TL;DR
Der Vorhersagemarkt-Sektor erreichte 44 Milliarden US-Dollar Handelsvolumen im Jahr 2025, was einen strukturellen Wandel von akademischer Neugier zu einer Mainstream-Finanzinfrastruktur darstellt. Zwei dominante Modelle treten hervor: CFTC-regulierte zentrale Börsen (Kalshi: 17,1 Milliarden US-Dollar Volumen, 1 Milliarde US-Dollar Finanzierung) und krypto-native dezentrale Protokolle (Polymarket: 21,5 Milliarden US-Dollar Volumen, 2,279 Milliarden US-Dollar Finanzierung). Kernbefunde: (1) tokenlose Modelle zeigen eine überlegene Markttraktion im Vergleich zu tokenisierten Alternativen, (2) Orderbuch-Mechanismen dominieren trotz früher LMSR AMM-Designs, (3) regulatorischer Arbitrage ermöglicht Wachstum, schafft aber Fragmentierungsrisiken, (4) Informationsaggregation übertrifft traditionelle Umfragen in Märkten mit hoher Liquidität, versagt jedoch während Manipulation oder geringer Teilnahme. Der Sektor sieht sich Dynamiken gegenüber, bei denen der Gewinner den Großteil favorisiert und die Konzentration der Liquidität begünstigt, wobei 73 % des DeFi TVL (insgesamt 423 Millionen US-Dollar) allein in Polymarket konzentriert sind.
1. Branchenüberblick
Definition und zentrales Wertversprechen
Prognosemärkte funktionieren als Informationsaggregationsmechanismen, bei denen Teilnehmer Verträge handeln, die ihnen 1 US-Dollar zahlen, wenn bestimmte Ereignisse eintreten, andernfalls 0 US-Dollar. Die Vertragspreise werden als von der Masse geschätzte Wahrscheinlichkeiten interpretiert – ein Anteil von 0,75 US-Dollar impliziert eine Wahrscheinlichkeit von 75 %. Diese Struktur mit finanziellem Eigeninteresse fördert Genauigkeit gegenüber Voreingenommenheit und ist Umfragen und Expertenmeinungen theoretisch durch finanzielle Verantwortlichkeit überlegen.
Der empirische Nutzen des Sektors beruht auf seiner überlegenen Prognosegenauigkeit: Prognosemärkte erreichten vier Stunden vor der endgültigen Entscheidung eine Genauigkeit von 95 % (Brier-Score 0,046), verglichen mit Brier-Scores von 0,210–0,227 bei Umfragen über 113 geopolitische Ereignisse hinweg. Dieser Vorteil schwindet jedoch in Phasen geringer Liquidität oder bei koordinierten Manipulationsversuchen.
Historische Entwicklung
Die Ursprünge dieser Praxis lassen sich bis zu Wetten auf die Papstwahlen im Jahr 1503 und den Wahlmärkten an der Wall Street im Jahr 1884 zurückverfolgen. Die moderne Formalisierung begann mit Iowa Electronic Markets (1988), einer akademischen Plattform, die bei der Prognose von US-Präsidentschaftswahlen durchweg höhere Genauigkeitswerte als Umfragen aufwies.
Das Blockchain-Zeitalter brachte drei Wellen hervor:
Erste Generation (2015–2018): Augur startete im Juli 2018 als erster dezentraler Vorhersagemarkt auf Ethereum und sammelte 10 Millionen US-Dollar über einen ICO ein. Der REP-Token wurde für Oracle-Berichte und Streitbeilegung verwendet. Augur leistete Pionierarbeit auf vollständig erlaubnisfreien Märkten, litt jedoch unter hohen Transaktionskosten und geringer Liquidität.
Zweite Generation (2020–2023): Polymarket startete 2020 auf Polygon und ersetzte native Token durch USDC-Abrechnung. Das Hybridmodell kombinierte Krypto-Infrastruktur mit zentralisierter Marktgestaltung. Das von der CFTC regulierte Kalshi ging 2021 an den Start und bietet konforme, auf Fiatgeld basierende Märkte, vorwiegend für US-amerikanische Teilnehmer.
Dritte Generation (2024–2025): Explosives Wachstum, angetrieben durch die US-Präsidentschaftswahlen 2024, mit einem jährlichen Handelsvolumen von 44 Milliarden US-Dollar. Traditionelle Sportwettenanbieter (DraftKings, FanDuel) und Broker (Robinhood) stiegen über Partnerschaften mit der CFTC ein und bestätigten damit die Markttauglichkeit ihrer Produkte auch für Nutzer, die bisher nur Kryptowährungen kannten.
Marktkategorien
KategorieVertreterRegulierungsmodellAbrechnungsanlageGovernanceZentralisiert ReguliertKalshi, PredictIt, DraftKings Predicts, FanDuel PredictsCFTC DCM/DCO-Zulassung; Einhaltung der staatlichen GlücksspielbestimmungenFiat-USD, Krypto-EinzahlungenZentralisiertes TeamDezentralisiert On-ChainPolymarket (Polygon), Augur (Ethereum), Drift (Solana), Limitless (Base)Offshore oder Geofencing; CFTC-DurchsetzungsrisikoUSDC, DAI, renditestarke TokenUMA-Orakel, REP-Abstimmung, MultisignaturenHybridPolymarket US-Relaunch (Nov. 2025 durch QCEX-Übernahme)Regulierter Intermediär + Blockchain-AbrechnungUSDC mit KYC-GatewayGemischt: Orakel + Compliance-Team
Anwendungsfallverteilung
Politik (43 % Wachstum im Vergleich zum Vorjahr): Wahlergebnisse, politische Entscheidungen; 1,2 Mrd. USD Handelsvolumen 2025, konzentriert auf Präsidentschafts- und Kongresswahlen. Hohes Interesse, aber episodisch – das Handelsvolumen steigt während Wahlzyklen um das Zehnfache und bricht dann wieder ein.
Sport (70–85 % des Plattformvolumens): Hauptumsatzträger für Kalshi (85 % Volumen) und Polymarket (39 % Volumen). DraftKings und FanDuel starteten im Dezember 2025 und nutzten ihre bestehenden Nutzerbasen in 38 bzw. 5 Bundesstaaten. In den ersten zwei Tagen erzielten sie 16.000 bzw. 900 Downloads.
Makroökonomie (905 % Wachstum im Jahresvergleich): Zinsentscheidungen der Fed, Inflationszahlen, BIP-Prognosen; Volumen 2025: 112 Mio. USD. Offenes Interesse 2,5-mal so hoch wie bei Sportwetten trotz geringerem Transaktionsvolumen, was auf kapitalintensive Absicherungsgeschäfte hindeutet.
Krypto-Events (Nischenmarkt mit Wachstum): Kursziele für Token, Protokollstarts, Abstimmungen zur Governance; 17,3 Mio. USD Handelsvolumen in 7 Tagen. Hohes Reflexivitätsrisiko – Marktpreise beeinflussen Ergebnisse über die Aufmerksamkeitsdynamik.
