Q1. Sie haben Governance als den Druckraum von Web3 beschrieben. Wenn ein Protokoll mit einer echten Krise konfrontiert wird, z. B. konzentrierte Abstimmungsmacht, Token-Preisschocks oder Sicherheitsvorfälle, welche vorhersehbaren Ausfallmodi treten zuerst auf und warum?
Die ehrliche Antwort ist, dass es völlig vom Krisentyp abhängt… Sie sind alle unterschiedliche Wesen. Zum Beispiel, wenn konzentrierte Abstimmungsmacht auf eine Krise trifft, sieht man, was ich die „Koordinationsvakuum“ nenne. Große Token-Inhaber frieren ein. Sie berechnen ihre Risiken über Positionen hinweg. Während kleinere Inhaber auf Discord schreien, bewegen ihre Stimmen die Nadel jedoch nicht. Das Protokoll gerät in einen bizarren Zustand, in dem technisch gesehen die Governance funktioniert, aber praktisch keine Entscheidungen getroffen werden.
Wir haben letztes Jahr eine Version davon bei Cardano gesehen, als ein einzelner DRep namens „Whale“ genug delegierte Abstimmungsmacht anhäufte, um jeden Vorschlag von IOG, Cardanos Kernentwicklungsgesellschaft, pauschal zu vetoen. Token-Preisschocks verursachen eine ganz andere Kaskade von Ausfällen, und sie sind viel unmittelbarer. Was man sieht, ist eine Klippe. Sie beginnt mit Verkaufsdruck, der sich auf Node-Betreiber und Token-Inhaber ausbreitet, während institutionelle Inhaber OTC-Abhebungen vornehmen. Dann steigen die Retail-Abhebungen, und plötzlich befindet man sich im Territorium eines Bankruns. Genau das ist im Mai 2022 mit Terra passiert, und weil die Blockchain transparent ist, konnte jeder den Lauf in Echtzeit beobachten. Deshalb haben Börsen wie Binance Sicherheitsmechanismen eingebaut. Sie führen regelmäßige Überprüfungen in mehreren Dimensionen durch, wie Handelsvolumen, Projektaktivität, Sicherheit und regulatorische Konformität, und markieren Tokens mit Überwachungsetiketten oder nehmen sie bei Frühwarnsignalen vom Handel. Diese Mechanismen existieren genau deshalb, weil die Branche schmerzhaft gelernt hat, dass einige dieser Ausfallkaskaden vorhersehbar sind.
Q2. Ihre vergleichende Studie zum Wahlverhalten bei Curve und Polkadot hat viele Annahmen herausgefordert. Was waren die überraschendsten empirischen Erkenntnisse und wie sollten DAOs ihre mentalen Modelle von „aktiver“ versus „repräsentativer“ Governance entsprechend anpassen?
Zwei Erkenntnisse haben meine Annahmen wirklich in Frage gestellt. Als wir Nutzer-Personas in der Governance untersuchten, kategorisierten wir Wähler nach der Größe ihrer Bestände: Wale im obersten 1 %, Haie die nächsten 5 %, bis hin zu Garnelen mit den kleinsten Beständen. Bei Polkadot haben 93 % der Wale und 98 % der Haie ihre Token für 14 Tage oder weniger gesperrt, während kleinere Inhaber sich zu deutlich längeren Zeiträumen verpflichteten. Bei Curve Finance zeigte sich ein ähnliches Muster. Selbst bei Gauge-Belohnungen, die 67,2 % aller Wähler zu maximal vierjährigen Sperren motivierten, sperrten die größten Inhaber dennoch konsequent kürzer. Überzeugungsmechanismen schränken die Menschen, für die sie gedacht sind, nicht ein.
Das zweite war die Wahlbeteiligung. Bei Curve wurden 38 % aller gesperrten Tokens für Abstimmungen genutzt. Bei Polkadot? 0,11 %. Erschreckend niedrig. Obwohl beide Systeme Überzeugungsabstimmungen haben, belohnt die Gauge-Abstimmung bei Curve Finance die Teilnehmer finanziell. Polkadot fordert dazu auf, Token aus bürgerlicher Pflicht zu sperren. Die Daten zeigen, bürgerliche Pflicht allein skaliert nicht. Der mentale Modellwechsel, den ich befürworte, ist, die Teilnahme an DAOs nicht mehr als eine Tugend zu sehen, sondern als ein ökonomisches Designproblem. Eine wichtige Frage vor der Gestaltung lautet: Warum sollte ein rationaler Akteur sein Kapital sperren, um abzustimmen?
