Künstliche Intelligenz wird sich schnell von Konversationsagenten zu autonomen Agenten entwickeln, die komplexe Geschäftsprozesse durchführen. Während Unternehmen ihren Einsatz untersuchen, bleibt die Hauptfrage, wie genau beurteilt werden kann, ob ein KI-Agent für den operativen Einsatz in der realen Welt bereit ist, noch unbeantwortet. An der Schnittstelle von künstlicher Intelligenz (KI) und Marktfinanzierung haben sich <a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank">Pantera Capital und die digitale Vermögensabteilung von Franklin Templeton</a> der ersten Kohorte von Arenas KI-Testumgebung angeschlossen, die von dem Open-Source-<a href="https://www.sentient.xyz/arena" rel="noopener noreferrer" target="_blank">KI-Unternehmen Sentient Labs</a> entwickelt wurde. Arena ist nicht nur eine öffentliche Aufzeichnung von Ergebnissen; sie dient auch als Benchmark zum Vergleich des Betriebsmodells von Produktionsmodellen sowie zum Vergleich der Leistung jedes Modells (zum Beispiel eines KI-Agenten, der viele unterschiedliche, teils widersprüchliche Informationsquellen verarbeiten muss) hinsichtlich der Generierung verzweigter Begründungen. Viele Unternehmen ändern derzeit, wie sie die Produktionsreife ihrer KI definieren und bewerten. Kunden konzentrieren sich mehr denn je auf die Leistung von KI unter realen Betriebsbedingungen. Kunden bewerten beispielsweise, wie gut die KI bei Zeitbeschränkungen oder Datenverschlechterung seit dem letzten Benchmark-Test abschneidet.<h2>Das Problem des Enterprise-Benchmarking</h2>Die meisten aktuellen KI-Bewertungsrahmen stützen sich auf Messungen, die auf präzisen Datensätzen basieren, wie z.B. Begründungsprüfungen, Programmierherausforderungen und Informationsabrufaufgaben. Diese Datensätze erfüllen einen nützlichen Zweck, sind aber in den meisten Fällen nicht in der Lage, Unternehmensumgebungen genau abzubilden. Die Komplexität der professionellen Welt schafft eine Umgebung, die die Fähigkeit des Modells testet, die folgenden Ressourcen zu verwalten: strukturierte Workflow-Evaluierungen anstelle von Labortests; Tausende von Seiten Dokumentation; komplizierte Anweisungen oder Richtlinien; veraltete / oder inkonsistente Gesetze oder Anweisungen; teilweise / fehlende Daten; rechtliche / regulatorische Bedenken. Benchmark-Tests am Modell scheitern typischerweise daran, zu bewerten, ob eine Bewertung auf Unternehmensebene mit unvollständiger Dokumentation zu einer vertretbaren Schlussfolgerung führen würde. Die Arena bietet die erste Lösung, indem sie eine strukturierte Workflow-Evaluierung entwickelt und einführt, die das Modell auf der Grundlage bestehender Geschäftsprozesse unterstützt, anstatt durch Forschungslabortests des/der KI-Modells/Modelle.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/62d613a2-0910-4444-9d1f-f5ca14bf3eed.jpeg">Quelle: Autor<h2>Was Arena anders macht</h2><a href="https://sentient.xyz/" rel="noopener noreferrer" target="_blank">Sentient Labs</a> schafft eine Benchmark-Umgebung, um die KI-Produktivität mit einem produktionsnahen Ansatz zu bewerten. Anstatt isolierte Prompts als Bewertungen für Agenten zu verwenden, nutzen die Bewertungen standardisierte Aufgaben, die auf der Arbeitsweise großer Unternehmen basieren. Die Bewertungen ahmen die Bedingungen nach, unter denen Unternehmen heute agieren, wie zum Beispiel: -Vergleich mehrerer Dokumente-Extrahieren strukturierter Erkenntnisse aus umfangreichen Dokumenten-Abgleich mehrerer widersprüchlicher Informationsquellen-Arbeiten mit fehlenden/unvollständigen Informationen-Fähigkeit, überprüfbare Ergebnisse zu produzieren. Anstatt sich bei der Bewertung von Agenten nur auf die Genauigkeit zu konzentrieren, bietet diese Methodik eine operationale Perspektive. Praktisch gesehen, wenn ein Agent über einen längeren Zeitraum hinweg mit Langform-Analysen konsistent Argumente erstellen kann, wird er in der Lage sein, dieselbe Logik unter realen Einschränkungen zu replizieren (ausgenommen die Variablen, die die Leistung eines isolierten Prompts beeinflussen). Die Entwicklung von Benchmarks durch Geschäftsworkflows wird es Sentient Labs ermöglichen, Benchmarks zu erstellen, die definieren, was „produktionsreife Begründung“ tatsächlich ist.