ASUS und Poesis testen autonome KI-Agenten, die recherchieren, Risiken managen und Handel treiben

ASUS und Poesis führten gemeinsam ein einwöchiges Experiment durch, bei dem autonome KI-Agenten Marktforschung betrieben, Risiken managten und reale Transaktionen durchführten. Laut der Mitteilung der beiden Unternehmen arbeiteten die Agenten auf dem ASUS ExpertCenter Pro ET900N G3 Laptop mit NVIDIA-Technologie.

Die Bedeutung des Experiments liegt nicht allein in der Entwicklung eines weiteren Trading-Bots. Vielmehr ermöglicht es uns einen Einblick in einen neuen Markt, in dem KI nicht mehr nur Ratschläge erteilt.

Wir erleben nun Akteure, die Daten sammeln, Strategien entwickeln und kontinuierlich handeln können. Die ständige Verfügbarkeit von Kryptowährungen und ihre programmierbare Infrastruktur machen sie zum idealen Anwendungsfeld für diesen Wandel.

Ein Makler, der nicht nur berät, sondern auch handelt

ASUS plädiert für den lokalen Betrieb von Agenten. Das Unternehmen weist darauf hin, dass kontinuierlich laufende KI für Cloud-Abrechnungsmodelle ungeeignet ist. Denn die Agenten generieren im Hintergrund ständig Anrufe, anstatt nur gelegentlich auf Anfragen von Nutzern zu reagieren.

In einem Blogartikelbeschreibt ASUS dies als „Token-Falle“, bei der kontinuierliche Agentenaktivität zu unvorhersehbaren API-Rechnungen führen und an die von Cloud-Anbietern auferlegten Nutzungsbeschränkungen stoßen kann.

ASUS verwendet seinen Ascent GX10 als Beispiel für die Kosten: eine Vorabinvestition von etwa 4.000 US-Dollar zuzüglich jährlicher Stromkosten von etwa 384 US-Dollar, verglichen mit den jährlichen API-Gebühren von 6.000 bis 8.000 US-Dollar für die vergleichbare Cloud-basierte Arbeitslast.

Auch wenn beim Poesis-Test nicht das GX10 zum Einsatz kam und die Tests mit dem ExpertCenter Pro ET900N G3 durchgeführt wurden, verdeutlicht der Vergleich die Prämissen von ASUS hinsichtlich der Bereitstellung lokaler Agenten.

Es gibt jedoch eine wichtige Einschränkung. Der Poesis-Test ist lediglich ein kurzfristiger Machbarkeitsnachweis und kein langfristiger Leistungstest. Er wurde außerdem nicht speziell für den Handel mit Kryptowährungen entwickelt.

Von Vorhersagemodellen zu handelnden Agenten

Eine Studiebeschreibt die Entwicklung von KI im Finanzwesen – vom regelbasierten algorithmischen Handel über maschinelles Lernen zur Prognose bis hin zum agentenbasierten Finanzwesen. Das darin vorgestellte Vier-Schichten-Modell beschreibt die Phasen Datenerfassung, Schlussfolgerung, Strategieentwicklung und kontrollierte Ausführung. Mögliche Anwendungsbereiche sind Handel, Portfoliomanagement, Risikomanagement und dezentrale Finanzen.

Die Einführung von KI im Finanzwesen ist jedoch bereits im Gange. Laut dem „ Global AI in Financial Services Report“, der von der Cambridge Judge Business School auf Basis von Daten von 628 Unternehmen aus 151 Ländern erstellt wurde, experimentieren bereits 52 % der befragten Unternehmen mit agentenbasierter KI oder setzen diese in ihren Geschäftsprozessen ein.

Die Infrastruktur von Krypto öffnet sich bereits für Agenten

Kryptobörsen haben bis 2026 in den Aufbau einer Infrastruktur investiert, die von autonomen Händlern genutzt werden kann. Binance hat am 20. August Agent OS eingeführt , das KI-Tools mit dedizierten Agentic-Unterkonten verbindet

Auszahlungen über die Integration sind gesperrt, während die Wallet-Limits 50.000 US-Dollar täglich für Swaps, standardmäßig 100.000 US-Dollar für DeFi Transaktionen und 20 US-Dollar für x402-Zahlungen umfassen.

Wie Cryptopolitan berichtete, umfasst die breitere Einführung Kraken und OKX im März, Bitget im April, Gemini im April und Coinbase im Juni. Gemeinsames Merkmal ist die bedingte Autonomie: Agenten können handeln, aber die Börsen trennen Konten, regeln Berechtigungen, legen Limits fest oder schaffen kontrollierte Umgebungen.

Wo sich die Risiken konzentrieren

Das Potenzial nach oben liegt in einer breiteren Marktabdeckung, einer schnelleren Ausführung und einem tiefergehenden elektronischentron, der Teil einer umfassenderen Transformation der Kapitalmärkte ist, die von S&P Global.

Autonome Systeme könnten jedoch auch gemeinsame Schwächen verstärken. Die Algorithmische Markthypothese warnt davor, dass ähnliche Modelle, die auf ähnliche Signale reagieren, überfüllte, reflexartige Märkte und eine „algorithmische Monokultur“ erzeugen können. Auch das Financial Markets Standards Board betont, dass marktorientierte KI weiterhin unter menschlicher Aufsicht steht und die Verantwortlichkeiten klar geregelt sein müssen.

Auch Kryptowährungen stehen vor einem Kapazitätsproblem. Avalanche Bart Smith, CEO von erklärte gegenüber The Block , dass bei einem entsprechenden Anstieg der Transaktionen auf den Finanzmärkten mehr Abwicklungsvorgänge auf Blockchains verlagert werden könnten und „nicht genügend Blockplatz vorhanden ist“.

Seine Aussage ist zwar eine Prognose, aber sie verdeutlicht die Herausforderung für die Infrastruktur: Wenn KI-Agenten zu einer größeren Gruppe von Marktteilnehmern werden, müssen die Märkte nicht nur mit mehr Intelligenz, sondern auch mit weitaus mehr maschinengesteuerter Aktivität umgehen können.

Die klügsten Köpfe der Krypto-Szene lesen bereits unseren Newsletter. Möchten Sie auch dabei sein? Dann schließen Sie sich ihnen an.