AI-Agenten: Wie sie Arbitrage in Predictions-Märkten umkrempeln

68 Prozent Trefferquote: Wie KI-Agenten menschliche Trader abhängen

Arbitragegelegenheiten in Prognosemärkten existieren oft nur Sekundenbruchteile. Ein Kontrakt auf Polymarket notiert zu einem anderen Preis als der gleiche Kontrakt auf PredictIt oder Kalshi. Menschliche Trader haben kaum eine Chance, diese Differenzen zu nutzen, bevor sie sich schliessen. KI-Agenten schon. Laut einer Cointelegraph-Analyse von 2026 erreichen KI-gesteuerte Arbitrage-Systeme eine Erfolgsquote von 68 Prozent, menschliche Händler kommen auf 12 Prozent.

Diese Asymmetrie verändert die Spielregeln grundlegend. Die Frage ist nicht mehr, ob KI-Agenten den Handel in Prognosemärkten dominieren werden, sondern wie Finanzinstitutionen, die nicht selbst über solche Systeme verfügen, mit dieser neuen Realität umgehen. Für den Schweizer Finanzplatz, auf dem die FINMA seit 2024 klare Dokumentationspflichten für algorithmisch unterstützte Entscheidungen fordert, entsteht ein Spannungsfeld zwischen Innovationsdruck und regulatorischer Vorsicht.

Eine Studie der ETH Zürich prognostiziert, dass 72 Prozent der Schweizer Banken bis 2027 KI-basierte Arbitrage-Tools einsetzen werden. Die Kluft zwischen denen, die mitmachen, und denen, die abseits stehen, wird grösser.

FinBERT verarbeitet 10'000 Datenpunkte pro Sekunde

Die technologische Grundlage dieser Systeme bilden Deep-Learning-Modelle, die spezifisch für die Analyse von Marktmikrostrukturen trainiert werden. Das an der EPFL entwickelte FinBERT-Modell etwa verarbeitet in Echtzeit über 10'000 Datenpunkte pro Sekunde: Preisbewegungen auf verschiedenen Plattformen, Orderbuchtiefe, Handelsvolumina und Nachrichtenströme. Die Latenzzeit liegt unter 0,0001 Sekunden. Ein menschlicher Trader braucht allein für die visuelle Erfassung einer Preisänderung rund 200 Millisekunden, das Zweitausendfache.

Die Geschäftsmodelle folgen zwei Grundprinzipien. Market-Making durch Bereitstellung von Liquidität auf beiden Seiten des Orderbuchs, wobei der Gewinn aus dem Spread entsteht. Und Cross-Platform-Arbitrage, bei der Preisdifferenzen zwischen verschiedenen Prognosemärkten ausgenutzt werden. Beide Strategien setzen Geschwindigkeit voraus, und genau hier liegt der strukturelle Vorteil der KI.

Die Kosten variieren erheblich. Ein professionelles KI-System, einschliesslich GPU-Cluster, Datenanbindung und FINMA-Zertifizierung, schlägt in der Schweiz mit rund CHF 250'000 pro Jahr zu Buche. Proprietäre Lösungen, die eine Genauigkeit von bis zu 94 Prozent erreichen, kosten bis zu CHF 120'000 pro Monat. Open-Source-Alternativen auf Basis von Modellen wie Llama 3.1 liegen bei CHF 15'000 monatlich, kommen aber nur auf eine durchschnittliche Genauigkeit von 82 Prozent.

Dokumentationspflicht für jede algorithmische Transaktion

Die FINMA hat 2025 neue Regulierungsrichtlinien erlassen, die explizit auf algorithmische Handelsstrategien in Prognosemärkten abzielen. Die Kapitel 7.3 und 8.1 der neuen KI-Richtlinien verlangen, dass jede Arbitrage-Transaktion nachvollziehbar dokumentiert wird. Treuhänder müssen nachweisen können, wie die KI zu ihrer Handelsentscheidung gelangt ist. Bei modernen Modellen mit ihrem inhärenten Black-Box-Charakter ist diese Anforderung keineswegs trivial.

