Der Onchain-Analyst Willy Woo löste am Sonntag, dem 11. Oktober 2026, eine neue Debatte über die langfristige Sicherheit von Bitcoin aus, nachdem er von künstlicher Intelligenz (KI) generierte Schätzungen veröffentlicht hatte, die eine Wahrscheinlichkeit von 1,3 % nahelegten, dass die digitalen Signaturen von Bitcoin innerhalb von zwei Jahren geknackt werden könnten. Inspiriert von Woos X-Beitrag hat Bitcoin.com News das Experiment erweitert, dabei etwa vier KI-Modelle herangezogen und potenzielle kryptografische Bedrohungen über vier verschiedene Zeithorizonte hinweg untersucht.
Bitcoin-Sicherheit läuft bis 2046 laut KI-Prognose 76 % Risiko

Wichtigste Erkenntnisse
- Willy Woos Beitrag vom 11. Oktober inspirierte Bitcoin.com News dazu, KI-Prognosen zur kryptografischen Sicherheit von Bitcoin zu testen.
- ChatGPT-6 Astra schätzte das Risiko, dass Bitcoins Signaturen innerhalb von 20 Jahren geknackt werden, auf 76 %, während Deepseek von 34 % ausging.
- Alle vier KI-Modelle identifizierten Quantencomputing als die größere langfristige Bedrohung, wobei die Risiken für einen Zeitraum von zwei Jahren auf 0 % bis 2 % geschätzt wurden.
Willy Woos Beitrag bezog sich auf Schätzungen, die Opus 5.5 zugeschrieben werden. Diese wiesen eine Wahrscheinlichkeit von 0,5 % dafür zu, dass Quantencomputer Bitcoins Signaturen innerhalb von zwei Jahren knacken könnten, sowie eine Wahrscheinlichkeit von 0,8 % dafür, dass klassische Mathematik oder KI dasselbe Ergebnis erzielen könnten. Auch wenn diese Zahlen relativ bescheiden erscheinen, machen die potenziellen Folgen eines solchen Durchbruchs die Frage besonders interessant, zumal sich die Computertechnologie ständig weiterentwickelt.
Bitcoin.com News ging noch einige Schritte über Woos ursprüngliche Frage hinaus, befragte etwa vier KI-Modelle und erweiterte die Prognose auf zwei, fünf, zehn und 20 Jahre. Jedes Modell wurde gebeten, die Wahrscheinlichkeit zu bewerten, mit der die kryptografischen Signaturen von Bitcoin durch Quantencomputing oder durch klassische und KI-gestützte mathematische Durchbrüche kompromittiert werden könnten. Ziel war es, ihre Argumentation zu vergleichen, Meinungsverschiedenheiten zu identifizieren und zu untersuchen, wie sich ihre Erwartungen im Laufe der Zeit ändern.
Die den KI-Modellen gestellte Frage
Jedem Modell wurde die folgende Eingabe vorgelegt.
„Du bist Mathematiker, Experte für Quantencomputing und On-Chain-Analyst und verfasst eine kurze Theorie.
Schätzen Sie die Wahrscheinlichkeit ein, dass die aktuellen Signaturschemata von Bitcoin (ECDSA und Schnorr über secp256k1) praktisch geknackt werden, d. h., dass ein Angreifer in großem Maßstab private Schlüssel aus offengelegten öffentlichen Schlüsseln ableiten könnte, entweder mithilfe kryptografisch relevanter Quantencomputer oder durch Fortschritte in der klassischen Kryptoanalyse bzw. KI-gestützter Kryptoanalyse.
Geben Sie Schätzungen für jeden der folgenden Zeiträume an:
- Die nächsten 2 Jahre
- Die nächsten 5 Jahre
- Die nächsten 10 Jahre
- Die nächsten 20 Jahre
Teilen Sie die Antwort für jeden Zeithorizont wie folgt auf: Quanten: X % Klassisch/KI: Y % → Gesamtrisiko: Z % Halten Sie die Antwort prägnant. Verwenden Sie kurze Zeilen und nur ungefähre Prozentangaben. Formulieren Sie direkt. Vermeiden Sie Ausflüchte, Erläuterungen oder Vorbehalte. Stützen Sie die Zahlen auf den aktuellen Expertenkonsens (die meisten Entwickler und Kryptographen gehen davon aus, dass ein praktisches Quantenrisiko erst weit nach 2030 besteht) und das Fehlen bekannter praktischer klassischer Angriffe auf secp256k1, nicht auf spekulative Worst-Case-Szenarien. Geben Sie nur den Beitragstext aus.“
KI-Prognosen zur kryptografischen Sicherheit von Bitcoin
Die folgende Tabelle vergleicht die Schätzungen der Modelle hinsichtlich der kumulativen Wahrscheinlichkeit, dass die ECDSA- und Schnorr-Signaturen von Bitcoin innerhalb des jeweiligen Zeithorizonts praktisch geknackt werden könnten. Die Zahlen stellen die kombinierte Bewertung jedes Modells hinsichtlich der Risiken durch Quantencomputer sowie durch klassische oder KI-gestützte Kryptoanalyse dar.
