Wer kurzfristige Handelsstrategien schon einmal von Hand untersucht hat (Scalping, bei dem ein Trade nur Sekunden bis Minuten dauert), weiß: Der schwerste Teil ist nicht das Rechnen.
Was tun, wenn Signal A erscheint? Was, wenn B gleichzeitig kommt? Den Trade behalten, wenn die Kurse stark schwanken, und streichen, wenn es ruhig ist? Hier gegen die Bewegung wetten, dort draußen bleiben?
Wer jeden Zweig einzeln prüft, verwandelt einen normalen Feierabend schnell in ein privates Forschungslabor. Jahrelang täglich ein paar Stunden zu investieren, um am Ende nur eine Strategie übrig zu haben, die hält, ist nichts Ungewöhnliches.
Dann kommt eine KI, die selbstständig erkundet.
In einer bestimmten Arbeitsweise probiert sie innerhalb weniger Stunden Tausende Varianten aus, findet heraus, warum die Gewinne schwanken, und nutzt jeden Fehlschlag, um den nächsten Test zu wählen. Die Reaktion der Leute ist meist dieselbe:
„Wie viele Tage würde ein Mensch dafür brauchen?“
Bei „Die KI kann 4.000 Strategien testen, also haben wir gewonnen“ zu bleiben, wäre aber ein Fehler. In der Finanzwelt macht es die Möglichkeit, so viel auszuprobieren, auch leichter, Glück mit Können zu verwechseln. [1][2]
Das Fazit dieses Artikels ist einfach:
Stark ist die Kombination aus der eigenen Idee, der Suche der KI, einer KI, die ihre Funde zu zerlegen versucht, und einer statistischen Korrektur, die berücksichtigt, wie viel ausprobiert wurde.
Eine KI, die nur Gewinner sucht, reicht nicht. Es braucht eine zweite, deren Aufgabe es ist, diese Gewinner auseinanderzunehmen.
1. Warum Jahre manueller Arbeit plötzlich schrumpfen können
Strategien von Hand zu erforschen ist eine Kette kleiner Schritte:
- Man hat eine Idee.
- Man macht daraus eine Regel.
- Man testet sie mit Daten aus der Vergangenheit (Backtest).
- Man liest das Ergebnis.
- Man fragt, warum es nicht stabil ist.
- Man teilt die Regel in Teile.
- Man testet erneut.
Kein einzelner Schritt ist schwer. Schwer ist, das hunderte oder tausende Male zu wiederholen.
Und zwischendurch fragt man sich: „Was habe ich gestern getestet?“, „Habe ich diesen Filter schon probiert?“. Das menschliche Gehirn hat kein eingebautes Forschungsprotokoll. Manche haben vielleicht eins, aber Update-Hinweise bekommt niemand.
Der Wert einer erkundenden KI liegt darin, dass sie diese Schleife ohne Pause weiterlaufen lässt.
Sie bleibt nicht bei „hat Gewinn gebracht“ stehen. Sie fragt weiter: Stammt der Gewinn nur von ein paar Tagen? Verschwindet er nach Abzug der Gebühren? Funktioniert er nur in einem Zeitfenster? Bricht er zusammen, wenn man ein Teil entfernt? Sie legt weitere Zweige an und gibt die Gründe des Scheiterns als neue Hypothesen zurück.
Das ist mehr als schnelleres Backtesting.
Es ist eine schnellere Forschungsschleife.
2. Astras Stärke ist weniger „die Antwort kennen“ als „sich an einem neuen Ort zurechtfinden“
ARC-AGI-3 hilft zu verstehen, was damit gemeint ist.
Es ist ein interaktiver Test, in dem die KI eine neue Gitterwelt in 2D bedient, ohne Anleitung und ohne genanntes Ziel. Sie muss erkunden, herausfinden, wie diese Welt funktioniert, das Ziel erraten, planen, handeln und sich korrigieren. [3][4]
Im Juli 2026 erreichte GPT-5.6 Sol im semi-privaten Satz von ARC Prize 7,78 %. In einem anderen, öffentlichen Satz zeigte OpenAI, dass das Speichern des Denkzustands und das Komprimieren des Kontexts Sol von 13,3 % auf 38,3 % brachte. [5]
Im September erreichte Astra im selben semi-privaten Satz 62,7 % mit der Standard-Testumgebung von ARC Prize und 99,9 % mit einem Provider Adapter, einer Umgebung, die mehr vom Denken von einer Aktion zur nächsten behält. Die Umgebung verändert den Wert stark, deshalb lässt sich das nicht als einfaches 99,9 gegen 7,78 lesen. Sichtbar wird ein großer Sprung beim Erkunden, beim Verstehen, wie Dinge funktionieren, und beim Durchhalten langer Aufgaben. [6][3]
ARC Prize berichtete außerdem, dass Astra in 96 % der Level, die sie abschloss, weniger Aktionen brauchte als der Median der Menschen, die sie geschafft haben. [3]
Das ist eine andere Art von Stärke, als eine schwere Gleichung in einem Zug zu lösen.
