Prognosemärkte verändern zunehmend die Art und Weise, wie die Öffentlichkeit über die Zukunft denkt. Von Wahlergebnissen bis hin zu Inflationsprognosen finden sie Anwendung. Dennoch bestehen, trotz scheinbar lebendiger Märkte und durchdachter Gestaltung, tiefgreifende Probleme wie Preisverzerrungen und ungerechte Ergebnisse. Dieser Artikel beleuchtet sieben verborgene, strukturelle Ineffizienzen. Ursprünglich verfasst von Pi Squared, zusammengestellt, übersetzt und verfasst von PANews.
(Vorheriger Kontext: Sind Prognosemärkte eine Frage der „Wahrheit“ oder ein „Geldwäsche“-Platz für Insiderhandel?)
(Hintergrund: Das Verbot von Prognosemärkten hat den ersten Schuss abgegeben! Das US-Gericht in Massachusetts fordert Kalshi auf, die Teilnahme an Sportwetten zu verbieten.)

Inhaltsverzeichnis

• Wie Prognosemärkte tatsächlich funktionieren
• Warum Prognosemärkte effektiv sind (wenn sie es sind)
• Grenzen der Prognosemärkte
  • 1. „Dummes Geld“-Problem
  • 2. Anhaltende Preisfehler und Arbitragemöglichkeiten
  • 3. Robotergesteuerte und algorithmische Handelsstrategien
  • 4. Selbstverstärkende Feedback-Schleifen
  • 5. Falsche Informationen und Qualitätsprobleme bei Daten
  • 6. Insiderhandel und Informationsasymmetrien
  • 7. Geringe Liquidität in Nischenmärkten
• Fazit

Prognosemärkte verändern zunehmend die Art und Weise, wie die Öffentlichkeit über die Zukunft denkt. Von Wahlergebnissen, Inflationsraten bis hin zu Produkteinführungen und Großveranstaltungen bieten sie eine einfache, aber kraftvolle Idee: Kapital auf Überzeugungen setzen und den Markt die wahrscheinlichste Entwicklung offenbaren lassen.

Diese Methode hat sich als erstaunlich effektiv erwiesen. In vielen Fällen schneiden Prognosemärkte vergleichbar oder sogar besser ab als traditionelle Meinungsumfragen und Expertenprognosen. Durch die Ermöglichung von Transaktionen zwischen Individuen mit unterschiedlichen Informationen, Motivationen und Perspektiven auf dieselbe Frage, bündeln diese Märkte verstreutes Wissen zu einem einzigen Signal: dem Preis. Es wird allgemein angenommen, dass ein Vertrag mit einem Preis von 0,7 USD eine 70%ige Wahrscheinlichkeit für das Eintreten des Ereignisses widerspiegelt.

Daher sind Prognosemärkte nicht mehr nur ein Werkzeug für Neugierige. Entscheider, Forscher, Händler und Institutionen nutzen sie zunehmend, um in unsicheren Umgebungen bessere Vorhersagen zu treffen. Mit dem Aufstieg von Web3 sind viele dieser Märkte auf die Blockchain umgezogen, wo Smart Contracts offene Teilnahme, transparente Abrechnung und automatische Zahlungen ermöglichen.

Trotz ihrer zunehmenden Verbreitung und ihres theoretisch hohen Potenzials sind Prognosemärkte jedoch keineswegs perfekt.

Die meisten Diskussionen konzentrieren sich auf offensichtliche Herausforderungen wie Regulierung, mangelnde Liquidität oder komplexe Nutzerführung. Diese Probleme bestehen zwar, sind aber nicht die ganze Wahrheit. Selbst wenn Prognosemärkte aktiv, liquide und gut gestaltet erscheinen, können sie dennoch Preisverzerrungen, ungerechte Ergebnisse und irreführende Signale produzieren.

Dieser Artikel geht über oberflächliche Einschränkungen hinaus und untersucht tiefere, verborgene Ineffizienzen in der Funktionsweise von Prognosemärkten. Viele dieser verborgenen Limitierungen (oft struktureller, weniger verhaltensbezogener Natur) schränken die Genauigkeit, Skalierbarkeit und Vertrauenswürdigkeit subtil ein. Das Verständnis dieser Probleme ist entscheidend, um Prognosemärkte effektiv zu nutzen und die nächste Generation von Vorhersagesystemen zu entwickeln.

