Prognosemärkte 2026: das Testfeld der autonomen KI-Agenten

Wenn die US-Notenbank an diesem 16. September ihre Zinsentscheidung verkündet, richtet sich der Blick vieler Händler nicht auf das Research-Modell einer Bank, sondern auf eine Kurve, die sich im Sekundentakt bewegt: den Preis eines Prognosemarkt-Kontrakts auf genau diese Entscheidung. Und immer häufiger sitzt am Abzug kein Mensch, sondern Software, die eine eigene Wallet führt, Datenquellen abfragt und ihre Position ohne Rückfrage anpasst.

Das ist die eigentliche Geschichte des Jahres 2026. Die große Erzählung vom autonomen KI-Agenten, der selbstständig handelt und Transaktionen unterschreibt, ist an den meisten Fronten enttäuschend verlaufen. Die entsprechenden Token sind eingebrochen, viele Projekte sind verschwunden, und die vielbeschworene Maschinen-Ökonomie bleibt in den meisten Anwendungen ein Versprechen. An genau einer Stelle aber funktioniert sie: auf Prognosemärkten wie Polymarket und Kalshi. Sie sind zum Testfeld geworden, auf dem autonome Agenten tatsächlich einen Produkt-Markt-Fit gefunden haben. Dieser Text erklärt, warum ausgerechnet hier, was das über KI-Agenten verrät, wer damit Geld verdient (und wer nicht), und wo BaFin, ESMA und der deutsche Fiskus die Grenzen ziehen.

Warum Prognosemärkte zum Testfeld der KI-Agenten wurden

Um die Bedeutung zu verstehen, hilft ein Blick auf den Rest des Sektors. Die von CoinGecko geführte Kategorie der KI-Agenten-Token kommt Mitte September auf eine Gesamtbewertung von rund 3,1 Milliarden US-Dollar (etwa 2,7 Milliarden Euro), verteilt auf ein paar große Namen wie Venice (VVV) und Virtuals (VIRTUAL) sowie einen langen Schwanz aus Projekten, die 90 Prozent und mehr unter ihren Höchstständen notieren. Der einst gefeierte Fonds-Agent ai16z wurde von seinem eigenen Gründer für tot erklärt, ein Muster, das wir an anderer Stelle im Detail nachgezeichnet haben: war der KI-Fonds je ein echter Fonds? Qualität eines Frameworks und Kurs seines Token haben wenig miteinander zu tun.

Und doch: Auf Polymarket sind laut Daten von LayerHub, zitiert von CoinDesk, über 30 Prozent der aktiven Wallets bereits KI-Agenten. Ein Großteil der aktivsten Konten wird von Software gesteuert, nicht von Menschen. Das ist kein Marketing-Versprechen, sondern ein messbarer Zustand einer laufenden, milliardenschweren Handelsumgebung. Die Frage lautet also nicht, ob autonome Agenten irgendwann nützlich werden, sondern warum sie ausgerechnet auf einem Wettmarkt für Ereignisse ihren ersten belastbaren Anwendungsfall gefunden haben.

Diese Verschiebung markiert einen Wendepunkt in der Erzählung. 2024 und 2025 verkauften viele Projekte die Vision autonomer Agenten vor allem über Token und Versprechen; 2026 zählt, wo Agenten tatsächlich einen wirtschaftlichen Zweck erfüllen. Prognosemärkte sind der bislang klarste Fall, weil sich Erfolg hier nicht behaupten, sondern messen lässt. Wer wissen will, ob KI-Agenten mehr sind als eine Spekulationswelle, findet auf Polymarket die ehrlichste Antwort: Die Maschinen bleiben, auch nachdem die Token-Euphorie verflogen ist.

Agent oder Bot? Was Autonomie hier bedeutet

Zunächst eine Abgrenzung, die häufig verwischt wird. Ein klassischer Handels-Bot folgt festen Regeln: Wenn Preis X, dann Order Y. Ein KI-Agent im Sinne dieses Textes ist etwas anderes. Er besteht aus einem Sprachmodell (LLM), das Situationen interpretiert und Pläne fasst, aus einer eigenen Wallet, mit der er Transaktionen signiert, aus Werkzeugen (Datenfeeds, APIs, Suchfunktionen) und aus einer Autonomie-Logik, die entscheidet, wann gehandelt wird. Der Agent bekommt ein Ziel, keine Schritt-für-Schritt-Anweisung, und findet den Weg selbst.

