- Juni 2026 – Story Protocol, bislang bekannt für ihren Fokus auf On-Chain-Management von geistigem Eigentum, hat offiziell ihre Umbenennung in DATA Foundation bekanntgegeben und verlagert ihr Kerngeschäft auf Infrastruktur für KI-Trainingsdaten. Im Zuge dieses umfassenden Rebrandings wird der native Token IP im Verhältnis 1:1 auf den neuen DATA-Token migriert.
Laut Gate-Marktdaten notiert DATA am 26. Juni 2026 bei 0,348 $. Nach der Ankündigung verzeichnete DATA einen starken Preisanstieg und erreichte innerhalb von 24 Stunden ein Hoch von 0,418 $, bevor sich die Gewinne auf 8,6 % einpendelten.
Die Transformation von Story – von einem Protokoll zur Tokenisierung geistigen Eigentums hin zu einem Akteur im Bereich KI-Trainingsdaten – ist mehr als nur ein Marken-Update. Sie spiegelt das Zusammentreffen von Datenengpässen in der KI-Branche und den technischen Möglichkeiten der Blockchain wider und dient als Paradebeispiel dafür, wie Krypto-Projekte im Zuge sich wandelnder Branchentrends neue Positionierungen suchen.
Warum Story vom geistigen Eigentum zu KI-Trainingsdaten wechselte
Story Protocol positionierte sich ursprünglich als On-Chain-Infrastruktur für geistiges Eigentum und wollte Registrierungs-, Autorisierungs- und Umlaufdienste für verschiedene IP-Vermögenswerte anbieten. Das Projekt sammelte insgesamt 140 Millionen US-Dollar ein, angeführt von a16z crypto, und die Bewertung sorgte für große Aufmerksamkeit am Markt.
Allerdings sah sich das reine IP-Narrativ in der Praxis mit anhaltenden Herausforderungen konfrontiert. Geistiges Eigentum ist von Natur aus komplex und stark juristisch geprägt, weshalb zwischen On-Chain-Registrierung und der tatsächlichen rechtlichen Durchsetzbarkeit eine natürliche Lücke besteht. Gleichzeitig hat das rasante Wachstum der KI-Branche einen konkreteren und dringlicheren Bedarf geschaffen – nämlich die Beschaffung, Autorisierung und Compliance von Trainingsdaten.
Andrea Muttoni, CEO der DATA Foundation, betonte, dass KI-Trainingsdaten mittlerweile die dringendste Form von IP-Bedarf darstellen. KI-Labore hätten praktisch alle öffentlich zugänglichen Internetinhalte ausgeschöpft, sodass nur noch teure, maßgeschneiderte Datensätze oder rechtlich riskante, nicht verifizierte Quellen übrigblieben.
Diese Einschätzung verweist direkt auf die Kernlogik hinter dem Strategiewechsel von Story: Statt sich in einem breiten, aber schwer umsetzbaren IP-Sektor zu verlieren, ist es sinnvoller, sich auf einen Markt mit klarer Nachfrage und konkreten Schmerzpunkten zu konzentrieren – eine verifizierbare Autorisierungsinfrastruktur für KI-Trainingsdaten.
Warum KI-Trainingsdaten das neue Schlachtfeld für Blockchain sind
KI-Modelle benötigen riesige Datensätze für das Training. In den letzten Jahren haben führende KI-Unternehmen wie OpenAI, Google und Anthropic auf das Scraping öffentlicher Internetinhalte zurückgegriffen, um Trainingsdaten zu gewinnen. Doch dieser Weg wird immer enger.
Einerseits werden öffentlich verfügbare Internetinhalte zunehmend aufgebraucht. Andererseits nehmen Urheberrechtsklagen wegen Trainingsdaten rapide zu. Verlage, Künstler und Content-Ersteller haben KI-Unternehmen wiederholt verklagt, weil urheberrechtlich geschütztes Material ohne Genehmigung für das Modelltraining verwendet wurde.
Vor diesem Hintergrund ist die Nachfrage der KI-Unternehmen nach „sauberen", autorisierten Trainingsdaten sprunghaft gestiegen. Seit 2024 sind die Kosten für Lizenzen hochwertiger Trainingsdaten deutlich gestiegen, einige Verlage haben mit KI-Firmen Lizenzverträge über mehrere Millionen US-Dollar und mehrjährige Laufzeiten abgeschlossen.