Es ist eher so:
„Was passiert, wenn ich das hier anfasse? Gut, und wenn ich das da probiere? Ah, jetzt habe ich die Regel verstanden.“
Die Tests sehen aus wie Spiele. Manche sind so einfach, dass ein Kind gern darin herumtippt, und trotzdem taten sich KIs lange schwer damit. Deshalb sagt ein plötzlicher Sprung dort etwas darüber aus, einen neuen Ort durch Anfassen kennenzulernen.
ARC Prize selbst behauptet nicht, dass ein hoher Wert in ARC-AGI-3 menschenähnliche allgemeine Intelligenz beweist. Ein geschlossenes Spiel mit festen Regeln ist nicht die echte Welt. [3]
3. Warum das Erkunden eines 2D-Spiels an Scalping-Forschung erinnert
Der Markt ist kein Spiel. Kurse entstehen nicht aus ordentlich festgelegten Regeln.
Trotzdem sehen die Schritte der Forschung sehr ähnlich aus.
Angenommen, Sie fügen eine Bedingung auf Basis des Orderbuchs hinzu (die Warteschlange der Kauf- und Verkaufsaufträge) und Ihr Backtest wird besser.
Dabei bleibt es nicht.
- Sagt das Ungleichgewicht im Orderbuch tatsächlich etwas voraus?
- Wirkt es nur, wenn die Kurse stark schwanken?
- Sieht es nur so aus, weil der Abstand zwischen Kauf- und Verkaufskurs gerade klein war?
- Verschwindet es, wenn die Aufträge eine Stufe schlechter ausgeführt werden?
- Gibt es das nur in einem Zeitfenster?
Beobachten. Eine Bedingung ändern. Das Ergebnis ansehen. Die Idee umschreiben.
Das ähnelt dem Zyklus von ARC-AGI-3: beobachten, handeln, die Reaktion sehen, die Karte im Kopf aktualisieren und wieder handeln. [3][4]
Statt „Finde die profitabelsten Einstellungen“ ist deshalb diese Bitte besser:
„Zerlege, warum dieser Gewinn existiert, finde die Bedingungen, die ihn töten, und mache aus jedem Fehlschlag das nächste Experiment.“
Das ist kein Quiz, bei dem man die Gewinnstrategie erraten muss.
Man gibt es als Forschungsspiel in unbekanntem Gelände weiter.
4. Menschliche Erfahrung verschwindet nicht: Das Bauchgefühl „Hier stimmt etwas nicht“ wird wertvoller
Es ist verlockend, die KI alles von Null suchen zu lassen.
Doch je größer das Suchgebiet, desto mehr dient Ihre Erfahrung als Karte, wo man zu graben beginnt.
Wer die Bücher gelesen und Indikatoren und Kursmuster einzeln ausprobiert hat, trägt oft solche Notizen im Kopf:
- Allein schwach, aber als Regel „hier lieber nicht einsteigen“ vielleicht nützlich.
- Wahrscheinlich nur brauchbar, wenn der Markt klar einen Trend hat.
- Auf Daten der Vergangenheit hübsch, aber die Gebühren fressen es auf.
- Besser darin, einen schlechten Einstieg zu verhindern, als die Richtung vorherzusagen.
- Wirkt stark, ist aber wohl auf einen einzigen Zeitraum konzentriert.
Das ist keine Liste richtiger Antworten.
Es ist ein Gespür dafür, wo man zuerst hinschaut.
In der Wissenschaft ist es ähnlich. Co-Scientist (2026) geht von einem Ziel und vorhandenen Belegen aus, die Forschende vorgeben, und wiederholt dann eine Schleife: Hypothesen erzeugen, kritisieren, ordnen, verbessern, und dafür mehr Rechenzeit einsetzen, um tiefer zu graben. [7]
In der Finanzwelt lässt sich dieselbe Idee nutzen.