Sektorgröße und Wachstumspfad
Stand: 25. Dezember 2025 UTC:
Gesamtvermögen im DeFi-Bereich: 423 Mio. USD über alle Protokolle hinweg (Polymarket 310 Mio. USD, Augur 2,4 Mio. USD, Omen 1,3 Mio. USD)
7-Tage-Volumen: 3,018 Mrd. USD; Offenes Interesse: 335 Mio. USD
Jahresvolumen 2025: 44 Mrd. USD (21,5 Mrd. USD Polymarket, 17,1 Mrd. USD Kalshi)
Aktive Nutzer: 285.000 wöchentlich, 13 Millionen Transaktionen/Woche
Wachstumstreiber: (1) Die regulatorische Fragmentierung von Sportwetten schafft eine CFTC-Arbitragemöglichkeit, (2) die Wahlen 2024 haben eine breite Nachfrage aufgezeigt, (3) institutionelle Finanzierung (2,279 Mrd. USD Polymarket von ICE/Founders Fund, 1 Mrd. USD Kalshi Serie D) bestätigt den Sektor, (4) die Integration mit Wallets/Brokern reduziert Reibungsverluste.
2. Gestaltung des Marktmechanismus
Marktstrukturtypen
Binäre Märkte (dominant): Ja/Nein-Kontrakte mit einem Wert von 0 bis 1 US-Dollar, deren Abrechnung dem binären Ergebnis entspricht. Sie machen über 90 % des Handelsvolumens auf allen Plattformen aus. Die Einfachheit ermöglicht eine schnelle Markterstellung und erleichtert den Teilnehmern die Bedienung.
Kategorische Märkte: 3–8 sich gegenseitig ausschließende Ergebnisse plus Option „Ungültig“ (Augur-Spezial). Ein Ergebnis bringt 1 $, die anderen 0 $. Beispiel: „Welche Partei kontrolliert den Senat: Demokraten/Republikaner/Unentschieden/Ungültig?“ Geringere Liquidität als bei Binäroptionen aufgrund fragmentierter Orderbücher.
Skalarmärkte: Numerische Bereichsergebnisse (z. B. „BTC-Preis am 31. Dez.: 80.000–120.000 $“). Auszahlungen proportional zur Abwicklung innerhalb bestimmter Grenzen. In der Praxis selten – kognitive Komplexität und Arbitrageprobleme schränken die Verbreitung ein. Augur unterstützt diese Modelle, jedoch nur minimale Nutzung.
Trendmärkte: Innovation im Bereich Noise-Protokolle mit Fokus auf narrative Aufmerksamkeit statt binärer Ereignisse. Long/Short-Positionen auf „KI-Hype“ oder „Memecoin-Saison“ mit programmatischer Liquidität und 5-facher Hebelwirkung auf MegaETH L2. Vor der Produktentwicklung; spekulativ.
Preismechanismen
Orderbücher (Zentrales Limit-Orderbuch): Trotz früherer AMM-Designs auf allen wichtigen Plattformen dominant. Mechanismus: Teilnehmer platzieren Limit-Orders, Preis-Zeit-Prioritätsabgleich, Geld-Brief-Spanne zeigt die Liquiditätstiefe an.
Polymarket: Hybrides dezentrales Orderbuch, Preisbildung anhand des Mittelkurses von Geld- und Briefkurs oder des letzten Handels, falls der Spread > 0,10 $ ist. Off-Chain-Matching (geringe Latenz), On-Chain-Settlement (Nachweisbarkeit). Handelsvolumen der letzten 7 Tage: 469 Mio. $, ca. 11.246 aktive Nutzer.
Kalshi: Traditionelles CLOB mit CFTC-Überwachung. Ja/Nein-Paare ergeben zusammen 1 US-Dollar, wodurch Arbitragemöglichkeiten durchgesetzt werden können. Liquiditätsanreize von 10 bis 1.000 US-Dollar pro Tag für Market Maker (Programm von September 2025 bis September 2026).
Augur: Ethereum-native Limit-Orders, Preis-Zeit-Priorität. Geringe Aktivität aufgrund hoher Gaskosten (durchschnittlich ca. 10 $ gegenüber 0,01 $ bei Polygon). 24-Stunden-Volumen: 40.000 $ (Stand: Dezember 2025).
Automatisierte Market Maker (LMSR): Die von Robin Hanson entwickelte logarithmische Marktbewertungsregel dient der subventionseffizienten Liquiditätsbereitstellung. Sie ermöglicht eine kontinuierliche Preisbildung, erfordert jedoch eine Kapitalzusage des Protokolls.
Status: Von den großen Plattformen weitgehend aufgegeben. Die frühe Version Augur v1 nutzte LMSR; die heutigen Marktführer bevorzugen Peer-to-Peer-Orderbücher, wodurch Subventionspflichten entfallen. Nur noch in akademischen Spielgeldmärkten (Manifold) oder spezialisierten Nischenmärkten verbreitet.
Hybrid/Programmatisch: Noises MegaETH-Implementierung für Trend-Synthetics. Programmatische Pools ermöglichen die sofortige Ausführung von Long/Short-Positionen basierend auf Aufmerksamkeitsmetriken. Noch nicht im großen Maßstab erprobt; keine öffentlichen Volumendaten verfügbar.
Liquiditätsbereitstellungsmodelle
Spekulativ (Peer-to-Peer): Polymarket und Augur basieren ausschließlich auf Limit-Orders der Nutzer. Kein Market-Making-Protokoll oder subventionierte Markttiefe. Positiver Kreislauf: Hohes Volumen zieht Händler an → engere Spreads → noch mehr Volumen. Konzentrationsrisiko: Die Top 15 % der Händler tragen 25 % zum Volumen bei (informierte Händler), 50 % stammen von spekulativen Händlern mit durchschnittlichen Positionen von 100 $.
Protokollsubventionen: Kalshi belohnt das Platzieren von Aufträgen nahe dem besten Geld-/Briefkurs mit 10–1.000 US-Dollar pro Tag und erfasst diese im Sekundentakt. Ziel ist eine Spread-Kompression von 1–5 %, um mit Sportwettenanbietern konkurrieren zu können. Effektiv für den Markteintritt in neuen Märkten, aber ohne Deckung der Transaktionsgebühren nicht nachhaltig.
Anreize für Marktteilnehmer: Augur teilt die Gebühren (Anteil der Marktteilnehmer an den Gewinnen) den Marktteilnehmern zu. Das Rain-Protokoll bietet Marktteilnehmern 1,2 % des abgewickelten Marktvolumens. Es schafft Anreize für ein qualitativ hochwertiges Marktdesign und eine sorgfältige Eventauswahl, setzt aber ein ausreichendes Volumen für aussagekräftige Auszahlungen voraus.
Institutionelles Market-Making: Impliziert durch die Partnerschaften zwischen Kalshi, CME und ICE. Professionelle Market-Maker (z. B. vergleichbare Anbieter wie Susquehanna oder Jane Street) bieten Markttiefe im Austausch gegen Gebührenrückerstattungen oder Datenzugriff. Die Details werden nicht öffentlich dargestellt, zeigen sich aber in den konstant engen Spreads (0,01–0,02 USD) an den stark frequentierten Kalshi-Märkten.