Wie Prognosemärkte tatsächlich funktionieren

Prognosemärkte sind im Kern Märkte, in denen Menschen auf den Ausgang zukünftiger Ereignisse handeln. Die Teilnehmer kaufen und verkaufen keine Aktien von Unternehmen, sondern Verträge, die an bestimmte Fragen geknüpft sind, beispielsweise:

• Wird Kandidat X die nächste Wahl gewinnen?
• Wird die Inflationsrate in diesem Jahr über 5% liegen?
• Wird Firma Z vor Juni ein neues Produkt veröffentlichen?
• Wird das Einspielergebnis eines Films am Eröffnungswochenende über 5 Millionen USD liegen?

Jedes mögliche Ergebnis wird durch einen Vertrag repräsentiert. Im einfachsten Fall zahlt der Vertrag bei Eintritt des Ereignisses 1 USD, bei Nicht-Eintreten 0 USD. Die Handelskurse dieser Verträge liegen zwischen 0 und 1 USD, und der Marktpreis wird meist als Wahrscheinlichkeit für das Eintreten des Ereignisses interpretiert.

Beispielsweise deutet ein Handelspreis von 0,7 USD für einen Vertrag auf die Prognose hin, dass die Wahrscheinlichkeit des Ereignisses bei 70% liegt. Mit neuen Informationen wie Umfragen, Nachrichten, Wirtschaftsdaten oder Gerüchten passen Händler ihre Positionen an, was die Preise schwanken lässt.

Der Reiz von Prognosemärkten liegt nicht nur in ihrer Funktionsweise, sondern auch in ihrem Anreizsystem. Teilnehmer drücken nicht nur ihre Meinung aus, sondern setzen echtes Kapital aufs Spiel. Richtig prognostiziert, bringt es wirtschaftlichen Gewinn; falsch, kostet es Geld. Dieses System motiviert die Akteure, nach möglichst genauen Informationen zu suchen, Mainstream-Meinungen herauszufordern und bei neuen Beweisen schnell zu handeln.

Im Laufe der Zeit entwickeln sich die Preise zu einem kontinuierlich aktualisierten, kollektiven Vorhersageinstrument.

In der Praxis existieren verschiedene Formen von Prognosemärkten. Plattformen wie PredictIt konzentrieren sich auf politische Vorhersagen und erlauben den Handel mit Wahlergebnissen und politischen Fragen. Kalshi, reguliert von der US Commodity Futures Trading Commission (CFTC), bietet Märkte für wirtschaftliche Indikatoren, geopolitische Ereignisse sowie Zinssätze und Inflationsniveaus. Im Web3-Ökosystem laufen Prognosemärkte auf dezentralen Plattformen wie Polymarket und Augur, die auf Blockchain-Technologie und Smart Contracts setzen, um Transaktionen zu verwalten und bei Ergebnisfeststellung automatisch abzurechnen.

Obwohl diese Plattformen Unterschiede in Regulierung, Architektur und Nutzererfahrung aufweisen, basieren sie alle auf der Annahme: Der Marktpreis ist ein kraftvolles Signal für die kollektive Überzeugung über die Zukunft.

Warum Prognosemärkte effektiv sind (wenn sie es sind)

Die Popularität von Prognosemärkten ist kein Zufall. Unter den richtigen Bedingungen können sie äußerst präzise Vorhersagen liefern, manchmal sogar besser als Meinungsumfragen, Fragebögen oder Expertenkomitees. Hier die wichtigsten Gründe:

Informationsaggregation: Kein einzelner Teilnehmer kann alle Informationen der Welt besitzen. Manche haben lokale Daten, andere verfolgen Nischenquellen, wieder andere interpretieren öffentlich zugängliche Daten unterschiedlich. Prognosemärkte erlauben es, all diese verstreuten Informationen in einem einzigen Signal zusammenzuführen. Es geht nicht darum, wer die Meinung der wichtigsten Person ist, sondern um die Gewichtung verschiedener Überzeugungen anhand von Kapital und Glaubwürdigkeit.

Anreizmechanismus: Anders als bei Meinungsumfragen, bei denen falsche Antworten keine Konsequenzen haben, verlangen Prognosemärkte, dass Händler echtes Kapital riskieren. Dieses „Interessens“-System unterdrückt willkürliches Raten und belohnt diejenigen, die auf Basis besserer Informationen handeln. Über die Zeit verlieren ungenaue Prognostiker Kapital und Einfluss, während genauere Akteure gewinnen.

Selbstanpassung: Preise sind keine statischen Vorhersagen, sondern passen sich kontinuierlich an neue Informationen an. Eine plötzliche Nachricht, eine Datenveröffentlichung oder ein glaubwürdiges Gerücht können die Marktstimmung rasch verändern. Das macht Prognosemärkte besonders nützlich in schnelllebigen oder unsicheren Situationen, in denen statische Prognosen schnell veralten.

