KI-Agenten schreiben Prognosemärkte still und leise um

KI-Agenten auf Prognosemärkten haben eine Schwelle überschritten, die den meisten Retail-Händlern noch gar nicht aufgefallen ist. Autonome Software — keine Menschen — übernimmt still und leise die Prognose-Wirtschaft, und wer 2026 immer noch manuell auf Polymarket wettet, ist bereits im Nachteil. Das ist die unverblümte Botschaft von Valory AG, dem Team hinter dem Krypto-KI-Protokoll Olas, dessen CEO David Minarsch diese Woche gegenüber Reportern erklärte, dass Maschinen auf Prognoseplattformen systematisch besser abschneiden als Menschen — und der Abstand wächst rasant.

Die Agenten-Wirtschaft kommt nicht erst — sie ist bereits da

Nennen wir es die stille Automatisierung des Alphas. Valory AG entwickelt an der Schnittstelle von Blockchain und Multi-Agenten-Systemen, und ihr Flaggschiff-Projekt — Olas, früher bekannt als Autonolas — fungiert als Infrastruktur für autonome Software-Agenten, die Dienste auf Blockchains betreiben, mit Smart Contracts interagieren und Krypto-Belohnungen für ihre Besitzer verdienen. Das übergeordnete Rahmenwerk, das Minarsch beschreibt, nennt er eine „Agenten-Wirtschaft" — ein dezentrales System, in dem KI-Agenten nützliche Aufgaben erledigen und echten finanziellen Wert generieren, ohne ständige menschliche Aufsicht zu benötigen.

Diese Vision erhielt im Februar 2026 einen sehr öffentlichen Praxistest, als Valory Polystrat auf Polymarket startete. Der Agent handelt rund um die Uhr im Auftrag seines menschlichen Besitzers und führt Strategien aus, während der Nutzer schläft, arbeitet oder einfach Besseres zu tun hat. Das Versprechen ist unkompliziert: Prognosemärkte schließen nie, menschliche Aufmerksamkeit schon — und genau diese Diskrepanz ist der Punkt, an dem Maschinen gewinnen.

Innerhalb von etwa einem Monat nach dem Start führte Polystrat mehr als 4.200 Trades auf Polymarket aus und verzeichnete Einzelhandels-Renditen von bis zu 376%, laut Daten des Valory-Teams. Mehr als 37% der Polystrat-Agenten wiesen eine positive Gewinn- und Verlustrechnung auf — im Vergleich dazu erreichen bei menschlichen Händlern auf derselben Plattform nur 7% bis 13% eine durchgehend positive Performance.

Warum verlieren Menschen gegen Maschinen auf Prognosemärkten?

Welchen Vorteil haben KI-Agenten gegenüber menschlichen Händlern auf Polymarket?

KI-Agenten übertreffen menschliche Händler auf Prognosemärkten vor allem deshalb, weil sie weniger emotional, beständiger und in der Lage sind, weitaus mehr Märkte gleichzeitig zu bearbeiten. Menschen neigen dazu, sich auf hochkarätige Ereignisse zu konzentrieren — Wahlen, Sportfinale, Zentralbank-Entscheidungen — während sie Tausende kleinerer, spezialisierter Märkte ignorieren, auf denen sich leichter ein Vorteil finden lässt. Maschinen werden nicht gelangweilt.

Minarsch bringt das menschliche Problem auf den Punkt: „Menschen treffen ihre Entscheidungen oft übereilter, was nachteilig sein kann", sagte er. „KI-Agenten können als verlässliche Stütze für Menschen dienen." Prognosemärkte sind im Kern probabilistische Übungen — und disziplinierte, datengestützte Analyse schlägt bei einer ausreichend großen Stichprobe durchweg das Bauchgefühl. Das Problem ist, dass die meisten Menschen weder die Kapazität noch die Werkzeuge haben, um über Hunderte von Märkten hinweg diszipliniert zu bleiben.

Die Zahlen sprechen eine klare Sprache. Die Analyseplattform LayerHub meldet, dass mehr als 30% der Wallets auf Polymarket bereits KI-Agenten einsetzen. Allein diese Zahl sollte jeden menschlichen Händler zum Nachdenken bringen. „Es gibt menschliche Teilnehmer auf Prognosemärkten neben vielen Maschinen", sagte Minarsch. „Menschen befinden sich also bereits in einem Kampf mit Maschinen." Dieser Kampf findet größtenteils statt, ohne dass sie es wissen.

Prognosemärkte selbst sind rasant in den Mainstream vorgedrungen. Ihr Durchbruchsmoment war die US-Präsidentschaftswahl 2024, als die Handelsvolumen in die Höhe schossen und der Sektor über Krypto-Kreise hinaus Aufmerksamkeit erlangte. Bis 2025 überstieg das gesamte nominale Handelsvolumen auf den großen Plattformen $44 Milliarden, mit monatlichen Spitzenwerten von $13 Milliarden. Heute kontrollieren Kalshi und Polymarket zusammen geschätzte 85–97% des gesamten Sektorvolumens — Kalshi als US-regulierte Event-Kontraktbörse unter Aufsicht der Commodity Futures Trading Commission, Polymarket als krypto-native globale Plattform.

Einfach Standard-Modelle mit Marktdaten zu füttern, liefert in der Regel Ergebnisse, die nicht besser sind als ein Münzwurf. Aber hochmoderne KI-Modelle in maßgeschneiderte Workflows eingebettet haben historisch eine Prognosegenauigkeit von bis zu 70% und höher gezeigt.

