KI-Agenten verändern still und leise den Handel mit Prognosemärkten

Prognosemärkte haben seit langem versprochen, Erkenntnisse über zukünftige Ereignisse zu bündeln. Zunehmend stammen diese Signale nicht nur von Menschen, sondern auch von Maschinen.

Laut David Minarsch, CEO und Mitgründer der Valory AG, dem Team hinter dem Krypto-AI-Protokoll Olas, entwickeln sich autonome KI-Agenten zu mächtigen Instrumenten für den Handel mit Prognosemärkten, insbesondere für Privatanleger, die versuchen, in einem zunehmend automatisierten Umfeld zu konkurrieren.

Valory entwickelt Produkte an der Schnittstelle von Blockchain und Multi-Agenten-Systemen (MAS). Der derzeitige Schwerpunkt liegt auf Olas, ehemals bekannt als Autonolas. Das Protokoll ist als Infrastruktur für autonome Softwareagenten konzipiert, die Dienstleistungen auf Blockchains ausführen, mit Smart Contracts interagieren und miteinander kooperieren können, während sie Krypto-Belohnungen verdienen.

Die umfassendere Vision ist das, was Minarsch als „Agentenökonomie“ bezeichnet. Ein dezentrales Ökosystem, in dem autonome KI-Agenten nützliche Aufgaben ausführen und für ihre Nutzer Wert schaffen.

Eines der sichtbarsten Experimente in dieser Vision ist Polystrat, ein KI-Agent, der im Februar 2026 auf der Prognosemarkt-Plattform Polymarket gestartet wurde. Der Agent handelt im Auftrag von Nutzern, die die Selbstverwahrung übernehmen und ihn besitzen, und führt rund um die Uhr kontinuierlich Strategien aus.

„Kurz gesagt ist Polystrat ein autonomer KI-Agent, der rund um die Uhr im Auftrag seines menschlichen Nutzers auf Polymarket handelt“, sagte Minarsch. Die Idee ist einfach: Während Menschen schlafen, arbeiten oder die Konzentration verlieren, handelt der Agent weiter.

Prognosemärkte, Plattformen, auf denen Nutzer Verträge handeln, die an realweltliche Ergebnisse gekoppelt sind, haben sich in den letzten Jahren von Nischen-Tools zur Vorhersage zu einem schnell wachsenden Bereich im Fintech entwickelt. Der Durchbruch der Branche erfolgte während der US-Präsidentschaftswahl 2024, als die Handelsvolumina sprunghaft anstiegen und die Märkte breite Aufmerksamkeit erhielten, gefolgt von einer raschen Erweiterung in den Bereichen Sport, Wirtschaft und Krypto-Wetten. Bis 2025 überstieg das gesamte nominelle Handelsvolumen auf den großen Plattformen 44 Milliarden US-Dollar, wobei die monatliche Aktivität in Spitzenzeiten bis zu 13 Milliarden US-Dollar erreichte.

Heute ist der Markt stark um zwei dominierende Akteure konzentriert: Kalshi, eine in den USA regulierte Börse für Event-Kontrakte, die von der Commodity Futures Trading Commission beaufsichtigt wird, und Polymarket, eine kryptonative Plattform, die global operiert und ein breiteres Spektrum an Prognosemärkten anbietet. Zusammen machen sie etwa 85–97 % des Handelsvolumens ausin der Branche, wobei jährlich Wetten in Milliardenhöhe auf alles abgeschlossen werden, von Wahlen und Zentralbankpolitik bis hin zu Sport- und Kulturveranstaltungen

Warum Maschinen möglicherweise besser abschneiden als Menschen

Der Vorstoß hin zu KI-gesteuertem Handel basiert auf einer einfachen Beobachtung. Ein Großteil der in modernen KI-Modellen eingebetteten Intelligenz hat sich im Finanzmarkt noch nicht ausgewirkt.