Vergleichslogik und Streitbeilegung
Polymarket (UMA Optimistic Oracle): Die Veranstaltung ist abgeschlossen → der Antragsteller hinterlegt eine USDC-Anleihe im Wert von 750 $ + Ergebnis → 2-stündiges Zeitfenster für die Abstimmung. Bei Uneinigkeit erfolgt die automatische Abrechnung. Der erste Einspruch löst einen neuen Vorschlag aus; der zweite führt zur Abstimmung der Token-Inhaber (UMA DVM). Seit 2021 sind ca. 99 % der Fälle unstrittig, doch über 12 umstrittene Resolutionen für 2025 (Klage gegen Selenskyj, Wahlen in Venezuela, LayerZero-Airdrop) verdeutlichen die Interpretationsschwierigkeiten.
Ökonomie von Streitigkeiten: Anleihen verfallen bei ungültigen Anträgen/Streitigkeiten; 40 % Rendite für die berechtigten Parteien. Die Eskalationskosten steigen quadratisch an, was leichtfertige Einsprüche abschreckt, aber die Manipulation durch Großinvestoren ermöglicht (z. B. wurde der 7-Millionen-Dollar-Markt für Mineralien zwischen der Ukraine und Trump durch einen Inhaber von 5 Millionen UMA-Token beigelegt).
Augur (REP-Token-Staking): Der designierte Reporter setzt REP für das erste Ergebnis (24-Stunden-Fenster). Mehrstufige Streitigkeiten mit steigenden Sicherheitsleistungen; 40 % Rendite für die richtige Seite. Bei mehr als 275.000 strittigen REP wird ein Fork ausgelöst – REP-Inhaber wechseln in das Gewinneruniversum. Der ursprüngliche House-Control-Markt von 2018 benötigte 6 Streitrunden (ca. 700.000 USD offenes Interesse), was die Robustheit des Mechanismus, aber auch die hohe Latenz/Kosten belegt.
Status 2025: Minimale Aktivität; Neustart der Forschung und Entwicklung (Lituus Foundation) zur Entwicklung von Generalized Augur mit PBFM (preisbasiertes Minting Forking) für Cross-Chain-Orakel. Noch nicht produktionsreif.
Kalshi (Zentralisiertes Teamverfahren): Das Marktteam ermittelt die Ergebnisse anhand festgelegter Regeln und Verifizierungsquellen (z. B. offizielle Wahlbestätigungen, Mitteilungen der Federal Reserve). Nutzer beantragen eine Abwicklung; das Team prüft diese 1–12+ Stunden nach dem Ereignis. Sofortige Rechtskraft, geringe Kosten, aber ein potenzielles Vertrauensproblem. Beschwerden über die Abwicklung vor 2025 („Miami“) verdeutlichen das Fehlerrisiko.
Rain (KI + Dezentraler Fallback): Öffentliche Märkte nutzen den Ersteller oder das Delphi-KI-Orakel (Multi-Agent-Explorer + Extraktor). Nach der Streitbeilegung besteht ein 15-minütiges Streitbeilegungsfenster; Sicherheiten (mindestens 0,1 % des Volumens oder 1.000 USD) werden an dezentrale menschliche Orakel weitergeleitet. Die Streitgebühr beträgt 0,01 %. Private Märkte: Streitbeilegung ausschließlich durch den Ersteller.
Drift (Governance Multisig): Der Sicherheitsrat aktualisiert das Pyth-Orakel nach dem Ereignis auf 0 (NEIN) oder 1 (JA) und legt das Ablaufdatum fest. Pyth-Gültigkeitsprüfungen (veraltete 10/120 Slots, ungültig <0, volatil 5x, unsicher >10 %) verhindern Manipulationen. Nach Ablauf des Ablaufdatums erfolgt ein reiner Reduktionsmodus, anschließend die Abrechnung (bei erschöpfter Versicherung wird der Fehlbetrag sozialisiert). Zentralisierter Resolver, aber transparent in der Blockchain.
3. Informationstheorie und Anreizanalyse
Informationsaggregationsmechanismus
Prognosemärkte setzen Hayeks „Wissensproblem“ von 1945 in die Praxis um: Es gibt keine zentrale Planungsinstanz, die die verstreuten Informationen der Einzelnen zusammenführt. Die Preise entstehen durch dezentralen Handel, bei dem die Teilnehmer auf Basis ihres privaten Wissens wetten und den Kauf-/Verkaufsdruck ausgleichen, um kollektive Wahrscheinlichkeitseinschätzungen widerzuspiegeln.
Theoretische Grundlage: Händler mit überlegenen Informationen kaufen unterbewertete Kontrakte oder verkaufen überbewertete, um Gewinne zu erzielen und die Preise in Richtung der erwarteten Ergebnisse zu treiben. Falsche Prognostiker verlieren Kapital und steigen aus, wodurch das Rauschen im Laufe der Zeit abnimmt. Der Mechanismus belohnt Genauigkeit durch finanzielle Anreize und konvergiert unter bestimmten Bedingungen theoretisch zu den wahren Wahrscheinlichkeiten.
Konvergenzbedingungen
Märkte nähern sich realistischen Wahrscheinlichkeiten an, wenn:
Ausreichende Liquidität: Arbitragemöglichkeiten ziehen Kapital an und korrigieren Fehlbewertungen. Märkte mit geringer Liquidität verfügen nicht über solche Korrekturmechanismen – einzelne große Transaktionen bewegen die Preise um 5–10 % ohne neue Informationen.
Verstreute Informationen: Unterschiedliche Überzeugungen und private Signale gewährleisten vielfältige Perspektiven. Homogene Teilnehmer (z. B. Echokammern auf Twitter) erzeugen Korrelationsverzerrungen.
Keine dominanten Insider: Informationsasymmetrien, die von Insidern ausgenutzt werden (z. B. von Google-Mitarbeitern auf Märkten für Firmenveranstaltungen), verzerren die Preise weg vom Konsens der öffentlichen Informationen.
Risikoneutrale Marktteilnehmer: Theoretische Modelle gehen davon aus, dass Händler den erwarteten Wert maximieren. Realität: Risikoaversion und Verlustaversion führen zu systematischen Verzerrungen (Favoriten-Außenseiter-Verzerrung im Sport).
Dynamisches Rebalancing: Kontinuierliche Preisfindung erfordert aktiven Handel. Veraltete Märkte mit fixierten Positionen können neue Informationen nicht aufnehmen.
Empirische Belege: Polymarket erreichte bei Ereignissen mit hoher Liquidität eine Genauigkeit von 95 % vier Stunden vor der Auflösung (Brier 0,046). Eine Vanderbilt-Studie mit über 2.500 Märkten ergab eine Genauigkeit von 67–93 %, wies aber auf eine geringe Effizienz hin (Arbitragelücken, langsame Verarbeitung von Nachrichten).
