Keine große KI-Firma hat Krypto-Trading-Bots empfohlen. Kein führendes Labor trainiert Modelle dafür. Trotzdem nutzen immer mehr Trader Claude von Anthropic, um automatisierte Polymarket-Bots zu bauen und berichten von Gewinnen in Millionenhöhe. In viralen Beiträgen heißt es, jeder könne das schaffen.
Doch die lautesten Gewinner nutzen Strategien, die jeder Quant-Fonds über Nacht nachmachen könnte.
Drei Annahmen, keine Garantien
Das Narrativ beruht auf drei Annahmen. Große Tech-Unternehmen werden irgendwann speziell entwickelte Trading-Modelle aufbauen. Einzelne Trader können auf Dauer einen Vorteil gegenüber Institutionen behalten. Selbstständige KI-Agenten können zuverlässig Gewinne auf offenen Märkten erzielen.
Haseeb Qureshi, Managing Partner bei Dragonfly Capital, sieht das anders. Im Bankless-Interview nannte er das Haftungsrisiko, die Marktstruktur und die Tatsache, dass KI standardisiert ist. Zusammengenommen machen diese Punkte diesen Goldrausch viel weniger vielversprechend, als es scheint.
Die Haftungsfalle: Risiken früh erkennen
Qureshi sagt, dass KI für Blockchain-Aufgaben zu entwickeln technisch einfach ist. Ein EVM-Simulator kann problemlos wiederholte Kreditaufnahmen oder Token-Swaps testen. Die Modelle sind dazu in der Lage, wurden aber bisher noch nicht auf Kryptowährungen ausgerichtet.
Der Grund ist institutionell, nicht technisch. Erstens haftet der Markt für Kryptowährungen mit schlechtem Ruf, was KI-Labore vermeiden wollen.
„Krypto kommt irgendwie unangenehm rüber”, sagte Qureshi.
Der eigentliche Hinderungsgrund ist jedoch die Haftung. Stellen Sie sich vor, Claude macht einen Fehler bei einem gehebelten Handel und verliert dabei 2 Millionen USD. Oder er schickt 10.000 USD versehentlich an eine falsche Adresse. Kein Warnhinweis wäre ausreichend, um den Aufruhr zu verhindern.
„Es wird zu 100% passieren”, sagte Qureshi. „Jeder der eine schlechte Erfahrung macht, wird das superschnell viral machen.”
Er verglich die Verwaltung einer Nutzer-Wallet mit dem Einspritzen nicht regulierter chinesischer Peptide. Das Risiko ist viel höher als möglicher Umsatz. Schlecht ausgegangene Code-Ratschläge sind peinlich, aber eine geleerte Wallet bedeutet eine Klage.
Anthropic hat bereits Forschung zu KI und Blockchain veröffentlicht. Die SCONE-bench-Studie untersuchte, wie gut moderne Modelle Schwachstellen in Smart Contracts ausnutzen können. Allerdings handelt es sich dabei um Cybersicherheits-Forschung, nicht um eine Produkt-Roadmap.
Ein Wendepunkt wird durch Konkurrenz entstehen. Wenn ein Labor entscheidet, dass Handelsvolumen mit Kryptowährungen zu wichtig ist, um es Wettbewerbern zu überlassen, wird das Training beginnen. Bis dahin bleibt es ruhig.
Das Jane-Street-Problem: Risiko für Krypto-Märkte?
Auch ohne große Tech-Unternehmen steht das Trading-Narrativ vor einem strukturellen Problem. Jede Strategie, die auf einem öffentlich zugänglichen Modell basiert, steht per Definition auch jedem offen – unter anderem institutionellen Quant-Firmen.
Qureshis Argument ist einfach. Wenn ein einfacher Claude-Bot profitable Trades auf Polymarket finden kann, kann Jane Street 5.000 davon gleichzeitig betreiben. Das Unternehmen hat schnellere Infrastruktur und mehr Kapital. Jeder profitable Vorteil wird von ihnen auf null reduziert, bevor ein Retail-Trader sich überhaupt einloggt.
„Wenn es im Rohmodell steckt, macht Jane Street es gerade jetzt”, sagte er.
Ein Retail-Bot kann daher nur dann gewinnen, wenn er neue Signale nutzt, die dem Basismodell fehlen. Eine Claude-Instanz, die an eine API angebunden ist, reicht dafür nicht aus.
Warum „Geld verdienen“ allein oft nicht zum Erfolg führt
Qureshi denkt das Thema noch weiter. Die Fantasie von autonomen KI-Agenten, die selbstständig Einkommen erzielen, sieht er kritisch.
Die erste Möglichkeit: eine Anstellung – der KI-Agent verkauft seine Arbeitsleistung. Das funktioniert wirtschaftlich nicht. Es gibt Millionen identischer Claude-Instanzen. Keine hat eine einzigartige Fähigkeit oder einen Standortvorteil. Wer eine KI beauftragt, bezahlt lediglich für Anthropic-Rechenleistung mit Umwegen. Kein rationaler Kunde würde mehr als den API-Preis zahlen.
Die zweite Option: ein Unternehmen gründen. Das klingt zunächst vielversprechender, doch Qureshi erkennt auch hier einen Haken. Jeder KI-Agent greift auf denselben Pool an Trainingsdaten zu. Dadurch entwickeln sie alle ähnliche, generische Geschäftsmodelle. Wenn Sie zehn Claude-Instanzen nach Ideen fragen, erhalten Sie zehn Varianten derselben Idee.
Echte unternehmerische Tätigkeit, so Qureshi, erfordert laut Peter Thiel sogenannte „earned secrets”. Gemeint sind Einsichten, die aus bestimmten Erfahrungen an konkreten Orten zu bestimmten Zeiten entstehen. Bankless wurde aufgebaut, weil die Gründer eine besondere Mischung aus Krypto-Expertise, Erzähltalent und Instinkt für die Community besaßen und das zur genau richtigen Zeit. Ein neu gestarteter Claude hat jedoch keine eigenen Lebenserfahrungen. Er hat keine „earned secrets”.
Daraus ergibt sich ein unangenehmes Fazit. KI-Agenten können im Trading nicht gewinnen. Sie werden nicht eingestellt. Sie können keine originalen Geschäftsideen entwickeln. Wo also liegt ihr echter Vorteil gegenüber Menschen? Qureshi gibt eine absichtlich provokante Antwort: Kriminalität. Das ist keine Zukunft, die Qureshi sich wünscht, doch die Logik führt dorthin, wenn man alle institutionellen Schranken entfernt.
Was das bedeutet
Die Trader, die Polymarket-Bots bauen, gibt es wirklich. Manche Gewinne könnten zurzeit ebenfalls echt sein. Doch Quant-Unternehmen werden jeden Vorteil im Basismodell durch Arbitrage auflösen. Große Tech-Unternehmen werden erst dann auf Krypto trainieren, wenn sie durch Wettbewerb gezwungen werden. Und für autonome Agenten könnte das erste erfolgreiche Geschäftsmodell außerhalb des Zugriffs der Strafverfolgung entstehen.
Für den durchschnittlichen Trader, der Überschriften über KI-Bots liest, die Millionen erzielen, ist die Botschaft klar. Das Haus gewinnt immer. Beim Trading mit KI betreibt das Haus 5.000 Bots mit Latenzzeiten im Sub-Millisekunden-Bereich.