Historisch hat die Kombination aus Anreizmechanismus, Selbstanpassung und Informationsaggregation beeindruckende Ergebnisse gezeigt. Politische Prognosemärkte erreichen oft die Genauigkeit traditioneller Umfragen, manchmal sogar noch besser. Im Finanz- und Wirtschaftsbereich werden Marktvoraussagen häufig als Frühindikatoren genutzt, da sie die aktuellen Erwartungen widerspiegeln, nicht nur rückblickende Berichte.

Kurz gesagt, diese Eigenschaften erklären, warum Prognosemärkte zunehmend als ernsthafte Vorhersageinstrumente gelten, nicht nur als Glücksspielplattformen. Wenn sie breit genutzt werden, qualitativ hochwertige Informationen vorliegen und die Marktstrukturen robust sind, können Preise bedeutungsvolle Zukunftsschätzungen liefern.

Doch diese Vorteile hängen von Annahmen ab, die in der Realität nicht immer gelten. Wenn diese Annahmen versagen, können Prognosemärkte irreführend sein.

Grenzen der Prognosemärkte

Wie jedes marktbasiertes System haben auch Prognosemärkte bekannte Grenzen. Die Beteiligung ist oft durch regulatorische Vorgaben eingeschränkt, z.B. bei PredictIt und Kalshi, die strengen rechtlichen Rahmen unterliegen, die die Identität der Trader und die Höhe der Investitionen limitieren. Liquidität konzentriert sich meist auf populäre Ereignisse, während Nischenmärkte dünn und volatil bleiben.

In Bezug auf Nutzbarkeit, besonders bei Web3-basierten Plattformen wie Polymarket und Augur, bestehen weiterhin Herausforderungen wie komplizierte Registrierung, hohe Transaktionskosten und unzureichende Streitbeilegungssysteme. Diese Probleme sind in der Fachliteratur und Branchenkritik breit diskutiert.

Doch allein auf diese oberflächlichen Einschränkungen zu schauen, verkennt eine wichtigere Problematik. Selbst bei hoher Liquidität, legalem Rahmen und aktiven Märkten können Preisverzerrungen, irreführende Wahrscheinlichkeiten und ungerechte Ergebnisse auftreten.

Diese Probleme sind nicht nur auf geringe Beteiligung oder schlechte Anreize zurückzuführen, sondern auf tiefere, strukturelle Ineffizienzen in der Informationsverarbeitung, im Handel und in der Ergebnisbildung. Diese verborgenen Ineffizienzen (oft struktureller, weniger verhaltensbezogener Natur) begrenzen die Zuverlässigkeit und Skalierbarkeit von Prognosemärkten. Zu den wichtigsten verborgenen Ineffizienzen zählen:

1. „Dummes Geld“-Problem

Prognosemärkte benötigen professionelle Händler und Laien, um zu funktionieren, doch es ist schwierig, genügend Kleinanleger anzuziehen, um ausreichend Liquidität zu schaffen. Man kann es so formulieren: Wenn alle an einem Tisch Profis sind, will niemand spielen.

Ohne genügend Kleinanleger, die den Markt mit Transaktionen füllen, reicht die Liquidität nicht aus, um professionelle Händler anzuziehen, die die Preise auf realistische Werte bringen. Es entsteht ein Henne-Ei-Problem, das zu kleinen Märkten und geringer Effizienz führt.

2. Anhaltende Preisfehler und Arbitragemöglichkeiten

Wenn die Summe der „Yes“- und „No“-Preise in einem binären Markt von 1 USD abweicht, entstehen risikolose Gewinnchancen. Seit 2024 haben auf Polymarket einfache Arbitrage-Strategien über 39,5 Mio. USD Gewinn generiert.

Diese Chancen bestehen, weil die Märkte nicht effizient genug sind, um Fehler sofort zu korrigieren. Obwohl das cleveres Trading ist, zeigt es, dass Preise nicht immer die tatsächliche Wahrscheinlichkeit widerspiegeln, sondern systemische Ineffizienzen.

3. Robotergesteuerte und algorithmische Handelsstrategien

Studien belegen, dass Prognosemärkte durch automatisierte, robotergesteuerte Manipulationen ausgenutzt werden. Automatisierte Systeme handeln schneller als Menschen, was zu unfairen Vorteilen führt. Laien verlieren oft durch diese komplexen Algorithmen, was die Fairness und Genauigkeit der Märkte beeinträchtigt.

