Agentenbasiertes vs. algorithmisches Trading: der Berührungspunkt

Der Begriff „agentenbasiertes Trading" ist jung genug, dass man annimmt, er ersetze etwas. Tut er nicht. Der ehrliche Weg, agentenbasiertes vs. algorithmisches Trading einzuordnen, ist als neues Stockwerk auf altem Fundament: Algorithmisches Trading liefert die Disziplin (systematische Regeln, historische Validierung, mechanische Ausführung), während die agentische Schicht ändert, wie Strategien ausgedrückt werden, welche Daten sie verarbeiten können und wer überhaupt automatisieren darf. Dieser Artikel geht beide Ebenen durch: was das Algo-Trading etabliert hat, was die agentische Schicht echt hinzufügt, was unverändert übertragen wird und warum es Konten schadet, die neue Schicht als Flucht vor der alten Disziplin zu behandeln.

Algorithmisches Trading: die Disziplin, die zuerst hier war

Algorithmisches Trading ist älter als seine Software. Im Kern ist es eine Selbstverpflichtung: Entscheidungen entstehen aus vorab formulierten Regeln, Regeln werden gegen die Historie getestet, bevor sie Geld anfassen, und die Ausführung ist mechanisch, damit Emotion den Plan nicht mitten im Trade neu verhandeln kann. Der Code ist nur die Art, wie diese Selbstverpflichtung durchgesetzt wird.

Es ist auch längst keine Nische mehr. Der globale Markt für algorithmisches Trading wird 2025 auf rund 18,9 Milliarden US-Dollar geschätzt und soll 2026 etwa 20,4 Milliarden erreichen (Straits Research, 2025), wobei allein das Retail-Segment auf nahezu 3,95 Milliarden geschätzt wird und mit etwa 13,4 % jährlich wächst (Grand View Research, 2025). Was einst den Handelstischen mit co-lokierten Servern vorbehalten war, ist heute eine normale Art für Einzelne zu handeln.

Der dauerhafte Teil dieser Tradition ist ihre Pipeline. Eine Hypothese („Trends halten sich in Index-ETFs") wird zur formalen Regel („long, wenn der 50-Tage-Gleitschnitt über dem 200-Tage-Schnitt schließt; neutral bei der Kreuzung darunter"). Die Regel wird über Regime hinweg backtestet, samt Gebühren und Slippage. Sie läuft in der Simulation, dann live in kleiner Größe, und sie wird danach für immer gegen ihren Backtest überwacht. Jede Stufe existiert, weil jemand Geld verlor, als er sie übersprang. Diese Pipeline, nicht irgendein bestimmter Indikator, ist das eigentliche Kapital der Disziplin, und ihr tieferes Research-Ende ist ein eigenes Handwerk, behandelt in quantitatives Trading.

Die Schwäche der Tradition ist ihre Eingangstür. Diese Hypothese zu formalisieren erfordert entweder Programmierkenntnisse oder den Regel-Editor einer Plattform, und beide verlangen, dass Sie Ihre Idee in den Begriffen des Systems statt in Ihren eigenen ausdrücken. Etliche solide Handelsideen sterben in der Lücke zwischen „ich kann es sagen" und „ich kann es programmieren".

Agentenbasiertes vs. algorithmisches Trading: was sich tatsächlich ändert

Die agentische Schicht ändert drei Dinge, und es lohnt sich, bei jedem genau zu sein, denn keines davon lautet „die Maschine wählt jetzt Aktien aus". (Für die vollständige Kategoriedefinition siehe was agentenbasiertes Trading ist.)

Erstens verlagert sich der Ausdruck der Strategie in die natürliche Sprache. Die Golden-Cross-Regel von oben bedeutete in der Algo-Ära Code: Tageskerzen abrufen, zwei gleitende Mittelwerte berechnen, die Grenzfälle fehlender Daten behandeln, das Signal an eine Order-Routine anbinden, die Position dimensionieren. In einem agentischen System schreiben Sie den Satz: „Gehe long im Index-ETF, wenn der 50-Tage-Gleitschnitt über dem 200-Tage-Schnitt schließt, steige bei der Kreuzung darunter aus, riskiere höchstens 2 % des Portfolios je Position." Das System übersetzt das in dieselben formalen Bedingungen, die ein Programmierer geschrieben hätte, und zeigt Ihnen die Übersetzung zur Freigabe. Die Strategie ist unverändert. Die Kosten, sie auszudrücken, sind kollabiert.

