Wie KI Privatanlegern dabei hilft, "Fehler" in Prognosemärkten auszunutzen, um einfach Geld zu verdienen

Ein vollautomatisierter Handelsbot führte 8.894 Trades auf kurzfristigen Kryptovorhersagekontrakten durch und erwirtschaftete Berichten zufolge fast 150.000 US-Dollar ohne menschliches Eingreifen.

Die Strategie, die in einem kürzlich erschienenen Beitrag im Umlauf auf X, nutzte kurzzeitige Gelegenheiten aus, bei denen der kombinierte Preis der „Ja“- und „Nein“-Kontrakte auf den fünfminütigen Bitcoin- und Ether-Märkten unter 1 Dollar fiel. Theoretisch sollten diese beiden Ergebnisse stets zusammen 1 Dollar ergeben. Wenn dem nicht so ist, beispielsweise wenn sie kombiniert bei 0,97 Dollar gehandelt werden, kann ein Händler beide Seiten kaufen und bei Marktabschluss einen Gewinn von drei Cent sichern.

Das entspricht ungefähr 16,80 $ Gewinn pro Trade – so gering, dass es bei jeder einzelnen Ausführung unsichtbar bleibt, aber auf großer Skala bedeutsam ist. Wenn der Bot bei jeder Hin- und Rückfahrt etwa 1.000 $ einsetzt und dabei einen Vorteil von 1,5 bis 3 % erzielt, ergibt sich ein Renditeprofil, das auf einzelne Trades betrachtet langweilig wirkt, insgesamt jedoch beeindruckt. Maschinen brauchen keine Spannung. Sie benötigen Wiederholbarkeit.

Es klingt nach kostenlosem Geld. In der Praxis sind solche Lücken jedoch meist von kurzer Dauer und halten oft nur Millisekunden an. Doch die Episode hebt etwas hervor, das über einen einzelnen Fehler hinausgeht: Die Vorhersagemärkte im Kryptobereich entwickeln sich zunehmend zu Arenen für automatisierte, algorithmische Handelsstrategien und einen aufkommenden, KI-getriebenen Wettlauf.

Dementsprechend weisen typische fünfminütige Bitcoin-Vorhersagekontrakte auf Polymarket während aktiver Sitzungen eine Orderbuchtiefe von etwa 5.000 bis 15.000 US-Dollar pro Seite auf, zeigen die Daten. Das ist um ein Vielfaches dünner als ein BTC-Perpetual-Swap-Orderbuch bei großen Börsen wie Binance oder Bybit.

Ein Desk, der versucht, selbst 100.000 US-Dollar pro Trade einzusetzen, würde die verfügbare Liquidität erschöpfen und jeglichen Vorteil im Spread zunichte machen. Das Spiel gehört derzeit Tradern, die sich mit Positionsgrößen im niedrigen vierstelligen Bereich wohlfühlen.

Wenn 1 $ nicht 1 $ ist

Prognosemärkte wie Polymarket ermöglichen es Nutzern, Verträge zu handeln, die an reale Ergebnisse gebunden sind – von Wahlergebnissen bis hin zum Bitcoin-Preis in den nächsten fünf Minuten. Jeder Vertrag wird in der Regel mit entweder 1 $ (wenn das Ereignis eintritt) oder 0 $ (wenn es nicht eintritt) abgerechnet.

In einem vollkommen effizienten Markt sollten der Preis von „Ja“ zuzüglich des Preises von „Nein“ jederzeit genau 1 Dollar ergeben. Wenn „Ja“ bei 48 Cent gehandelt wird, sollte „Nein“ bei 52 Cent gehandelt werden.

Doch Märkte sind selten perfekt. Geringe Liquidität, schnell wechselnde Preise des Basiswerts und Ungleichgewichte im Orderbuch können vorübergehende Dislokationen verursachen. Market Maker können bei Volatilität ihre Kurse zurückziehen. Privatanleger schlagen möglicherweise aggressiv auf eine Seite des Orderbuchs ein. Für einen Augenblick kann der kombinierte Preis unter 1 $ fallen.

Für ein ausreichend schnelles System ist das genug.

