Praxisanalyse: Wie Trader im von KI dominierten Krypto-Wettbewerb zum Sieger werden

Autor: 1912212.eth, Foresight News

Originaltitel: Wir haben heimlich den AI Trading-Wettbewerbs-Champion Qwen besiegt

Am 4. November um 6 Uhr endete der erste nof1 AI Modell Trading-Wettbewerb, ein Event, das zeitweise große Aufmerksamkeit in der Tech-Szene erregte und nun mit dem Showdown der großen Modelle abgeschlossen wurde.

10.000 US-Dollar Long/Short auf BTC, ETH, BNB, SOL, XRP sowie DOGE – am Ende belegte Qwen3 Max den ersten Platz mit einer Rendite von 22,3 %; DeepSeek Chat V3.1 belegte den zweiten Platz mit einer Rendite von 7,66 %. Die übrigen Modelle verzeichneten erhebliche Verluste: Claude Sonnet 4.5 verlor 30,81 %, Grok 4 verlor 45,38 %, Gemini 2.5 Pro verlor 56,71 %, GPT 5 verlor 62,66 %.

Qwen hielt am Ende Positionen im Wert von 12.231 US-Dollar, DeepSeek 10.489 US-Dollar – die einzigen beiden Modelle unter den sechs, die Gewinne erzielten, während alle anderen deutliche Verluste verzeichneten.

Der Wendepunkt, der den Unterschied machte

Der Unterschied zwischen den großen Modellen war nicht von Anfang an vorbestimmt.

Zu Beginn des Wettbewerbs schwankte der Bitcoin-Preis um die 100.000 US-Dollar, die Schwankungen der Teilnehmer waren gering, das Kapital bewegte sich leicht um das Startkapital von 10.000 US-Dollar. Diese Phase glich eher einem Aufwärmen, in dem sich die AIs an die Regeln und Dateninputs gewöhnten. DeepSeek zeigte von Anfang an einen stabilen Stil: Es setzte auf eine Strategie mit niedriger Hebelwirkung und diversifizierten Long-Positionen in mehreren Coins, nutzte anfangs 10- bis 15-fachen Hebel für langfristige Positionen und betonte Risikostreuung und Trendfolge. Qwen3 hingegen war aggressiver, bevorzugte hohe Hebel (bis zu 25-fach) und konzentrierte sich auf 1–2 Coins, etwa ein ALL IN Long auf BTC, um eine hohe Gewinnrate zu erzielen.

Claude und Grok waren eher konservativ, handelten selten, Claude hielt nur Long-Positionen mit moderatem Hebel, während Grok flexibel zwischen Long und Short wechselte, aber durch zu viele Short-Positionen zu Beginn ins Hintertreffen geriet. Im Vergleich dazu waren Gemini und GPT-5 sehr aktiv: Ersterer führte 165 Trades aus, letzterer 63, beide setzten auf schnelle Ein- und Ausstiege mit kurzen Haltezeiten, was schon früh durch ausschließlich Short-Positionen zum Verhängnis wurde.

Nach dem 19. Oktober stieg BTC von 106.000 US-Dollar an, woraufhin openai und gemini kontinuierlich abrutschten und die letzten beiden Plätze belegten. Am 23. Oktober stieg BTC vier Tage in Folge von 107.000 US-Dollar, und ab diesem Zeitpunkt begann der Kampf um Platz eins zwischen DeepSeek und Qwen3. Zunächst führte Qwen3 deutlich, doch am Abend des 26. Oktober, als BTC von 115.000 US-Dollar stark fiel, überholte DeepSeek Qwen3, bis am Abend des 3. November BTC erneut stark fiel und Qwen3 kurz vor Wettbewerbsende wieder die Führung übernahm.

DeepSeeks seltene Trend-Trades und hohe Disziplin waren der Schlüssel zum Sieg, während Qwen3s hohe Gewinnrate und hoher Hebel zwar beeindruckten, aber durch gierige Anpassungen zu Fehlern führten. Die Schlusslichter Gemini und GPT-5 sind Paradebeispiele für schlechtes Investieren: Geminis Hochfrequenzhandel glich dem Verhalten von Kleinanlegern, die Trends hinterherlaufen, kurze Haltezeiten und ein schlechtes Chance-Risiko-Verhältnis erhöhten Gebühren und Fehler, was das Kapital halbierte. GPT-5s konservativer Ansatz und lange Entscheidungswege verhinderten zwar große Verluste, ließen aber Chancen ungenutzt und führten durch wiederholte Fehlentscheidungen (wie zu Beginn nur Short) letztlich zu Verlusten.

Natürlich nutzten alle teilnehmenden Modelle ausschließlich technische Indikatoren wie RSI und MACD, basierten vollständig auf technischen Preissignalen und ignorierten viele makroökonomische Ereignisse und Nachrichten. Zudem gab es in diesem mehr als zehntägigen Wettbewerb viele Zufallsfaktoren, sodass auch „Seriensieger“ aus bestimmten Gründen erhebliche Verluste erleiden konnten.

