KI-Agenten übernehmen die Prognosemärkte

Prognosemarkt-Arbitrage wird zunehmend zu einem KI-dominierten Spiel — und die meisten Privatanleger wissen nicht einmal, dass sie ihren Vorteil längst verloren haben. Während Prognosemärkte als Plattformen vermarktet werden, auf denen kollektives menschliches Urteilsvermögen die Preise bestimmt, werden die Preislücken, die echten Profit generieren, zunehmend von automatisierten Systemen erfasst, die weit unter der menschlichen Reaktionszeit operieren. Das Zeitfenster schrumpft, und die Bots waren zuerst da.

Wie nutzen KI-Agenten Prognosemarkt-Arbitrage aus?

Arbitrage auf Prognosemärkten ist in der Theorie einfacher als in der Praxis. Preise spiegeln gelegentlich nicht die wahren Wahrscheinlichkeiten wider — die Ergebnisse in einem einzelnen Markt summieren sich möglicherweise nicht auf 100%, oder zwei verwandte Märkte bepreisen dasselbe Ereignis mit unterschiedlichen Quoten. Diese Lücken sind bares Geld. Das Problem: Sie schließen sich innerhalb von Sekunden.

Rodrigo Coelho, CEO von Edge & Node, brachte es auf den Punkt: Bots scannen bereits Hunderte von Märkten pro Sekunde. Was sich ändert, ist die Komplexitätsebene auf dieser Infrastruktur — regelbasierte Skripte weichen Agenten, die Kontext interpretieren, Signale abwägen und mit mehr Urteilsvermögen handeln können als eine einfache Wenn/Dann-Schleife.

Coelho erklärte gegenüber Reportern, dass die Nutzung dieser Gelegenheiten die Überwachung Tausender Märkte und nahezu sofortiges Handeln erfordert — weshalb automatisierte Systeme dominieren. Das ist keine Spekulation. Das ist die aktuelle Realität der Marktstruktur.

Das Erfassen dieser Gelegenheiten erfordert die Überwachung Tausender Märkte und die nahezu sofortige Ausführung von Trades, weshalb sie größtenteils von automatisierten Systemen dominiert werden.

Polymarkets $40-Millionen-Arbitrage-Problem

Die Zahlen hier verdienen mehr Aufmerksamkeit, als sie bisher bekommen haben. Eine Studie zu Polymarket fand systematische Preisinkonsistenzen — die Art, die es Händlern ermöglicht, risikofreie (oder nahezu risikofreie) Positionen aufzubauen. Die Forscher schätzten, dass $40 Millionen allein aus diesen Ineffizienzen abgezogen wurden. Das sind keine Einzelfälle. Das ist ein strukturelles Leck im Markt.

Die Inkonsistenzen treten sowohl innerhalb einzelner Märkte auf, wo sich die Wahrscheinlichkeiten nicht auf 100% summieren, als auch zwischen verwandten Märkten mit nicht übereinstimmenden Preisen. Prognosemärkte sind noch jung genug, dass sich diese Lücken regelmäßig bilden. Und die Systeme, die sie jagen, sind nur schneller geworden.

Polymarket hat darauf mit der Einführung von Prognosemarkt-Arbitrage-Taker-Gebühren reagiert — ein ausdrückliches Eingeständnis, dass Latenz-Arbitrage zu einem echten Problem geworden war. Ergebnisse werden zudem nicht sofort finalisiert, was einige Strategien abschwächt. Aber Gebührenänderungen sind eine Bremsschwelle, keine Mauer.

Polymarkets offenes Interesse erreichte seinen Höhepunkt um Oktober und Anfang November 2024 während der US-Wahlen, laut Daten von Dune Analytics. Nach einem anfänglichen Rückgang wächst die Plattform weiter — Politik bleibt die dominierende Kategorie, gefolgt von Sport und Krypto.

Das Manipulationsrisiko, über das niemand sprechen will

Coelho sprach einen Punkt an, der im Optimismus rund um KI-Agenten meist untergeht. Große Akteure können bereits dünn gehandelte Prognosemärkte bewegen, indem sie massiv auf eine Seite setzen — und er spricht nicht hypothetisch. Er verwies auf die $45 Millionen-Wette auf den Sieg von Donald Trump bei der US-Wahl 2024 auf Polymarket, die die Marktquoten sichtbar in großem Maßstab beeinflusste.

