Die University Blockchain Research Initiative (UBRI) von Ripple zeigte, wie akademische Forschung direkt in das XRP-Ledger (XRPL) integriert wird und das Netzwerk als native Heimat für die Agenten-KI positioniert.
In einer Folge des UBRI-Podcasts „All About Blockchain“ erläuterten Moderatorin Lauren Weymouth und Professor Yang Liu von der Nanyang Technological University eine programmierbare Multi-Agent-Ausführungsschicht, die sich in die Transaktions- und Abwicklungsschienen von XRPL einfügt, sodass aufgabenspezifische Agenten – Handelsroboter, Forschungstools, IoT-Dienste – auf einer gemeinsamen, überprüfbaren Infrastruktur leben können.
Ripple und NTU bauen eine KI-Schicht für das XRP-Ledger auf
RippleX neckte die Episode über
KI und Blockchain sind die Zukunft sicherer, zeitsparender Anwendungen.
In der neuesten Folge des All About Blockchain-Podcasts spricht Professor Yang Liu von der Nanyang Technological University (@Ntusg) untersucht, wie KI das XRP-Ledger verbessern könnte durch:
➡️ Intelligentere Betrugserkennung
➡️…— RippleX (@RippleXDev) 7. Oktober 2025
Weymouth bezog sich bei der Arbeit ausdrücklich auf XRPL und wies darauf hin, dass UBRI-Forscher Apex nutzten, um „eingehend in Verbesserungen auf Protokollebene, Sicherheitsverbesserungen und Anwendungsfälle einzutauchen, die strategische Entwicklungen im XRP-Ledger vorantreiben“. Sie sagte, Ripples eigenes UBRI-Recherche-Suchtool auf xrpledgercommons.org „wird mit der von ihnen entwickelten Middleware als Flaggschiff-Pump-Agent-App portiert“ und unterstreicht, dass der Agent-Stack in das Hauptbuch eingebunden und nicht als Off-Chain-Komfortschicht gehalten wird. Das Ziel, fügte sie hinzu, sei es, im Hauptbuch selbst zu zeigen, „wie akademische Forschung und Entwicklung zu produktionstauglicher Innovation wird“.
Liu führte den Ursprung des Projekts vom Fokus seines Labors auf Cybersicherheit auf die Blockchain zurück, angetrieben von der Tatsache, dass „Sicherheit zur Art von oberster Priorität wird“, sobald sich der Wert in der Kette verlagert. Frühe Versuche, sich für die Überprüfung intelligenter Verträge auf große Sprachmodelle zu stützen, stießen auf ein strukturelles Problem: „Wenn Sie ein Zeichen ändern, können Sie ein normales Programm in ein anfälliges Programm ändern und umgekehrt. Aber das Sprachmodell ist ein Wahrscheinlichkeitsmodell. Sie können den winzigen Unterschied nicht erkennen.“ Diese Lücke zwischen Codesyntax und Laufzeitverhalten veranlasste das Team zu agentenbasierter KI – Systemen, die die Arbeitsabläufe von Expertenprüfern und Angreifern imitieren und als On-Ledger-Dienste bereitgestellt werden können.
„Wir versuchen wirklich, das Wissen und Denken der Sicherheitshacker zu digitalisieren und in das Gehirn des Agenten umzuwandeln“, sagte Liu. In Einzelvertrags-Benchmarks erzeugten die Agenten „wirklich Zero-Day-Schwachstellen“, wobei die Ergebnisse in bestimmten Fällen „die gleichen waren wie die unseres hauseigenen Sicherheitsprüfers“. Für XRPL ist die Implikation praktisch: Das Netzwerk kann Agenten beherbergen, deren Methoden und Ergebnisse durch On-Chain-Abwicklung und gemeinsame Schienen nachvollziehbar sind, wodurch die Verantwortlichkeit für die Automatisierung, die den Wert berührt, verbessert wird.
Kritisch für das Publikum betonte Liu, dass die „Integration mit der XRP-Plattform“ zwei Funktionen erfüllt. Erstens ermöglicht es KI-Agenten nativen Zugriff auf Zahlungen und Abrechnungen. Auf die Frage nach der Überweisung einer XRP-Zahlung in die Agentenschicht antwortete er: „Um ehrlich zu sein, denke ich, dass es keine großen Hürden geben wird … teilweise aufgrund des schönen Plattformdesigns von XRP Ledger.“
Zweitens macht die Transparenz von XRPL die Einführung von KI zu einem beobachtbaren Prozess. „Da die Hauptbücher in der Kette liegen … sind alle Transaktionen transparent. Das kann also auch die Transparenz der KI-Einführung verbessern“, sagte er. Mit anderen Worten: Agenten, die Zahlungen auslösen, Gebühren verwalten oder Dienste koordinieren, können an überprüfbare Zustandsänderungen auf XRPL gekoppelt werden, anstatt undurchsichtige, außerhalb des Hauptbuchs stehende Automaten zu bleiben.