Hier eröffnet sich für die Blockchain-Technologie eine Chance: Durch unveränderliche On-Chain-Records kann für jeden Trainingsdatensatz eine lückenlose Herkunftskette, Autorisierungsbedingungen, Einwilligungen der Beitragenden und Zahlungsinformationen abgebildet werden. Genau dieses Problem adressiert die DATA Foundation.
Wie die Trace-Plattform eine On-Chain-Datenprüfinfrastruktur aufbaut
Im Zentrum der Neuausrichtung steht Trace – eine Blockchain-basierte Plattform zur Registrierung und Prüfung von Daten.
Das Kernprinzip von Trace besteht darin, für jeden Datenbeitrag eine kryptografische Quittung zu erzeugen, die Ursprung, Autorisierungsmethode, Einwilligung des Beitragenden und Zahlungsdetails dokumentiert. Diese Quittungen sind öffentlich einsehbar, die eigentlichen Daten werden jedoch nicht On-Chain gespeichert – Trace veröffentlicht Prüfprotokolle, nicht die Daten selbst.
Muttoni erläutert: „Trace veröffentlicht Prüfprotokolle, keine Daten. Öffentlich ist die Quittung: Content-Hash, Einwilligungsbedingungen, Autorisierungsinformationen, Zahlungsnachweis und Zeitstempel. Es gibt auf Trace nichts zu scrapen, da die Vermögenswerte selbst dort nicht gespeichert werden."
Dieses Design schafft einen Ausgleich zwischen Transparenz und Datenschutz: KI-Entwickler können vor Nutzung die Herkunft und Autorisierungsstatus der Daten prüfen, während die Daten selbst in autorisierten Marktplätzen verbleiben und nur über genehmigte Transaktionen zugänglich sind. Mit Trace will die DATA Foundation die „Vertrauensebene" für KI-Trainingsdaten schaffen – ein verifizierbares, nachvollziehbares Netzwerk für autorisierte Daten.
Technische Logik und Marktreaktion auf die 1:1 Token-Migration
Im Zuge des Rebrandings wird der native IP-Token von Story Protocol im Verhältnis 1:1 auf den neuen DATA-Token migriert. Laut offizieller Mitteilung müssen IP-Token-Inhaber nichts unternehmen; konkrete Zeitpläne und Anweisungen zur Migration werden noch bekanntgegeben.
Technisch gesehen handelt es sich bei einer 1:1-Migration um einen vergleichsweise einfachen Token-Swap. Die Gesamtmenge bleibt unverändert, ebenso die prozentuale Beteiligung der Inhaber; im Wesentlichen ist es eine Vermögensabbildung – das Eigentum wird vom alten auf den neuen Token übertragen. Dieses Vorgehen minimiert Marktreibungseffekte während der Migration und vermeidet Streitigkeiten über Änderungen der Tokenomics.
Der Markt reagierte positiv auf die Nachricht. Gate-Marktdaten zeigen, dass DATA nach der Ankündigung stark zulegte und innerhalb von 24 Stunden ein Hoch von 0,418 $ erreichte. Am 26. Juni 2026 ist der Kurs jedoch wieder auf 0,348 $ zurückgegangen, der Gewinn liegt nun bei 8,6 %.
Bemerkenswert ist, dass DATA (ehemals IP) im September 2025 ein Allzeithoch von 14,78 $ erreichte. Zum aktuellen Kurs liegt DATA damit fast 98 % unter dem Höchststand. Dennoch hat sich der Token seit seinem historischen Tief von 0,275 $ Anfang Juni 2026 um etwa 25 % erholt.
Wie die Integration mit Kled das Daten-Ökosystem auf der Angebotsseite stärkt
Die Transformation der DATA Foundation ist kein Einzelprojekt. Das Unternehmen gab eine enge Integration mit Kled, einem Marktplatz für KI-Trainingsdaten, bekannt und bringt damit über 1,5 Milliarden von Nutzern bereitgestellte Datensätze ins DATA-Netzwerk ein. Kled-Gründer Avi Patel ist zudem als Chief Data Officer Advisor zur DATA Foundation gestoßen.
Die Bedeutung dieser Partnerschaft liegt in der Skalierung auf der Angebotsseite. Kled ist ein freiwilliger Marktplatz für menschliche Daten, auf dem Nutzer aktiv Daten beitragen und deren Nutzung für KI-Training autorisieren. Durch die Integration von Kled startet das DATA-Netzwerk mit einem erheblichen Datenbestand – über 1,5 Milliarden Datensätze.