Erstens: Trendfolge und Disziplin schlagen Hochfrequenzhandel – in unsicheren Märkten sind seltene, langfristige Trades mit hohem Chance-Risiko-Verhältnis zuverlässiger und vermeiden emotionale Trades. Zweitens: Risikostreuung ist besser als aggressive Konzentration – Qwen3s hoher Hebel kann zwar Gewinne maximieren, führt aber auch leicht zu großen Verlusten; Investoren sollten auf Positionsmanagement und Stop-Loss achten. Drittens: Die Grenzen der AI erinnern an die Bedeutung menschlicher Entscheidungen – obwohl alle AIs mit denselben Daten arbeiten, führen Unterschiede im Training zu völlig unterschiedlichen Ergebnissen. Investoren können sich DeepSeeks quantitativen Ansatz zum Vorbild nehmen, sollten aber Fundamentaldaten und menschliche Intuition einbeziehen. Der Wettbewerb zeigt das Potenzial von AI im Finanzbereich – etwa durch DeepSeeks erfahrenen Mutterkonzern – aber Investoren sollten sich nicht zu sehr darauf verlassen: AI ist ein Werkzeug, kein Orakel; nur durch die Kombination von maschineller Intelligenz und persönlicher Erfahrung kann man sich am Kryptomarkt behaupten.

Wir haben selbst auch ein bisschen experimentiert

Kurz nach Beginn des AI Trading-Wettbewerbs beschlossen wir spontan, uns mit den AIs zu messen. Die Wettbewerbsregeln orientierten sich an Alpha Arena: Nur Futures-Trading auf BTC, ETH, BNB, SOL, XRP und DOGE war erlaubt, die Plattform war Lighter, der Hebel entsprach den von Lighter unterstützten Stufen. Um zu verhindern, dass jemand einfach nur das Startkapital „absitzt“, war vorgeschrieben, während des Events mindestens 10 Trades zu machen.

Der Name unserer Gruppe spiegelte unseren Ehrgeiz und unser Endziel wider – „AI besiegen“.

Hier zunächst das Endergebnis im Bild:

Nach dem Event habe ich sofort alle gezwungen, ihre Pläne und Gedanken während des Wettbewerbs zu teilen.

Yobo: Vor dem offiziellen Start habe ich mir eine Handelsregel aufgestellt: Nur Bitcoin und Ethereum, immer den maximal erlaubten Hebel, Positionsgröße 30–50 % des Gesamtkapitals, Take-Profit und Stop-Loss im Verhältnis 2,5:1. In den ersten beiden Tagen war ich euphorisch, nach ein paar Gegen-Trades lag der Drawdown schon bei 24 % – da dachte ich, wenn ich so weitermache, bin ich bald pleite. Also habe ich eine Woche pausiert, erst am 28. wieder einen Short eröffnet, nach erfolgreichem Take-Profit reduzierte sich der Drawdown auf 13 %. Der Sprung an die Spitze gelang aber vor allem, weil ich am Abend des 3. vor dem Essen einen Short wagte und den starken Kursrückgang traf. Zwar war mein Take-Profit konservativ und ich habe weniger verdient als beim aktiven Beobachten, aber das Ziel „AI besiegen“ war erreicht und ich war zufrieden.

Huaxin Da Jiu Cai: Mein Handelsstil ist vorsichtig, am Abend des 22. Oktober brachte mir ein ETH-Long über 20 % Gewinn und legte die Basis. Danach habe ich strikt Take-Profit und Stop-Loss eingehalten, am Ende standen 21,84 %. Ich dachte, ich würde gewinnen, aber in den letzten 10 Stunden kam eine große Bewegung und ich wurde überholt – schade!

Chelina: Ich mag Shorts lieber als Longs. Mit dem Ziel, die AI zu schlagen, bin ich bei Erreichen des Gewinnziels ausgestiegen und habe auf den nächsten Einstieg gewartet. Um Verluste zu minimieren, habe ich nur gehalten, wenn ich am Rechner war. Am Ende lag die Rendite bei 3,02 %, aber kein Verlust ist auch ein Gewinn.

Chloeppan: Anfangs sehr vorsichtig, nur 5-facher Hebel mit Long/Short-Wechsel, maximal 10 % Rendite. Nach zwei Tagen wurde ich aggressiver, alles auf 10-fach erhöht, mehr Margin eingesetzt, und dann nachts bei hoher Volatilität vergessen, einen XRP-Short zu schließen – ein Trade mit -44 %. Danach habe ich „früh aufgegeben“ und nur noch ein paar Shorts bis zum Ende gehalten. Fazit: Beim Futures-Trading muss man ruhig bleiben, ständig den Markt beobachten, und hohe Hebelpositionen sollte man nicht über Nacht halten. Wer im Alltag wenig Zeit hat, kann AI zur Strategieentwicklung nutzen – die ist oft besser als die eigene Rendite.

