Prognosemärkte erreichen 5,9 Mrd. $: Wie KI-Agenten zum Prognosewerkzeug der Wall Street wurden
Als Kalshis tägliches Handelsvolumen Anfang 2026 814 Mio. und steigend – konkurriert mit vielen traditionellen Derivatemärkten, mit einem entscheidenden Unterschied: Diese Märkte handeln mit Informationen, nicht nur mit Vermögenswerten.
Dies ist „Information Finance“ – die Monetarisierung kollektiver Intelligenz durch Blockchain-basierte Prognosemärkte. Wenn Händler 42 Mio. , welches Unternehmen als nächstes an die Börse geht, spielen sie nicht. Sie erstellen liquide, handelbare Prognosen, denen institutionelle Anleger, politische Entscheidungsträger und Unternehmensstrategen zunehmend mehr vertrauen als traditionellen Analysten. Die Frage ist nicht, ob Prognosemärkte das Vorhersagewesen revolutionieren werden. Es ist die Frage, wie schnell Institutionen Märkte einführen werden, die Expertenprognosen um messbare Margen übertreffen.
Der 5,9-Mrd.-$-Meilenstein: Vom Nischendasein zur Finanzinfrastruktur
Prognosemärkte beendeten das Jahr 2025 mit Rekord-Allzeithochs beim Volumen von nahezu 5,3 Mrd. , wobei die täglichen Spitzenwerte während Großereignissen 814 Mio. $ erreichen. Zum Vergleich: Dies übersteigt das tägliche Handelsvolumen vieler Mid-Cap-Aktien und konkurriert mit spezialisierten Derivatemärkten.
Das Wachstum verläuft nicht linear – es ist exponentiell. Die Volumina auf den Prognosemärkten im Jahr 2024 wurden jährlich in Hunderten von Millionen gemessen. Bis 2025 überstiegen die monatlichen Volumina 1 Mrd. , was einem jährlichen Wachstum von über dem 10-fachen entspricht. Diese Beschleunigung spiegelt grundlegende Veränderungen in der Sichtweise von Institutionen auf Prognosemärkte wider: vom Kuriosum zur Notwendigkeit.
Kalshi dominiert mit einem Marktanteil von 66,4 % und wickelt den Großteil des institutionellen Volumens ab. Polymarket, das im Krypto-nativen Bereich tätig ist, erfasst einen erheblichen Anteil des Retail- und internationalen Flows. Zusammen verarbeiten diese Plattformen wöchentlich Milliarden an Volumen in Tausenden von Märkten, die Wahlen, Wirtschaft, technologische Entwicklungen, Sport und Unterhaltung abdecken.
Die Legitimität des Sektors wurde durch die Validierung der ICE (Intercontinental Exchange) bestätigt, als die Muttergesellschaft der NYSE 2 Mrd. $ in die Infrastruktur von Prognosemärkten investierte. Wenn der Betreiber der weltweit größten Börse Kapital in dieser Größenordnung einsetzt, signalisiert dies, dass Prognosemärkte nicht mehr experimentell sind – sie sind eine strategische Infrastruktur.
KI-Agenten: Der 30 %-Beitragsfaktor
Der am meisten unterschätzte Treiber für das Wachstum der Prognosemärkte ist die Beteiligung von KI-Agenten. Autonome Handelsalgorithmen tragen mittlerweile über 30 % zum Gesamtvolumen bei und verändern die Marktdynamik grundlegend.
Warum handeln KI-Agenten mit Prognosen? Drei Gründe:
Informationsarbitrage: KI-Agenten scannen Tausende von Datenquellen – Nachrichten, soziale Medien, On-Chain-Daten, traditionelle Finanzmärkte –, um falsch bewertete Prognosen zu identifizieren. Wenn ein Markt die Wahrscheinlichkeit eines Ereignisses mit 40 % bewertet, die KI-Analyse jedoch 55 % nahelegt, handeln die Agenten den Spread.
Liquiditätsbereitstellung: Genau wie Market-Maker an Aktienbörsen Liquidität bereitstellen, bieten KI-Agenten zweiseitige Märkte auf Prognoseplattformen an. Dies verbessert die Preisbildung und reduziert die Spreads, wodurch die Märkte für alle Teilnehmer effizienter werden.