Darüber hinaus hat die DATA Foundation Poseidon ins Leben gerufen – ein Blockchain-basiertes Projekt zur Verarbeitung von KI-Daten, das sich auf die Erstellung von Trainingsdatensätzen und die Belohnung der Beitragenden konzentriert. Poseidon konnte 15 Millionen US-Dollar von a16z einwerben und gilt als wichtiger Impulsgeber für den Strategiewechsel von Story in den KI-Datenbereich.
Rolle und Grenzen der Blockchain bei Urheberrechtsfragen zu KI-Daten
Urheberrechtsfragen rund um KI-Trainingsdaten entwickeln sich zum zentralen Engpass der Branche. Führende Entwickler von KI-Modellen sehen sich steigenden rechtlichen Risiken ausgesetzt, und die Forderung nach Transparenz der Datenherkunft nimmt zu.
Die Lösung der DATA Foundation besteht im Wesentlichen darin, eine verifizierbare Autorisierungsschicht zwischen Datenlieferanten (Content-Ersteller, Beitragende) und Datenkonsumenten (KI-Entwickler) zu schaffen. On-Chain-Records erlauben es, jede Datennutzung nachzuvollziehen – wer hat beigetragen, zu welchen Bedingungen, und wurde eine Vergütung gezahlt.
Doch dieses Modell steht vor realen Herausforderungen. Erstens muss die rechtliche Anerkennung von On-Chain-Records mit traditionellen Rechtssystemen in Einklang gebracht werden. Ob eine blockchainbasierte Autorisierungsquittung vor Gericht als Beweis anerkannt wird, ist bislang ungeklärt. Zweitens gibt es eine Lücke zwischen „Autorisierung" und „Nutzung" – selbst wenn Bedingungen On-Chain dokumentiert sind, ist die Einhaltung dieser Bedingungen beim Training von KI-Modellen noch nicht garantiert.
Zudem hängt der Erfolg des Ansatzes der DATA Foundation davon ab, ob sich genügend Datenlieferanten bereit erklären, dem Autorisierungsnetzwerk beizutreten. Sollten große Content-Plattformen und Ersteller eine Integration mit dem On-Chain-System ablehnen, bleibt der Mehrwert des Netzwerks begrenzt.
Wettbewerbsumfeld und DATAs Alleinstellungsmerkmal im KI-Datenmarkt
Der Markt für KI-Trainingsdaten entwickelt sich zu einem neuen Hotspot der Blockchain-Branche. Für den Blockchain-KI-Markt wird 2026 ein Volumen von rund 900 Millionen US-Dollar prognostiziert, während der Markt für Datensammlung und -annotation bis 2030 auf 17,1 Milliarden US-Dollar anwachsen soll.
In diesem Umfeld positioniert sich die DATA Foundation mit ihrem „verifizierbaren Autorisierungs-Datenlayer" – nicht nur als Datenmarktplatz, sondern als Infrastruktur für Herkunftsnachweis, Autorisierung und Compliance-Prüfung. Die Kernfunktion von Trace ist es, KI-Entwicklern vor der tatsächlichen Nutzung die Validierung von Datenherkunft, Autorisierung und Einwilligungshistorie zu ermöglichen.
Dieses Modell unterscheidet sich von reinen Datenmarktplätzen. Die DATA Foundation versucht nicht, die Daten selbst zu speichern oder zu hosten, sondern baut eine „Metadatenebene" auf – hier werden Herkunft, Autorisierungsbedingungen und Zahlungsinformationen dokumentiert. Diese schlanke Architektur senkt die Speicherkosten und vermeidet einen direkten Wettbewerb mit zentralisierten Datenplattformen auf der Ebene der Datenspeicherung.
Allerdings nimmt der Wettbewerb in diesem Sektor zu. Mehrere Blockchain-Projekte erforschen KI-Daten-bezogene Ansätze, darunter Datenannotation, Marktplätze und Infrastruktur für Modelltraining. Ob es der DATA Foundation gelingt, Netzwerkeffekte zu etablieren, hängt von der Expansion sowohl auf der Angebotsseite (Beitragende und Rechteinhaber) als auch auf der Nachfrageseite (KI-Entwickler) ab.
Fazit
Die Umbenennung von Story Protocol in DATA Foundation markiert einen bedeutenden strategischen Wandel für Krypto-Projekte, die von der KI-Erzählung angetrieben werden. Durch die Fokussierung vom breiten IP-Bereich auf das spezifische, wachstumsstarke und klar umrissene Feld der KI-Trainingsdaten will das Projekt mit der Trace-Plattform und der Kled-Integration ein verifizierbares, nachvollziehbares On-Chain-Datenautorisierungsnetzwerk aufbauen.