Ein Mensch pflanzt einen Samen: „Das sieht stark aus.“
Die KI gräbt tausend Richtungen darum herum.
Widersprechen die Ergebnisse dem Bauchgefühl, wird es ohne Mitleid verworfen.
Erfahrung dient nicht als Antwort, sondern als Hinweis, wohin man den Suchaufwand zuerst steckt.
So gleichen sich die Schwächen des „Vorurteils des Veteranen“ und der „rohen Gewalt der KI“ ein Stück weit aus.
5. Warum das Kombinieren vieler Bedingungen von Hand zur Hölle wird
Stellen Sie sich 20 Zutaten vor.
Allein die Entscheidung „nutzen oder nicht“ für jede ergibt schon
2^20 = 1.048.576 Kombinationen.
Bei drei Möglichkeiten (nicht nutzen, normal nutzen, umgekehrt nutzen) sind es
3^20 = 3.486.784.401 Kombinationen.
Natürlich probiert niemand alle aus. Unsinnige Kombinationen scheidet man mit Wissen früh aus.
Aber echte Forschung kommt noch mit mehr daher: Schwellenwerte, Zeitfenster, wie stark die Kurse schwanken, der Abstand zwischen Kauf- und Verkaufskurs, die Haltedauer, das Meiden von Nachrichtenzeiten, Käufe gegen Verkäufe, die Art der Ausführung der Aufträge.
Die alte Routine der Forschenden:
„Was, wenn ich das auch ansehe? Was, wenn ich diesen Fall ausschließe? Was, wenn nur in dieser Art von Markt?“
war also im Grunde ein Mensch, der zu Fuß durch einen gigantischen Verzweigungsbaum läuft.
Kein Wunder, dass es Jahre dauerte.
Die Tabellenkalkulation ist unschuldig. Das Universum ist einfach zu groß.
6. Wertvoll an der KI ist nicht rohe Gewalt, sondern die Wahl des nächsten Experiments
Die gute Nutzung einer KI, die gut erkundet, besteht nicht darin, blind alle Einstellungen durchzukämmen.
Eine gute Suche ändert den nächsten Test je nachdem, was gerade passiert ist.
Besteht eine Strategie aus A+B+C+D, nimmt man die Teile einzeln heraus und schaut, was sich ändert.
- Ohne D ändert sich fast nichts: D ist vielleicht nur Dekoration.
- B ist allein schwach, aber A+B verkürzt die Verlustphasen deutlich: B ist vielleicht ein Filter (eine Regel „nicht einsteigen“), kein Vorhersager.
- C ist insgesamt schwach, aber stark, wenn die Kurse stark schwanken: C hängt vielleicht von der Art des Marktes ab.
Teile herauszunehmen, um zu sehen, was jedes bewirkt, nennt man üblicherweise einen Ablationstest.
Der Name ist weniger wichtig als der Zweck: eine komplizierte Strategie auseinandernehmen und nur die Teile behalten, die wirklich wirken.
Erkunden, scheitern, die Ursache einordnen, wieder erkunden.
Wenn man diese Schleife automatisiert, ist die KI nicht mehr nur ein Werkzeug, das Zahlen sucht, und wird einem Forschungsassistenten ähnlicher.
7. Der größte Feind ist der Zufall: Wer 4.000 Dinge testet, findet ein „glückliches Genie“
Das ist der beängstigendste Teil der Forschung, bei der es um Geld geht.
Testet man 4.000 Strategien und nimmt nur die schönste, kann dieser Gewinner zufällig gewonnen haben, nicht durch Können.
White erklärte, dass ein gut aussehendes Ergebnis vom Glück statt von einer wirklich besseren Methode stammen kann, wenn dieselben Daten immer wieder für Schlüsse und die Modellauswahl benutzt werden. Das nennt man Data Snooping, also in den Daten herumschnüffeln. [1]
Das Kombinieren mehrerer Signale macht es schlimmer.
Novy-Marx zeigte, dass die Verzerrung durch zu starkes Anpassen an Daten der Vergangenheit stärker wird, wenn man mehrere Signale auswählt und kombiniert. Selbst zufällige Signale ohne echte Vorhersagekraft können einen Backtest erzeugen, der beeindruckend aussieht. [2]
Die Suchkraft der KI ist also ein zweischneidiges Schwert.
