Agentic AI for Clustering, Relationship Discovery, and Semantic Trading in Prediction Markets

Stellen Sie sich einen riesigen, chaotischen Basar vor, auf dem Menschen auf alles wetten – von Wahlergebnissen bis hin zum Wetter. Dies ist ein Prognosemarkt (Prediction Market). Anstatt Äpfel oder Schuhe zu kaufen, kaufen Händler „Kontrakte“, die auszahlen, wenn ein bestimmtes Ereignis eintritt. Denken Sie an eine massive, globale Wettervorhersage, bei der der Preis eines „Regen morgen“-Tickets verrät, wie wahrscheinlich alle glauben, dass es regnen wird. Aber hier ist der Haken: Der Basar ist unordentlich. Es gibt Tausende von Tickets, und viele von ihnen sind im Geheimen miteinander verbunden. Wenn ein Ticket sagt „Es wird regnen“, könnte ein anderes sagen „Das Fußballspiel wird abgesagt“ und ein drittes „Das Gras wird nass sein“. Dies sind keine bloßen Zufallsschätzungen; sie sind durch Logik verknüpft. Wenn das erste wahr ist, ist es auch die anderen wahrscheinlich. Das Problem ist, dass der Markt diese Verbindungen nicht automatisch anzeigt. Es ist wie eine Bibliothek, in der jedes Buch in einem anderen Regal steht und man raten muss, welche Geschichten zusammengehören.

Um dies zu lösen, setzen Wissenschaftler auf Agentic AI (AAI). Man kann dies als einen superintelligenten, unermüdlichen Detektiv betrachten, der nicht nur Wörter liest, sondern die Geschichte dahinter versteht. Im Gegensatz zu einem einfachen Taschenrechner, der nur Zahlen verarbeitet, kann ein „Agent“ schlussfolgern, planen und seine eigene Arbeit überprüfen. Er betrachtet den Text dieser Wettkontrakte, gruppiert ähnliche Themen zusammen und findet dann heraus, welche Kontrakte „Anführer“ sind (diejenigen, die zuerst eintreten oder die anderen verursachen) und welche „Folger“ sind. Das Ziel ist es, diesen chaotischen Basar in eine klare Karte zu verwandeln, die genau zeigt, wie eine Wette die andere beeinflusst, damit Händler Chancen erkennen können, die andere übersehen.

---

Die Karte des Detektivs: Das Rätsel des Prognosemarktes entschlüsseln

In der Welt der Prognosemärkte herrscht Chaos. Stellen Sie sich einen riesigen Raum vor, in dem tausende Menschen gleichzeitig Wetten auf verschiedene Ereignisse schreien. Einige wetten darauf, wer eine Wahl gewinnt, andere darauf, wie hoch die Zinsen steigen werden, und wieder andere darauf, ob ein bestimmter Film einen Preis gewinnt. Das Problem ist, dass diese Wetten oft überlappend, widersprüchlich oder geheim miteinander verbunden sind, aber der Markt behandelt sie so, als wären sie alle Fremde. Eine Wette auf „Die Fed erhöht die Zinsen“ könnte logischerweise dazu führen, dass eine Wette auf „Die Inflation steigt“ in eine bestimmte Richtung wandert, aber der Markt sagt einem das nicht automatisch.

Hier kommen die Forscher der Columbia University und von IBM ins Spiel, die einen digitalen Detektiv namens Agentic AI (AAI) erschaffen haben. Ihre Mission war es, in diesen lärmenden Raum zu gehen, jeden einzelnen Wettkontrakt zu lesen und eine Karte zu zeichnen, die zeigt, welche Wetten eigentlich Freunde und welche Feinde sind.

Der Detektiv gegen das Wörterbuch

Um zu sehen, ob ihr neuer Detektiv gut war, stellten sie ihn einem Standardwerkzeug gegenüber, das Natural Language Inference (NLI) genannt wird. Man kann das NLI-Tool als ein sehr strenges Wörterbuch betrachten. Es ist großartig darin, zu prüfen, ob ein Satz logisch aus einem anderen folgt (wie „Alle Katzen sind flauschig“ impliziert „Diese Katze ist flauschig“). Es hat jedoch Schwierigkeiten mit der chaotischen, realen Logik von Wirtschaft und Politik.

Die Agentic AI hingegen ist eher wie ein erfahrener Nachrichtenredakteur. Sie prüft nicht nur die Grammatik; sie versteht Kontext, Ursache-Wirkung und die „Vibe“ der Situation. Sie kann sich einen Kontrakt über einen politischen Kandidaten und einen anderen über eine spezifische politische Maßnahme ansehen und erkennen, dass wenn der Kandidat gewinnt, die Maßnahme wahrscheinlich stattfinden wird, selbst wenn die Sätze nicht exakt gleich aussehen.

Die große Entdeckung: Wer ist der Chef?