<h2>Warum die Beteiligung von Pantera Capital auf institutionelles Interesse hindeutet</h2>Pantera Capital hat sich als Investor in Blockchain-Infrastrukturen, dezentrale Finanzprotokolle und aufstrebende Krypto-Technologien etabliert. Ihre Teilnahme an Arena repräsentiert das Ausmaß des Interesses von Risikokapitalfirmen an der Überwachung der Entwicklung von KI-Agenten, die speziell für dokumentenintensive Finanzoperationen reifen. Investmentfirmen arbeiten routinemäßig mit: <ol><li data-list="bullet">Technischen Whitepapers</li><li data-list="bullet">Tokenomics-Modellen</li><li data-list="bullet">Governance-Frameworks</li><li data-list="bullet">Risikobewertungen</li><li data-list="bullet">Regulatorischen Einreichungen</li><li data-list="bullet">Due-Diligence-Dokumenten</li></ol> KI-Agenten, die diese Dokumente analysieren und synthetisieren können, wären eine enorme Zeitersparnis für Unternehmen; es gibt jedoch eine minimale Fehlertoleranz. Die erste Kohorte von Teilnehmern in Arena beinhaltet keine Kapitalbindung im Zusammenhang mit dem Programm, stellt aber ein Engagement dar, den Benchmarking-Rahmen und das Entwickler-Ökosystem mitzugestalten. Für Venture-Firmen bietet ein früher Einfluss auf die zur Bewertung von KI-Tools verwendeten Standards die Möglichkeit, strategische Einblicke zu gewinnen, welche KI-Tools die Operationen ihrer zukünftigen Portfolios ergänzen könnten.<h2>Franklin Templeton’s Digital Assets Division und operationale KI</h2>Mit dem Zustrom von Blockchain-basierten Anlageprodukten und tokenisierten Vermögenswerten hat Franklin Templeton durch die Fusion seiner Digital Asset Division mit Arena eine zunehmende Beziehung zwischen der Welt traditioneller Anlageverwalter und KI-basierter Automatisierungsprozesse entwickelt. Da sie mit vielen Vermögensverwaltern zusammenarbeiten, muss Franklin Templetons Digital Asset Division den Umgang mit KI-Lösungen in stark regulierten Umgebungen angehen. Vermögensverwalter befassen sich mit einem großen Volumen an regulatorischen Dokumenten, wie zum Beispiel: <ol><li data-list="bullet">Fonds-Prospekte</li><li data-list="bullet">Risikohinweise</li><li data-list="bullet">Compliance-Dokumente</li><li data-list="bullet">Prüfungsunterlagen</li><li data-list="bullet">Marktforschungsdokumente</li></ol> In einem regulierten Umfeld erwarten Vermögensverwalter extreme Zuverlässigkeit von KI-Systemen. Wenn ein Vermögensverwalter eine Compliance-Regel falsch interpretiert oder eine regulatorische Angelegenheit übersieht, können erhebliche Geldstrafen anfallen.Durch die vorherige Zusammenarbeit mit Arena ist Franklin Templetons Digital Asset Division nun in der Lage, formell die geeigneten Richtlinien für die Integration von KI-Begründungen in ein extrem reguliertes Umfeld festzulegen, bevor die vollständige Implementierung von KI-Systemen erfolgt.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/3f3edff9-8f8c-4926-8598-e0317060e05e.jpeg">Quelle: Autor<h2>Definition von produktionsreifer Argumentation</h2>Laut Oleg Golev, dem Produktdirektor von Sentient Labs, unterstützen die Entwickler von Arena die Plattform weiterhin, indem sie gemeinsam daran arbeiten, einen produktionsreifen KI-Begründungsprozess für umfangreiche Dokumenten-Workloads wie Analyse, Compliance und operative Prozesse zu gestalten.&nbsp; AI Production-Ready bedeutet, über folgende Fähigkeiten zu verfügen:&nbsp; - Konsistenz bei der wiederholten Durchführung ähnlicher Aufgaben&nbsp;- Nachvollziehbare Argumentationspfade&nbsp;- Widerstandsfähigkeit gegen die Generierung ungenauer Ergebnisse/Annahmen&nbsp;- Anerkennung, dass jede Entscheidung Unsicherheiten birgt&nbsp;- Beibehaltung von Kontextinformationen über lange Eingaben hinweg&nbsp; Wie oben zu sehen ist, können Prüfungen, wie Unternehmen eine KI-basierte Lösung erstellen, nicht allein auf Sprachgewandtheit basieren. Unternehmen müssen auch den Nachweis erbringen, dass hinter jeder KI-basierten Lösung eine nachvollziehbare Argumentationskette steht.&nbsp; In vielen Fällen (z.B. im Finanzwesen) benötigt ein Unternehmen dokumentierte Nachweise, die Entscheidungen untermauern können. Der Arena-Framework zielt darauf ab, nicht nur das Ergebnis des Agenten und/oder der Lösung zu messen, sondern auch, wie der Agent zu seiner Lösung gelangt ist; wodurch die Auditierbarkeit innerhalb des Unternehmens ermöglicht wird.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/e9e664ea-7b0d-44c5-b228-6ccadad8a7b1.jpeg">Quelle: Autor<h2>Warum lange Dokumente und widersprüchliche Quellen entscheidende Tests sind</h2>Viele Unternehmensprojekte beinhalten das Zusammenführen einer Reihe von Dokumenten, die nicht immer übereinstimmen. Wenn Sie beispielsweise eine Compliance-Prüfung durchführen, müssen Sie möglicherweise Folgendes vergleichen: <ol><li data-list="bullet">Den regulatorischen Rahmen.</li><li data-list="bullet">Die internen Richtlinien Ihres Unternehmens.</li><li data-list="bullet">Die Kundenoffenlegungsvereinbarung.</li><li data-list="bullet">Die externe rechtliche Auslegung.</li></ol> Jedes dieser Dokumente kann inkonsistente Informationen enthalten, doch alle können auch Gemeinsamkeiten in ihrem Inhalt aufweisen. Um in einem so mehrdeutigen Bereich zu arbeiten, müssen KI-Agenten Folgendes tun: <ol><li data-list="bullet">Alle Widersprüche identifizieren.