Diese Unterscheidung ist mehr als akademisch. Ein regelbasierter Bot kann einen Preis nicht deuten, ein Agent schon: Er kann eine Notenbank-Formulierung lesen, eine Wahlumfrage einordnen oder einen Gerichtsbeschluss zusammenfassen und daraus eine Wahrscheinlichkeit ableiten. Genau diese Fähigkeit, Text in eine Schätzung zu übersetzen, ist auf Prognosemärkten die Kernkompetenz. Die folgende Tabelle zeigt die vier Bausteine im Überblick.

Sechs Gründe, warum Prognosemärkte agententauglich sind

Warum funktioniert Autonomie hier, wo sie anderswo scheitert? Weil ein Prognosemarkt fast wie ein Laborexperiment für maschinelle Entscheidungen gebaut ist. Der Handlungsraum ist eng (Ja oder Nein), die Belohnung ist objektiv und terminiert (der Kontrakt löst zu einem festen Zeitpunkt auf 1 oder 0 US-Dollar auf), der Markt läuft rund um die Uhr, alles ist über APIs zusammensteckbar, es gibt einen endlosen langen Schwanz kleiner Nischenmärkte, und die relevante Information liegt als Text vor. Jede dieser Eigenschaften spielt einer Maschine in die Hände.

Man vergleiche das mit dem Spot-Handel von Kryptowährungen: unbegrenzter Preisraum, kein Auflösungszeitpunkt, keine eindeutige Belohnungsfunktion, ständige Reflexivität. Ein Agent, der Bitcoin traden soll, hat kein klares Signal, ob er richtig lag. Ein Agent, der auf eine Zinsentscheidung wettet, erfährt am Entscheidungstag exakt, ob seine Schätzung stimmte. Diese Rückkopplung ist der Treibstoff, aus dem sich messbare Leistung überhaupt erst formen lässt.

Polystrat und die Belege aus dem Feld

Das prominenteste Beispiel ist Polystrat, ein im Februar 2026 gestarteter Agent des Anbieters Valory (das Unternehmen hinter dem Olas-Netzwerk). Laut CoinDesk führte Polystrat in seinem ersten Monat über 4.200 Trades aus, mit Einzelrenditen von bis zu 376 Prozent. Entscheidender als der Ausreißer ist die Breite: Über 37 Prozent der Polystrat-Agenten wiesen eine positive Gewinn-und-Verlust-Rechnung aus, gegenüber weniger als der Hälfte dieses Werts bei menschlichen Teilnehmern.

David Minarsch, CEO und Mitgründer von Valory, beschreibt Polystrat gegenüber CoinDesk als „einen autonomen KI-Agenten, der rund um die Uhr im Auftrag seines menschlichen Nutzers auf Polymarket handelt“. Er warnt zugleich vor der naiven Lesart: Das bloße Anstoßen von Standardmodellen mit Marktfragen führe meist zu Ergebnissen, die „nicht besser als ein Münzwurf“ seien. Der Vorsprung entstehe erst durch sorgfältig gebaute Werkzeuge und Arbeitsabläufe. Und doch fällt sein Fazit deutlich aus: „Agenten schneiden tendenziell besser ab als Menschen“, weil Menschen ihre Entscheidungen oft überhastet träfen. Es sei, so Minarsch, längst ein Ringen zwischen Mensch und Maschine im Gange.

Die Zahlen sind mit Vorsicht zu lesen: Sie stammen aus einer frühen Phase und von einem Anbieter, der ein Interesse an guten Ergebnissen hat. Doch das strukturelle Argument trägt unabhängig davon. Menschen schlafen, zögern, überschätzen einzelne Nachrichten; eine Maschine bewertet jeden der Tausenden Nischenmärkte im selben nüchternen Takt. Genau dieser lange Schwanz, die vielen kleinen, schlecht beobachteten Märkte, ist laut Minarsch das eigentlich interessante Terrain für Agenten, weil dort die menschliche Aufmerksamkeit am dünnsten ist und ein systematischer, unermüdlicher Ansatz den größten relativen Vorteil bringt.

