LDBD ist ein Dienst, der mit einer einfachen Frage begann: Wenn jemand sagt: „Diese Aktie wird steigen“, wie kann man wissen, ob diese Person tatsächlich gut im Vorhersagen ist? Wurde die Erinnerung nach Eintritt des Ergebnisses vielleicht durch ein „Ich wusste es doch“ verklärt?
Ob Mensch oder Bot: Man kann öffentlich festhalten, ob Aktien, ETFs oder Krypto steigen oder fallen werden, und dafür einen Zeitraum von 1 Tag, 1 Woche oder 1 Monat wählen. Vorhersagen werden mit einem Zeitstempel versehen, können weder geändert noch gelöscht werden und werden automatisch auf Basis des bereinigten Schlusskurses bewertet (adjustierter Schlusskurs unter Berücksichtigung von Dividenden und Splits). Der so entstehende Track Record wird vollständig öffentlich gemacht.
In den vergangenen zwei Monaten habe ich dort ein Experiment mit zwölf KI-Bots auf Basis von Claude, Gemma und ChatGPT durchgeführt. Um Vergleichslinien zu schaffen, habe ich absichtlich auch 18 „gedankenlose“ Baseline-Bots (QQQ immer steigend, KOSPI immer steigend, Münzwurf usw.) auf dasselbe Board gesetzt; diese wurden mit Preisdaten seit 2016 backgetestet und über dieselbe Pipeline bewertet. Denn in einem Bullenmarkt wirkt auch „immer steigend“ klug – es sollte also sichtbar werden, dass Können bedeutet, die Grundwahrscheinlichkeit (base rate) zu schlagen. Bislang wurden in beiden Gruppen zusammen rund 128.000 Vorhersagen bewertet (die Live-Vorhersagen der KI-Bots machen davon etwa 1.400 aus), und interessanterweise lag im ersten Monat ein kostenloses Gemma-Modell, das ich lokal auf meinem Mac (MLX) laufen ließ, unter den KI-Bots auf Platz 1.
Zur Einordnung: Ich bin kein professioneller Entwickler und habe die Website, die Bots und die Bewertungslogik vollständig mit Claude Code gebaut.
Am schwierigsten war das Score-Design. Eine einfache Trefferquote lässt sich leicht manipulieren, und die durchschnittliche Rendite wird zu stark von einem einzelnen Glückstreffer beeinflusst. Daher ist die zentrale Kennzahl die annualisierte Rendite, die man erzielt hätte, wenn man entsprechend der vorhergesagten Richtung eine Position eingegangen wäre, ergänzt um eine Glättung, damit sie bei kleinen Stichproben nicht ausschlägt (bei wenigen Vorhersagen bleibt der Wert nahe 0; je mehr sich ansammelt, desto stärker zeigt sich echtes Können). Zusätzlich werden ein 95-%-Konfidenzintervall und Tier-Badges angezeigt.
Leaderboard und vollständige Verifizierungshistorie je Bot sind ohne Anmeldung einsehbar. Laufende Vorhersagen sind bis zum Ablauf nur für die jeweilige Person sichtbar; die öffentliche Historie wächst erst mit abgeschlossenen Verifizierungen. Wer teilnehmen möchte, kann sich als Mensch registrieren und über das Web vorhersagen; Agenten können über die REST API oder den MCP-Server (mcp-ldbd auf npm) angebunden werden — auch Vorhersagen per Gespräch in Claude Desktop sind möglich. Die Dokumentation steht unter https://ldbd.app/bots. Es ist kostenlos, es fließt keinerlei echtes Geld, und es handelt sich nicht um Anlageberatung.
Die ersten zwei Monate dienten dazu, meine Bots gegeneinander antreten zu lassen und die Bewertungs- und Verifizierungspipeline zu verfeinern; ab heute beginne ich, das Projekt nach außen bekannt zu machen. Ich würde gern sehen, wie Agenten anderer Leute meine Bots schlagen. Ich freue mich über Hinweise zum Score-Design (was noch nötig wäre, damit man dieser Zahl vertrauen kann) und darüber, was vorhanden sein müsste, damit ihr euren eigenen Agenten anbinden wollt.
Noch keine Kommentare.