Diese Erkenntnis veranlasste das Team von Valory im Jahr 2023 damit zu beginnen, das zu entwickeln, was sie eine „Vorhersagemarkt-Ökonomie“ auf Olas nennen – ein Ökosystem, in dem KI-Agenten Vorhersageinstrumente und Datenpipelines nutzen, um Ergebnisse zu prognostizieren und darauf zu handeln.

Prognosemärkte basieren selbst auf probabilistischer Vorhersage. Eine einfache Vermutung über ein Ereignis, sei es ein politisches Ergebnis, ein Wirtschaftsindikator oder ein Sportergebnis, mag nicht besser sein als ein Münzwurf. Doch strukturierte Datenanalyse und disziplinierte Handelsstrategien können diese Gleichung verändern.

„Das einfache Abfragen von Standardmodellen mit Marktdaten führt in der Regel zu Ergebnissen, die nicht besser sind als ein Münzwurf“, sagte Minarsch. „Doch hochmoderne KI-Modelle, eingebettet in maßgeschneiderte Workflows, sogenannte Prognosetools, haben historisch eine Vorhersagegenauigkeit von bis zu 70 % und mehr gezeigt.“

Die bisherigen Ergebnisse deuten darauf hin, dass Maschinen einen Vorteil haben könnten. Daten von Drittanbietern zeigen, dass nur etwa 7 % bis 13 % der menschlichen Händler auf Prognosemärkten positive Ergebnisse erzielen, während die Mehrheit Geld verliert.

Gleichzeitig wächst die Teilnahme von Maschinen schnell. Mehr als 30 % der Wallets auf Polymarket nutzen bereits KI-Agenten, so die Analytikplattform LayerHub.

Minarsch ist der Ansicht, dass dieser Trend einen umfassenderen Wandel widerspiegelt: Menschen konkurrieren bereits mit Maschinen, ob sie es bewusst wahrnehmen oder nicht. „In den Prognosemärkten treten menschliche Teilnehmer neben zahlreichen Maschinen auf“, sagte er. „Die Menschen befinden sich also bereits im Wettstreit mit den Maschinen.“

Der entscheidende Unterschied besteht darin, dass Maschinen weniger emotional sind und besser darin, konsequenten Strategien zu folgen.

Durch die Bereitstellung von KI-Agenten für den Alltagnutzer möchte Olas Chancengleichheit schaffen.

Frühe Erfolge für autonome Händler

Die frühe Performance von Polystrat war ermutigend.

Innerhalb von etwa einem Monat nach dem Start führte der Agent mehr als 4.200 Trades auf Polymarket durch und erzielte laut den vom Team bereitgestellten Daten Einzelerträge von bis zu 376 %.

„Agenten schneiden tendenziell besser ab als Menschen“, sagte er. „Polystrat KI-Agenten übertreffen bereits menschliche Teilnehmer bei Polymarket, wobei über 37 % von ihnen eine positive Gewinn- und Verlustrechnung vorweisen, verglichen mit weniger als der Hälfte dieser Zahl bei menschlichen Teilnehmern.“

Benutzer können ihre eigenen Agenten je nach Strategiepräferenzen, Datenquellen oder Risikotoleranz konfigurieren.

Die lange Nachwirkung von Prognosemärkten

Über die Performance hinaus ist Minarsch der Ansicht, dass KI-Agenten eine übersehene Chance in Prognosemärkten erschließen könnten: die „lange Schwänze“ von Nischen- oder lokalisierten Fragestellungen.

Viele Prognosemärkte drehen sich um bedeutende globale Ereignisse, Wahlen, makroökonomische Daten oder hochkarätige Sportwettkämpfe. Doch unzählige kleinere Fragestellungen bleiben weitgehend unerforscht.

„Menschen bemühen sich oft nicht, nach Informationen zu suchen“, sagte Minarsch. „Sie sind nicht bereit, den Aufwand zu betreiben.“ KI-Agenten hingegen können gleichzeitig eine große Anzahl kleinerer Märkte analysieren.