Die Ökonomie zwischen Agenten: Olas und der Mech Marketplace

Der interessanteste Teil ist nicht, dass Agenten handeln, sondern wie sie sich organisieren. Beim Olas-Netzwerk existiert eine echte Arbeitsteilung zwischen Maschinen. Ein Handels-Agent muss nicht selbst die beste Vorhersage berechnen; er kauft sie. Über den sogenannten Mech Marketplace beauftragt er einen spezialisierten „Prediction Mech“, also einen Anbieter-Agenten, der Modelle, Daten und Schnittstellen zu einer Wahrscheinlichkeit verdichtet, und zahlt dafür einen Mikrobetrag. Anbieter konkurrieren über Qualität, der Käufer bündelt die Signale.

Genau diese Maschine-bezahlt-Maschine-Ökonomie wird überall versprochen und fast nirgends geliefert. Hier läuft sie im Produktivbetrieb. Nach Angaben von Olas wurden über 14 Millionen Agent-zu-Agent-Transaktionen über mehrere Chains abgewickelt. Bemerkenswert ist die andere Seite der Zahl: Der Gesamtumsatz des Marktplatzes liegt bei nur rund 109.000 US-Dollar. Die Nachfrage nach Mikro-Diensten ist real, aber winzig, ein Muster, das sich durch den gesamten Bereich der Maschinen-Zahlungen zieht. Wer die Bausteine selbst betreiben will, kann das über die Pearl-App tun; der Quellcode der Handels-Agenten liegt quelloffen im Repository valory-xyz/trader vor und deckt Polymarket auf Polygon ebenso ab wie Märkte auf Gnosis Chain.

Auch hier trennt sich Technik von Token. Der OLAS-Token notiert laut CoinGecko Mitte September bei rund 0,023 Euro (etwa 0,026 US-Dollar) und einer Marktkapitalisierung von knapp 7,9 Millionen US-Dollar, Rang jenseits der 1.300, weit unter früheren Höchstständen. Das Netzwerk kann funktionieren, während der Token verfällt; beides zu verwechseln, ist einer der teuersten Fehler dieses Zyklus.

Verdienen die Bots wirklich Geld? Der Realitätscheck

Der wichtigste Dämpfer gegen die Euphorie kommt aus der Forschung. Das Projekt Prediction Arena (Autoren Jaden Zhang, Grace Li und Kollegen) ließ sechs Spitzenmodelle 57 Tage lang mit echtem Kapital handeln und veröffentlichte die Ergebnisse als Preprint. Auf Kalshi verloren alle sechs Modelle, mit Renditen zwischen minus 16,0 und minus 30,8 Prozent. Auf Polymarket dagegen lag dieselbe Riege im Schnitt nur bei minus 1,1 Prozent, ein Modell (ein Grok-4-Checkpoint) erreichte eine Trefferquote von 71,4 Prozent, und Gemini-3.1-Pro brachte in drei Tagen plus 6,02 Prozent.

Die zentrale Erkenntnis ist unbequem und wichtig zugleich: Das Marktdesign habe „einen tiefgreifenden Effekt darauf, welche Modelle erfolgreich sind“. Nicht die rohe Intelligenz des Modells entscheidet, sondern die Umgebung: Marktauswahl, Liquidität, Auflösungsmechanik. Kalshi bot eine kleine, standardisierte Auswahl, Polymarket ein offenes Universum mit dem langen Schwanz, in dem Agenten ihre Kanten finden. Das erklärt Minarschs Münzwurf-Warnung von der anderen Seite: Ein Agent ohne durchdachten Aufbau verliert; erst die Kombination aus gutem Modell, richtigem Markt und disziplinierter Ausführung zahlt sich aus. Wer tiefer in die Mikrostruktur und das Ende des leichten Geldes einsteigen will, findet dazu bei HOGE Wire eine eigene Analyse; hier bleibt festzuhalten, dass Profitabilität keineswegs garantiert ist.