Was Sie als Nächstes erwartet
Weymouth drängte auf den Produktionspfad für XRPL-orientierte Software, und Lius Antwort kehrte zu disziplinierten Release-Zyklen zurück, die in einem Live-Ledger von Bedeutung sind: „gut definierte … API und Dokumentation sowie die Art von soliden Tests dieser Integration.“ Er fügte hinzu, dass seine Gruppe Agenten für die Softwareentwicklung selbst verwendet – „Anforderungsagenten, Architektenagenten, Coding-Agenten, Testagenten“ –, um die Middleware zu härten, die zwischen Agentenlogik und XRPL-Primitiven liegt.
Die Warnhinweise des Teams zum KI-Risiko basierten auch auf der Realität der Automatisierung von Werten in einer öffentlichen Kette. Liu unterschied KI-Sicherheit – die Verhinderung von Jailbreaks und Betrug – von KI-Sicherheit, bei der zielstrebige Agenten unbeabsichtigtes Verhalten zeigen. Er beschrieb einen Schachagenten, der „die Konfiguration des Schachbretts geändert hat … und er gewinnt“, und einen Schadenagenten, der „automatisch ein E-Mail-Konto erstellt … um den Eigentümer zu vertreten“. Wenn solche Verhaltensweisen auf Aktionen im Hauptbuch hinweisen, umfasst die Angriffsfläche nicht nur Code, sondern auch falsch ausgerichtete Ziele, die Gelder bewegen oder den Zustand ändern könnten. „KI-Sicherheit … wird das große Ding“, warnte er, weshalb das Team beabsichtigt, die XRPL-Integration mit Leitplanken und Verifizierung zu kombinieren.
Mit Blick auf die Zukunft entwarf Liu eine Roadmap für die Agentenschicht, die XRPL im Mittelpunkt hält. Die Übernahme hat unmittelbare Priorität: „Die Leute werden die Übernahme durchführen … wir können mehr Agenten und mehr, äh, nützliche Versorgungsagenten in die Kette einbauen und sie weithin übernehmen.“ Die Forschungsagenda hinter diesem Vorstoß konzentriert sich auf umsetzbare kognitive Fähigkeiten – „Abstraktion“ und „Speicher“ stehen im Vordergrund –, die den heutigen Sprachmodellen fehlen, die aber von Agenten benötigt werden, die rund um eine On-Chain-Transaktionsmaschine arbeiten.
„Wir brauchen dedizierte Abstraktionsfähigkeiten … und die Speicherideen“, sagte er, einschließlich Mechanismen, um Informationen aus Kurzzeitpuffern in das „langfristige … semantische Gedächtnis“ zu verschieben, damit Agenten, die mit XRPL interagieren, über Zustand und Verlauf nachdenken können, anstatt zustandslos zu reagieren.
Sicherheit bleibt das Testfeld für diese Fähigkeiten. Das Labor untersucht, ob ein speichererweiterter Agent lernen kann, im Laufe der Zeit neue Schwachstellenklassen zu erkennen. Das Motiv ist konsistent: Entwerfen Sie Agenten, die sich verbessern können, betten Sie sie dort ein, wo ihre Aktionen und Zahlungen sichtbar sind, und koppeln Sie sie an XRPL, sodass die Automatisierung sowohl eine native Abwicklung als auch öffentliche Rechenschaftspflicht hat.
Weymouth schloss mit einer praktischen Frage an Bauherren in der Gemeinde. Lius Rat war unverblümt und produktorientiert: „Sie müssen verstehen, welchen Wert die Forschung hat, an der Sie arbeiten. Wenn die Forschung einen Wert hat, muss sie auf jeden Fall die Nachfrage haben … die Möglichkeit, ein erfolgreiches Startup zu gründen. Folgen Sie Ihrem Herzen, wählen Sie das wertvollste Thema für Sie und verfolgen Sie es.“
Für Ripple und NTU hat diese Jagd bereits einen KI-Agenten-Überbau in die Reichweite des XRP-Ledgers gebracht. Weymouth bemerkte, dass die Initiative „in weniger als einem Jahr“ von einem wissenschaftlichen Whitepaper zur Live-Middleware führen soll und darauf abzielt, Entwicklern die Bereitstellung von Agenten zu ermöglichen, die Transaktionen in XRP durchführen, gemeinsame Sicherheits- und Abwicklungsschienen erben und einen transparenten Fußabdruck in der Kette hinterlassen. Ob es darum geht, dem Ledger ein „KI-Gehirn“ zu verleihen oder die Automatisierung einfach standardmäßig überprüfbar zu machen, die Richtung ist klar: KI-Agenten integrieren sich nicht nur in das XRP-Ledger – sie lernen, damit zu arbeiten.
Zum Zeitpunkt der Drucklegung wurde XRP bei 2,85 $ gehandelt.
Ausgewähltes Bild erstellt mit DALL.E, Diagramm von TradingView.com
Redaktioneller Prozess Bei Bitcoinist liegt der Schwerpunkt auf der Bereitstellung gründlich recherchierter, genauer und unvoreingenommener Inhalte. Wir halten strenge Beschaffungsstandards ein und jede Seite wird von unserem Team aus Top-Technologieexperten und erfahrenen Redakteuren sorgfältig geprüft. Dieser Prozess stellt die Integrität, Relevanz und den Wert unserer Inhalte für unsere Leser sicher.