Portfolio-Diversifizierung: Institutionelle Anleger setzen KI-Agenten ein, um Zugang zu nicht-traditionellen Informationssignalen zu erhalten. Ein Hedgefonds könnte Prognosemärkte nutzen, um politische Risiken, Zeitpläne für technologische Entwicklungen oder regulatorische Ergebnisse abzusichern – Risiken, die in traditionellen Märkten schwer auszudrücken sind.
Die Entstehung des Handels durch KI-Agenten schafft einen positiven Rückkopplungseffekt. Mehr KI-Beteiligung bedeutet bessere Liquidität, was mehr institutionelles Kapital anzieht, was wiederum mehr KI-Entwicklung rechtfertigt. Prognosemärkte entwickeln sich zu einem Trainingsfeld für autonome Agenten, die lernen, komplexe, reale Prognoseherausforderungen zu bewältigen.
Händler auf Kalshi bewerten die Wahrscheinlichkeit, dass OpenAI vor 2030 AGI erreicht, mit 42 % – ein Anstieg gegenüber 32 % sechs Monate zuvor. Dieser Markt mit über 42 Mio. $ Liquidität spiegelt die „Schwarmintelligenz“ wider, die Ingenieure, Risikokapitalgeber, Politikexperten und zunehmend KI-Agenten umfasst, die Signale verarbeiten, die Menschen nicht in diesem Umfang verfolgen können.
Kalshis institutionelle Dominanz: Der Vorteil der regulierten Börse
Kalshis Marktanteil von 66,4 % ist kein Zufall – er ist strukturell bedingt. Als erste CFTC-regulierte Prognosemarktbörse in den USA bietet Kalshi institutionellen Anlegern etwas, das Wettbewerber nicht können: regulatorische Sicherheit.
Institutionelles Kapital erfordert Compliance. Hedgefonds, Vermögensverwalter und Unternehmen können keine Milliarden in unregulierte Plattformen investieren, ohne rechtliche und Compliance-Risiken einzugehen. Die CFTC-Registrierung von Kalshi beseitigt diese Barriere und ermöglicht es Institutionen, Prognosen neben Aktien, Anleihen und Derivaten in ihren Portfolios zu handeln.
Der regulierte Status schafft Netzwerkeffekte. Mehr institutionelles Volumen zieht bessere Liquiditätsanbieter an, was die Spreads verengt, was wiederum mehr Händler anzieht. Die Orderbücher von Kalshi sind mittlerweile so tief, dass Multi-Millionen-Dollar-Trades ohne nennenswerte Slippage ausgeführt werden – eine Schwelle, die funktionierende Märkte von experimentellen unterscheidet.
Auch die Produktbreite von Kalshi ist von Bedeutung. Die Märkte umfassen Wahlen, Wirtschaftsindikatoren, technologische Meilensteine, IPO-Zeitpunkte, Unternehmensgewinne und makroökonomische Ereignisse. Diese Vielfalt ermöglicht es institutionellen Anlegern, nuancierte Ansichten auszudrücken. Ein Hedgefonds, der bei Tech-Bewertungen bearish eingestellt ist, kann Prognosemärkte für Unicorn-Börsengänge shorten. Ein Politikanalyst, der regulatorische Änderungen erwartet, kann auf Märkten für Kongressergebnisse handeln.
Die hohe Liquidität stellt sicher, dass Preise nicht leicht manipuliert werden können. Bei Einsätzen in Millionenhöhe und Tausenden von Teilnehmern spiegeln die Marktpreise einen echten Konsens wider und keine individuelle Manipulation. Diese „Schwarmintelligenz“ schlägt Expertenprognosen in Blindtests – Prognosemärkte übertreffen konsistent Umfragen, Analystenprognosen und Expertenmeinungen.
Polymarkets krypto-native Alternative: Der dezentrale Herausforderer
Während Kalshi die regulierten US-Märkte dominiert, fängt Polymarket krypto-native und internationale Zuflüsse ab. Polymarket operiert auf Blockchain-Infrastrukturen mit USDC-Abrechnung und bietet erlaubnisfreien Zugang – ohne KYC, ohne geografische Beschränkungen und ohne regulatorische Zugangskontrolle.
Der Vorteil von Polymarket ist die globale Reichweite. Händler aus Jurisdiktionen, in denen Kalshi nicht zugänglich ist, können frei teilnehmen. Während der US-Wahlen 2024 verarbeitete Polymarket ein Volumen von über 3 Milliarden $, was beweist, dass krypto-native Infrastruktur institutionelle Größenordnungen bewältigen kann.