Ein Grund für die schwachen Ergebnisse liegt tief in der Marktmechanik. Eine Mikrostruktur-Studie von Philipp Dubach wertete Milliarden von Orderbuch-Ereignissen auf Polymarket aus und fand, dass sich die Handelsrichtung aus dem öffentlichen Datenstrom nur in rund 59 Prozent der Fälle korrekt ableiten lässt, deutlich schlechter als der etwa 80-Prozent-Richtwert an der Nasdaq. Ein Agent, der seine Signale allein aus dem öffentlichen Feed zieht, bekommt die Vorzeichen von Preisdruck und Orderfluss also oft falsch herum. Wer gegen besser informierte Gegenparteien handelt, zahlt die Zeche der adversen Selektion, und das trifft schlecht gebaute Bots am härtesten.

Die Achillesferse: Wer entscheidet, wer recht hatte?

Ein Prognosemarkt ist nur so gut wie seine Auflösung. Wenn niemand verlässlich feststellt, ob ein Ereignis eingetreten ist, ist der klügste Agent wertlos. Polymarket löst Märkte über das optimistische Orakel von UMA auf: Ein Ergebnis wird als korrekt angenommen, sofern es niemand innerhalb einer Frist anficht; im Streitfall entscheidet eine Abstimmung der UMA-Token-Inhaber. Das System ist elegant, aber angreifbar. In der Vergangenheit gerieten strittige Märkte in die Kritik, weil ein großer Teil der Stimmen von wenigen sehr großen Wallets kam und einzelne Abstimmende zugleich in denselben Märkten positioniert waren. Ein Reformschritt (die verwaltete Variante des Orakels) verschärfte die Anforderungen an Vorschlagende, ließ die eigentliche Abstimmung aber offen; das Grundproblem der Interessenkonflikte bleibt damit bestehen.

Wie real das Risiko ist, zeigten Vorfälle der jüngeren Vergangenheit. In einem vielbeachteten Streit soll ein einzelner Großhändler mehrere Millionen Token über verschiedene Konten mobilisiert und so eine Abstimmung in seine Richtung gedreht haben, während die Händler auf der Gegenseite Millionen verloren. UMA reagierte mit strengeren Regeln für Vorschlagende und testet inzwischen einen eigenen KI-Vorschlagenden, der Ergebnisse mit hoher Trefferquote vorbereiten soll. Das verlagert die Vertrauensfrage allerdings nur: von der Abstimmung hin zu dem Modell, das die Vorlage liefert.

Das ist mehr als ein Randthema, es ist ein Machtproblem. Wenn wenige Adressen die Auflösung bestimmen können, ähnelt die Lage der Debatte über konzentrierte Rechenleistung im Bitcoin-Mining, wo wir gefragt haben, ob Mining-Pools eine Mehrheit erlangen und angreifen könnten. In beiden Fällen gilt: Dezentralität auf dem Papier schützt nicht, wenn die tatsächliche Kontrolle in wenigen Händen liegt.

Eine vieldiskutierte Alternative kommt von Andrew Hall, Professor für politische Ökonomie an der Stanford Graduate School of Business. In einem Beitrag für a16z crypto schlägt er „KI-Richter“ vor. Der Kern: Bei der Markterstellung lege der Anbieter nicht nur die Auflösungskriterien in natürlicher Sprache fest, sondern auch „das exakte LLM (durch eine mit Zeitstempel versehene Modellversion identifiziert) und den exakten Prompt“, der über den Ausgang entscheidet. Diese Festlegung werde kryptografisch auf der Blockchain verankert. Sein Versprechen: „Der gesamte Auflösungsmechanismus ist sichtbar und prüfbar, bevor irgendjemand eine Wette platziert. Keine Regeländerungen mitten im Spiel, keine willkürlichen Ermessensentscheidungen.“ Ob ein Modell wirklich unbestechlicher urteilt als eine Abstimmung, ist offen; die Idee, den Richter vorab offenzulegen und nachprüfbar zu machen, verweist aber auf ein größeres Feld. Wie sich maschinelle Berechnungen überhaupt beweisbar machen lassen, haben wir im Kontext der verifizierbaren Rechenleistung beleuchtet.

Monokultur, Reflexivität und die Insider auf der Kette

Wenn Maschinen die Mehrheit stellen, entstehen neue Risiken. Viele Agenten stützen sich auf dieselben wenigen Spitzenmodelle und dieselben öffentlichen Datenfeeds. Das kann zu Monokultur führen: Modelle liegen korreliert falsch, reagieren gleichzeitig, verstärken Bewegungen. Prognosemärkte sind zudem reflexiv, der Preis selbst wird zur Information; ein Agent, der auf den Preis reagiert, beeinflusst den Preis, auf den der nächste Agent reagiert. Und weil Polymarket auf einer öffentlichen Blockchain läuft, sind alle Orders sichtbar. Das lädt zu MEV-artigem Verhalten ein, also zum Vordrängeln vor erkennbare Orders.