| KI-Modell | 2 Jahre | 5 Jahre | 10 Jahre | 20 Jahre |
|---|---|---|---|---|
| Deepseek Deepthink | 0 % | 1 % | 6 % | 34 % |
| ChatGPT-6 Astra | ~1 % | ~10 % | ~36 % | ~76 % |
| Grok Expert | 2 % | 10 % | 30 % | 60 % |
| Claude Opus 5.5 | ~1 % | ~5,5 % | ~31 % | ~66 % |
Quelle: Bitcoin.com News – KI-Modell-Experiment, 11. Oktober 2026. Die Prozentangaben spiegeln spekulative, vom Modell generierte Schätzungen wider und stellen keine verifizierten Wahrscheinlichkeiten dar.
Die Unterschiede werden über längere Zeiträume besonders deutlich. Das Modell von Hangzhou Deepseek lieferte den konservativsten 20-Jahres-Ausblick und wies einer praktischen kryptografischen Überwindung eine Wahrscheinlichkeit von 34 % zu, während ChatGPT-6 Astra von OpenAI die Wahrscheinlichkeit auf etwa 76 % bezifferte. Daneben lagen „Grok“ von xAI und „Claude“ von Anthropic mit 60 % bzw. etwa 66 % zwischen diesen Schätzungen.
Trotz ihrer Diskrepanzen prognostizierten alle vier Modelle für die nächsten zwei Jahrzehnte erheblich größere Risiken als für die unmittelbare Zukunft. In ihren Prognosen wurde zudem durchweg das Quantencomputing als das wichtigste langfristige Problem identifiziert, während klassische Mathematik und KI-gestützte Kryptoanalyse eine vergleichsweise geringere Bedrohung darstellten.
Die folgende Tabelle vergleicht die von den einzelnen KI-Modellen geschätzte Wahrscheinlichkeit, dass klassische Mathematik oder KI-gestützte Kryptoanalyse die ECDSA- und Schnorr-Signaturen von Bitcoin in den nächsten zwei, fünf, zehn und 20 Jahren knacken könnten – unabhängig von Quantencomputern.
| KI-Modell | 2 Jahre | 5 Jahre | 10 Jahre | 20 Jahre |
|---|---|---|---|---|
| Deepseek Deepthink | 0 % | 0 % | 1 % | 5 % |
| ChatGPT-6 Astra | ~0,1 % | ~0,5 % | ~1 % | ~2 % |
| Grok Expert | 1 % | 2 % | 5 % | 10 % |
| Claude Opus 5.5 | 0,5 % | 0,5 % | 1 % | 2 % |
Quelle: Bitcoin.com News – Experiment mit KI-Modellen, 11. Oktober 2026. Die Zahlen stellen spekulative, vom Modell generierte Schätzungen dar und sind keine verifizierten Wahrscheinlichkeiten.
Was lag den Vorhersagen der KI-Modelle zugrunde?
Nach der Erfassung der ersten Wahrscheinlichkeitsschätzungen stellte unsere Redaktion denselben KI-Modellen eine zweite Frage und bat sie diesmal, die Gründe für ihre Prognosen zu erläutern. Jedes Modell wurde angewiesen, in maximal 100 Wörtern die wichtigsten Faktoren zu nennen, die seine Vorhersagen beeinflussten, wobei besonderes Augenmerk auf den Expertenkonsens, erwartete Zeitpläne für die Quanteninformatik und Fortschritte in der klassischen Kryptoanalyse gelegt werden sollte. Die Folgebefragung sollte Aufschluss darüber geben, welche Annahmen den einzelnen Prognosen zugrunde lagen und warum die Modelle bestimmte Zeithorizonte als anfälliger betrachteten als andere.
