Score

Was ist Score?

Score, auch bekannt als sn44 oder Score Vision, ist ein Bittensor-Subnetz, das dezentrale Machine-Learning-Anreize auf Computer Vision anwendet – zunächst, indem es Fußball- und andere Videostreams in strukturierte, maschinenlesbare Daten wie Spielerpositionen, Ballverfolgung, Spielfeldgeometrie, Objekterkennung und Ereigniskontext umwandelt.

Das adressierte Problem ist nicht generische „AI-Compute“, sondern der enger gefasste und kommerziell relevante Engpass der Video-Annotation: die Umwandlung großer Mengen von Rohmaterial in präzise Labels schnell und kostengünstig genug, um für Sportanalysen, Sicherheitsüberwachung, Handels- und Logistikabläufe sowie andere kameralastige Umgebungen nützlich zu sein.

Der behauptete Wettbewerbsvorteil liegt in der Kombination von Bittensors Miner-Validator-Incentive-Markt mit leichtgewichtigen Validierungsmethoden, darunter Frame-Filterung, Feld-/Keypoint-Prüfungen, Homographie-ähnliche Geometrietests und CLIP-basierte semantische Verifikation. Diese sollen vermeiden, dass für jedes eingereichte Frame erneut eine vollständige Vision-Inferenz ausgeführt werden muss.

Das eigene GitHub-Repository des Projekts beschreibt Score Vision als ein dezentrales Computer-Vision-Framework mit anfänglichem Fokus auf Game State Recognition im Fußball, während die aktuelle Bittensor-Subnetzseite sn44 als ein Framework charakterisiert, in dem Miner Videos lokal verarbeiten und Validatoren Ergebnisse über hybride visuelle und geometrische Prüfungen bewerten. (github.com)

Scores Marktposition ist am besten als spezialisiertes Bittensor-Anwendungs-Subnetz zu verstehen, nicht als Base-Layer-Blockchain oder breitere Smart-Contract-Plattform.

Stand Ende Juni 2026 stuften öffentliche Marktübersichten Score im Mid-Cap-Bereich unter den liquiden Bittensor-Subnetztokens ein, nicht unter den größten Krypto-Netzwerken; der jüngste Crawl von CoinGecko zeigte Score mit einer Platzierung um die niedrigen 500er-Ränge nach Krypto-Marktkapitalisierung, während die Live-Subnetz-Ansicht auf Bittensor.ai ein Subnetz mit vollständigem 256/256-Neuronenset, neun Validatoren, mehreren Tausend Haltern sichtbar auf Taostats und rund 131.000 TAO-äquivalenter TVL im Subnetzpool-Snapshot auswies. Diese Zahlen sind als Momentaufnahmen von Markt- und Staking-Indikatoren zu verstehen, nicht als Belege für eine dauerhafte Endnutzer-Nachfrage. Analytisch betrachtet ist Scores Skalierung im Vergleich zu zentralisierten Computer-Vision-Anbietern und etablierten Sportdatenunternehmen noch klein, aber innerhalb von Bittensor vergleichsweise differenziert, weil das Subnetz auf ein messbares externes Ergebnis abzielt – Vision-Modelle und videobasierte Labels – statt auf ein rein spekulatives Emissionsspiel. (coingecko.com)

Wer hat Score gegründet und wann?

Score ist offenbar im Jahr 2024 öffentlich in Erscheinung getreten, während der post-ChatGPT-Expansion der AI-Infrastruktur-Narrative und des frühen Bittensor-Subnetz-Token-Zyklus.

Das Unternehmensprofil des Projekts führt Score - Subnet 44 als 2024 gegründet und mit Hauptsitz in New York City, während der Bittensor-Subnetz-Eintrag zeigt, dass sn44 im September 2024 on-chain registriert wurde. Die Gründerzuschreibung variiert leicht zwischen öffentlichen Quellen, doch die konsistentesten Namen sind Maxime Sebti, Tim Kalic und Nigel Grant; SIRE-Dokumentation identifiziert Maxime Sebti als Co-Founder und CEO von Score Technologies, Tim Kalic als Co-Founder und CTO und Nigel Grant als Co-Founder und Chief Revenue Officer, während LinkedIn Tim Kalic als Co-Founder und CTO von Score - Subnet 44 und Manako Labs aufführt. Die operative Einheit wird häufig als Score Technologies oder mit der Vision Research Foundation verbunden beschrieben, wobei Manako Labs später als sichtbare kommerzielle Schicht auf dem Subnetz erscheint. (linkedin.com)