Q3. Sie haben neuartige quantitative Methoden verwendet, um das Nutzerverhalten abzubilden. Für nicht-technische Leser: Wie haben Sie Einfluss, Koordination und Fragmentierung gemessen, und welche Metriken sollten Projekte heute zu verfolgen beginnen?
Mein Ansatz ist immer derselbe: Forschung aus anderen Bereichen in die Blockchain zu bringen und sie für Entscheidungsträger verständlich aufzubereiten. Für die Messung der Reife der Governance habe ich den Governance Transparency and Engagement Index bei Filecoin entwickelt. Er verfolgt vier Kategorien, wie veröffentlichte Artefakte (z. B. Komiteesatzungen, Entscheidungsprotokolle), Transparenz der Kernentwickler, Governance-Kommunikation und Transparenzberichte der Community — jeweils unterschiedlich gewichtet. Jede Metrik hat eine Anti-Spam-Grenze, und die Führung erhält einen monatlichen Gesamtscore zwischen 0 und 1, der Quartal für Quartal verfolgt wird. Wir haben auch das Polygon-Zugangs-Bewertungsrahmenwerk für Validatoren gebaut, mit Stake-Gewichtung bei 45 %, Erfahrung bei 25 % und Expertise bei 30 %. Es wurde durch Pearson-Korrelation validiert, die zeigt, dass Erfahrung positiv die On-Chain-Leistung vorhersagt. Expertise wurde durch zeitgesteuerte, zufällige technische Bewertungen beurteilt. Welche Metriken sollten verfolgt werden? Messen Sie, wie Ihre Tokens verteilt sind und wer Macht hat. Jedes Protokoll behauptet, dezentralisiert zu sein. Fast keines gibt eine Zahl an. Am wichtigsten ist, aufzuhören, nur die Wahlbeteiligung zu messen, und stattdessen zu erfassen, wie viele Diskussionen tatsächlich zu einer Entscheidung führen. Beteiligung ist eine Eitelkeitsmetrik. Konvergenz ist, was zählt.
Q4. In Ihren Treasury-Designs für MINA und Liberdus haben Sie Angriffsflächen modelliert und eine phased Dezentralisierung empfohlen. Gehen Sie uns an einem konkreten Beispiel durch: Wie balancieren Sie während dieser Phasen den Zugang zum Treasury, die operationelle Geschwindigkeit und die Sicherheit?
Bei der Arbeit mit der Treasury-Governance von Mina Protocol habe ich die tatsächliche On-Chain-Verteilung der Tokenhalter mit BigQuery analysiert und Governance-Parameter gegen die tatsächliche Eigentumskonzentration getestet. Ich habe realistische Angriffe modelliert, wie den Kauf-Vote-Dump und Delegationsübernahme unter realistischen Beteiligungsszenarien.
Das hat die phased Dezentralisierung informiert: Frühzeitige Schutzmaßnahmen bewahrten die Integrität des Treasuries, während die operationelle Geschwindigkeit erhalten blieb. Die Kontrollen wurden schrittweise gelockert, je stärker Verteilung und Teilnahme wurden. Der Zugang zum Treasury erweitert sich basierend auf nachgewiesener wirtschaftlicher Resilienz, nicht auf Annahmen.
Q5. Die Spannung zwischen Foundation und Community bleibt in vielen Protokollen ungelöst. Aus Ihrer Erfahrung bei der Beratung von Teams: Welche Governance-Konstrukte (on-chain oder off-chain) funktionieren tatsächlich, um unzulässige Macht- oder Kontrollstrukturen zu begrenzen, ohne die Produktentwicklung zu behindern?