Die Krypto-Integration der Plattform ermöglicht neuartige Mechanismen. Smart Contracts erzwingen die Abrechnung automatisch auf der Grundlage von Orakel-Daten. Liquiditätspools arbeiten kontinuierlich ohne Zwischenhändler. Die Abrechnung erfolgt in Sekunden statt in Tagen. Diese Vorteile sprechen krypto-native Händler an, die mit DeFi-Primitiven vertraut sind.
Dennoch bleibt die regulatorische Unsicherheit die Herausforderung für Polymarket. Der Betrieb ohne ausdrückliche regulatorische Genehmigung in den USA schränkt die institutionelle Akzeptanz im Inland ein. Während Privatkunden und internationale Nutzer den erlaubnisfreien Zugang begrüßen, meiden US-Institutionen weitgehend Plattformen, denen es an regulatorischer Klarheit mangelt.
Der Wettbewerb zwischen Kalshi (reguliert, institutionell) und Polymarket (krypto-nativ, erlaubnisfrei) spiegelt breitere Debatten im digitalen Finanzwesen wider. Beide Modelle funktionieren. Beide bedienen unterschiedliche Nutzergruppen. Das Wachstum des Sektors deutet darauf hin, dass Platz für mehrere Gewinner ist, die jeweils für unterschiedliche regulatorische und technologische Kompromisse optimiert sind.
Information Finance: Kollektive Intelligenz monetarisieren
Der Begriff „Information Finance“ beschreibt die Kerninnovation von Prognosemärkten: die Umwandlung von Vorhersagen in handelbare, liquide Instrumente. Traditionelle Prognosen stützen sich auf Experten, die Punktschätzungen mit ungewisser Genauigkeit abgeben. Prognosemärkte aggregieren verteiltes Wissen in kontinuierliche, marktgepreiste Wahrscheinlichkeiten.
Warum Märkte Experten schlagen:
Skin in the game: Marktteilnehmer riskieren Kapital bei ihren Prognosen. Schlechte Vorhersagen führen zu Geldverlusten. Diese Anreizstruktur filtert Rauschen besser aus Signalen heraus als Meinungsumfragen oder Expertenrunden, in denen die Teilnehmer keine Konsequenzen für Fehlprognosen tragen.
Kontinuierliche Aktualisierung: Marktpreise passen sich in Echtzeit an, wenn neue Informationen auftauchen. Expertenprognosen sind statisch bis zum nächsten Bericht. Märkte sind dynamisch und beziehen aktuelle Nachrichten, Leaks und aufkommende Trends sofort mit ein.
Aggregiertes Wissen: Märkte bündeln Informationen von Tausenden von Teilnehmern mit unterschiedlichem Fachwissen. Kein einzelner Experte kann mit dem kollektiven Wissen von Ingenieuren, Investoren, politischen Entscheidungsträgern und Betreibern mithalten, die jeweils spezialisierte Einblicke beisteuern.
Transparente Wahrscheinlichkeit: Märkte drücken Prognosen als Wahrscheinlichkeiten mit klaren Konfidenzintervallen aus. Ein Markt, der ein Ereignis mit 65 % bewertet, sagt „etwa zwei Drittel Chance“ aus – nützlicher als ein Experte, der ohne Quantifizierung „wahrscheinlich“ sagt.
Untersuchungen zeigen durchweg, dass Prognosemärkte Expertenrunden, Umfragen und Analystenprognosen in verschiedenen Bereichen übertreffen – bei Wahlen, in der Wirtschaft, bei technologischen Entwicklungen und Unternehmensergebnissen. Die Erfolgsbilanz ist nicht perfekt, aber messbar besser als die Alternativen.
Finanzinstitute werden aufmerksam. Anstatt teure Berater für Szenarioanalysen zu engagieren, können Unternehmen Prognosemärkte konsultieren. Möchten Sie wissen, ob der Kongress in diesem Jahr Krypto-Regulierungen verabschieden wird? Dafür gibt es einen Markt. Fragen Sie sich, ob ein Konkurrent vor Jahresende an die Börse geht? Handeln Sie diese Prognose. Geopolitisches Risiko einschätzen? Setzen Sie darauf.