Ausfallarten
Geringe Beteiligung: Nischenveranstaltungen mit einem offenen Interesse von ca. 10.000 $ weisen Preisabweichungen von 20–30 % von rationalen Wahrscheinlichkeiten auf. Dünne Orderbücher führen zu hohen Spreads (0,10–0,20 $) und schrecken informierte Händler ab. Selbstverstärkender Effekt: geringe Liquidität → schlechte Preise → weiterer Marktausstieg.
Manipulationsanreize: Große Händler nutzen Märkte mit geringer Liquidität aus, um Wahrscheinlichkeiten künstlich zu erhöhen oder zu verringern. Polymarket-Vorfälle im Jahr 2025:
Markt für Selenskyj-Anzüge (58 Mio. US-Dollar Volumen): UMA-Großmaul focht Ergebnis aufgrund der Interpretation des Jackenstoffs an
Ukraine-Trump Minerals (Volumen: 7 Mio. USD): Für Inhaber von 5 Mio. UMA-Token wurde eine positive Entscheidung getroffen.
Google Search Insider (über 1 Million US-Dollar): Firmenmitarbeiter gewann 22 von 23 Wetten in Folge mit internen Daten
Wash Trading: Eine Studie der Columbia University ergab, dass durchschnittlich 25 % des Handelsvolumens durch Selbsthandel mit mehreren Wallets die scheinbare Liquidität künstlich erhöhen.
Ökonomischer Anreiz: Manipulatoren profitieren, wenn (1) Marktineffizienz × Positionsgröße > Manipulationskosten oder (2) reflexive Ergebnisänderung (z. B. Verschiebung der Medienberichterstattung durch angezeigte Wahrscheinlichkeiten).
Reflexivität und narrative Dominanz: Preise, die die Realität widerspiegeln sollen, formen sie stattdessen. Mechanismus:
Wetten von Großinvestoren verändern die Marktwahrscheinlichkeit (z. B. Wahlchancen für Trump von 45 % auf 65 %).
Medienberichte „Märkte sagen Trump-Sieg voraus“
Spender/Wähler reagieren auf wahrgenommene Dynamik
Das tatsächliche Ergebnis nähert sich der Vorhersage an.
Das Beispiel des „French Whale“ aus dem Jahr 2024 verdeutlichte dies: Polymarket-Positionen im Wert von über 30 Millionen US-Dollar auf Trump veränderten die Umfrageergebnisse und möglicherweise auch das Spendenverhalten. Verstärkt wurde dies durch den „d4vd“-Google-Suchmarkt, wo die Manipulation des Wettvolumens die Suchtrends künstlich erhöhte und so die Auflösungsbedingung des Marktes auslöste.
Ideologischer Handel: 15 % der Marktteilnehmer handeln auf Basis von Signalpräferenzen statt Gewinnmaximierung. Dies führt zu anhaltenden Fehlbewertungen: Politische Märkte weisen in Umgebungen mit geringem Risiko eine 5- bis 10-prozentige Tendenz zu den von den Händlern bevorzugten Ergebnissen auf. Beispiel: Die Polymarket-Märkte für republikanische Senatskandidaten überschätzten die Wahrscheinlichkeit eines republikanischen Sieges trotz hoher Liquidität um 8 % (67 % gegenüber den tatsächlichen 59 %).
Vergleich mit Umfragen und Expertengremien
Empirische Genauigkeit: Eine Studie von Cambridge/IARPA (113 geopolitische Ereignisse) ergab, dass aggregierte Selbsteinschätzungen die Genauigkeit des Marktes erreichten oder sogar übertrafen (Brier 0,210 vs. 0,227). Umfragen schnitten zu Beginn von Ereigniszyklen, wenn die Liquidität gering ist, besser ab als der Markt; Hybridmodelle (Kombination aus Markt- und Umfragedaten) erwiesen sich insgesamt als überlegen.
Domänenspezifische Leistung: Eine Analyse von Vanderbilt in über 2.500 Märkten ergab Folgendes:
Sport: Umfragen wettbewerbsfähig oder überlegen (Fußball)
Wahlen: Ineffiziente Märkte mit Arbitragelücken und Divergenzen zwischen den Plattformen (Diskussion zwischen PredictIt, Polymarket und Kalshi)
Nischenveranstaltungen: Märkte am ungenauesten; Expertenrunden mit Kontextbezug dominieren.
Mechanismusunterschiede:
DimensionVorhersagemärkteUmfragenExpertenpanelsAnreizFinanzieller Verlust/GewinnReputation, minimalReputation, KarriereInformationsnutzungPrivate Signale aggregiert über PreiseSelbstberichtete ÜberzeugungenStrukturierte AnalyseEchtzeit-UpdatesKontinuierlichEpisodisch (wöchentlich)Episodisch (auf Anfrage)ManipulationsrisikoWhale Attacken, Wash TradingStichprobenverzerrung, FragestellungGruppendenken, AnkereffektReflexivitätHoch (Preise beeinflussen Ergebnisse)Mittel (veröffentlichte Umfragen verändern das Verhalten)Niedrig (private Beratung)
Taxonomie der Händlermotivation
Gewinnmaximierer (25 % der Teilnehmer, „Informierte Händler“): Nutzen Fehlbewertungen durch Informationsvorteile aus. Hohe Trefferquoten (>60 %), konzentrierte Positionen. Benötigen unbedarfte Kontrahenten für Liquidität und Gewinnmitnahme. Schaffen Wert bei der Preisfindung, erzielen aber gleichzeitig hohe Gewinne.
Noise Trader (50 %): Kleine Positionen (durchschnittlich 100 $), getrieben von Unterhaltung. Sie stellen Liquidität bereit, verlieren aber aufgrund von Spreads und informierten Händlern. Trotz negativer erwarteter Renditen sind sie für die Marktfunktion unerlässlich. Vergleichbar mit Lottospielern oder Gelegenheitswetten-Spielern.
Ideologisch motivierte Marktteilnehmer (15 %): Politisch motivierte Signale, bereit, Verluste in Kauf zu nehmen, um das gewünschte Ergebnis zu „unterstützen“. Konzentriert auf politisch geprägten Märkten. Schaffen anhaltende Fehlbewertungsmöglichkeiten für informierte Händler.
Arbitrageure (10 %): Sie nutzen Ineffizienzen zwischen Plattformen oder Ergebniskombinationen aus. Beispiel: Bei Präsidentschaftswahlen ermöglichen Multi-Optionsmärkte, bei denen die Wahrscheinlichkeiten sich auf über 100 % summieren, risikofreie Gewinne durch gleichzeitig platzierte, gegensätzliche Wetten. Bots automatisieren dies zunehmend; für 2025 werden negative Risikomöglichkeiten erwartet.