4. Selbstverstärkende Feedback-Schleifen

Prognosemärkte zeigen das Problem, dass Quoten sich selbst verstärken: Händler nehmen die Quoten als wahre Wahrscheinlichkeit, ohne externe Informationen zu berücksichtigen. Das ist gefährlich, weil es die Märkte vom Realitätsbezug abkoppeln kann. Händler aggregieren keine neuen Daten, sondern schauen nur, was der Markt sagt, und glauben daran. Das kann eine Endlosschleife erzeugen, die auch bei widersprüchlichen Beweisen bestehen bleibt.

5. Falsche Informationen und Qualitätsprobleme bei Daten

Während der US-Präsidentschaftswahl 2020 gab es in Prognosemärkten wiederholt Preisabweichungen, die auf falsche Informationen zurückzuführen waren. Einige Marktteilnehmer handelten basierend auf Fehlinformationen und kamen zu falschen Schlussfolgerungen, z.B. Trump würde die Wahl gewinnen.

In kleineren Märkten können wenige Akteure durch falsche Daten die Preise stark verzerren. Das zeigt, dass Märkte nicht immer schnell korrigieren, wenn falsche Infos eintreten, vor allem wenn viele daran glauben.

6. Insiderhandel und Informationsasymmetrien

Ein zentrales Problem ist die unfaire Informationsverteilung: Manche haben Zugang zu nicht-öffentlichen Daten, die andere nicht haben, und profitieren dadurch. Im Gegensatz zur US-Börsenaufsicht SEC, die Insiderhandel verbietet, erlaubt die US-Commodity Futures Trading Commission (CFTC) bei Prognosemärkten in vielen Fällen den Handel mit nicht-öffentlichen Informationen. So können Sportler auf ihre Verletzungen wetten oder Politiker auf ihre Pläne – was die Fairness erheblich beeinträchtigt.

7. Geringe Liquidität in Nischenmärkten

Märkte mit geringer Liquidität sind leichter manipulierbar, und Nischenmärkte sind oft ungenau. Wenige Händler bedeuten große Preisschwankungen bei einzelnen Transaktionen, und es fehlt an Teilnehmern, um Preisfehler zu korrigieren. Das schränkt Prognosemärkte auf populäre, liquide Ereignisse ein und begrenzt ihre Anwendbarkeit.

Diese Ineffizienzen sind für Laien oft kaum sichtbar, doch auch gut funktionierende Märkte sind von ihnen betroffen. Für jeden, der Prognosemärkte nutzen oder weiterentwickeln möchte, ist das Verständnis dieser Probleme essenziell.

Lösungen erfordern ein Umdenken in der Infrastruktur. Derzeit sind Prognosemärkte oft durch Warteschlangen bei Transaktionen gebremst: Alle Wetten müssen in einer einzigen Queue abgewickelt werden. Das verzögert die Arbitragemöglichkeiten und verhindert, dass Preise die Wahrheit sofort widerspiegeln.

Innovationen wie FastSet versuchen, dieses Problem durch parallele Abrechnung zu lösen. Sie ermöglichen gleichzeitige Transaktionen ohne Konflikte und eine Endgültigkeit innerhalb von weniger als 100 Millisekunden. Wenn die Abrechnungsgeschwindigkeit hoch genug ist, schließen sich Arbitragefenster, bevor sie ausgenutzt werden, und die Preise spiegeln die tatsächlichen Wahrscheinlichkeiten genauer wider. Laien profitieren ebenfalls, da sie nicht durch systemische Verzögerungen benachteiligt werden. Das ist nicht nur eine Effizienzsteigerung, sondern eine fundamentale Veränderung für faire und effektive Prognosemärkte.

Fazit

Prognosemärkte wandeln Meinungen in Preise um, Überzeugungen in Wetten. Bei gutem Funktionieren sind sie erstaunlich präzise bei der Vorhersage der Zukunft, manchmal sogar besser als Meinungsumfragen, Experten oder Analysten.

Ihre Wirksamkeit ist jedoch nicht garantiert. Neben regulatorischen und Akzeptanz-Herausforderungen gibt es tiefere, strukturelle Ineffizienzen, die Preise verzerren und Signale schwächen. Liquiditätsfallen, anhaltende Preisfehler, algorithmische Manipulationen, Feedback-Schleifen, falsche Daten und fragile Mechanismen führen dazu, dass die tatsächliche Leistung von Prognosemärkten oft hinter ihren Versprechen zurückbleibt.

Um diese Kluft zu überbrücken, braucht es mehr als nur mehr Beteiligung oder stärkere Anreize. Es erfordert eine tiefgehende Analyse der Annahmen und Strukturen, die die heutigen Prognosemärkte formen. Nur durch die Lösung dieser fundamentalen Beschränkungen kann ein Prognosemarkt zu einem wirklich zuverlässigen Entscheidungsinstrument werden.