Der institutionelle Anwendungsfall: Forecasting as a Service
Prognosemärkte wandeln sich von spekulativer Unterhaltung zu institutioneller Infrastruktur. Mehrere Anwendungsfälle treiben die Akzeptanz voran:
Risikomanagement: Unternehmen nutzen Prognosemärkte zur Absicherung von Risiken, die in traditionellen Derivaten schwer auszudrücken sind. Ein Supply-Chain-Manager, der sich über Hafenstreiks sorgt, kann auf Prognosemärkten für Tarifverhandlungen handeln. Ein CFO, der über Zinssätze besorgt ist, kann Fed-Prognosemärkte mit Anleihe-Futures abgleichen.
Strategische Planung: Unternehmen treffen Milliardenentscheidungen auf der Grundlage von Prognosen. Wird eine KI-Regulierung verabschiedet? Wird eine Technologieplattform mit Kartellklagen konfrontiert? Wird ein Konkurrent ein Produkt auf den Markt bringen? Prognosemärkte liefern probabilistische Antworten mit echtem Risikokapital.
Investment-Research: Hedgefonds und Vermögensverwalter nutzen Prognosemärkte als alternative Datenquellen. Marktpreise für technologische Meilensteine, regulatorische Ergebnisse oder makroökonomische Ereignisse fließen in die Portfoliopositionierung ein. Einige Fonds handeln Prognosemärkte direkt als Alpha-Quellen.
Politikanalyse: Regierungen und Denkfabriken ziehen Prognosemärkte heran, um die öffentliche Meinung jenseits von Umfragen zu erfassen. Märkte filtern echte Überzeugungen von „Virtue Signaling“ heraus – Teilnehmer, die ihr Geld setzen, offenbaren wahre Erwartungen und keine sozial erwünschten Antworten.
Die Investition der ICE in Höhe von 2 Milliarden $ signalisiert, dass traditionelle Börsen Prognosemärkte als neue Anlageklasse betrachten. So wie in den 1970er Jahren Derivatemärkte entstanden, um das Risikomanagement zu monetarisieren, entstehen in den 2020er Jahren Prognosemärkte, um Vorhersagen zu monetarisieren.
Die Feedback-Schleife zwischen KI-Agenten und Märkten
KI-Agenten , die an Prognosemärkten teilnehmen , schaffen eine Feedback-Schleife , die beide Technologien beschleunigt :
Bessere KI durch Marktdaten : KI-Modelle trainieren auf den Ergebnissen von Prognosemärkten , um Vorhersagen zu verbessern . Ein Modell , das den Zeitpunkt von Tech-IPOs vorhersagt , verbessert sich durch Backtesting gegen historische Daten von Kalshi . Dies schafft Anreize für KI-Labore , vorhersageorientierte Modelle zu entwickeln .
Bessere Märkte durch KI-Teilnahme : KI-Agenten stellen Liquidität bereit , arbitrieren Fehlbewertungen und verbessern die Preisfindung . Menschliche Händler profitieren von engeren Spreads und einer besseren Informationsaggregation . Märkte werden effizienter , wenn die KI-Beteiligung zunimmt .
Institutionelle KI-Adoption : Institutionen , die KI-Agenten in Prognosemärkten einsetzen , sammeln Erfahrungen mit autonomen Handelssystemen in Umgebungen mit geringerem Risiko . Die daraus gewonnenen Erkenntnisse lassen sich auf den Handel mit Aktien , Devisen und Derivaten übertragen .
Der KI-Anteil von über 30 % am Volumen ist keine Obergrenze – sondern eine Basis . Mit der Verbesserung der KI-Fähigkeiten und der zunehmenden institutionellen Akzeptanz könnte die Beteiligung von Agenten innerhalb weniger Jahre 50–70 % erreichen . Dies ersetzt nicht das menschliche Urteilsvermögen – es ergänzt es . Menschen legen Strategien fest , KI-Agenten führen sie in einem Umfang und einer Geschwindigkeit aus , die manuell unmöglich wäre .
Die Technologie-Stacks konvergieren . KI-Labore gehen Partnerschaften mit Prognosemarkt-Plattformen ein . Börsen bauen APIs für den algorithmischen Handel . Institutionen entwickeln proprietäre KI für Prognosemarkt-Strategien . Diese Konvergenz positioniert Prognosemärkte als Testfeld für die nächste Generation autonomer Finanzagenten .