Zweitens weitet sich der Raum der Eingaben. Klassische Algorithmen verarbeiten strukturierte Zeitreihen: Preise, Volumina, Indikatorwerte. Ein agentisches System kann auch unstrukturierte Ereignisse als vollwertige Bedingungen behandeln, etwa die Nachrichten-Schwere zu einer bestimmten Position, einen Eintrag im Makrokalender oder ein als wesentlich klassifiziertes Filing. „Halte dich in der Stunde um CPI-Veröffentlichungen heraus" war schon immer eine sinnvolle Regel; sie hatte in einer reinen Preis-Pipeline nur keinen natürlichen Platz.

Drittens steigt die Automatisierung von der Order-Ebene auf die Intentions-Ebene. Ein Algorithmus automatisiert ein vollständig spezifiziertes Verfahren. Ein agentisches System nimmt ein Ziel mit Beschränkungen an („halte dieses Portfolio innerhalb von 5 % der Zielgewichte, handle höchstens monatlich") und leitet das Verfahren daraus ab, vorbehaltlich Ihrer Freigabe und Ihrer Limits. Sie beaufsichtigen die Absicht statt die Syntax.

Beachten Sie, was auf der Liste fehlt: nichts über bessere Prognosen. Die agentische Schicht ist eine Interface- und Denk-Änderung, keine Alpha-Quelle. Die Adoption in der Branche spiegelt diese nüchterne Lesart wider; im Finanzdienstleistungssektor insgesamt melden 23 % der Unternehmen, reifere Stadien von Agentic AI erreicht zu haben, während 29 % noch pilotieren (Cambridge CCAF / WEF, 2026 Global AI in Financial Services Report, Mai 2026). Die Technologie breitet sich aus, weil sie die Kosten senkt, disziplinierte Dinge zu tun, nicht weil sie eine neue Renditequelle gefunden hätte.

Was unverändert übertragen wird

Alles Tragende, lautet die kurze Antwort.

Validierung regiert weiter. Eine in einem Satz ausgedrückte Strategie kann genauso falsch sein wie eine in Python ausgedrückte, also muss sie sich durch denselben Spießrutenlauf verdienen: Backtesting über Regime, Paper Trading auf Live-Daten, klein live gehen. Wenn überhaupt, brauchen agentische Strategien den Spießrutenlauf noch mehr, weil nun ein Übersetzungsschritt zwischen Ihrer Absicht und den laufenden Regeln steht, und nur die Simulation zeigt, ob die Übersetzung dem entspricht, was Sie meinten. Die Einzelheiten dieses Prozesses stehen in wie man einen KI-Trading-Agenten backtestet.

Auch Overfitting ging nicht in Rente; es fand ein neues Kostüm. Neben den klassischen Sünden (zu viele Parameter, Survivorship Bias, Lookahead) fügt die Agenten-Ära eine neue hinzu: Wenn ein Sprachmodell an der Bewertung historischer Zeiträume beteiligt ist, die seine Trainingsdaten überlappen, kann es die Antworten faktisch erinnern, und Forschung zeigt, dass solche Backtests eine Performance aufblähen, die dann außerhalb der Stichprobe nachlässt (arXiv:2505.07078, 2025). Die Abwehr ist struktureller Art: Halten Sie die Backtest-Engine deterministisch und lassen Sie das Modell die Strategie übersetzen, niemals benoten.

Das Risikomanagement überträgt sich ganz. Positionsgrößen, Stop-Platzierung, Exposure-Obergrenzen, Drawdown-Limits: Die Arithmetik ist identisch, ob ein Mensch, ein Skript oder ein Agent den Trade vorschlägt. Ebenso das Kostenbewusstsein. Spreads, Gebühren und Slippage besteuern jeden Fill, ganz gleich wie elegant die Strategie formuliert war, und eine Strategie, die nur bei Kosten von null funktioniert, funktioniert immer noch nicht.

