Kann ein AI Agent Blockchain-Konsens ausführen? ETH Zurich Test: Erfolgsquote nur 41,6%

Ein Konsens unter Bedingungen, bei denen einige Teilnehmer böswillig handeln könnten, ist die zentrale Herausforderung, der sich alle dezentralen Systeme stellen müssen. In der verteilten Datenverarbeitung wird dies als byzantinische Fehlertoleranz bezeichnet, und die verschiedenen Konsensmechanismen der Blockchain zielen im Wesentlichen darauf ab, unterschiedliche Varianten dieses Problems zu lösen. Ein Forschungsteam der ETH Zurich hat in der Arbeit „Can AI Agents Agree?“ die byzantinische Konsensfähigkeit von LLM Agents direkt getestet: Mehrere Agents senden in einem synchronen, vollständig verbundenen Netzwerk wiederholt Vorschläge und stimmen ab, wobei einige Agents als böswillige byzantinische Knoten absichtlich Störungen verursachen. Das Team verwendete Qwen3-8B und Qwen3-14B und führte Hunderte von Simulationen mit unterschiedlichen Gruppengrößen (4, 8, 16 Agents) und Anteilen böswilliger Knoten durch.

Selbst ohne böswillige Knoten lag die effektive Konsensrate nur bei 41,6 % (Qwen3-14B bei 67,4 %, Qwen3-8B nur 15,8 %). Je mehr Knoten, desto schwieriger ist es, einen Konsens zu erzielen; die Erfolgsquote sank von 46,6 % bei 4 Agents auf 33,3 % bei 16 Agents. Mit dem Hinzufügen böswilliger Knoten verschlechterte sich der Konsens weiter, wobei das Scheitern hauptsächlich durch Zeitüberschreitungen und Konvergenzstillstand (Verlust der Liveness) und nicht durch manipulierte Werte verursacht wurde. Bereits der Hinweis im Prompt, dass „böswillige Knoten möglich sind“, ließ die Erfolgsquote von Qwen3-14B von 75,4 % auf 59,1 % sinken, selbst wenn tatsächlich keine böswilligen Knoten vorhanden waren. Die Arbeit kommt zu dem Schluss, dass zuverlässiger Konsens derzeit keine emergente Fähigkeit von LLM Agents ist und dass bei dezentralen Anwendungen, die auf robuste Koordination angewiesen sind, Vorsicht geboten ist.