Die Transparenz hat eine paradoxe Kehrseite. Dienste wie Polysights durchforsten die öffentliche Kette nach auffälligen Mustern und markierten in den vergangenen Monaten Zehntausende Transaktionen als mögliche Insider-Trades, also Wetten von Adressen, die den Ausgang offenbar früher kannten als der Markt. Auf einer öffentlichen Kette wird Insiderwissen sichtbar, statt verborgen zu bleiben; die Wahrheit beschleunigt sich, wie es ein Betreiber solcher Analysetools formulierte, aber die Fairness leidet. Für Agenten, die auf saubere Signale angewiesen sind, ist das eine ständige Quelle adverser Selektion.

Systemisch betrachtet verschiebt sich damit das Risiko. Solange Menschen und Maschinen gemischt handeln, bleibt der Markt vielfältig. Kippt das Verhältnis weiter zugunsten weniger dominanter Modelle, drohen synchronisierte Fehlbewertungen: Viele Agenten lesen dieselbe Meldung gleich, positionieren sich gleich und räumen gleichzeitig ihre Positionen, wenn sich das Blatt wendet. Was in ruhigen Phasen wie effiziente Preisbildung aussieht, kann sich in Stressmomenten in abrupte, selbstverstärkende Ausschläge verwandeln, ein bekanntes Muster aus dem algorithmischen Handel an klassischen Börsen.

Vom Wettmarkt zur Wall-Street-Infrastruktur

Während die Maschinen handeln, ist das große Geld eingezogen. Die Intercontinental Exchange, Mutter der New York Stock Exchange, hat nach eigenen Angaben und Berichten von CoinDesk bis zu rund 2 Milliarden US-Dollar in Polymarket investiert, ausdrücklich mit einer Daten- und Infrastruktur-These, nicht als Wette auf das Wetten. Kalshi wiederum bündelt professionelle Händler in einem eigenen Profi-Produkt und öffnet sich institutionellen Adressen. Die Analysten von Bernstein um Gautam Chhugani schätzten gegenüber CNBC, das globale Volumen könne von rund 51 Milliarden US-Dollar (2025) auf etwa eine Billion US-Dollar bis 2030 wachsen, ein jährliches Wachstum von grob 80 Prozent.

Mit dem großen Geld kamen die Profis. Ein Bericht von CryptoSlate beschreibt, wie Eigenhandelsfirmen (Prop-Firmen), Market Maker und quantitative Häuser eigene KI-Agenten einsetzen, die rund um die Uhr Preise beobachten, verwandte Kontrakte vergleichen und Wahrscheinlichkeiten aktualisieren. Manche behandeln aufgelöste Kontrakte inzwischen wie ein Casting: Wer Unsicherheit besser bepreist als die Masse, ob Mensch oder Algorithmus, wird finanziert und mit Kapital ausgestattet. Der Gegenspieler eines Hobby-Bots ist damit oft kein unbedarfter Privatanleger mehr, sondern ein durchfinanzierter Handelstisch.

Die Plattformen liefern das passende Werkzeug. Kalshi startete im Juli 2026 mit Kalshi Pro eine professionelle Oberfläche mit einem Screener über rund 2.000 Märkte, TradingView-Charts und einer eigenen Ansicht für perpetual futures, gebaut für Nutzer, die Dutzende Märkte gleichzeitig handeln. Für autonome Agenten ist das zweischneidig: mehr Liquidität und sauberere Schnittstellen, aber auch ein Feld, auf dem Amateur-Setups zunehmend chancenlos sind. Der Produkt-Markt-Fit der Agenten bleibt real, doch die Rendite wandert zu jenen, die Modelle, Daten und Ausführung am besten beherrschen.