Zufrieden: Ich habe hauptsächlich Bitcoin und Ethereum gehandelt. Anfangs fiel der Markt, ich habe mit 20-fachem Hebel geshortet, aber der Verlust lag zeitweise bei 20 %. Dann habe ich, nachdem „Maji Dage“ Long gegangen ist, auch Long eröffnet, maximal 50 % Gewinn. Danach habe ich am Hoch geshortet und Take-Profit/Stop-Loss gesetzt, aber der Stop-Loss war zu eng, wurde früh ausgestoppt, insgesamt 30 % Drawdown. Als der Markt weiter fiel, habe ich erneut geshortet, aber zu früh geschlossen, als es leicht im Plus war – Rendite 0,6 %. Ich wollte am nächsten Hoch nochmal Short gehen, aber nach dem Drawdown war ich zu vorsichtig und habe die Short-Welle verpasst. Ich habe immer mit 10- bis 20-fachem Hebel gehandelt, daher nie über Nacht gehalten – morgens war ich immer nervös.

Fernost: Anfangs habe ich alle Coins Long gehandelt, später wurde es zu schwierig, also nur noch große Positionen auf BTC. In den letzten Tagen vor dem Ende habe ich keinen Stop-Loss gesetzt, dachte immer, nach einem Crash würde es zurück zum Einstiegspreis steigen – am Ende 45,37 % Verlust.

Kai Rui: Ein kleiner Schritt beim Öffnen einer Position, ein großer Schritt für die Menschheit. Ich bin ein vorsichtiger Trader und habe mit Unterstützung meiner Firma mein erstes Futures-Trading gemacht. In der ersten Woche nur Longs auf BTC, ETH, XRP, SOL, DOGE, meist abends vor dem Schlafengehen eröffnet, morgens automatisch geschlossen. Kleiner Verlust, aber es ging ums Erlebnis – ein bisschen Glücksspiel macht Spaß.

All-in und dann sterben: Ursprünglich wollte ich mit kleinen Positionen vorsichtig durch den Wettbewerb kommen, aber dann dachte ich, ein aggressiver Stil passt besser zu mir. Also begann der Weg ohne Rückkehr. Der erste 25-fache Long auf SOL – Verlust. Unbeirrt weiter Long, dann 50-fach auf BTC – der Markt fiel, großer Verlust. Mein Kapital war fast weg, aber ich habe daraus gelernt, bin dann mit 50-fachem Short zurückgekommen. Nach zwei Tagen Pause wechselte der Markt, ich ging wieder Long auf ETH, wurde aber liquidiert. Immer noch stur, weiter Long, zeitweise bis zur Hälfte des Kapitals zurückgeholt. Danach immer wieder versucht, mit 50-fachem Hebel Swings zu erwischen – aber es lief nicht. Am Abend des 24. wurde mein Short durch einen Spike liquidiert, das war das Ende meines Achterbahn-Wettbewerbs.

Guang Guang: Alles verloren, kein Kommentar.

Am Ende erzielten weniger als die Hälfte der 10 Teilnehmer einen Gewinn, nur 2 lagen mit über 20 % deutlich vorn, die übrigen Gewinner erzielten nur kleine Gewinne und bewegten sich an der Verlustgrenze. Im Vergleich zu den 6 AI-Modellen war das Gewinn/Verlust-Verhältnis ähnlich.

Die ersten Aussteiger waren die risikofreudigsten, setzten alles auf hohe Hebel und suchten den Nervenkitzel – wurden aber auch zuerst eliminiert. Selbst wenn sie später zurückkamen, wurden sie durch die nächste Marktbewegung wieder aus dem Spiel genommen. Im Vergleich zu den AI-Modellen sind menschliche „Emotionen“ der Grund, warum Trader nach Verlusten unbedingt wieder gewinnen wollen. Ohne Stop-Loss und mit häufigen Trades häufen sich die Verluste und führen in die Sackgasse.

Außerdem zeigte dieses Event, wie wichtig Namensgebung ist: Die beiden letzten hießen „All-in und dann sterben“ und „Guang Guang“ (alles weg) – einer „starb“, einer „verlor alles“, also ist der Name Programm. Wie Chloeppan im Fazit sagte: Futures-Trading scheint eher etwas für Leute ohne Job zu sein, und der Gewinner hieß Yobo – was auch „Müßiggänger“ bedeutet. Das Fazit ist also ziemlich treffend.

Vollgas mit 50-fachem Hebel, häufiges Trading und kein Stop-Loss waren die Hauptgründe für die Verluste und Liquidationen der Teilnehmer. Futures-Trader müssen sich zu kühlen Handelsmaschinen entwickeln, um im Hochrisikomarkt zu bestehen. Wer nicht gut traden kann, sollte vielleicht einfach BTC halten – im AI-Wettbewerb belegte reines HODL von Bitcoin den dritten Platz, direkt hinter Qwen3 und DeepSeek.