Diese Spannung ist allgegenwärtig. Mein Ansatz und das, was wir bei Polygon und Filecoin aufgebaut haben, beginnen mit Governance-Säulen. Bevor Sie Mechanismen entwerfen, definieren Sie genau, was geregelt wird und wer in welchen Bereichen mitreden darf. Diese Unterscheidung allein verhindert die Hälfte der Konflikte. Danach baue ich bicamerale Systeme mit Maker-Checker-Dynamik. Wenn die Foundation eine Entscheidung trifft, wie kann die Community sie überprüfen? Hier haben wir Transparenzberichte und strukturierte Verantwortlichkeit eingeführt. Wenn die Community eine Entscheidung trifft, welche Vetorechte hat die Foundation und unter welchen Bedingungen? Beide Richtungen brauchen klare, prüfbare Grenzen. Timelocks zwischen Entscheidung und Umsetzung geben beiden Seiten ein Zeitfenster, um Probleme zu melden, ohne den Fortschritt vollständig zu blockieren. Außerdem halte ich es bewusst so, dass während Smart Contract-Updates, Treasury-Entscheidungen und Protokollparameter durch die Checks-and-Balances der bicameralen Struktur gehen, Interface- und Produktinnovationen wie Features, UX und Frontend unabhängig von Governance bleiben. Eine DAO-Abstimmung für UI-Verbesserungen zu verlangen, würde die Produktgeschwindigkeit töten.
Q6. Während der Aave-Kontroverse haben Sie einen Lösungsweg vorgeschlagen. Wie könnte ein prinzipientiertes, wiederholbares „Streitbeilegungs“-Framework für DAOs aussehen, das Dezentralisierung bewahrt, aber in Notfällen entschlossenes Handeln ermöglicht?
Die Aave-Kontroverse war wichtig, weil es nicht wirklich um CowSwap-Gebühren ging. Es ging um eine strukturelle Frage, der jedes große Protokoll früher oder später begegnet: Wie ist das Verhältnis zwischen DAO und den Teams, die dafür bauen, und wem gehört was? Was ich beobachtet habe, war eine Governance-Design-Frage, die sich in einen Motive-Kampf verwandelte. Ich habe dieses Muster immer wieder gesehen. Aave befindet sich an der Schnittstelle von On-Chain-Governance und einer Off-Chain-Welt aus Nutzern, Regulatoren und Institutionen. Man braucht sowohl eine DAO, die das Protokoll glaubwürdig besitzt und seine Identität, als auch Teams, die schnell mit tiefem Kontext liefern können. Sie sind komplementäre Rollen. Aber die Beziehung muss transparent sein. Die Frage, die ich aufwarf, war nicht „DAO vs Labs“, sondern: Was ist der klare Vertrag zwischen ihnen? Ich begann, Metagovernance als Mittel zu erforschen, um diese Beziehung vertraglich und prüfbar zu machen. Die Mischung aus Untersuchung und Empörung ist, wie man giftige Vorschläge auf Tag vier bekommt.
Q7. Tokenomics und Governance sind eng miteinander verbunden. Wie sollten initiale Token-Verteilungen und Vesting-Pläne gestaltet werden, um langfristige Governance-Kontrolle zu vermeiden, aber dennoch frühe Mitwirkende und Entwickler zu belohnen?
Ich halte es für wichtig, wirtschaftliche Belohnungen von Governance-Macht zu trennen. Eine Rendite auf Tokens zu erzielen und die Protokollrichtung zu kontrollieren, sind zwei unterschiedliche Dinge, und die Bündelung beider garantiert eine Plutokratie. Ebenso wichtig ist es, den Vesting-Plan als Simulation von Verkaufsdruck zu modellieren, bevor man einen Token launcht.
Q8. Ihre Moltbook-Analyse kartiert Konsensmuster unter KI-Agenten. Welche Parallelen sehen Sie zwischen der Koordination von KI-Agenten und menschlichen DAOs, z. B. bei Einflusskonzentration, Echokammern oder Koalitionsbildung, und was bedeutet das für die Gestaltung maschinengroßer Governance?
