren sind zahlende Nutzer, Kundenbindung, API-Nutzung, Unternehmenseinsätze und nachweisbare Umsätze.
Die Mechanismen der Token-Vergabe verdienen besondere Beachtung. Umsatzbeteiligungen, Staking-Anreize und Rückkaufprogramme klingen zwar verlockend, ersetzen aber nicht die organische Nachfrage. Anleger sollten die Produkteinnahmen von den Token-Anreizen trennen und prüfen, ob die Renditen von neu ausgegebenen Token abhängen.
HyperGPT positioniert sich als KI- und Web3-Ökosystem für Apps, Agenten und Entwicklerzugang zu verschiedenen KI-Modellen. Die offizielle Übersicht beschreibt einen Marktplatz für KI-Anwendungen, während die Dokumentation zu den HGPT-Funktionen Zahlungen, Premium-Zugang, Belohnungen, Governance und Staking als geplante Token-Funktionen auflistet. Die öffentliche Tokenomics-Seite des Projekts gibt ein Gesamtangebot von einer Milliarde Token an.
Der Reiz liegt in der Wahlmöglichkeit: Wenn Entwickler ein einziges Konto und eine einzige API-Schicht nutzen, um auf mehrere Modelle zuzugreifen, Agenten zu erstellen und Anwendungen zu verteilen, kann HyperGPT Aktivitäten in verschiedenen Bereichen der KI-Architektur erfassen. Die niedrige Marktkapitalisierung bedeutet zudem, dass bereits relativ kleine Nachfrageänderungen große prozentuale Wertveränderungen bewirken können.
Diese niedrige Ausgangsbasis erhöht das Risiko. Geringe Liquidität kann sowohl Kursanstiege als auch Kursrückgänge verstärken. Anleger sollten die tatsächlichen Markttransaktionen, die API-Nutzung, das Umlaufangebot, zukünftige Freigaben und die Nutzerbasis angekündigter Produkte außerhalb der Projektgemeinschaft überprüfen.
Am einfachsten lässt sich prüfen, ob das Produkt auch ohne den Token sinnvoll wäre. Ein dezentraler GPU-Marktplatz, ein Zahlungssystem für Agenten oder ein Orakel, das KI-Ausgaben mit Smart Contracts verknüpft, können gute Gründe für den Einsatz von Blockchain liefern. Bei einem generischen KI-Assistenten mit einem zugehörigen Token ist dies hingegen weniger wahrscheinlich.
Als Nächstes sollte man sich fragen, ob die Token-Nachfrage mit der Produktnutzung zusammenhängt. Sinnvolle Fragen sind beispielsweise: Wird der Token für Rechenleistung oder API-Aufrufe benötigt? Ist er für Staking oder Sicherheit erforderlich? Werden Gebühren über den Token abgewickelt? Werden Belohnungen durch reale Einnahmen oder hauptsächlich durch Emissionen finanziert? Ein Token kann mit einem nützlichen Produkt verbunden sein und dennoch nur geringen wirtschaftlichen Wert besitzen.
Dann geht es weiter mit den schwierigeren Prüfungen:
Drei wesentliche Faktoren sind entscheidend. Erstens die tatsächliche Nachfrage nach KI: Mehr Inferenz, Agentenautomatisierung und Modellbereitstellung können den Bedarf an Rechenleistung, Daten und Orchestrierung erhöhen. Zweitens eine verbesserte Krypto-Infrastruktur für maschinelle Zahlungen, Identität und Eigentumsverwaltung. Drittens die Verbreitung: Ein technisch starkes Netzwerk kann klein bleiben, bis es Entwicklerwerkzeuge, Integrationen oder ein benutzerfreundliches Produkt erhält, das das zugrunde liegende Protokoll einfach nutzbar macht.
Doch auch das Gegenteil ist wahr. Werden KI-Produkte günstiger und über zentralisierte APIs leichter zugänglich, könnte es für einige Blockchain-Schichten schwierig werden, die zusätzliche Komplexität zu rechtfertigen. Regulierungen, Token-Freigaben, Sicherheitsvorfälle und Börsenstreichungen können den Produktfortschritt erheblich behindern. Token kleinerer Unternehmen reagieren besonders empfindlich, da ihre Liquidität und die Konzentration der Inhaber gering sein können.