Diese Arten von Mikroineffizienzen sind nicht neu. Ähnliche kurzfristige „Auf/Ab“-Kontrakte waren Ende der 2010er Jahre auf der Derivatebörse BitMEX beliebt, bevor die Plattform einige davon zurückzog, nachdem Händler Wege gefunden hatten, systematisch kleine Vorteile zu erzielen. Was sich geändert hat, ist die Werkzeugausstattung.

In den Anfangszeiten behandelten Privatanleger diese BitMEX-Kontrakte als gerichtete Spekulationen. Doch eine kleine Gruppe quantitativer Händler erkannte schnell, dass die Kontrakte systematisch im Vergleich zum Optionsmarkt falsch bewertet waren — und begann, mit automatisierten Strategien, gegen die die Infrastruktur der Börse nicht ausgelegt war, einen Vorteil zu erzielen.

BitMEX hat schließlich mehrere Produkte aus dem Handel genommen. Offiziell wurde als Grund eine geringe Nachfrage angegeben, doch die Händler führten dies damals weitgehend darauf zurück, dass die Verträge für das Unternehmen unrentabel wurden, sobald die Arbitrageure eingestiegen waren.

Heutzutage kann ein Großteil dieser Aktivitäten automatisiert und zunehmend durch KI-Systeme optimiert werden.

Jenseits von Störungen: Gewinnung der Wahrscheinlichkeit

Der Arbitragehandel unter 1 US-Dollar ist das einfachste Beispiel. Anspruchsvollere Strategien gehen weiter und vergleichen die Preise auf verschiedenen Märkten, um Unstimmigkeiten zu identifizieren.

Optionsmärkte kodieren beispielsweise effektiv die kollektiven Erwartungen der Händler darüber, wo ein Vermögenswert in der Zukunft gehandelt werden könnte. Die Preise von Call- und Put-Optionen zu verschiedenen Ausübungspreisen können genutzt werden, um eine implizite Wahrscheinlichkeitsverteilung abzuleiten, eine marktbasierte Schätzung der Wahrscheinlichkeit verschiedener Ergebnisse.

Einfach ausgedrückt fungieren Optionsmärkte als riesige Wahrscheinlichkeitsmaschinen.

Wenn die Optionspreisgestaltung beispielsweise eine 62%-ige Wahrscheinlichkeit impliziert, dass Bitcoin über einem bestimmten Niveau innerhalb eines kurzen Zeitfensters schließen wird, aber ein Prognosemarkt-Kontrakt, der an dasselbe Ergebnis gebunden ist, nur eine 55%-ige Wahrscheinlichkeit vorschlägt, entsteht eine Diskrepanz. Einer der Märkte könnte das Risiko unterbewerten.

Automatisierte Händler können beide Handelsplätze gleichzeitig überwachen, implizite Wahrscheinlichkeiten vergleichen und jene Seite kaufen, die als falsch bewertet erscheint.

Solche Lücken sind selten dramatisch. Sie können sich auf einige wenige Prozentpunkte belaufen, manchmal sogar weniger. Doch für algorithmische Händler, die mit hoher Frequenz operieren, können kleine Vorteile sich über Tausende von Trades summieren.

Der Prozess erfordert keine menschliche Intuition, sobald er eingerichtet ist. Systeme können kontinuierlich Preisfeeds aufnehmen, implizite Wahrscheinlichkeiten neu berechnen und Positionen in Echtzeit anpassen.

Betreten Sie die KI-Agenten

Was die heutige Handelssituation von früheren Kryptozyklen unterscheidet, ist die zunehmende Zugänglichkeit von KI-Tools.

Händler müssen nicht mehr jede Regel manuell programmieren oder Parameter von Hand verfeinern. Maschinelle Lernsysteme können damit beauftragt werden, Varianten von Strategien zu testen, Schwellenwerte zu optimieren und sich an wechselnde Volatilitätsregime anzupassen. Einige Systeme umfassen mehrere Agenten, die verschiedene Märkte überwachen, die Risikoaussetzung neu gewichten und sich automatisch abschalten, wenn die Performance sich verschlechtert.

Theoretisch könnte ein Trader 10.000 USD einer automatisierten Strategie zuweisen, die es KI-gesteuerten Systemen ermöglicht, Börsen zu durchsuchen, Preise auf Prognosemärkten mit Derivatedaten zu vergleichen und Trades auszuführen, wenn statistische Abweichungen einen vordefinierten Schwellenwert überschreiten.