Wenn man Menschen vollständig aus der Gleichung nimmt und KI-Agenten Entscheidungen treffen lässt, zeigt sich eine beunruhigend vertraute Dynamik. Ich analysierte 500 Threads und kategorisierte sie in vier Konsensmuster: Unifying Validation, bei der Konsens schnell entsteht; Iterative Problem Solving, durch Verfeinerung; Nuanced Convergence, bei der Gegenargumente eine vollständige Einigung verhindern; und Fragmented Discourse, bei der kein Konsens zustande kommt. 44 % fielen in diese letzte Kategorie. Fast die Hälfte aller governance-relevanten Diskussionen führt zu keiner Konvergenz. In menschlichen DAOs sehen wir identische Fragmentierung. Echokammern entstehen ebenfalls: Agenten mit ähnlichen Architekturen clustern und verstärken sich gegenseitig, das maschinelle Äquivalent zu ideologischen Silos in DAO-Foren. Wenn KI-Agenten zunehmend als Delegierte oder autonome Wähler an On-Chain-Governance teilnehmen, werden sie alle menschlichen Fehlermodi im Maschinentempo replizieren. Das sind Koordinationsfehler, egal ob mit Menschen oder AIs.
Q9. Reputationssysteme werden oft als Weg zu besserer Governance vorgeschlagen. Wo sehen Sie Reputationssysteme nützlich versus gefährlich (z. B. bei der Verstärkung von Eliten), und welche Designs oder Sybil-Resistenz-Primitives sind Ihrer Meinung nach am vielversprechendsten?
Reputation ist ein meritokratisches Primitive, nur wenn die Metriken objektiv verifizierbar sind und der Kontext klar begrenzt ist. Sobald Reputation zu einem Proxy für „Vertrauen in das Urteil dieser Person“ wird, ersetzt Governance soziale Aufstiegsmuster. Node-Operatoren sind das klarste Beispiel: Uptime, Blockproduktion, signierte Checkpoints — hier besteht keine Mehrdeutigkeit. Bei Peer-Reviews, Beitragsqualitätsbewertungen und subjektiven Einschätzungen der Arbeit einer Person erben wir jedoch alle Bias, die dezentrale Governance eigentlich abbauen sollte. Bei Sybil-Resistenz: Reputation ohne Identität wird nicht skalieren. Deshalb ist Zero-Knowledge-Identität momentan das vielversprechendste Primitive. Es erlaubt, nachzuweisen, dass man ein einzigartiger Mensch ist, ohne zu verraten, wer man ist, und bietet starke Datenschutz-Eigenschaften.
Q10. Welche Tabletop-Übungen, Red-Teaming-Ansätze oder On-Chain-Simulationen sollte jede DAO durchführen, bevor sie bedeutenden Treasury- oder Protokollkontrolle an Token-Inhaber übergibt?
Manchmal bin ich enttäuscht, dass Protokolle etwas überspringen, das unglaublich grundlegend ist. Bevor Sie eine Governance-Parameter entwerfen, ziehen Sie Ihre Tokenhalter-Verteilung heran und schauen Sie sie sich wirklich an. Wie konzentriert ist Ihre Versorgung? Wie viele Wallets braucht es, um Quorum zu erreichen? Wie viele, um eine Mehrheitsentscheidung zu kippen? Wenn Sie diese Zahlen nicht kennen, gestalten Sie Governance im Dunkeln. Als ich mit Mina Protocol an ihrer Treasury-Governance arbeitete, haben wir echte On-Chain-Daten mit BigQuery gezogen und die vorgeschlagenen Parameter gegen die tatsächliche Verteilung getestet. Diese Art von Simulation hat es uns ermöglicht, proaktiv adaptive Quorum-Biasing zu empfehlen. Danach habe ich jede ökonomisch plausible Attacke gegen die tatsächliche Verteilung simuliert, wie Kauf-Vote-Dump, Delegationszentralisierung, Vote-Rental-Märkte, und realistische Beteiligungsszenarien durchgespielt. Das Governance-Design sollte von ökonomischer Wahrheit getrieben sein, nicht von Idealen.
Q11. Für ein mittelgroßes Protokoll, das sich Sorgen um niedrige Beteiligung und Vote-Kauf macht: Nennen Sie drei konkrete, umsetzbare Änderungen, die sie in den nächsten 90 Tagen einführen könnten, um die Governance-Qualität messbar zu verbessern.
