Informationelle Effizienz dezentraler Prognosemärkte: KI-Agenten-Orchestrierung, Research-Terminal und Live-Pipelines auf Polymarket

Prognosemärkte sind erwachsen geworden: Auf Polymarket wetten Menschen mit echtem Geld auf Wahlen, Zinsen und Ereignisse, und die Preise taugen als Wahrscheinlichkeiten. Diese Bachelor Thesis misst, wie effizient das funktioniert, baut ein KI-Research-Terminal und testet Strategien live.

Cruz, Pablo Leonardo, 2026

Art der Arbeit Bachelor Thesis
Auftraggebende NeutralNewsCH
Betreuende Dozierende Renold, Manuel
Views: 2
Dezentrale Prognosemärkte wie Polymarket übersetzen Erwartungen in handelbare Preise. Wer falsch liegt, verliert Geld, und genau das macht die Preise für alle interessant, die eine Lage einschätzen müssen. Für den Auftraggeber NeutralNewsCH, der Medien auf Neutralität analysiert, ist zentral, wie verlässlich solche Preissignale sind. Die Arbeit untersucht deshalb: Wie schnell und wie korrekt verarbeitet der Markt Information, wo übertrifft er traditionelle Prognosequellen, und welche Chancen bleiben handelnd nutzbar? Kern ist die US-Wahl 2024, ergänzt um laufende Märkte von 2026.
Drei Hypothesen strukturieren die Prüfung: Prognosequalität im Vergleich zu Umfragen und Modellen, Reaktion auf kuratierte Ereignisse, Muster informierten Handels in Wallet-Daten. Alle Kennzahlen berechnet ein deterministischer Analysekern mit 844 automatisierten Tests, interpretiert wird getrennt davon. Die Arbeit entstand über eine KI-Agenten-Orchestrierung mit begrenzter Rolle: Agenten recherchieren, prüfen und dokumentieren. Die Lösung ist ein Research-Terminal mit 24 Arbeitsbereichen samt Live-Pipelines: Arbitrage und Copytrading simuliert, ein schneller Bot mit kleinem Realeinsatz.
ie Befunde sind differenziert. Im Wahlkontext verarbeitete Polymarket Information nachweislich schnell und übertraf traditionelle Vergleichsquellen in eng umrissenen Rahmen, die Schweizer Referendums-Fallstudie liefert ein aktuelles Beispiel ausserhalb des US-Kontexts. Ob dahinter Schwarmintelligenz oder privilegiertes Wissen steht, bleibt offen: Belastbare Insider-Muster fanden sich keine, die Arbeit stellt dafür ein Verdachts-Screening bereit. Profitabel war nur die Nische. Auf wenig beachteten Podcast-Märkten war der eigene Bot über Wochen der schnellste Käufer der Plattform, der Feldtest gewann 14 von 15 Wetten bei kleinem Einsatz. Als der Vorteil dokumentiert war, passte sich der Markt an. Prognosemärkte sind als Wahrscheinlichkeits-Quelle ernst zu nehmen, wer Lagen einschätzt, wird künftig mitlesen müssen, wie diese Märkte bepreisen. Für den Auftraggeber kann aus dem Werkzeug ein Produkt werden, das Marktpreise neben die Berichterstattung stellt. Die Antwort der Arbeit: Transparenz statt Wegsehen.
Studiengang: Business Artificial Intelligence (Bachelor)
Keywords KI Agenten , Prognosemärkte, Informationelle Effizienz
Vertraulichkeit: öffentlich
Art der Arbeit
Bachelor Thesis
Auftraggebende
NeutralNewsCH , Zürich
Autorinnen und Autoren
Cruz, Pablo Leonardo
Betreuende Dozierende
Renold, Manuel
Publikationsjahr
2026
Sprache der Arbeit
Deutsch
Vertraulichkeit
öffentlich
Studiengang
Business Artificial Intelligence (Bachelor)
Standort Studiengang
Olten
Keywords
KI Agenten , Prognosemärkte, Informationelle Effizienz