Hedger (5 % Rendite, aber hohes Kapital): Unternehmen und Institutionen sichern sich gegen ereignisbezogene Risiken ab. Beispiele: Sportvereine sichern sich gegen Playoff-Ergebnisse ab; Krypto-Protokolle sichern sich gegen Abstimmungsergebnisse ab; Makrofonds sichern sich gegen Entscheidungen der US-Notenbank ab. Die Partnerschaften zwischen Kalshi und SIG veranschaulichen die institutionelle Nachfrage nach Absicherungsgeschäften.
4. Oracle- und Abrechnungsinfrastruktur
Modelle zur Ergebnisverifizierung
Vertrauenswürdige zentrale Entscheidungsfindung (Kalshi-Modell): Das Plattformteam ermittelt die Ergebnisse anhand vordefinierter Quellen (offizielle Wahlbestätigungen, Mitteilungen der Federal Reserve, Daten von Sportligen). Vorteile: Geringe Latenz (1–12 Stunden), sofortige Endgültigkeit, minimale Kosten. Risiken: Ausfall einer zentralen Vertrauensstelle, potenzielle Voreingenommenheit, Zensur (Themenbeschränkungen), Fehlerfortpflanzung (Vorfall in Miami). Erfordert Aufsicht und Überwachungsinfrastruktur durch die CFTC.
Dezentrale Oracle-Netzwerke (Polymarket/UMA-Modell): Optimistischer Streitbeilegungsmechanismus – der Antragsteller hinterlegt das Ergebnis, die Gültigkeitsdauer ermöglicht Anfechtungen, bei Streitigkeit erfolgt eine Abstimmung der Token-Inhaber. Vorteile: Zensurresistent, transparent, Anreizausrichtung durch Reduzierung der Hinterlegungssumme. Risiken: Manipulation durch Großinvestoren (5 Mio. UMA-Token lösten einen Markt von 7 Mio. US-Dollar auf), Interpretationsunsicherheit (Debatte um Selenskyjs Jacke), langsame endgültige Entscheidung (die Abstimmung der DVM verlängert den Prozess um Tage). ~99 % der Resolutionen sind unstrittig, aber mehr als 12 Resolutionen für 2025 sind umstritten.
Gerichtliche/Abstimmungsbasierte Streitbeilegung (Augur/REP-Modell): Mehrstufiges Staking mit steigenden Sicherheitsleistungen, Fork-Mechanismus für über 275.000 REP-Streitigkeiten. Vorteile: Hohe Dezentralisierung, wirtschaftliche Sicherheit durch Fork-Kosten, bewährte Robustheit (6-Runden-Markt 2018). Risiken: Hohe Latenz (Streitbeilegung dauert Wochen), hohe Kosten (Kapitalbindung für REP-Staking), geringe Aktivität im Jahr 2025 (tägliches Volumen: ca. 40.000 USD).
KI + menschlicher Fallback (Rain/Delphi-Modell): KI-Agenten (Multi-Explorer + Extractor) schlagen Ergebnisse für öffentliche Märkte vor; innerhalb eines 15-minütigen Streitfensters werden dezentrale menschliche Experten hinzugezogen. Vorteile: Schnelle Erstlösung, kostengünstig, skalierbar. Risiken: KI-Verzerrung/Halluzinationen, neuartige Angriffsvektoren, unerprobt bei hohen Einsätzen. Angegebene Streitquote: 0,01 %, jedoch begrenzte Produktionsdaten.
Governance Multisig (Drift-Modell): Der Sicherheitsrat aktualisiert das Pyth-Orakel nach einem Ereignis mit Gültigkeitsprüfungen (Veralterung, Grenzen, Volatilität) auf ein binäres Ergebnis. Vorteile: Flexibel, effizient, transparent in der Blockchain. Risiken: Zentralisiertes Vertrauen in den Rat, Kompromittierung des Multisig-Systems, keine Einspruchsrechte der Nutzer. Der hybride Ansatz bietet ein Gleichgewicht zwischen Geschwindigkeit und Überprüfbarkeit.
Abwägung von Latenz, Endgültigkeit und Kosten
ModellLatenz bis zur AbwicklungFinanzgarantieKosten pro MarktDatenverfügbarkeitZentralisiert (Kalshi)1-12 StundenSofort (Teamentscheidung)~0 $ (Fiat-Infrastruktur)Off-Chain-Dokumente/RegelnOptimistisches Oracle (Polymarket/UMA)2 Stunden unstrittig; 2-7 Tage strittigProbabilistisch → DVM-Abstimmung750 $ Kaution + Gas (~5 $ Polygon)On-Chain-VerifizierungToken-Abstimmung (Augur/REP)24 Stunden initial; Wochen bei StreitigkeitÖkonomisch (Fork-Kosten)REP-Einsatz (1K+ $) + Gas (10 $ ETH)On-Chain EthereumKI + Fallback (Rain)15 Minuten unstrittig; Stunden bei EskalationHybrid (Sicherheitenreduzierung)1.000 $ Sicherheiten oder 0,1 % VolumenOn-Chain Arbitrum/BaseMultisig (Drift)Nach Ablauf durch den RatGovernance-KonsensVernachlässigbar (Orakel-Update)On-Chain Solana (Pyth)
Oracle-Angriffsvektoren und Streitökonomie
Böswillige Vorschläge: Der Angreifer schlägt ein falsches Ergebnis vor, in der Hoffnung, dass kein Widerspruch eingelegt wird. Abhilfe: Verlust der Anleihe (750 $ Polymarket, REP-Senkung bei Augur). Kosten des Angriffs: Anleihe × Wahrscheinlichkeit eines Widerspruchs. Erfolgsquote: ca. 1 % auf Märkten mit hohem Wert aufgrund von Überwachungs-Bots, aber bei Nischen-/mehrdeutigen Ereignissen ausnutzbar.
Stimmenkauf/Kontrolle durch Großinvestoren: Große UMA- oder REP-Inhaber lösen Streitigkeiten zu ihren Gunsten. Beispiele aus dem Polymarket: 5 Millionen UMA-Token (über 1 % des Gesamtangebots) klärten den 7-Millionen-Dollar-Markt im Ukraine-Trump-Konflikt; der 58-Millionen-Dollar-Markt um Selenskyj wurde von einem Großinvestor angefochten. Abhilfemaßnahmen: Steigende Kosten (DVM erfordert eine breitere Tokenverteilung), Reputationsschaden. Machbarkeit: Hoch für Märkte mit einem Volumen von ca. 10 Millionen Dollar im Vergleich zu konzentrierten Tokenbeständen.
Mehrdeutige Ereignisdefinitionen: Ausnutzung der Interpretationsfreiheit in Marktbeschreibungen. Beispiel: „Wird Selenskyj einen Anzug tragen?“ vs. „Jacke, die zu einem Anzug gehört“. Ermöglicht Streitigkeiten selbst bei eindeutigen Ergebnissen. Abhilfe: Präzise Marktsprache, doch die Komplexität verringert die Benutzerfreundlichkeit. Grundlegender Zielkonflikt zwischen Präzision und Teilhabe.