Der Aufstieg verläuft nicht geradlinig. Nach dem Roll-off der Fußball-Weltmeisterschaft fiel das kombinierte Volumen von Kalshi und Polymarket im August 2026 laut The Block um 14,5 Prozent auf rund 45,3 Milliarden US-Dollar, der erste monatliche Rückgang seit einem Jahr. Für autonome Agenten ist diese Institutionalisierung zweischneidig: Sie bringt Liquidität und robuste Infrastruktur, aber auch professionelle Gegenspieler mit besseren Modellen und schnellerer Ausführung. Das leichte Geld der Frühphase weicht einem härteren Wettbewerb.

Das Vertrauensproblem: Polymarkets Werbe-Untersuchung

Institutionelles Kapital und maschineller Handel setzen voraus, dass die Plattform selbst sauber arbeitet. Genau daran gibt es Zweifel. Die US-Terminmarktaufsicht CFTC führt nach Berichten von CNBC eine Untersuchung gegen Polymarket wegen einer möglicherweise irreführenden Marketingkampagne. Eine Auswertung des Wall Street Journal von 1.105 Werbevideos ergab, dass rund 70 Prozent gestellte statt echte Trades zeigten; die Clips brachten es zusammen auf über 140 Millionen Aufrufe. Content-Ersteller sollen bezahlt worden sein, um Gewinne vorzutäuschen, die es so nicht gab. Zwei US-Senatoren forderten den CFTC-Vorsitzenden schriftlich zur Aufklärung auf; Polymarket kündigte an, aktive Werbeinhalte zu prüfen.

Für die Agenten-Geschichte ist das kein Nebenschauplatz. Autonome Software braucht Handelsplätze, deren angezeigte Preise und Volumina echt sind; wenn Marketing und Realität auseinanderlaufen, sinkt das Vertrauen in genau die Signale, aus denen Maschinen ihre Schätzungen bauen. Die Episode zeigt, dass die Reife des Sektors nicht nur an Handelsvolumen zu messen ist, sondern auch an der Integrität der Plattformen.

Das juristische Ringen in den USA: Circuit Split und der Weg zum Supreme Court

Parallel eskaliert der Streit über die Zuständigkeit. Ende August 2026 entschied der neunte US-Bundesberufungsgerichtshof einstimmig, dass der Bundesstaat Nevada Prognosemärkte wie Glücksspiel regulieren darf und das bundesrechtliche Terminmarktrecht die Länder nicht verdrängt; Sport-Ereigniskontrakte seien Sportwetten, keine Swaps. Das Urteil steht, wie CoinDesk und CNBC berichten, im Widerspruch zu einer früheren Entscheidung des dritten Berufungsgerichtshofs zugunsten von Kalshi in New Jersey. Dieser Circuit Split gilt als klassischer Anlass für ein Verfahren vor dem Supreme Court. Kalshi beantragte Anfang September zunächst eine Überprüfung durch das gesamte Gericht.

Der treffendste Kommentar zur Lage stammt vom Markt selbst: Auf Polymarket lag die gehandelte Wahrscheinlichkeit, dass der Supreme Court den Fall annimmt, laut Branchenberichten bei rund 52 Prozent. Ein Prognosemarkt bepreist die Chancen seines eigenen Rechtsstreits, und die Maschinen handeln mit. Dass US-Ereigniskontrakte in die Domäne der CFTC fallen und nicht der Wertpapieraufsicht SEC, bleibt dabei der entscheidende Rahmen: Die SEC berührt allenfalls die Token wie UMA oder OLAS, nicht die Wette selbst. Diese Zersplitterung fügt sich in ein größeres US-Muster, in dem belastbare Bundesgesetze für Kryptomärkte weiter fehlen und die Behörden zunehmend ohne neue Grundlage handeln, wie es sich auch bei den Krypto-ETF-Zulassungen nach dem CLARITY-Aus zeigt.

Deutschland und die EU: BaFin, ESMA und das Glücksspielrecht

Für deutsche Leserinnen und Leser ist die wichtigste Nachricht schlicht: Der legale Zugang fehlt. Polymarket ist in Deutschland geoblockt, weil eine Erlaubnis nach dem Glücksspielstaatsvertrag fehlt; die Gemeinsame Glücksspielbehörde der Länder (GGL) behandelt unlizenzierte Ereigniskontrakte als unerlaubtes Glücksspiel. Kalshi steht deutschen Privatkunden ebenfalls nicht offen. Wer hierzulande über einen Agenten auf solchen Märkten handelt, bewegt sich rechtlich auf dünnem Eis.