Die Projekt-Narrative hat sich seit dem Start deutlich verändert. Frühe Community-Materialien zu Score lagen näher an Sportvorhersagen, Sportanalytik und der Onboarding-Community im Fußball, während die aktuelle Positionierung breiter ist: eine „offene, erlaubnisfreie Computer-Vision-Schicht“, die kleine, aufgaben-spezifische Vision-Modelle für reale Kameranetze trainieren und evaluieren kann.

Die Game-State-Recognition-These im Fußball bleibt wichtig, weil Sportaufnahmen dichte, hochwertige gelabelte Daten und einen klaren kommerziellen Markt bieten. Die jüngere Manako-Positionierung verschiebt Score jedoch stärker in Richtung Enterprise-Physical-AI-Anwendungsfälle wie Warnungen für Sperrzonen, Objekterkennung an Tankstellen, Fahrzeug-/Personendetektion und edge-basiertes operatives Monitoring. Diese Entwicklung ist strategisch rational, weil reine Sportanalytik ein Nischenmarkt mit etablierten Platzhirschen ist, während Enterprise-Kamera-Intelligenz größer ist. Gleichzeitig erhöht sie das Ausführungsrisiko: Score muss beweisen, dass es über Fußball hinaus generalisieren kann, ohne die Validierungsstrenge zu verlieren, die das ursprüngliche Subnetzdesign schlüssig machte. (kucoin.com)

Wie funktioniert das Score-Netzwerk?

Score betreibt keine eigene Proof-of-Work-, Proof-of-Stake- oder DAG-Blockchain. Es ist ein anwendungsspezifisches Subnetz, das auf Bittensors Subtensor-L1 läuft, wobei der relevante „Konsens“ für Score der stake-gewichtete Yuma-Consensus-Prozess von Bittensor ist, nicht ein eigenständiger Blockproduktionsmechanismus. In Bittensor sind Subnetze Incentive-Marktplätze: Miner führen eine definierte KI-Aufgabe aus, Validatoren bewerten die Qualität dieser Arbeit, und Yuma Consensus wandelt die Bewertungen der Validatoren in Emissionen für Miner und Validatoren um.

Die Bittensor-Dokumentation führt aus, dass Yuma Consensus on-chain innerhalb von Subtensor läuft und aus den Rankings der Validatoren zur Miner-Performance Miner- und Validator-Emissionen berechnet, wobei stake-gewichtetes Clipping kollusive oder unzuverlässige Bewertungen reduzieren soll. Für sn44 bedeutet das, dass das Sicherheitsmodell teilweise von Bittensors Chain geerbt ist und teilweise davon abhängt, ob Scores Validatoren hochwertige Computer-Vision-Ausgaben zuverlässig von minderwertigen oder adversarialen Einreichungen unterscheiden können. (docs.learnbittensor.org)

Technisch ist Scores Architektur ein Drei-Rollen-System: Miner erhalten Video- oder Bildaufgaben und führen lokal Objekterkennung, Tracking oder spezialisierte Modellinferenz aus; Validatoren samplen und bewerten die Miner-Ausgaben; und der Subnetz-Inhaber pflegt das Aufgabendesign, die Anreizparameter und die allgemeine Netzwerkintegrität.

Das charakteristische Merkmal ist der Validierungsansatz. Anstatt jedes Frame mit kostspieliger Vollmodell-Inferenz zu validieren, nutzt Score gefilterte Frames, semantische Prüfungen, Keypoint- und Spielfeldgeometrie-Plau­sibilitätschecks, Reprojek­tionsfehler und GS-HOTA-ähnliche Metriken zur Detektions- und Assoziationsbewertung, um die Qualität effizient zu approximieren.