</li><li data-list="bullet">Alle möglichen Risiken identifizieren.</li><li data-list="bullet">Übertriebene Annahmen vermeiden.</li><li data-list="bullet">Unklare Interpretationen eskalieren.</li></ol> Arena hat seinen Benchmarking-Rahmen so aufgebaut, dass lange Dokumente mit konkurrierenden Informationsquellen als Standardvorkommen in den täglichen Operationen eines Unternehmens berücksichtigt werden. Tests können auch unter solchen Situationen durchgeführt werden, um zu sehen, ob KI-Systeme mit mehrdeutigen Situationen verantwortungsbewusst umgehen können; nicht nur, um überzeugende Texte zu erstellen.<img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/163aab34-b093-4b8b-aa8b-a3fdbcd9ea15.jpeg">Quelle: Autor<h2>Strategische Beteiligung ohne Kapitalbindung</h2>Eines der Schlüsselelemente dieser Initiative ist, dass die teilnehmenden Unternehmen keine öffentlichen Erklärungen über finanzielle Investitionen in Bezug auf Arena abgeben. Stattdessen ist ihr Engagement beim Aufbau des Bewertungs-Ökosystems das Wichtigste. Dies deutet auf einen bewussten Ansatz der Institutionen bei der Einführung von KI-Technologien hin. Anstatt sie schnell einzuführen, konzentrieren sich Institutionen auf: - Entwicklung von Standards- Risikobewertung- Partnerschaften mit Entwicklern- Durchführung kontrollierter ExperimenteDie Strategie minimiert Risiken und ermöglicht gleichzeitig einen zeitnahen Zugang zu Informationen über die Leistung von KI-Systemen in operativen Umgebungen.Die Strategie bestätigt auch die Überzeugung, dass Benchmarking-Frameworks selbst als strategische Infrastruktur entwickelt werden. <h2>KI-Agenten und die Zukunft von Finanz-Workflows</h2>Die Konvergenz von digitalen Assets und künstlicher Intelligenz beschleunigt sich weiterhin rasant. Finanzmärkte entwickeln sich ständig hin zu mehr Datenorientierung, Dokumentenlastigkeit und globaler Vernetzung. Das Aufkommen der Blockchain-Technologie fügt diesen Entitäten eine weitere Ebene der Komplexität hinzu, indem sie Smart Contracts, tokenisierte Wertpapiere und dezentrale Governance-Strukturen bereitstellt. Künstliche Intelligenz (KI)-Agenten, die die oben genannten Umgebungen präzise analysieren können, wären in der Lage, viele Aufgaben zu erledigen, darunter: <ol><li data-list="bullet">Überwachung von Governance-Vorschlägen</li><li data-list="bullet">Bewertung der Offenlegungen von Smart Contracts</li><li data-list="bullet">Automatisierung des Compliance-Vergleichs über verschiedene Gerichtsbarkeiten hinweg</li><li data-list="bullet">Erstellung strukturierter Investment-Memos</li><li data-list="bullet">Identifizierung von Risikoinkonsistenzen über Datensätze hinweg</li></ol> Um diese KI-Systeme implementieren zu können, müssen wir uns zunächst mit ihrer Fähigkeit zur Argumentation wohlfühlen.Arena wird als Ort für die praktische Bewertung von KI-Systemen in einer sicheren Umgebung entwickelt, bevor sie in die reale Welt integriert werden.<h2>Ein Wendepunkt für die KI-Bewertung in Unternehmen</h2>Während KI-Agenten von ihrer experimentellen Phase in den realen Betrieb übergehen, muss sich die Art und Weise, wie wir sie bewerten, ändern. Die Benchmarks, die Arena zur Bewertung der Produktionskapazitäten verwendet, sind mit einem neuen Verständnis dessen konzipiert, was „enterprise-ready“ bedeutet; was „enterprise-ready“ ausmacht, kann nicht länger allein von akademischen Metriken abhängen, wie wir sie traditionell definiert haben. Um wirklich als „enterprise-ready“ zu gelten, müssen KI-Agenten Folgendes demonstrieren: - Resilienz gegenüber Mehrdeutigkeit- Konsistenz über ausgedehnte organisatorische Workflows hinweg- Transparente und klare Argumentation- Widerstandsfähigkeit gegenüber Fehlinformationen- Auditierbare Verfügbarkeit in regulierten Branchen Die Tatsache, dass Pantera Capital und Franklin Templetons <a href="https://crypto-economy.com/pantera-and-franklin-templeton-back-sentients-arena-to-stress-test-enterprise-ai-agents" rel="noopener noreferrer" target="_blank"> </a>Digital Asset Group Arena als Teil ihrer ersten Kohorte gewählt haben, zeigt, dass KI auf Unternehmensebene eine Bewertung auf Unternehmensebene erfordert. In den vergangenen Jahren werden die effektivsten KI-Agenten nicht diejenigen mit den fortschrittlichsten Konversationsfähigkeiten gewesen sein, sondern diejenigen, die den zusätzlichen Komplexitäten und damit verbundenen Verantwortlichkeiten bei der Durchführung realer Finanzoperationen standhalten können. Arena hat mit diesem Framework einen wichtigen ersten Schritt zur Erreichung dieses Ziels gemacht.