Das nDSG fügt eine datenschutzrechtliche Dimension hinzu. Prognosemärkte, die Nutzerdaten für die Preisbildung verwenden oder deren Datenströme Informationen aus sozialen Medien enthalten, stossen an die Grenzen der zulässigen Datenverarbeitung. Marktdaten, die personenbezogene Informationen enthalten, dürfen nur in anonymisierter Form verarbeitet werden. Die SIX Group bietet mit ihrer Data-Marketplace-Plattform eine konforme Alternative: anonymisierte Marktdaten für CHF 5000 pro Monat.

UBS investiert, KMU zögern: Die wachsende Kluft

Der Schweizer Markt zeigt eine deutliche Zweiteilung. Grossbanken wie die UBS haben bereits 2024 spezialisierte KI-Arbitrage-Einheiten aufgebaut und verfügen über die nötige Infrastruktur und Expertise. Viele KMU hingegen stehen am Rand. Eine Umfrage der Swiss Chamber of Commerce zeigt, dass nur 12 Prozent der KMU-Finanzleiter KI-Tools für Arbitrage in Betracht ziehen. Die Hauptgründe: hohe Anschaffungskosten und fehlende Fachkenntnisse.

Diese Zurückhaltung ist nachvollziehbar, birgt aber langfristig Risiken. KI-getriebene Arbitrage verändert die Preisbildung in Prognosemärkten und beeinflusst damit auch die Qualität der Daten, die KMU aus diesen Märkten für ihre eigenen Risikomodelle beziehen. Wer die Mechanik nicht versteht, kann die Daten nicht richtig interpretieren.

Für Treuhänder bedeutet das eine Erweiterung der Due-Diligence-Prozesse. Bei der Übernahmeprüfung eines Startups, das Prognosemärkte nutzt, muss der Treuhänder nicht nur die Geschäftsstrategie bewerten, sondern auch prüfen, ob die eingesetzten Arbitrage-Systeme FINMA-konform dokumentiert sind. Bexio arbeitet an einem KI-Compliance-Modul, das ab dem dritten Quartal 2026 rund 80 Prozent der Regulierungsanforderungen automatisiert prüfen soll.

Open-Source-Einstieg ab CHF 2000, aber mit Sicherheitslücken

KMU-Finanzleiter, die den Einstieg in KI-gestützte Arbitrage erwägen, können mit kostengünstigeren Lösungen beginnen. Open-Source-Plattformen bieten API-Anbindungen ab CHF 2000 pro Monat, die Grundfunktionen für Arbitrage-Strategien bereitstellen. Allerdings warnen Experten vor übereilten Implementierungen. Eine Studie der Universität St. Gallen zeigt, dass 34 Prozent der Open-Source-Implementierungen Sicherheitslücken aufweisen, die im schlimmsten Fall zu Vermögensverlusten führen können.

Für Finanzberater gilt: KI-basierte Arbitrage-Strategien eignen sich ausschliesslich für Kunden mit hoher Risikotoleranz und ausreichendem Vermögen, um potenzielle Verluste zu absorbieren. Ein Kunde mit CHF 5 Millionen Vermögen könnte mit einem KI-gesteuerten Arbitrage-Fonds eine jährliche Rendite von 18 Prozent anstreben, muss aber bereit sein, 20 Prozent des eingesetzten Kapitals zu verlieren. Die FINMA verlangt eine schriftliche Bestätigung des Kunden, dass er die Risiken versteht.

Die ETH-Studie liefert eine weitere ernüchternde Erkenntnis: Die Erfolgsquote von KI-Systemen sinkt im ersten Jahr nach Einführung typischerweise um 40 Prozent, weil sich der Markt an die neuen Akteure anpasst und die Arbitragefenster schrumpfen. Wer einsteigt, muss kontinuierlich in die Weiterentwicklung seiner Modelle investieren. Der Schlüssel liegt nicht in der einmaligen Installation eines KI-Systems, sondern in der dauerhaften Kombination aus algorithmischer Geschwindigkeit und menschlichem Urteilsvermögen.

---

Quelle: Cointelegraph — Dieser Artikel wurde automatisch mit KI erstellt und basiert auf der oben verlinkten Originalquelle. Er wurde nicht individuell redaktionell geprüft.

Haftungsausschluss: Dieser Artikel dient ausschliesslich zu Informationszwecken und stellt keine Finanzberatung dar. Konsultieren Sie einen zugelassenen Finanzberater, bevor Sie Anlageentscheide treffen.