Bevor Sie einen KI-Token unter 100 Millionen US-Dollar als vielversprechendes Projekt bezeichnen, sollten Sie fünf Fragen beantworten: Was leistet das Produkt? Wer bezahlt dafür? Warum ist Blockchain notwendig? Wie wird die Nutzung des Tokens erfasst? Und welche Kennzahl belegt eine steigende Akzeptanz? Bleibt eine Antwort unklar, ist die Investitionsthese wahrscheinlich noch zu sehr auf Erzählungen basierend.
Für diese Beobachtungsliste lässt sich Nosana am einfachsten anhand der Rechenlast und der Knotenauslastung bewerten; Delysium anhand der wiederkehrenden Agentenaktivität; Oraichain anhand der Nutzung durch Entwickler und Oracles; PAAL anhand der Nutzung kostenpflichtiger Agenten/Tools und der Umsatzqualität; und HyperGPT anhand von Marktplatztransaktionen und API-Nutzung. Überprüfen Sie vor einer Handlung die Marktkapitalisierung, die Lieferpläne und die offizielle Dokumentation, da die Analyse von Small-Cap-Unternehmen schnell veralten kann.
Kein Projekt in dieser Liste ist ein garantierter Gewinner. Das sinnvolle Ergebnis besteht nicht darin, den Token mit dem spannendsten KI-Label auszuwählen, sondern darin, die Auswahl auf Projekte einzugrenzen, bei denen Produktnutzung, Token-Nutzen und Marktbewertung unabhängig voneinander messbar sind.
Eine auf Forschung basierende Beobachtungsliste von fünf KI-Kryptoprojekten mit einer Marktkapitalisierung unter 100 Millionen US-Dollar, mit Überprüfungen offizieller Quellen, Wachstumstreibern, Token-Risiken und einem praktischen Due-Diligence-Rahmen.
Ein praktischer Rahmen für die Analyse von Kapitalflüssen zwischen Layer-1-Blockchains und Layer-2-Netzwerken mithilfe von TVL, Stablecoins, Aktivitätsdaten, Gebühren und Brückendaten.
Lernen Sie, wie Sie Web3-Gaming-Token anhand von Emissionen, Token-Senken, Freischaltungen, Kundenbindungsqualität und nachhaltiger Spielernachfrage bewerten – und nicht nur anhand der auf dem Papier sichtbaren Belohnungen.
Erfahren Sie, wie Wallet-Drainer Phishing, Token-Genehmigungen, NFT-Betreiberberechtigungen und signierte Genehmigungen ausnutzen – und wie Sie Anfragen überprüfen, den Zugriff einschränken, Risiken minimieren und auf Kompromittierungen reagieren können.
Vergleichen Sie sechs KI-orientierte Layer-1-Blockchains anhand dessen, worauf sie tatsächlich optimieren: Agenten, Rechenleistung, Daten, On-Chain-Inferenz, Interoperabilität und Entwicklerfreundlichkeit.
Vergleichen Sie Banana Gun, Maestro und Sol Trading Bot anhand eines hypothetischen SOL-Trades mit praktischen Wallet-, Telegram-, Slippage-, Gebühren- und Betrugssicherheitsprüfungen.
Ein praktischer Leitfaden zu tokenisiertem Private Equity und Private Debt: Funktionsweise, Beispiele aus der Praxis, Vorteile, Risiken, Regulierung und worauf man als Nächstes achten sollte.
Vergleichen Sie Hyperliquid, dYdX und GMX hinsichtlich Ausführungsmodell, Gebühren, Finanzierung, Liquidität, Sicherheiten und Risiko anhand eines praxisnahen hypothetischen Handelsszenarios.
Verstehen Sie modulare vs. monolithische Blockchains, wo Celestia und EigenLayer ihren Platz haben, die Kompromisse bei Sicherheit und Skalierbarkeit und was die Kryptowelt als Nächstes prägen könnte.
Praktische Risikoregeln für Kryptoderivate in Bezug auf Hebelwirkung, Positionsgröße, Stopps, Liquidation, Margin, Finanzierung, Korrelation und Wechselkursrisiko.