Es gibt eine saubere Art, diesen Abschnitt zusammenzufassen: Die agentische Schicht änderte den Preis, Strategien zu schreiben, und änderte nichts am Preis, falsch zu liegen.

Eine Schicht auf demselben Stack, kein Nachfolger

Stellen Sie sich den Stack konkret vor. Ganz unten: Marktdaten-Pipelines, Backtest-Engines, Order-Routing, Risikoprüfungen. Diese Schicht ist und sollte deterministisch bleiben, weil sie Arithmetik betreibt und Arithmetik Exaktheit verlangt. Darüber: die agentische Schicht, die Absicht übersetzt, unstrukturierte Eingaben beobachtet, Logik zur Freigabe umformuliert. So gebaute Systeme erben die Zuverlässigkeit des algorithmischen Tradings dort, wo Zuverlässigkeit zählt, und fügen Flexibilität nur dort hinzu, wo Flexibilität sicher ist. Wenn Sie eine Plattform in diesem Feld bewerten, ist die schnellste Diagnose, diese Grenze zu verorten; die umfassendere Checkliste steht in die Wahl einer Plattform für algorithmisches Trading.

Die beiden Traditionen haben zudem weiterhin unterschiedliche Schwerpunkte. Latenzsensible, mikrostrukturlastige, vollständig numerische Strategien bleiben reines Algo-Terrain; keine Interpretationsschicht verbessert eine Regel, die ohnehin schon exakt war, und quant-taugliche Research-Arbeit passiert weiterhin im Code. Die agentische Schicht verdient ihren Platz dort, wo Strategien Sprache, Kontext, Ereignisse und die Menschen einbeziehen, die in ihnen denken.

Obside ist ausdrücklich als Brücke zwischen den Stockwerken gebaut. Darunter sitzt Algo-taugliche Maschinerie: eine Backtesting-Engine, die Jahre an Historie in Minuten mit Slippage-Annahmen abspielt, Paper Trading auf Live-Daten mit Produktions-Risikokontrollen und ein Order-Routing, das Größe, Stops und Drawdown-Obergrenzen zum Ausführungszeitpunkt durchsetzt. Darüber sitzt das agentische Interface: Sie tippen den Golden-Cross-Satz von vorhin, der Copilot formuliert ihn als überwachte Bedingungen und einen Orderplan um, und nach Ihrer Freigabe fließt dieselbe Definition durch Backtest, Paper und Live, ohne neu geschrieben zu werden. Der Ablauf, dem ein institutioneller Quant aus beruflicher Gewohnheit folgt, wird zum Weg des geringsten Widerstands für jeden, der eine Regel beschreiben kann.

Wie es von hier aus weitergeht

Wenn Sie von der algorithmischen Seite kommen, ist die agentische Schicht keine Bedrohung für Ihre Disziplin; sie ist ein günstigerer Weg, sie anzuwenden, plus ein Eingaberaum, den Ihre reine Preis-Pipeline nicht erreichen konnte. Wenn Sie neu ankommen, läuft das Erbe in die andere Richtung: Das Interface mag im Dialog ablaufen, doch die Standards darunter (zuerst validieren, klein dimensionieren, Kosten zählen, schönen Backtests misstrauen) sind nicht verhandelbar, und sie sind der Grund, warum die ältere Tradition lange genug überlebte, um ein neues Interface zu bekommen. Der Treffpunkt der beiden ist der Ort, an dem Sie operieren wollen. Sehen Sie, wie sich das in der Praxis anfühlt: Beschreiben Sie eine Regel, der Sie bereits vertrauen, in normaler Sprache auf Obside und lassen Sie sie durch Backtest und Paper laufen, bevor sie sich echtes Kapital verdient.

Nur zu Bildungszwecken. Dies ist keine Anlageberatung. Trading ist mit Risiken verbunden, einschließlich des möglichen Kapitalverlusts.