Der Long-Tail-Ansatz, über den niemand spricht

Hier ist der Aspekt, den die bisherige Berichterstattung über den Polystrat-Launch weitgehend übergangen hat. Die eigentliche Chance für KI-Agenten liegt nicht unbedingt darin, bei großen Ereignissen mitzumischen, bei denen sich bereits alle — Mensch und Maschine — tummeln. Sie liegt in dem, was Minarsch den „Long Tail" der Prognosemärkte nennt: kleinere, lokale oder spezialisierte Fragen, die menschliche Händler nicht recherchieren, weil sich der Aufwand für die Rendite nicht lohnt.

„Menschen machen sich oft nicht die Mühe, nach den Informationen zu graben", sagte Minarsch. „Sie können sich nicht dazu aufraffen, den Aufwand zu betreiben." Ein KI-Agent hingegen kann Tausende kleinerer Märkte gleichzeitig scannen und analysieren. Man richtet ihn auf das Problem aus und er erledigt die Arbeit — ohne Ermüdung, ohne Ablenkung, ohne dass die Sonntagsnachmittags-Faulheit die Strategie durchkreuzt.

Das ist potenziell bedeutsam über reine Handelsrenditen hinaus. Prognosemärkte werden seit langem als Mechanismen zur Aggregation verstreuten Wissens untersucht — die Idee dabei ist, dass kollektive probabilistische Prognosen Erkenntnisse zutage fördern können, die traditionelle Umfragen oder Modelle übersehen. Wenn Agenten im Stil von Polystrat den Long Tail dieser Märkte mit qualitativ hochwertigeren Prognosen besiedeln, werden die Datenergebnisse wirklich nützlich für Unternehmen, politische Entscheidungsträger und andere Akteure, die auf Prognosemärkte als eine Form von Echtzeit-Intelligence setzen. Das ist eine größere Geschichte als die Handelsrenditen.

Nutzer-eigene KI: Ist es diesmal anders?

Das Olas-Versprechen hat ein Element, das über die reinen Trading-Performance-Zahlen hinaus genauerer Betrachtung bedarf. Minarsch rahmt das gesamte Projekt um eine spezifische Sorge: dass eine zunehmend automatisierte Wirtschaft alltägliche Nutzer von den Gewinnen ausschließen könnte, die KI-Systeme generieren — es sei denn, diese Nutzer besitzen tatsächlich die Agenten, die die Arbeit erledigen.

„Olas will eine Welt schaffen, in der menschliche Nutzer durch ihre KI-Agenten gestärkt werden, anstatt von ihnen entmündigt zu werden", sagte Minarsch. „Wir wollen mehr nutzer-eigene Agenten schaffen." Nutzer konfigurieren Polystrat basierend auf ihren eigenen Strategiepräferenzen, ihrer Risikotoleranz und ihren Datenquellen. Der Agent verwahrt sich selbst — er gehört dir, nicht Valory. Diese Unterscheidung ist relevant, wenn man glaubt, dass die Alternative zentralisierte Plattformen sind, die die gesamte KI-Infrastruktur kontrollieren und den gesamten Wert abschöpfen.

Ehrliche Einschätzung: Jedes Web3-Projekt verspricht Nutzer-Eigentum und Dezentralisierung. Das ist kein Zynismus, das ist Mustererkennung. Was Olas beobachtenswert macht, ist die Frage, ob die Performance-Daten im großen Maßstab Bestand haben — nicht nur während eines einzelnen Monats mit Early-Adopter-Aktivität in einem bullischen Prognoseumfeld. Minarschs Team behauptet, ihre Prognosemodelle und Datenpipelines hätten sich mit der Zeit deutlich verbessert und in Kombination mit Large Language Models nachhaltiges Alpha generiert. Nachhaltig ist das entscheidende Wort. Ein Monat mit 4.200 Trades ist ein Proof of Concept. Ein Jahr konstanter Outperformance wäre etwas völlig anderes.

Was die Regulierung betrifft — die laut Minarsch kommen wird — wird die Diskussion schwieriger. Einige Kritiker argumentieren, dass Prognosemärkte, die Todesfälle, Katastrophen oder geopolitische Ereignisse prognostizieren, perverse Anreize schaffen. Minarsch glaubt, dass KI-Agenten hier tatsächlich helfen könnten, indem sie verdächtige Handelsmuster identifizieren und Plattformen dabei unterstützen, manipulative oder schädliche Märkte zu schließen. „Agenten könnten Muster erkennen und helfen, problematische Märkte zu schließen", sagte er. Ob Regulierungsbehörden diese Argumentation akzeptieren, bleibt eine offene Frage.

Was bedeutet das für Retail-Händler auf Prognosemärkten?

Wer derzeit als Retail-Teilnehmer auf Polymarket oder Kalshi aktiv ist, für den ist die Botschaft dieser Daten unbequem, aber es lohnt sich, sie auf sich wirken zu lassen. Die Mehrheit der menschlichen Händler verliert auf diesen Plattformen bereits Geld. Der Bot-Anteil liegt bereits über 30% und steigt weiter. Der US-Wahlzyklus 2024 hat die Teilnahme an Prognosemärkten im großen Maßstab normalisiert, und jetzt geht die Infrastruktur für automatisierten Handel auf diesen Märkten an den Start.

Die optimistische Lesart — Minarschs Lesart — ist, dass nutzer-eigene KI-Agenten gleiche Bedingungen schaffen. Anstatt gegen institutionelle Bots ohne eigene Werkzeuge anzutreten, setzt man seinen eigenen Agenten mit der eigenen Strategie ein und lässt ihn laufen. Die pessimistische Lesart ist, dass die meisten Retail-Nutzer das nicht tun werden und die Kluft zwischen automatisierten und manuellen Teilnehmern weiter wachsen wird.

So oder so: Das Zeitfenster, in dem der Vorteil auf Prognosemärkten rein aus menschlicher Recherche und Intuition kam, schließt sich. Vermutlich schneller, als die meisten Menschen ahnen.