Frühere Score-Materialien hoben Fußballclips, Spieler-Ball-Erkennung, Spielfeldlinien-Extraktion und 30‑Sekunden-Spielsequenzen hervor; neuere Materialien betonen Modelldistillation und leichtgewichtige, am Edge einsetzbare Vision-Skills. Das ist technisch plausibel, schafft aber eine zentrale Spannung: Je weiter Score in beliebige Enterprise-Vision-Aufgaben expandiert, desto schwieriger wird es, ein einziges robustes Validierungsregime aufrechtzuerhalten, und desto stärker hängt das Subnetz von sorgfältigem Benchmark-Design ab, statt einfach mehr Miner hinzuzufügen. (github.com)

Wie sind die Tokenomics von sn44?

sn44 ist ein Alpha-Token im Rahmen von Bittensors Dynamic-TAO-Modell, daher unterscheiden sich seine Angebots- und Wertmechaniken von einem konventionellen ERC‑20 mit fester Allokationstabelle. Bittensors Dynamic-TAO-FAQ besagt, dass jeder Subnetz-Alpha-Token ein Hard Cap von 21 Millionen hat und einem Halving-Zeitplan folgt, während die Emissionsdokumentation erklärt, dass subnetzspezifische Alpha-Tokens an Miner, Validatoren, Staker und Subnetzersteller emittiert werden. Stand Ende Juni 2026 wiesen Drittanbieter-Marktdaten eine zirkulierende Menge von etwa 4–5 Millionen SN44 und eine Marktkapitalisierung im hohen 30‑Mio.- bis niedrigen 40‑Mio.-US‑Dollar-Bereich aus, während die vom Nutzer bereitgestellte Asset-Snapshot die Marktkapitalisierung bei etwa 42,4 Mio. US‑Dollar und den Token im hohen einstelligen Dollarbereich verortete. Strukturell ist sn44 inflationär, bis die Emissionen über Halvings abnehmen und das Angebot sich dem Cap nähert; es handelt sich nicht primär um ein Burn-Token-Modell, obwohl Bittensor-Registrierungskosten und Protokollmechanismen die TAO-/Alpha-Flüsse rund um die Subnetzteilnahme beeinflussen können. docs.learnbittensor.org

Wertakkumulation entsteht aus Staking-Nachfrage, Miner-Validator-Ökonomie und der Markteinschätzung, ob das Subnetz wertvolle Computer-Vision-Ergebnisse liefert. In Dynamic TAO tauscht ein Nutzer, der in ein Mining-Subnetz stakt, effektiv TAO gegen das Alpha dieses Subnetzes und stakt dieses Alpha an einen Validator; der Exit-Wert hängt dann beim Unstaking vom Alpha-zu-TAO-Poolverhältnis ab. Bittensors Emissionsdokumentation vom Juni 2026 ist wichtig, weil sie festhält, dass das Netzwerk nach einer Flow-basierten Phase von November 2025 bis Juni 2026 zu einem preis­basierten Modell für die Verteilung der TAO-Emissionen über die Subnetze zurückgekehrt war. Das bedeutet, dass Subnetz-Tokenpreise und gleitende Durchschnitte erneut den Emissionsanteil beeinflussen.

Speziell für Score zeigte der Snapshot auf Bittensor.ai Ende Juni einen Owner-Cut von 18 % und eine Emissionsaufteilung zwischen Minern, Validatoren/Stakern und dem Owner, mit einer sehr hohen angezeigten Staking-APY, die als volatiles Emissionsergebnis und nicht als stabiler Ertrag interpretiert werden sollte. Ökonomisch gesehen unterzeichnen sn44-Inhaber ein reflexives System: Nützliche Modelle und externe Nachfrage können Stake-Zuflüsse und Emissionen rechtfertigen, aber Emissionen ohne zahlende Nachfrage können Inhaber verwässern und kurzfristige Kapitalrotation statt dauerhafter Netzwerk-Utility belohnen. (docs.learnbittensor.org)

Wer nutzt Score?

Der entscheidende Unterschied liegt zwischen Tokenaktivität und Produktnutzung. Scores On-Chain-Handelsvolumen, Halter, Validatorenzahl und Staking‑TVL zeigen, dass der Vermögenswert eine Marktteilnahme aufweist, aber diese Kennzahlen beweisen nicht, dass Unternehmen oder Sportteams für Vision‑Outputs bezahlen.