Jedes Modell erhielt die folgende Eingabeaufforderung:
Erläutern Sie in maximal 100 Wörtern die Hauptgründe für die Wahrscheinlichkeitsschätzungen, die Sie soeben für jeden Zeithorizont abgegeben haben. Konzentrieren Sie sich dabei ausschließlich auf die Hauptfaktoren aus dem Expertenkonsens, den Zeitplänen für Quantencomputer und den Fortschritten in der klassischen Kryptoanalyse. Fassen Sie sich kurz und fügen Sie keine neuen Zahlen hinzu.
Deepseek Deepthink erläutert seine Prognose

ChatGPT-6 Astra erläutert seine Prognose
Die kurzfristige Schätzung fällt niedrig aus, da praktische Angriffe fehlertolerante Quantenhardware erfordern, die in erheblichem Umfang betrieben wird. Die Fünf-Jahres-Schätzung spiegelt potenzielle Fortschritte bei der Fehlerkorrektur und der Hardware wider, wobei jedoch weiterhin erhebliche technische Hürden bestehen. Die Zehn-Jahres-Schätzung spiegelt Expertenumfragen wider, die kryptografisch relevanten Quantencomputern eine bedeutende Wahrscheinlichkeit beimessen; die Zwanzig-Jahres-Schätzung räumt mehr Zeit ein, bis diese Hürden überwunden sind. Das Risiko durch klassische/KI-Angriffe bleibt gering, da kein praktischer Angriff auf secp256k1 bekannt ist und Verbesserungen im Bereich der KI an sich noch keinen kryptanalytischen Durchbruch darstellen. Hierbei handelt es sich um auf Einschätzungen basierende Prognosen, nicht um Konsenswahrscheinlichkeiten für Angriffe in großem Maßstab.
Grok-Experte erläutert seine Prognose
Nach Expertenkonsens liegen praktische Quantenangriffe auf secp256k1 weit jenseits des Jahres 2030. Es existiert kein kryptografisch relevanter Quantencomputer; aktuelle Systeme bleiben weit hinter der für den Shor-Algorithmus erforderlichen Anzahl an logischen Qubits und der für die Fehlerkorrektur erforderlichen Größenordnung zurück.
Die klassische Kryptoanalyse hat keine praktischen Angriffe auf die Kurve hervorgebracht. Die bekanntesten Angriffe sind nach wie vor vollständig exponentiell, und es wurden keine KI-gesteuerten Abkürzungen nachgewiesen.
Die kurzfristigen Prognosen bleiben niedrig, da weiterhin Lücken bei Hardware und Algorithmen bestehen. Die Wahrscheinlichkeit steigt später an, da Expertenumfragen eine wachsende Wahrscheinlichkeit für die Mitte bis Ende der 2030er Jahre und darüber hinaus annehmen, während das klassische Risiko aufgrund des Fehlens bekannter skalierbarer Angriffe marginal bleibt.
Claude Opus 5.5 erläutert seine Prognose
Das Experiment offenbart eine faszinierende Kluft darin, wie KI-Modelle die kryptografische Zukunft von Bitcoin interpretieren – und nicht etwa Preisprognosen. Während kurzfristige Bedrohungen begrenzt erscheinen, zeichnen die längerfristigen Prognosen ein deutlich unsichereres Bild. Ob Quantencomputer letztendlich die Sicherheit von Bitcoin in Frage stellen werden, bleibt eine offene Frage, doch in einem Punkt sind sich die Modelle weitgehend einig: Zeit, technologischer Fortschritt und Vorbereitung werden letztendlich darüber entscheiden, wie sich diese Geschichte entwickelt.
Claude, ChatGPT und andere KI-Modelle wählen die Kryptowährungen aus, die zum Jahresende die größten Kursgewinne erzielen könnten, wobei HYPE und SOL die Favoriten der Expertenrunde anführen.
Jetzt lesen: 10 KI-Modelle, darunter Claude und ChatGPT, wählen die Jahresgewinner im Kryptobereich ausDieser Artikel wurde mithilfe von KI aus dem Englischen übersetzt. Die englische Originalversion ist die maßgebliche Quelle; automatische Übersetzungen können Ungenauigkeiten enthalten, insbesondere bei rechtlicher und regulatorischer Terminologie.
