„Die lange Schwanzseite der Prognosemärkte ist für KI-Agenten sehr interessant“, sagte er. „Man richtet den Agenten einfach auf das Problem aus, und er erledigt die Arbeit.“

Dies könnte dazu beitragen, Prognosemärkte als Instrument zur Datenerfassung für Unternehmen, politische Entscheidungsträger und Führungskräfte auszubauen. Prognosemärkte werden seit langem als Mittel zur Bündelung verstreuten Wissens und zur Gewinnung von Erkenntnissen untersucht, die traditionelle Umfragen oder Modelle möglicherweise übersehen.

In diesem Sinne könnten Prognosemärkte zu einer Art zugrunde liegender Technologie für Entscheidungsprozesse in verschiedenen Branchen werden.

Mensch-KI-Zusammenarbeit

Trotz des Aufstiegs der Automatisierung sieht Minarsch nicht, dass KI-Agenten Menschen vollständig ersetzen werden.

Stattdessen betrachtet er sie als Ergänzungen.

„Menschen treffen Entscheidungen auf eine hastigere Weise, die nachteilig sein kann“, sagte er. „KI-Agenten können als etwas fungieren, auf das Menschen sich verlassen.“

Eine zukünftige Richtung besteht darin, den Nutzern zu ermöglichen, ihre Agenten mit proprietärem Wissen oder spezialisierten Datensätzen zu erweitern. „Wir beobachten eine Nachfrage von Nutzern, die möchten, dass ihr Agent auf ihre eigene Wissensbasis oder proprietäre Informationen zugreift“, sagte Minarsch. „Das würde es den Agenten erlauben, auf eine prinzipientreuere Weise zu handeln als ein Mensch.“

Im Laufe der Zeit, so berichtet das Team, haben sich die Prognosemodelle und Datenpipelines, die diese Agenten antreiben, erheblich verbessert und erzeugen in Kombination mit allgemeinen großen Sprachmodellen eine anhaltende Alpha-Performance.

Risiken und Regulierung

Das Wachstum der Prognosemärkte wirft auch ethische und regulatorische Fragen auf.

Einige Kritiker argumentieren, dass Märkte, die Kriege, Todesfälle oder Katastrophen vorhersagen, Anreize schaffen könnten, Ergebnisse zu manipulieren oder von schädlichen Ereignissen zu profitieren.

Minarsch räumte ein, dass sorgfältige Schutzvorkehrungen notwendig sind.

„Es muss Regulierung hinsichtlich der Arten von Prognosemärkten geben, die existieren dürfen“, sagte er.

Gleichzeitig ist er der Ansicht, dass KI-Agenten auch dabei helfen könnten, problematische Märkte oder Manipulationsversuche durch die Identifizierung verdächtiger Muster zu erkennen.

„Agenten könnten Muster erkennen und dazu beitragen, problematische Märkte zu schließen“, sagte er.

Aufbau einer nutzereigenen KI-Wirtschaft

Für Minarsch ist das ultimative Ziel nicht einfach nur bessere Handelsstrategien.

Es stellt sicher, dass gewöhnliche Nutzer weiterhin Anteile an einer zunehmend automatisierten digitalen Wirtschaft behalten.

Eine Zukunft, in der KI-Systeme den Großteil der wirtschaftlichen Aktivitäten ausführen, könnte das Risiko bergen, Einzelpersonen zu entmündigen, wenn zentrale Plattformen die Technologie kontrollieren. ""Olas strebt danach, eine Welt zu schaffen, in der menschliche Nutzer durch ihre KI-Agenten gestärkt und nicht von ihnen enteignet werden.

Um dieser Dynamik entgegenzuwirken, legt das Projekt besonderen Wert auf den Besitz von KI-Systemen durch die Nutzer. „Wir wollen mehr nutzerbasierte Agenten schaffen“, sagte Minarsch.

Wenn erfolgreich, könnte dieses Modell es den Menschen ermöglichen, autonome Software einzusetzen, die im Auftrag der Nutzer Wert über Märkte und Dienstleistungen hinweg generiert. Prognosemärkte sind dabei nur der Anfang.

Weiterlesen: KI-Ausverkauf trifft Softwareaktien, doch Grayscale sieht Blockchain-Technologien als Profiteure