Die Investmentfirma Multicoin Capital sieht in sogenannten „Internet Labor Markets“ (ILMs) das Potenzial, die nächste große Adoptionswelle im Kryptobereich auszulösen. Anstatt Kryptowährungen direkt zu kaufen, sollen Nutzer durch die Bereitstellung von überprüfbarer Arbeit Tokens verdienen können. Dieses Modell könnte Kryptowährungen zu einem globalen Arbeitsmarkt transformieren.
Shayon Sengupta von Multicoin Capital hebt hervor, dass sich der Kryptomarkt bisher stark auf den Kauf und Handel konzentriert hat. Die Zukunft des Marktes wird jedoch voraussichtlich stärker vom Verdienen von Tokens geprägt sein. Dieser Wandel von reiner Spekulation hin zur Einkommensgenerierung ist zentral für das Konzept, bei dem Nutzer dezentralen Netzwerken ihre Arbeit oder Ressourcen im Austausch gegen Token-Belohnungen anbieten.
Die Vision der „Internet Labor Markets“ wird durch die Verknüpfung mit dezentralen physischen Infrastrukturnetzwerken (DePINs) und Aufgaben im Bereich der Künstlichen Intelligenz (KI) wie Daten-Scraping und Daten-Labeling erweitert. Beispiele für solche Plattformen sind Fuse, CrunchDAO und Braintrust. CrunchDAO setzt dabei auf ein globales Netzwerk von 12.000 Machine-Learning-Ingenieuren, die komplexe Probleme für Kunden lösen und in nativen Tokens entlohnt werden.
CrunchDAO nutzt ein globales, erlaubnisfreies Netzwerk von 12.000 Machine-Learning-Ingenieuren, die Probleme für diverse Kunden lösen und in nativen Tokens bezahlt werden.
Diese These ist Teil einer breiteren Investmentstrategie von Multicoin Capital, die seit der Gründung im Oktober 2017 davon ausgeht, dass Krypto globale Märkte grundlegend umgestalten wird. Weitere Kernüberzeugungen des Unternehmens umfassen offene Finanzsysteme (DeFi), globales, staatenloses Geld und Web3.
Multicoin Capital erwartet darüber hinaus die Entstehung von „Zero-Employee Companies“. Dies sind KI-gesteuerte Unternehmen ohne menschliche Mitarbeiter, die potenziell über DAOs (Dezentrale Autonome Organisationen) regiert und durch Kryptokapitalmärkte finanziert werden könnten.