Hinzu kommt die Finanzmarktebene. Die BaFin hat den Vertrieb binärer Optionen an Privatkunden per Allgemeinverfügung dauerhaft untersagt (gestützt auf Artikel 42 MiFIR, seit dem 2. Juli 2019), mit der Begründung, solche Produkte seien intransparent und der Anbieter zugleich Gegenpartei. Die europäische Aufsicht ESMA stellte 2026 klar, dass binäre Ereigniskontrakte, die als Finanzinstrumente im Sinne von MiFID II gelten, unter genau dieses bestehende Verbot fallen, unabhängig vom Handelsnamen. Es gilt also eine Substanz-über-Form-Betrachtung. Für die Einordnung, wann ein digitales Produkt überhaupt unter MiCA, MiFID II oder das Glücksspielrecht fällt, lohnt der Blick auf unsere Analyse zu MiCA und Gaming-Token, die dieselbe Klassifizierungsfrage an einem verwandten Fall durchspielt.

Wichtig ist die saubere Trennung dreier Regelwerke, die in Deutschland und der EU parallel greifen. Die EU-Kommission konsultiert im Rahmen der MiCA-Überprüfung zudem die Behandlung von Prognosekontrakten; die Frist läuft nach vorliegenden Angaben bis Ende September 2026, was das Thema für die kommenden Monate hochaktuell macht.

Wer die aufsichtliche Grundlogik nachlesen will, findet sie im BaFin-Merkblatt zu Kryptowerte-Dienstleistungen; die Erinnerung der ESMA an die bestehenden Pflichten unter dem Binäroptionen-Regime ist auf deren Website dokumentiert.

Steuerfragen: Wenn ein Agent für den Betreiber handelt

Ein autonomer Agent hat keine Rechtspersönlichkeit und keine Steuernummer. Gewinne und Verluste werden deshalb der dahinterstehenden Person oder Gesellschaft zugerechnet, also dem Betreiber der Wallet. Für private Anleger fallen Krypto-Veräußerungsgewinne grundsätzlich unter die privaten Veräußerungsgeschäfte nach Paragraf 23 EStG: Bei einer Haltedauer von über einem Jahr sind Gewinne steuerfrei, andernfalls greift der persönliche Steuersatz; es gilt eine Freigrenze von 1.000 Euro pro Jahr.

Für hochfrequent handelnde Agenten wird es heikel. Ein System, das rund um die Uhr Tausende Trades ausführt, riskiert eine Einstufung als gewerbliche Tätigkeit, mit der Folge von Gewerbesteuer und dem Verlust der Einjahresregel. Hinzu kommt eine oft übersehene Feinheit: Jede Zahlung eines Agenten in einem Stablecoin ist grundsätzlich eine Veräußerung; wer Maschinen im Mikrozahlungs-Modus laufen lässt, produziert entsprechend viele steuerlich relevante Vorgänge. Die BaFin ist hier ausdrücklich nicht zuständig, sie beaufsichtigt Krypto-Dienstleister, nicht die Besteuerung. Angesichts der Komplexität ist steuerlicher Rat für gewerbsmäßige Setups keine Kür, sondern Pflicht.

Praktisch heißt das: Wer einen Agenten laufen lässt, braucht eine lückenlose Dokumentation. Jeder Kauf, jeder Verkauf und jede Auflösung eines Kontrakts muss mit Zeitstempel, Kurs und Gegenwert in Euro erfasst werden, damit Haltefristen und Freigrenze überhaupt nachweisbar sind. Bei Tausenden automatisierten Transaktionen ist das ohne spezialisierte Steuersoftware kaum zu leisten. Hinzu kommt die Unsicherheit, wie Finanzämter Gewinne aus einer in Deutschland ohnehin nicht lizenzierten Wettplattform behandeln; im Zweifel ist die konservative, gut dokumentierte Deklaration der sicherere Weg.

Was 2026 auf dem Spiel steht

Die Lehre aus diesem Jahr ist so einfach wie folgenreich: Autonomie zahlt sich dort aus, wo die Belohnungsfunktion lesbar ist. Prognosemärkte liefern genau das, ein klares Ja oder Nein, einen festen Termin, ein unbestechliches Erfolgssignal. Deshalb funktioniert der KI-Agent hier, während er im offenen Spot-Handel oder in vagen Aufgabenfeldern strauchelt. Wer wissen will, wo Maschinen als Nächstes Fuß fassen, sollte nach denselben Eigenschaften suchen: begrenzter Handlungsraum, objektive Auszahlung, text-native Information.