Nun stellen Sie sich dieselbe Dynamik vor, aber automatisiert und kontinuierlich über Hunderte von Märkten laufend. Fortgeschrittene Agenten, die auf menschlichem Verhalten trainiert wurden, werden nicht nur Arbitrage finden. Sie werden Einfluss finden.

Pranav Maheshwari, Ingenieur bei Edge & Node, forderte Leitplanken und sagte, dass sich die Risiken bereits materialisieren. KI-Agenten verfügen derzeit über mittlere Fähigkeiten — und sie haben bereits begonnen, autonom mit den ihnen erteilten Berechtigungen zu handeln. Mehr Fähigkeiten ohne mehr Struktur sind kein Feature.

Wenn man einen großen Geldpool hat und der Markt dünn ist, kann man auf eine Seite setzen und den Markt bewegen, wie wir bei der Wahl gesehen haben, als ein Franzose [$45 Millionen] auf den Sieg von Donald Trump gesetzt hat.

Was bedeutet das für Privatanleger?

Archie Chaudhury, CEO von LayerLens, gab einen Einblick auf Bodenhöhe, wo Privatanleger tatsächlich gerade stehen. Die meisten Menschen betreiben keine Agenten — sie kopieren Fragen in ChatGPT oder Gemini zur Recherche. Eine kleinere Gruppe nutzt Coding-Tools wie Claude Code, um automatisierte Bots zu erstellen. Nur eine Nische innerhalb dieser Nische betreibt vollständig autonome Systeme, die Trades ausführen und Richtlinien ohne menschlichen Eingriff durchsetzen können.

Chaudhury erklärte gegenüber Reportern, dass bestehende Large-Language-Model-Architekturen genuinely gut geeignet sind, strukturierte Finanzdaten zu analysieren. Die technische Hürde für den Aufbau eines Handelssystems, das einst ein Quant-Team erforderte, ist niedriger als je zuvor. Das ist die optimistische Sichtweise — KI demokratisiert den Zugang zu Strategien, die zuvor in Hedgefonds eingeschlossen waren.

Die zynische Sichtweise: Große Institutionen setzen KI bereits in der Produktion ein, auch wenn sie es nicht öffentlich sagen. Die Welle der KI-Händler unter Privatanlegern wird genau dann eintreffen, wenn institutionelle Systeme die am leichtesten zugänglichen Strategien bereits optimiert haben. Zugang bedeutet nicht Vorteil.

Einige von uns nutzen einfach Coding-Agenten wie Claude Code, um automatisierte Bots oder Algorithmen für die Ausführung von Trades zu erstellen, während andere einen Schritt weiter gehen und autonome Tools wie OpenClaw nutzen, um die automatische Ausführung von Trades und anderen Richtlinien zu ermöglichen.

Sind Prognosemärkte noch nützlich für alle ohne Bot?

Das ist die Frage, der die Optimisten ausweichen. Prognosemärkte werden mit aggregierter menschlicher Weisheit beworben — der Idee, dass verteilte Wetter Dinge wissen, die zentralisierte Prognostiker übersehen. Aber wenn ein wachsender Anteil des Handelsvolumens von Bots stammt, die Fehlbepreisungen jagen, statt von Menschen, die Meinungen äußern, was genau aggregiert der Markt dann?

Maheshwaris Warnung, dass KI-Agenten mit zu vielen Berechtigungen autonom handeln, weist auf ein tieferes Problem hin: Märkte, die auf menschlichem Verhalten aufgebaut sind, können sich seltsam verhalten, wenn die Menschen verschwinden. Coelho räumte ein, dass KI-Agenten auf menschlicher Aktivität trainiert werden — was bedeutet, dass sie menschliche Irrationalität in großem Maßstab replizieren, nicht nur menschliche Einsicht.

Der strukturelle Wandel ist bereits im Gange. Der Handel hat sich von einfachen Ausführungs-Bots zu kontextbewussten Systemen entwickelt, die Echtzeit-Signale erkennen und darauf reagieren können. Derzeit sind die zugrunde liegenden Tools noch weitgehend regelbasiert. Aber „noch regelbasiert" leistet in diesem Satz schwere Arbeit, und es wird nicht mehr lange so bleiben.

Bis jetzt haben KI-Agenten mittlere Fähigkeiten und wir geben ihnen viele Berechtigungen. Mit diesen mittleren Fähigkeiten haben sie bereits begonnen, autonom zu handeln.