Herausforderungen und Skepsis
Trotz des Wachstums stehen Prognosemärkte vor legitimen Herausforderungen :
Manipulationsrisiko : Während hohe Liquidität Manipulationen erschwert , bleiben Märkte mit geringem Volumen anfällig . Ein motivierter Akteur mit Kapital kann die Preise in Nischenmärkten vorübergehend verzerren . Plattformen bekämpfen dies mit Liquiditätsanforderungen und Manipulationserkennung , aber das Risiko bleibt bestehen .
Orakel-Abhängigkeit : Prognosemärkte benötigen Orakel – vertrauenswürdige Instanzen , die Ergebnisse feststellen . Fehler oder Korruption bei Orakeln können zu falschen Abrechnungen führen . Blockchain-basierte Märkte minimieren dies durch dezentrale Orakel-Netzwerke , während traditionelle Märkte auf zentralisierte Lösungen setzen .
Regulatorische Unsicherheit : Während Kalshi CFTC-reguliert ist , bleiben breitere regulatorische Rahmenbedingungen unklar . Werden mehr Prognosemärkte eine Zulassung erhalten ? Werden internationale Märkte mit Beschränkungen konfrontiert ? Die regulatorische Entwicklung könnte das Wachstum unvorhersehbar hemmen oder beschleunigen .
Liquiditätskonzentration : Der Großteil des Volumens konzentriert sich auf hochkarätige Märkte (Wahlen , große Tech-Events) . Nischenmärkten fehlt es an Liquidität , was ihren Nutzen für spezialisierte Prognosen einschränkt . Die Lösung erfordert entweder Market-Making-Anreize oder die Bereitstellung von Liquidität durch KI-Agenten .
Ethische Bedenken : Sollten Märkte zu sensiblen Themen existieren – politische Gewalt , Todesfälle , Katastrophen ? Kritiker argumentieren , dass die Monetarisierung tragischer Ereignisse unethisch ist . Befürworter halten dagegen , dass Informationen aus solchen Märkten helfen , Schaden zu verhindern . Diese Debatte wird prägen , welche Märkte Plattformen zulassen .
Der Pfad für 2026–2030
Wenn das wöchentliche Volumen Anfang 2026 5,9 Milliarden $ erreicht , wohin entwickelt sich der Sektor ?
Bei moderatem Wachstum (50 % jährlich – konservativ angesichts der jüngsten Beschleunigung) könnte das Volumen der Prognosemärkte bis 2028 jährlich 50 Milliarden $ und bis 2030 150 Milliarden $ überschreiten . Dies würde den Sektor mit mittelgroßen Derivatemärkten vergleichbar machen .
Aggressivere Szenarien – etwa die Einführung von Prognosemärkten an der NYSE durch die ICE , das Angebot von Prognoseinstrumenten durch Großbanken oder die regulatorische Genehmigung für weitere Markttypen – könnten das Volumen bis 2030 in Richtung 500 Milliarden $ + treiben . In diesem Maßstab werden Prognosemärkte zu einer eigenständigen Assetklasse in institutionellen Portfolios .
Die technologischen Wegbereiter sind vorhanden : Blockchain-Abrechnung , KI-Agenten , regulatorische Rahmenbedingungen , institutionelles Interesse und eine nachgewiesene Erfolgsbilanz , die traditionelle Prognosen übertrifft . Was bleibt , ist die Dynamik der Adoptionskurve – wie schnell Institutionen Prognosemärkte in ihre Entscheidungsprozesse integrieren .
Der Wandel von der „Randspekulation“ zum „institutionellen Prognosewerkzeug“ ist in vollem Gange . Wenn die ICE 2 Milliarden $ investiert , wenn KI-Agenten 30 % des Volumens beisteuern , wenn das tägliche Volumen von Kalshi 814 Millionen $ erreicht , hat sich das Narrativ dauerhaft verändert . Prognosemärkte sind keine Kuriosität . Sie sind die Zukunft der Art und Weise , wie Institutionen Unsicherheit quantifizieren und Informationsrisiken absichern .
Quellen
- Prognosemärkte verzeichnen Allzeithoch von 5,3 Mrd. $ Volumen bis Ende 2025
- Der große Prognosekrieg von 2026: Polymarket und Kalshi kämpfen um die Vorherrschaft
- Das Rennen zur Singularität: Warum Kalshi-Trader groß darauf wetten, dass OpenAI vor 2030 AGI erreicht
- Kalshi - Prognosemarkt für den Handel mit der Zukunft