In der Praxis hängt die Rentabilität stark von den Marktbedingungen und der Geschwindigkeit ab.

Sobald eine Ineffizienz allgemein bekannt wird, nimmt der Wettbewerb zu. Mehr Bots jagen dieselbe Chance. Die Spreads verengen sich. Die Latenz wird entscheidend. Letztendlich schrumpft die Gelegenheit oder verschwindet.

Die größere Frage ist nicht, ob Bots auf Prognosemärkten Geld verdienen können. Das können sie eindeutig, zumindest solange der Wettbewerb den Vorteil nicht verwischt. Entscheidend ist jedoch, was mit den Märkten selbst geschieht.

Wenn ein wachsender Anteil des Volumens von Systemen stammt, die keine Ansicht zum Ausgang haben – die lediglich Arbitrage zwischen verschiedenen Handelsplätzen betreiben – laufen Prognosebörsen Gefahr, Spiegelbilder des Derivatemarktes und nicht unabhängige Signale zu werden.

Warum große Unternehmen nicht in Scharen kommen

Wenn Prognosemärkte ausnutzbare Ineffizienzen enthalten, warum dominieren sie dann nicht die großen Handelsunternehmen?

Liquidität ist eine Beschränkung. Viele kurzfristige Vorhersagekontrakte bleiben im Vergleich zu großen Krypto-Derivatbörsen relativ gering. Der Versuch, erhebliche Kapitalbeträge einzusetzen, kann die Preise gegen den Händler bewegen und theoretische Gewinne durch Slippage schmälern.

Es besteht auch eine operative Komplexität. Prognosemärkte laufen häufig auf Blockchain-Infrastrukturen, was Transaktionskosten und Abwicklungsmechanismen mit sich bringt, die sich von denen zentralisierter Börsen unterscheiden. Für Hochfrequenzstrategien sind selbst kleine Reibungsverluste von Bedeutung.

Infolgedessen scheint sich ein Teil der Aktivität auf kleinere, agile Händler zu konzentrieren, die mit moderater Größe, möglicherweise 10.000 USD pro Trade, agieren können, ohne den Markt erheblich zu beeinflussen.

Diese Dynamik könnte nicht von Dauer sein. Wenn die Liquidität zunimmt und die Handelsplätze reifen, könnten größere Unternehmen aktiver werden. Für den Moment befinden sich Prognosemärkte in einem Zwischenzustand: ausgereift genug, um quantenbasierte Strategien anzuziehen, aber noch zu dünn, um den großflächigen Einsatz zu ermöglichen.

Eine strukturelle Veränderung

Kernpunkt von Prognosemärkten ist es, Überzeugungen zu bündeln, um durch die Schwarmintelligenz Wahrscheinlichkeiten für zukünftige Ereignisse zu erzeugen.

Doch mit zunehmender Automatisierung wird ein wachsender Anteil des Handelsvolumens möglicherweise weniger durch menschliche Überzeugung und mehr durch Marktübergreifende Arbitrage und statistische Modelle getrieben.

Das mindert nicht zwangsläufig ihre Nützlichkeit. Arbitrageure können die Preiseffizienz verbessern, indem sie Lücken schließen und die Quoten über verschiedene Handelsplätze angleichen. Dennoch verändert dies den Charakter des Marktes.

Was als Plattform zur Äußerung von Meinungen zu einer Wahl oder einer Kursbewegung beginnt, kann sich zu einem Schlachtfeld für Latenz- und Mikrostrukturvorteile entwickeln.

Im Kryptobereich erfolgt eine solche Entwicklung erfahrungsgemäß sehr rasch. Ineffizienzen werden entdeckt, ausgenutzt und durch Wettbewerb eliminiert. Wettbewerbsvorteile, die einst konstante Renditen erzielten, schwinden, sobald schnellere Systeme entstehen.

Die gemeldete Beute von 150.000 US-Dollar durch einen Bot könnte eine clevere Ausnutzung eines temporären Preisfehlers darstellen. Sie könnte auch auf etwas Grösseres hindeuten: Prognosemärkte sind nicht mehr nur digitale Wettbuden. Sie werden zu einer weiteren Grenzfläche für algorithmischen Finanzhandel.

Und in einem Umfeld, in dem Millisekunden entscheidend sind, gewinnt in der Regel die schnellste Maschine.