Zensur/Quellenmanipulation: Zentralisierte Resolver (Kalshi) können Märkte ablehnen oder Quelldaten manipulieren. Dezentrale Orakel (Polymarket) sind anfällig, wenn die Auflösung auf einer einzigen, manipulationsfähigen Quelle (z. B. einer Regierungswebsite) basiert. Abhilfe: Verifizierung aus mehreren Quellen, Blockchain-basierte Daten (selten). Realität: Die meisten Märkte nutzen anfällige Einzelquellen.
Reflexive Ergebnisveränderung: Marktpreise beeinflussen reale Ergebnisse und verfälschen so die Funktion von Prognosesystemen. Beispiel: Der Markt „Google-Suchvolumen für ‚d4vd‘“, bei dem das Handelsvolumen selbst die Suchanfragen auslöste und somit eine positive Antwort zur Folge hatte. Abhilfe: Selbstreferenzielle Märkte ausschließen, Momentaufnahmen nutzen. Herausforderung: Reflexive von legitimer Informationsaggregation unterscheiden.
Zusammenfassung zum Thema Konfliktökonomie:
Polymarket: 750 $ Kaution verfällt bei ungültigen Vorschlägen; 40 % Rendite bei korrekten Streitfällen; DVM erfordert UMA-Token-Abstimmung (Tage Latenz, Gaskosten)
Augur: REP-Staking mit 40% Rendite für korrekte Meldungen; eskalierende Runden; Fork bei >275.000 REP (Angriff mit den höchsten Kosten: ~270.000 $ bei 0,98 $/REP)
Regen: Bei Fehleinschätzung werden 0,1 % des Volumens oder 1.000 $ der hinterlegten Sicherheiten gekürzt; dezentrale Eskalation durch das Orakel
Drift/Kalshi: Keine Benutzerstreitigkeiten; Governance/Teamlösung
Rolle der Datenverfügbarkeit und -überprüfbarkeit
On-Chain-Verifizierbarkeit: Ethereum (Augur), Polygon (Polymarket), Solana (Drift) und Arbitrum/Base (Rain) ermöglichen die kryptografische Verifizierung der Abrechnungslogik und der Ergebnisquellen. Nutzer können die Korrektheit der Abrechnung unabhängig überprüfen, sofern die Daten On-Chain vorliegen. Realität: Die meisten Orakel greifen weiterhin auf externe Quellen zurück (Wahlergebnisse, Ankündigungen der US-Notenbank), wodurch die Verifizierbarkeit auf „korrekte externe Daten durch das Orakel gemeldet“ beschränkt ist, anstatt auf „korrekte Daten selbst“.
Zentralisierte Off-Chain-Abwicklung: Die Kalshi-Abwicklung ist jenseits veröffentlichter Regeln und Quellen intransparent. Nutzer vertrauen der Aufsicht der CFTC und dem Ruf der Plattform. Eine unabhängige Überprüfung ist nicht möglich. Abwägung: Geschwindigkeit und Einhaltung regulatorischer Vorgaben versus Transparenz.
Hybridmodelle: Die UMA-Vorschläge von Polymarket beziehen sich auf Off-Chain-Ereignisse, der Streitbeilegungsprozess findet jedoch On-Chain und transparent statt. Theoretisch vereinen sie die Vorteile beider Ansätze, doch Interpretationslücken (Selenskyj-Klage) zeigen Grenzen auf.
Herausforderungen bei der Datenverfügbarkeit: Den meisten Ereignissen fehlt eine Blockchain-basierte Datengrundlage. Wahlen werden erst Wochen nach der Abstimmung bestätigt; Sportergebnisse stammen von zentralisierten Ligen; Makrodaten von Regierungsbehörden. Prognosemärkte erben die Anfälligkeit der vorgelagerten Datenquellen. Zukünftiges Potenzial: Blockchain-basierte Ereignisse (On-Chain-Governance, DeFi-Metriken) ermöglichen eine durchgängige Verifizierbarkeit.
5. Tokenomics und wirtschaftliche Nachhaltigkeit
Token-Notwendigkeitsanalyse
Kernfrage: Benötigen Prognosemärkte native Token für ihre Funktionalität oder Wertschöpfung?
Empirische Antwort: Nein. Die beiden volumenstärksten Plattformen arbeiten tokenlos:
Polymarket: 21,5 Mrd. USD Handelsvolumen bis 2025, 2,279 Mrd. USD Finanzierung, 9 Mrd. USD Bewertung – Abrechnung ausschließlich in USDC, kein Token
Kalshi: 17,1 Mrd. USD Handelsvolumen 2025, 1 Mrd. USD Finanzierung, 11 Mrd. USD Bewertung – Fiat-/Krypto-Einlagen, kein Token
88 % des Sektorvolumens (38,6 Mrd. USD / 44 Mrd. USD) fließen über tokenlose Modelle. Tokenisierte Alternativen haben es schwer: Augur (REP) verzeichnet trotz Pionierstatus ein tägliches Volumen von lediglich 39.000 USD; neue Marktteilnehmer (Rain/RAIN, Drift/DRIFT) zeigen erste Erfolge, ihre Nachhaltigkeit ist jedoch noch nicht bewiesen.
Anwendungsfälle von Token in tokenisierten Modellen
Governance (Augur/REP, Rain/RAIN, Drift/DRIFT): Token-Inhaber stimmen über Protokoll-Upgrades, Parameteränderungen und Marktregeln ab. Wertversprechen: Dezentrale Kontrolle statt zentralisiertem Teamrisiko. Realität: Geringe Beteiligung an der Governance (typischerweise ca. 10 % Wahlbeteiligung), Dominanz der Großinvestoren (die Top-10-Inhaber von Augur kontrollieren 53,62 %, von Rain ca. 65 % und von Drift 57,17 %).
Streitbeilegung (Augur/REP): REP werden für die Ergebnisberichterstattung eingesetzt; Streitigkeiten erfordern REP-Anleihen mit 40 % Rendite für die richtige Seite; Fork-Mechanismus bei >275.000 REP. Nutzenversprechen: Dezentrale Wahrheit durch wirtschaftliche Sicherheit. Realität: Minimale Nutzung ab 2025 (Neustartphase der Forschung und Entwicklung); historisch erwiesen robust, aber teuer (Einsätze ab 1.000 $, wochenlange Latenz).
Liquiditätsanreize (Rain/RAIN): LPs erhalten 1,2 % des abgewickelten Marktvolumens; für die Handelsfunktion ist ein RAIN-Bestand erforderlich. Nutzenversprechen: Die Liquiditätsbereitstellung soll an den Erfolg des Protokolls gekoppelt sein. Realität: Ein 24-Stunden-Volumen von 68 Mio. USD (Dezember 2025) deutet auf erste Erfolge hin, die Kundenbindungsrate von 35 % lässt jedoch auf ein Abwanderungsrisiko schließen.
Gebührenrückkauf/Verbrennung (Rain/RAIN): 2,5 % des Handelsvolumens werden für den Rückkauf und die Verbrennung von RAIN-Token verwendet (deflationär). Nutzenversprechen: Wertsteigerung des Tokens durch Gebührenaufwendungen. Realität: Nicht im großen Maßstab erprobt; erfordert ein nachhaltiges Handelsvolumen (derzeit 68 Mio. USD/Tag × 2,5 % = 1,7 Mio. USD täglicher Rückkauf bei vollständiger Verbrennung).