Das ist eine Frage, die ich häufig höre. Vor Änderungen ist der wichtigste Schritt, zu verstehen, warum die Beteiligung niedrig ist. Die Ursachen können variieren: manchmal Apathie, manchmal ist die Community noch jung, und manchmal hat Governance noch kein echtes Produkt-Markt-Fit. Deshalb empfehle ich meist eine gründliche Retrospektive. Sprechen Sie direkt mit der Community, analysieren Sie Beteiligungsdaten und identifizieren Sie die Friktionen oder das Desinteresse. Die strukturellen Änderungen, die Sie danach umsetzen, sind deutlich wirksamer, wenn sie auf dieser Diagnose basieren, nicht auf Annahmen.
- Wechsel von Vote zu Veto. Die meisten Governance-Systeme lassen Tokenhalter alles aktiv genehmigen. Das ist ermüdend und führt dazu, dass Vorschläge blockiert werden, weil man kein Quorum für Dinge erreicht, die eigentlich keine so große Zeremonie verdienen. Drehen Sie das Modell um: Vorschläge passieren standardmäßig, es sei denn, die Community vetoet sie innerhalb einer Frist.
- Zufällige Snapshots oder Forderung nach echtem wirtschaftlichem Einsatz. Beides macht Vote-Kauf teurer, weil es beide auf Unsicherheit setzen. Beim Snapshot: Wenn Sie den Snapshot in einem zufälligen Block innerhalb der letzten Epochs nehmen, können Angreifer nicht vorhersagen, wann sie Token akquirieren müssen. Wenn Sie Community-Treasuries verwalten und Entscheidungen treffen, die die Protokolleconomics beeinflussen, ist es essenziell, dass Wähler echtes, zeitlich gebundenes Kapital einsetzen. Das habe ich auch in meiner Vote-Escrow-Forschung für Filecoin tiefgehend untersucht.
- Adaptive Quorum-Biasing. Das ist eine Verbesserung, die ich für Polygon’s Stakeholder-Signaling-Framework entwickelt habe. Fixed Quorums sind entweder zu niedrig, sodass eine kleine Gruppe durchkommt, oder zu hoch, sodass nichts passiert. Adaptive Biasing passt sich dynamisch an und funktioniert gut mit dem Veto-Modell aus Punkt eins.
Q12. Welche offenen Forschungsfragen oder Governance-Experimente freuen Sie sich in den nächsten 12–24 Monaten zu sehen? Wenn Sie drei Förderern Ratschläge geben könnten, wo sie Geld in Governance-Forschung investieren sollten, wohin würde das gehen?
Ich denke, es ist fair zu sagen, dass Governance in seiner aktuellen Form noch erhebliche Lücken aufweist, und die nächste Phase erfordert, einige Kernannahmen neu zu überdenken, anstatt nur bestehende Mechanismen zu verfeinern.
Ein vielversprechender Bereich ist die KI-gestützte Kontextualisierung. Governance-Vorschläge sind oft komplex und schwer interpretierbar, und unterschiedliche Stakeholder nähern sich ihnen mit verschiedenen Prioritäten. Systeme, die helfen, Vorschläge zusammenzufassen und zu kontextualisieren — für Entwickler, Token-Inhaber oder Kapitalallokatoren — könnten sowohl die Beteiligung als auch die Entscheidungsqualität verbessern.
Ein weiterer Bereich sind Prognosemärkte als Signalisierungsschicht für Governance. Sie bieten eine Möglichkeit, zukunftsgerichtete Erwartungen sichtbar zu machen, was die Abstimmung ergänzen könnte, indem sie aufzeigen, wie Teilnehmer die wahrscheinlichen Ergebnisse verschiedener Entscheidungen einschätzen.
Und schließlich: Multi-Agenten-Konsensspiele. Wie werden verschiedene KI-Agenten miteinander interagieren, Reputationen aufbauen, Grenzen setzen und deliberieren, um zu sinnvollen Schlussfolgerungen zu kommen? Meine jüngste Analyse der Top-500-Moltbook-Threads zeigte, dass KI-Agenten anfällig für die gleichen sozialen Manipulationen sind wie menschliche Teilnehmer. Wenn wir in den nächsten Jahren in tiefere spieltheoretische Modellierungen von Governance investieren, könnten wir besser verstehen, wie diese Systeme resilient gestaltet werden können. Kontrollierte Experimente, Simulationen und empirische Studien haben enormes Potenzial, um zu erforschen, wie Teilnehmer tatsächlich handeln und welche Designs in der Praxis widerstandsfähiger sind.