Der Mechanismus der 1:1-Token-Migration reduziert Marktreibungseffekte, und die Kursrallye nach der Ankündigung signalisiert kurzfristige Marktakzeptanz für die Neuausrichtung. Langfristig wird der Wert der DATA Foundation von zwei Faktoren abhängen: Erstens, ob genügend Rechteinhaber und Beitragende für das Netzwerk gewonnen werden können; zweitens, ob die On-Chain-Autorisierungsnachweise in realen KI-Trainingsprozessen effektiv übernommen und durchgesetzt werden.
Urheberrechts- und Compliance-Fragen bei KI-Trainingsdaten werden zum zentralen Engpass für die gesamte KI-Branche, und Blockchain-Technologie bietet hier einen einzigartigen Mehrwert. Die Abstimmung von Technologie und Marktbedürfnissen, die Integration mit Rechtssystemen und der Aufbau von Netzwerkeffekten werden jedoch Zeit benötigen, um sich zu bewähren.
Häufig gestellte Fragen (FAQ)
F1: Warum hat sich Story Protocol in DATA Foundation umbenannt?
Story Protocol konzentrierte sich zunächst auf das On-Chain-Management von geistigem Eigentum, doch das rasante Wachstum der KI-Branche hat die Autorisierung und Compliance von Trainingsdaten zu einem konkreten und dringlichen Sektor gemacht. KI-Labore haben die öffentlich zugänglichen Internetinhalte weitgehend ausgeschöpft, was die Nachfrage nach autorisierten, nachvollziehbaren Trainingsdaten erhöht hat. Daher verlagerte das Projekt seinen Fokus vom breiten IP-Bereich auf die Infrastruktur für KI-Trainingsdaten.
F2: Wie werden IP-Token zu DATA-Token migriert?
Die IP-Token werden automatisch im Verhältnis 1:1 in die neuen DATA-Token umgewandelt; Inhaber müssen nichts unternehmen. Das Projekt wird die konkreten Zeitpläne und Anweisungen zur Migration zu einem späteren Zeitpunkt bekanntgeben.
F3: Was sind die Hauptfunktionen der Trace-Plattform?
Trace ist eine On-Chain-Plattform zur Registrierung und Prüfung von Daten, die für jeden Datenbeitrag unveränderliche Blockchain-Quittungen erzeugt und Herkunft, Autorisierungsmethode, Einwilligung des Beitragenden sowie Zahlungsinformationen dokumentiert. KI-Entwickler können den Autorisierungsstatus vor der Nutzung prüfen, während die Originaldaten selbst nicht On-Chain gespeichert werden.
F4: Wie entwickelt sich der DATA-Token aktuell am Markt?
Laut Gate-Marktdaten notiert DATA am 26. Juni 2026 bei 0,348 $. Nach der Ankündigung stieg der Kurs stark an und erreichte innerhalb von 24 Stunden ein Hoch von 0,418 $, bevor sich die Gewinne auf 8,6 % einpendelten.
F5: Was ist der wichtigste Wettbewerbsvorteil der DATA Foundation im KI-Datenmarkt?
Das Alleinstellungsmerkmal der DATA Foundation ist ihr „verifizierbarer Autorisierungs-Datenlayer" – der Aufbau einer Infrastruktur für Herkunftsnachweis, Autorisierung und Compliance-Prüfung über die Trace-Plattform. Das Projekt hat Kled integriert und damit über 1,5 Milliarden von Nutzern beigesteuerte Datensätze eingebracht sowie das KI-Datenverarbeitungsprojekt Poseidon ins Leben gerufen.
F6: Vor welchen Herausforderungen steht die Blockchain bei der Lösung von Urheberrechtsfragen zu KI-Daten?
Die wichtigsten Herausforderungen sind: Die rechtliche Anerkennung von On-Chain-Autorisierungsnachweisen muss mit traditionellen Rechtssystemen in Einklang gebracht werden; die Sicherstellung, dass KI-Modelle die On-Chain-Autorisierungsbedingungen beim tatsächlichen Training einhalten, bleibt eine offene Frage; und die Wirksamkeit des Netzwerks hängt davon ab, genügend Datenlieferanten für eine Teilnahme zu gewinnen.