Sie kann tausendfach schneller falschliegen als ein Mensch.
Und sie kann dem schönsten Irrtum den Pokal überreichen.
Je mehr man sucht, desto mehr muss der Schutz vor dem Zufall in die Suche selbst eingebaut sein, statt als Kontrolle am Ende zu stehen.
8. Der Schutz beginnt damit, jeden Versuch festzuhalten und den Schlusstest vor der KI zu verstecken
Wer im großen Stil sucht, für den gehören auch die 3.999 Fehlschläge zum Forschungsprotokoll.
Mindestens das gehört in den Ablauf:
- Jeden Versuch festhalten. Notieren, wie viele man probiert hat, was man geändert hat und warum man jeden verworfen hat.
- Suchdaten und Daten für den Schlusstest trennen. Die Daten des Schlusstests nicht ansehen, während man Strategien auswählt.
- In der Zeit vorwärts prüfen. Walk-forward-Validierung nutzen: Mit der Vergangenheit aufbauen und mit dem späteren Zeitraum prüfen.
- Die Bedingungen absichtlich verschlechtern. Den Abstand zwischen Kauf- und Verkaufskurs vergrößern, Gebühren erhöhen, den Ausführungskurs verschieben, Verzögerung einbauen, die Ausführung der Aufträge erschweren.
- Prüfen, ob es mit benachbarten Einstellungen überlebt. Misstrauisch sein bei einer Strategie, die bei einem genauen Wert funktioniert und einen Schritt weiter stirbt.
- Nach Marktart trennen. Kontrollieren, ob sich der Gewinn auf Phasen starker Schwankung oder Ruhe, bestimmte Zeitfenster, bestimmte Jahre oder Käufe gegen Verkäufe konzentriert.
- Für die Anzahl der Versuche korrigieren.
Eine Möglichkeit der Korrektur ist das Deflated Sharpe Ratio, kurz DSR. Wenn viele Kandidaten getestet werden, erscheint die Sharpe Ratio (eine Kennzahl, die Rendite und Risiko ins Verhältnis setzt) höher, als sie wirklich ist. Das DSR gleicht das aus, ebenso für Renditen, die nicht symmetrisch verteilt sind. [8]
Die Probability of Backtest Overfitting, kurz PBO, wurde speziell für Anlage-Backtests entwickelt. Sie schätzt die Wahrscheinlichkeit, dass die gewählte Strategie zu stark an die Vergangenheit angepasst ist, mit einer Methode namens kombinatorisch symmetrische Kreuzvalidierung. [9]
Whites Reality Check prüft Data Snooping unter vielen Kandidaten. Hansens Test auf Superior Predictive Ability, kurz SPA, verbessert ihn, damit schwache oder irrelevante Kandidaten ihn weniger verzerren. [1][10]
Man muss nicht alle Namen auswendig lernen.
Der Gedanke ist nur einer:
Wenn sie die Beste aus 4.000 Versuchen war, beurteile sie als Siegerin eines Turniers mit 4.000 Durchgängen.
Und wer die zurückgelegten Daten ansieht und danach die Strategie ändert, hat Daten, die nicht mehr unberührt sind. Die geänderte Fassung braucht neue, versiegelte Daten.
9. Der stärkste Aufbau nutzt zwei KIs: Eine findet Gewinner, die andere versucht sie zu töten
Mit nur einer erkundenden KI geht die Neigung immer dahin, etwas Attraktives zu suchen.
Also teilt man die Rollen.
Die Erkundende
- Erzeugt neue Bedingungen.
- Ordnet die Ideen des Menschen neu.
- Gräbt, wie es in jeder Marktart wirkt.
- Macht aus den Gründen für Fehlschläge die nächsten Kandidaten.
Die Kritische
- Verschlechtert die Kosten.
- Verzögert die Ausführungen.
- Nimmt einige Tage heraus.
- Verschiebt die Einstellungen.
- Nimmt die Strategie in einen anderen Zeitraum oder einen anderen Markt mit.
- Wendet DSR, PBO, Reality Check, SPA und Ähnliches an, um die Zahl der Versuche herauszurechnen.
- Prüft, ob der Gewinn nur in wenigen Tagen oder wenigen Trades steckt.
Die Erkundende kommt mit „Ich habe eine gefunden!“, die Kritische fragt: „Wirklich?“
Überlebt sie, schlägt man noch einmal zu.