Der tatsächliche Nutzen lässt sich besser aus der Aufgabenaktivität, Modell‑Benchmarks, Miner‑Wettbewerben und kommerziellen Anwendungen auf dem Subnetz ableiten. In den öffentlichen Materialien von Score werden Sportanalytik, Broadcasting, Wetten, Scouting und Coaching als erste Zielmärkte genannt, während neuere öffentliche Mitteilungen breitere Computer‑Vision‑Anwendungsfälle wie Personenerkennung, Fahrzeugerkennung, Branderkennung und Tankstellenüberwachung beschreiben.

Stand Mitte 2026 besteht das glaubwürdigste Nutzungsmuster weniger darin, dass Endnutzer direkt mit sn44 interagieren, sondern darin, dass Builder das Subnetz als dezentralen Backend für Modelldiscovery und Modelldistillation verwenden. (github.com)

Das greifbarste, unternehmensseitig ausgerichtete Adoptionssignal ist Manako Labs. Im April 2026 kündigte Manako ein Bündnis mit PwC Frankreich und Maghreb an und erklärte, PwC Frankreich werde sich auf Manakos Business Operations World Model, betrieben durch Score – Subnet 44, stützen, um Organisationen dabei zu helfen, bestehende Kameranetze in Systeme für operative Intelligenz zu verwandeln. Im Juni 2026 berichtete ein von KuCoin syndizierter Beitrag von CryptoBriefing, dass Manako eine Vision‑AI‑Agentenplattform gestartet habe, die von Bittensors Score Subnet 44 betrieben wird, mit einer No‑Code‑Oberfläche, auf CPUs ausführbaren Modellen, Edge‑Processing, Slack‑Alerts und einer angegebenen TaoWeave‑Investition von 1 Million US‑Dollar für die Expansion in Nordamerika. Dies sind bedeutende kommerzielle Signale, aber sie entsprechen nicht geprüften Umsätzen, Kundenbindung oder Metriken unternehmensweiter Implementierungen. Eine skeptische Lesart wäre, dass Score über Manako und PwC‑angrenzende Beratungskanäle eine vielversprechende Distribution hat, aber noch stärkere Nachweise für wiederkehrende Kunden, bezahlte Workloads und einen Durchsatz liefern muss, der in verarbeiteten Kamera‑Stunden oder akzeptierten Modellaufgaben gemessen wird. (manako.ai)

Welche Risiken und Herausforderungen gibt es für Score?

Scores regulatorische Exponierung ist indirekt, aber real. In den geprüften öffentlichen Quellen scheint es keine bekannte, aktive Klage einer Aufsichtsbehörde speziell gegen Score oder sn44 zu geben, doch sn44 erbt die breitere Unsicherheit rund um TAO, Bittensor‑Subnet‑Tokens, Staking und emissionsgetriebene digitale Vermögenswerte. Der eingereichte Bittensor Trust S‑1 von Grayscale diskutiert ausdrücklich das Risiko, dass argumentiert werden könnte, TAO sei ein Wertpapier, und stellt fest, dass die SEC oder ein Gericht eine gegenteilige Auffassung vertreten könnte, selbst wenn der Sponsor TAO nicht als Wertpapier einstuft. Das ist für sn44 relevant, weil Alpha‑Tokens noch enger mit der Aktivität des Subnetz‑Erstellers, dem Emissionsdesign, Staking‑Strömen und Erwartungen an produktive Managementleistungen verknüpft sind. Zentralisierung ist das zweite große Risiko. Die Seite Bittensor.ai zeigte in ihrem Snapshot von Ende Juni nur neun Validatoren auf sn44, einen Owner‑Cut von 18 %, deaktivierte Commit‑Reveal‑ und Liquid‑Alpha‑Einstellungen sowie ein Health‑Label, das das Subnetz als aufgegeben beschrieb, während zugleich in den vorangegangenen 30 Tagen keine GitHub‑Commits angezeigt wurden und der letzte Commit rund 200 Tage zurücklag. Einige dieser Labels können der Off‑Chain‑Entwicklung hinterherhinken, aber institutionelle Investoren sollten Validator‑Konzentration, Eigentümerermessen, veraltete Repositories und intransparente Task‑Governance als wesentliche Due‑Diligence‑Punkte betrachten. sec.gov