Das Team testete ihr System an einem massiven Datensatz von Kontrakten aus dem frühen Jahr 2026. Sie stellten eine einfache Frage: „Kann diese KI herausfinden, welche Kontrakte verknüpft sind und in welche Richtung?“

Die Ergebnisse waren ein klarer Sieg für den Detektiv. Als sie die Antworten der KI mit den tatsächlichen Ergebnissen der Ereignisse abglichen (ist das Ereignis eingetreten oder nicht?), war die Agentic AI in 62,8 % der Fälle richtig. Das Standard-Wörterbuch-Tool (NLI) lag nur in 40,6 % der Fälle richtig.

Doch die wahre Magie lag nicht nur darin, öfter richtig zu liegen, sondern darin, wie die KI die Informationen organisierte. Die KI warf nicht einfach eine Million zufälliger Verbindungen heraus. Sie erstellte einen spärlichen Graphen (sparse graph), der wie ein sauberer, organisierter U-Bahn-Plan ist und nicht wie ein verhedderter Wollknäuel.

• Der „Frustrations“-Test: Stellen Sie sich eine Gruppe von Freunden vor, in der einige beste Freunde (positive Verbindungen) und einige Feinde (negative Verbindungen) sind. Eine „frustrierte“ Gruppe ist eine, in der die Freundschaften keinen Sinn ergeben (z. B. Alice mag Bob, Bob mag Charlie, aber Alice hasst Charlie). Die Karte der KI hatte eine „Frustrationsrate“ von nur 0,324 %. Das bedeutet, dass die von ihr gefundenen Beziehungen unglaublich konsistent und logisch waren. Im Gegensatz dazu war die Karte des Wörterbuch-Tools viel chaotischer, mit einer Frustrationsrate zwischen 5,88 % und 16,16 %.

Die KI fand auch die Richtung der Beziehungen heraus. Sie konnte sagen, welcher Kontrakt der „Anführer“ war (derjenige, der sich zuerst bewegt) und welcher der „Folger“ (derjenige, der reagiert). Zum Beispiel identifizierte sie korrekt, dass ein Kontrakt über eine Entscheidung der Fed zur Zinssatzänderung zu einem Kontrat über Anleiherenditen führt, und nicht umgekehrt.

Mit der Karte Geld verdienen

Die Forscher hörten nicht beim Zeichnen der Karte auf; sie fragten: „Können wir das nutzen, um Geld zu verdienen?“ Sie entwickelten eine Handelsstrategie basachierend auf den Entdeckungen der KI. Die Idee war simpel: Wenn die KI sagt, Kontrakt A führt zu Kontrakt B, und Kontrakt B ist aktuell im Vergleich zu dem, was Kontrakt A suggeriert, zu niedrig (oder zu hoch) bepreist, kauft man den billigen und verkauft den teuren.

Sie ließen eine Simulation dieser Strategie über zwei Monate im Jahr 2026 laufen. Nach Abzug aller Gebühren erwirtschaftete die Strategie eine Netto-Kapitalrendite (ROI) von 14,12 %. Dies beweist, dass die Fähigkeit der KI, verborgene Verbindungen zu finden, nicht nur ein cooler Trick ist; sie hat einen realen wirtschaftlichen Wert. Sie fand „semantische statistische Arbitrage“ – Gewinnmöglichkeiten, die entstehen, weil der Markt noch nicht erkannt hat, dass zwei scheinbar unterschiedliche Wetten eigentlich dieselbe Geschichte erzählen.

Was dies für die Zukunft bedeutet

Dieses Paper legt nahe, dass die Zukunft der Prognosemärkte nicht nur aus besseren Quoten oder schnelleren Computern besteht, sondern aus einem besseren Verständnis. Die Agentic AI fungt als eine „strukturelle Entdeckungsebene“, die einen chaotischen Haufen von Text in eine kohärente, logische Struktur verwandelt, der Maschinen und Menschen vertrauen können.

Während das Wörterbuch-Tool (NLI) immer noch nützlich ist, um strikte Logik zu prüfen, ist es zu starr für das komplexe, reale Geflecht aus Ursache und Wirkung, das diese Märkte antreibt. Die Agentic AI, mit ihrer Fähigkeit, durch Kontext zu schlussfolgern und nur die bedeutsamsten Verbindungen auszuwählen, bietet einen neuen Weg, um durch das Rauschen zu navigieren. Sie deutet darauf an, dass es in einer Welt fragmentierter Informationen nicht nur darauf ankommt, mehr Daten zu haben, sondern auf einen intelligenten Agenten, der einem sagen kann, welche Teile der Daten tatsächlich zusammenpassen.

Die Forscher weisen vorsichtig darauf hin, dass dies eine Simulation basierend auf Daten aus dem Jahr 2026 ist und der reale Handel Risiken birgt. Die Ergebnisse legen jedoch stark nahe, dass Agentic AI bereit ist, aus dem Labor auf den Handelsplatz zu wechseln und als Wegweiser durch das verworrene Netz globaler Vorhersagen zu dienen.