Empirische Bewertung: Fallstudie Augur
Einführungskontext (2015–2018): 10 Mio. US-Dollar ICO, Pionierarbeit im Bereich Ethereum-Prognosenmarkt, REP-Token für Governance und Reporting. Theoretisches Versprechen: Dezentralisiert, zensurresistent, globaler Zugang.
Leistung 2018-2023:
Geringe Liquidität: Die Gaskosten (durchschnittlich 10 US-Dollar) hemmten den Handel; das offene Interesse überstieg selten 1 Million US-Dollar pro Markt.
Börsenstreichungen: Binance hat REP 2019-2022 aufgrund geringen Handelsvolumens vom Handel ausgesetzt.
Minimale Streitigkeiten: ca. 10 größere Streitigkeiten pro Jahr; REP-Nutzenpotenzial wird nicht ausreichend genutzt
Fork nie ausgelöst: Die REP-Schwelle von <275K wurde trotz Kontroversen nie erreicht.
Status 2025:
Marktkapitalisierung: 8 Mio. USD (11 Mio. im Umlauf befindliches Angebot × 0,98 USD/REP)
Tagesvolumen: 39.000 US-Dollar (25. Dezember 2025)
Preisschwankungen: 0,70–0,99 $ im Dezember (Schwankungsbreite: 41 %)
Neustart der Forschungs- und Entwicklungsabteilung: Die Lituus-Stiftung entwickelt Generalized Augur; noch nicht produktionsreif.
Lehren: Das Token-Modell konnte trotz technischer Innovationen keine Marktanpassung erreichen. Gründe: (1) Hohe Gaskosten im Vergleich zu zentralisierten Alternativen, (2) unzureichendes Volumen für einen sinnvollen Nutzen des REP, (3) tokenlose Wettbewerber (Polymarket) sicherten sich Liquidität durch bessere Benutzerfreundlichkeit, (4) regulatorische Unsicherheit schränkte die institutionelle Akzeptanz ein.
Gebührenstrukturen der verschiedenen Modelle
Polymarket (tokenlos): 0,75–0,95 % über Aggregatoren (Cowswap, 1inch); die Plattform übernimmt die Gasgebühren auf Polygon (durchschnittlich ca. 0,01 $). Umsatzmodell: Implizite Spanne + zukünftige Gebührenanpassungen nach Erreichen der Skalierungsphase. Die aktuelle Förderphase wird durch 2,279 Mrd. $ Risikokapital finanziert.
Kalshi (tokenlos): Handelsgebühren werden nicht öffentlich offengelegt; Market-Maker-Rabatte (Liquiditätsprogramm: 10–1.000 US-Dollar/Tag). Umsatzmodell: Transaktionsgebühren + Lizenzierung von Marktdaten. Gebührentransparenz gemäß CFTC-Vorschriften.
Rain (tokenisiert): 5 % des abgewickelten Markthandelsvolumens werden zugeteilt:
1,2 % für den Schöpfer
1,2 % an LPs
0,1 % zum Resolver
2,5 % für RAIN-Rückkauf/Verbrennung
Zusätzlicher Betrag von +1 US-Dollar oder 1 % für KI-Orakel an öffentlichen Märkten
Augur (tokenisiert): Historisches Modell mit REP-Staking-Gebühren; aktuelle Daten für 2025 aufgrund geringer Aktivität nicht verfügbar.
Langfristige Nachhaltigkeit ohne Subventionen
Tokenlose Modelle: Polymarket und Kalshi profitieren von Venture-Capital-Subventionen für Market-Making, Liquiditätsbereitstellung und Nutzerakquise. Wertschöpfung erfolgt durch Aktienkurssteigerung (Bewertungen: Polymarket 9 Mrd. USD, Kalshi 11 Mrd. USD) ohne Tokenverwässerung. Nachhaltigkeitsstrategie: Gebührenanpassungen im großen Stil, Datenlizenzierung, institutionelle Partnerschaften.
Herausforderungen: (1) Erfordert ein nachhaltiges Volumen (derzeit 3 Milliarden US-Dollar wöchentlich × 0,5 % = 15 Millionen US-Dollar wöchentlicher Umsatz bei Aktivierung der Gebühren), (2) der Wettbewerbsdruck begrenzt Gebührenerhöhungen, (3) regulatorische Kosten (Compliance, Recht, Lobbyarbeit).
Tokenisierte Modelle: Sie basieren auf der Wertsteigerung des Tokens durch Gebühren, die entweder durch Rückkäufe (Rain) oder durch die Nutzung von Token (Augur) generiert werden. Erfahrungsgemäß weisen viele dieser Modelle nach dem Start ein geringes Handelsvolumen auf, mit Ausnahme von Neueinsteigern. Rain zeigt ein gebührengetriebenes Wachstumspotenzial (68 Mio. USD tägliches Handelsvolumen × 5 % = 3,4 Mio. USD tägliche Gebühren bei anhaltendem Wachstum).
Herausforderungen: (1) Der Tokenwert ist abhängig von einem nachhaltigen Handelsvolumen – Gefahr einer Abwärtsspirale, wenn das Handelsvolumen sinkt → der Tokenpreis fällt → die Governance schwächt sich ab → weiterer Handelsabfluss, (2) Verwässerung durch eine Inflation der Governance, (3) regulatorische Einstufung (Risiko der Wertpapiergesetzgebung).
Strukturelle Subventionsabhängigkeit: Beide Modelle benötigten historisch gesehen externes Kapital, um Liquidität zu schaffen. Die Iowa Electronic Markets wurden von der Universität subventioniert; frühe Krypto-Protokolle durch ICO-/VC-Finanzierung. Kernproblem: Dünne Märkte liefern unzureichende Informationen und führen so zu einem Henne-Ei-Problem. Die Lösung erfordert entweder (1) Protokollsubventionen (inflationär oder staatlich finanziert), (2) Partnerschaften mit Market Makern oder (3) Quersubventionierung von Märkten mit hohem Handelsvolumen für Nischenveranstaltungen.
Twitter-Konsens (Dezember 2025): Profitable Protokolle bevorzugen Aktien gegenüber Token, um das Aufwärtspotenzial ohne Verwässerung zu erhalten. Prognosemärkte sind strukturell subventionsabhängig, bis sie die Liquiditätsgrenze erreichen (ca. 1 Mrd. USD tägliches Handelsvolumen, ab der sich das organische Market-Making selbst trägt).