Zugleich sind die Grenzen sichtbar. Die Auflösung bleibt die Achillesferse, die Profitabilität ist keineswegs sicher, die Monokultur der Modelle schafft neue Systemrisiken, und die Rechtslage ist auf beiden Seiten des Atlantiks in Bewegung. Für Deutschland gilt weiterhin: kein legaler Retail-Zugang, ein hartes Finanzmarktverbot für binäre Produkte und offene Steuerfragen bei jedem gewerblichen Setup. Der Prognosemarkt ist 2026 das überzeugendste Schaufenster für autonome KI-Agenten, und zugleich eine Mahnung, wie eng der Korridor ist, in dem diese Maschinen tatsächlich taugen. Am Tag der Fed-Entscheidung lässt sich das in Echtzeit beobachten, in einer Kurve, die von immer mehr Software gezeichnet wird.

Häufig gestellte Fragen

Was ist ein Prognosemarkt-Agent?

Ein Prognosemarkt-Agent ist eine autonome Software aus Sprachmodell, eigener Wallet und Werkzeugen, die auf Plattformen wie Polymarket oder Kalshi selbstständig auf den Ausgang von Ereignissen wettet. Anders als ein regelbasierter Bot interpretiert der Agent Nachrichten und Daten und leitet daraus eine Wahrscheinlichkeit ab. Laut CoinDesk werden bereits über 30 Prozent der aktiven Polymarket-Wallets von solchen Agenten gesteuert.

Verdienen KI-Agenten auf Prognosemärkten wirklich Geld?

Nicht automatisch. Das Prediction-Arena-Experiment zeigte, dass sechs Spitzenmodelle auf Kalshi zwischen 16,0 und 30,8 Prozent verloren, auf Polymarket dagegen im Schnitt nur 1,1 Prozent, mit einzelnen Gewinnern. Entscheidend ist laut den Forschern das Marktdesign, nicht allein die Modellstärke. Valory-Chef David Minarsch warnt, dass Standardmodelle ohne durchdachten Aufbau nicht besser als ein Münzwurf abschneiden.

Ist Polymarket in Deutschland legal nutzbar?

Nein. Polymarket ist in Deutschland geoblockt, weil eine Erlaubnis nach dem Glücksspielstaatsvertrag fehlt; die Gemeinsame Glücksspielbehörde der Länder behandelt unlizenzierte Ereigniskontrakte als unerlaubtes Glücksspiel. Zusätzlich hat die BaFin binäre Optionen für Privatkunden dauerhaft verboten, und die ESMA hat 2026 klargestellt, dass binäre Ereigniskontrakte unter dieses Verbot fallen können.

Wie werden Prognosemärkte aufgelöst, und warum ist das riskant?

Polymarket nutzt das optimistische Orakel von UMA: Ein Ergebnis gilt als korrekt, sofern es niemand fristgerecht anficht; im Streitfall stimmen UMA-Token-Inhaber ab. Das Risiko liegt in der Konzentration, wenn wenige große Wallets die Abstimmung dominieren und zugleich in den Märkten positioniert sind. Als Alternative schlägt Stanford-Professor Andrew Hall vorab festgelegte KI-Richter vor, deren Modell und Prompt vor dem Handel offengelegt und geprüft werden können.

Wie werden Gewinne eines Handels-Agenten in Deutschland besteuert?

Da ein Agent keine Rechtspersönlichkeit hat, werden Gewinne dem Betreiber zugerechnet. Für Private gilt Paragraf 23 EStG: über ein Jahr gehalten steuerfrei, sonst zum persönlichen Satz, mit einer Freigrenze von 1.000 Euro pro Jahr. Hochfrequenter Dauerbetrieb kann als gewerblich eingestuft werden, was Gewerbesteuer auslöst und die Einjahresregel entfallen lässt; jede Stablecoin-Zahlung gilt zudem als Veräußerung.

Von M. de Vries, HOGE Wire, Ressort KI und Krypto.