In der Forschung, bei der es um Geld geht, ist diese unangenehme Art ein Qualitätsmerkmal.
Das Ziel sollte sich von „maximaler Gewinn“ verschieben zu
„etwas, das auch dann noch steht und sich erklären lässt, wenn man die Bedingungen leicht beschädigt, den Zeitraum wechselt oder die Kosten verschlechtert“.
10. Wenn ein neues Modell erscheint, such die Fähigkeit, die plötzlich eine Mauer überwunden hat, nicht den Gesamtwert
Das betrifft nicht nur Scalping.
Wenn ein neues KI-Modell erscheint, kann der Blick darauf, ob der Gesamtwert um 5 % gestiegen ist, dazu führen, dass man übersieht, wo das Geld liegt.
Die nützliche Frage lautet:
„Welche Arbeit lohnte sich mit dem Vorgängermodell nicht und geht plötzlich?“
Bei Astra stach in ARC-AGI-3 hervor: eine unbekannte Welt erkunden, ihre Funktionsweise in einem kurzen Modell im Kopf zusammenfassen und mit wenigen Aktionen vorankommen. [3]
Von dort aus denkt man rückwärts.
- Gibt es eine Arbeit, bei der riesige Mengen an Ideen getestet werden?
- Gibt es Aufgaben, bei denen Menschen Zeit verlieren, weil sie entscheiden müssen, was sie als Nächstes probieren?
- Lässt sich Erfolg oder Misserfolg mit einer Zahl messen?
- Ist der Unterschied bei den Arbeitskosten groß, wenn man es 100- oder 1.000-mal wiederholt?
- Führt dieser Zugewinn an Fähigkeit direkt zu Gewinn, niedrigeren Kosten oder schnellerer Entwicklung?
Wo sich diese fünf Punkte überschneiden, wird es interessant.
Auch in der Wissenschaft läuft die Schleife aus Erzeugen, Kritisieren, Vergleichen und Verbessern schon im großen Maßstab, etwa bei Co-Scientist. [7]
Eine Modellankündigung betrachtet man also besser nicht als Lektüre eines Datenblatts, sondern als
Schatzsuche: Welcher Schritt, der für Menschen eine Qual war, kann plötzlich von einer Maschine erledigt werden?
In der Forschung zum kurzfristigen Handel zeichnet sich eine Antwort ab.
Das Gespür, das ein Mensch über Jahre aufgebaut hat, „hier sieht es stark aus“, wirft man nicht weg.
Man gibt es der KI und lässt sie Tausende Richtungen graben.
Dann lässt man dieselbe KI ihre eigenen Ergebnisse angreifen, schickt sie durch die statistischen Hürden und behält einen letzten Datensatz, den niemand angefasst hat.
Die kürzeste Zusammenfassung lautet:
Der Mensch zeichnet die Karte. Die KI gräbt über ihren Rand hinaus. Die Statistik fragt am Ende: „Ist das wirklich Gold?“
Je stärker die KI wird, desto mehr braucht es am Ende jemanden, der kühl und skeptisch bleibt.
Und dieser Jemand kann ebenfalls eine KI sein.
Quellen (10)
- Halbert White — A Reality Check for Data Snooping, Econometrica 68(5), 2000 onlinelibrary.wiley.com
- Robert Novy-Marx — Backtesting Strategies Based on Multiple Signals, NBER Working Paper 21329, 2015 nber.org
- ARC Prize — OpenAI's GPT-6 Astra on ARC-AGI-3 (2026-09-03) arcprize.org
- ARC Prize — Announcing ARC-AGI-3 / ARC-AGI-3 documentation https://docs.arcprize.org/ arcprize.org
- OpenAI — How two settings tripled our ARC-AGI-3 scores (GPT-5.6 Sol) openai.com
- OpenAI — GPT-6 Astra: A new generation of intelligence openai.com
- Juraj Gottweis et al. — Accelerating scientific discovery with Co-Scientist, Nature, 2026 nature.com
- David H. Bailey & Marcos López de Prado — The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality, 2014 doi.org
- David H. Bailey, Jonathan Borwein, Marcos López de Prado & Qiji Jim Zhu — The Probability of Backtest Overfitting, 2015 papers.ssrn.com
- Peter Reinhard Hansen — A Test for Superior Predictive Ability, Journal of Business & Economic Statistics 23(4), 2005 tandfonline.com