Pantera Capital & Franklin Templeton schließen sich Sentient Arenas erstem Jahrgang an, um unternehmensbezogene KI-Agenten auf Produktionsreife in dokumentenintensiven, regulierten Finanz-Workflows zu prüfen.

Pantera Capital und Franklin Templeton schließen sich Sentient Arena an, um Unternehmens-AI-Agententests neu zu definieren

/media/contribution/car9d3cdefd751b4e37aee520b4cb5f0993/hpq_0319072514278.stxt

MakerDAO und RWAs als DeFi-Kollateral auf der Blockchain im Jahr 2026

/media/contribution/carf20720a01cef4787bd766e32dd8d79bc/3o6_0319071029003.stxt

Top RWA-Plattformen auf der Blockchain 2026: Securitize, Centrifuge und Ondo Finance

/media/contribution/car55c90ecce828417a9f80e0f5b4aa68ef/sl5_0319070541557.stxt

Cross-Chain RWA-Tokenisierung: Blockchain-Interoperabilitätslösungen 2026

/media/contribution/car24df380941144c7b8f5d9f03558f6830/zc5_0319073526317.stxt

Wie Nigerias SEC-Krypto-Rahmenwerk Afrikanische Händler Beeinflusst

/media/contribution/car2c2da6b19bc64029b462fede430f6765/5so_0318072209848.stxt

Die physische Belastbarkeit von Bitcoin: Überleben massiver Kabelstörungen trotz verborgener Konzentrationen

/media/contribution/car7e057d58b4ac4b39a8d681508a93be2e/0qi_0318070912812.stxt