Auch das Wettbewerbsrisiko ist erheblich. In der Sportanalytik konkurriert Score ökonomisch mit etablierten Daten‑ und Videoanalyse‑Anbietern wie Opta‑ähnlichen Sportdaten‑Vendors, Club‑Analytics‑Stacks, Broadcast‑Tracking‑Systemen und spezialisierten Computer‑Vision‑Anbietern, die keine Krypto‑Anreize benötigen. Im Enterprise‑Vision‑Bereich konkurriert es mit Cloud‑AI‑Plattformen, Edge‑AI‑Anbietern, Roboflow‑ähnlichen Tools, Open‑Source‑Modellen und proprietären vertikalen Lösungen, die in Sicherheits‑, Handels‑, Logistik‑ und Industriesoftware eingebettet sind. Das dezentrale Subnetz‑Modell kann ein Kosten‑ und Talent‑Discovery‑Vorteil sein, wenn es zuverlässig bessere Modelle beschafft, kann aber auch langsamer zur Produktreife gelangen als ein zentralisierter Anbieter mit direkten Kunden‑Feedback‑Schleifen, Service‑Level‑Agreements, Beschaffungsteams und Compliance‑Kontrollen. Der Token bringt eine weitere Bedrohung mit sich: Wenn Emissionen attraktiver sind als externe Umsätze, könnten Miner und Validatoren eher für die Reward‑Mechanik als für Kundenresultate optimieren, wodurch eine Lücke zwischen Subnetzaktivität und ökonomisch nützlichen Outputs entsteht. medium.com

Wie ist der zukünftige Ausblick für Score?

Der Ausblick für Score hängt weniger von der Kursentwicklung ab und mehr davon, ob es gelingt, eine glaubwürdige technische Nische in wiederholbare kommerzielle Infrastruktur zu überführen.

Die verifizierte Roadmap in den öffentlichen GitHub‑Materialien skizzierte für 2025 eine Abfolge von Game State Recognition und VLM‑basierter Validierung bis hin zu Mainnet‑Deployment, Human‑in‑the‑Loop‑Validierung, Dashboards, Action Spotting, Event‑Captioning, Integrations‑APIs, zusätzlichen Sportarten, Developer‑Tools und domänenübergreifenden Anwendungen.

Bis Mitte 2026 hatte sich die öffentliche Erzählung in Richtung von Manako‑gestützter Enterprise‑Kameraintelligenz und kleiner, auf bestimmte Aufgaben spezialisierter Modelldistillation entwickelt, während Bittensor selbst wichtige Tokenomics‑Änderungen durchlaufen hatte, darunter die im Juni 2026 erfolgte Rückkehr zu preisbasierter Emission.

Die wichtigsten Meilensteine von hier aus sind daher eher praktischer als promotiver Natur: aufgefrischte Open‑Source‑Entwicklung, klarere Telemetrie für Validatoren und Miner, geprüfte Modell‑Benchmarks, öffentliche API‑Dokumentation, Nachweise bezahlter Workloads und ein robustes Validierungsframework für nicht‑fußballspezifische Aufgaben. (github.com)

Die strukturelle Hürde besteht darin, dass Score beweisen muss, dass das Subnetz mehr ist als ein emissionssubventionierter Modellwettbewerb.

Wenn Manako und ähnliche Anwendungen in der Lage sind, echte Enterprise‑Vision‑Probleme konsistent in sn44 einzuspeisen, Miner‑Outputs zu benchmarken, kompakte Modelle am Edge zu deployen und Kosten‑ oder Genauigkeitsvorteile gegenüber zentralisierten Tools nachzuweisen, dann hat Score eine verteidigbare Rolle als Bittensor‑nativer Computer‑Vision‑Arbeitsmarkt. Falls nicht, besteht das Risiko, dass der Vermögenswert hauptsächlich als gehebelte Wette auf die Spekulation mit Bittensor‑Subnetzen bewertet wird, mit nur geringer Trennung zwischen Token‑Liquidität und tatsächlichem Product‑Market‑Fit. Eine Kursprognose ist nicht gerechtfertigt; die relevante Frage ist, ob sn44 in der Lage sein wird, hochwertige Validierung aufrechtzuerhalten, die Kontrolle zu dezentralisieren und Kameradaten in extern nachgefragte Infrastruktur zu verwandeln, bevor zentralisierte Vision‑Plattformen die Kosteneffizienzlücke schließen.