Vergleich zwischen tokenisierten und nicht-tokenisierten Systemen
DimensionNicht tokenisiert (Polymarket, Kalshi)Tokenisiert (Rain, Augur)Volumenführer88 % des Sektorvolumens (38,6 Mrd. USD / 44 Mrd. USD)12 % des SektorvolumensFinanzierungserfolg3,3 Mrd. USD kombinierte VC-Finanzierung<100 Mio. USD kombiniertRegulatorischer FortschrittCFTC-KonformitätswegeUnsicherheit im WertpapierrechtLiquiditätstiefePolymarket 310 Mio. USD TVL; Kalshi >1 Mrd. USD wöchentlichRain/Augur <5 Mio. USD TVL kombiniertNutzerakzeptanz285.000 wöchentlich aktive Nutzer<10.000 kombiniertDezentralisierungZentralisierte Markterstellung, hybride AbwicklungBerechtigungslose Märkte, Oracle-AbstimmungWertschöpfungAktienwertsteigerungTokenpreissteigerungGovernanceTeam-kontrolliertTokeninhaber-DAOs (geringe Beteiligung)KompatibilitätBegrenzt (Verwahrungselemente)Hoch (DeFi-nativ)
Strategische Implikation: Nicht-tokenisierte Modelle dominieren kurzfristig dank überlegener Benutzerfreundlichkeit, regulatorischer Klarheit und institutioneller Partnerschaften. Tokenisierte Modelle behalten langfristig Wahlmöglichkeiten durch erlaubnisfreie Innovation und Kompositionsfähigkeit, benötigen jedoch ein bahnbrechendes Volumenwachstum oder regulatorische Unterstützung, um wettbewerbsfähig zu sein.
6. Nutzerverhalten und Marktdynamik
Benutzerarchetypenverteilung
Informierte Trader (25 % der Teilnehmer): Hohe Trefferquoten (>60 %), konzentrierte Positionen (durchschnittlich über 1.000 USD), analytische Strategien unter Verwendung von KI-Modellen und Portfoliotheorie. Sie bieten Wertschöpfung durch Arbitrage aufgrund von Fehlbewertungen. Beispiele: Quantitative Analysten, die Zinssatzwahrscheinlichkeiten der US-Notenbank für Makro-Hedging nutzen, Krypto-Trader mit On-Chain-Einblicken.
Daten: Die Top 15 % der Händler auf Polymarket tragen 25 % zum Volumen bei; durchschnittliche Positionsgröße 1.100 US-Dollar gegenüber 100 US-Dollar bei den Noise-Tradern.
Noise Trader (50 %): Kleine Positionen (durchschnittlich 100 $), vergnügungsorientiert, niedrige Gewinnquote (ca. 45 %). Sie stellen trotz negativer Renditeerwartungen wichtige Liquidität bereit. Zielgruppe: Privatanleger, Gelegenheitsspieler, soziale Teilnehmer. Entscheidend für das Funktionieren des Marktes – ohne Noise Trader fehlen informierten Händlern die Kontrahenten.
Daten: 70 % der Transaktionen auf Polymarket liegen unter 100 US-Dollar; durchschnittliche Kundenbindungsrate 60 % (7-Tage-Rückgabequote).
Ideologisch motivierte Teilnehmer (15 %): Politisch motiviert und bereit, Verluste in Kauf zu nehmen, um bevorzugte Ergebnisse zu „unterstützen“ oder Überzeugungen zu signalisieren. Konzentriert auf politischen/kulturellen Märkten. Führen zu anhaltenden Fehlbewertungen: Die Märkte für republikanische Senatskandidaten mit mehreren Märkten wiesen trotz hoher Liquidität eine 8%ige Verzerrung zugunsten republikanischer Ergebnisse auf.
Soziale Daten: Twitter-Diskussionen betonen Prognosemärkte als „Prinzipien des freien Marktes“ und „kollektive Weisheit“ und ziehen damit eine Signalnachfrage an, die über die Gewinnmotivation hinausgeht.
Arbitrageure (10 %): Sie nutzen Ineffizienzen zwischen Plattformen oder Ergebniskombinationen aus. Sie setzen Bots für risikoarme Gelegenheiten ein (Mehroptionsmärkte mit einer Summe von >100 %). Beispiele: Wetten auf Präsidentschaftswahlen bei Polymarket/Kalshi/PredictIt mit garantierten Spreads von 2–5 %.
Daten: Plattformübergreifende Transaktionsmuster zeigen, dass 5 % der Nutzer gleichzeitig auf mehreren Vorhersagemarktseiten aktiv sind.
Teilnahmehäufigkeit und -bindung
Polymarket (höchste Nutzerbindung): 60 % der Neukunden kehren innerhalb von 7 Tagen zurück; 28.000–75.000 täglich aktive Nutzer (Prognose Ende 2023); 230.000 wöchentlich aktive Nutzer; 510.000 monatlich aktive Nutzer. Die hohe Nutzerbindung wird durch die regelmäßige Nutzung von Sport- und Politik-Inhalten begünstigt.
Drift Protocol: 50% Kundenbindung; 3.800 wöchentlich aktive Nutzer; hohe Abwanderungsrate in den Prognosemärkten im Vergleich zum Kerngeschäft mit Strafverfolgung (Mehrheit des TVL von 779 Mio. USD).
Augur: <20% Kundenbindung; <100 täglich aktive Nutzer; minimales Nutzerengagement nach 2023 aufgrund hoher Gaskosten und geringer Liquidität.
Rain/Limitless: 25-35% Kundenbindung; Plattformen in der Frühphase (ca. 2.000 monatlich aktive Nutzer); 50-60% einmalige Teilnehmer deuten auf eine schlechte Produkt-Markt-Passung oder unzureichende Liquidität hin.
Saisonalität: Politische Märkte verzeichnen während Wahlen einen zehnfachen Volumenanstieg, gefolgt von einer Nutzerabwanderungsrate von 80 %. Sportmärkte weisen ganzjährige Beteiligung auf, konzentrieren sich jedoch auf die NFL/NBA-Saisons. Makromärkte zeigen die höchste Kundenbindung (45 % Rendite innerhalb von 90 Tagen) aufgrund von Absicherungsszenarien.
Liquiditätskonzentration und Waleffekte
Polymarket: TVL 310 Mio. USD, dominiert von Top-Märkten – US-Wahlmärkte erreichten im November 2024 einen Höchststand von über 150 Mio. USD an offenen Positionen. Whale-Effekte: Einzelne Positionen im Wert von über 30 Mio. USD („French Whale“) verschoben die Chancen auf den Wahlsieg des Präsidenten um 10–15 Prozentpunkte und beeinflussten damit die Medienberichterstattung und möglicherweise das Wähler-/Spenderverhalten.
Die Top-Trader kontrollieren 15 % des Handelsvolumens; die größten Einzelpositionen erreichen bei risikoreichen Ereignissen über 5 Millionen US-Dollar. Märkte mit geringer Liquidität (bei einem offenen Interesse von 100.000 US-Dollar) weisen Preisschwankungen von 5–10 % bei einzelnen Trades im Wert von 10.000 US-Dollar auf.
Tokenkonzentration (tokenisierte Protokolle):
Augur (REP): Die Top 10 Inhaber kontrollieren 53,62 %; der größte Inhaber 9,62 %.
Drift (DRIFT): Top 10 kontrollieren 57,17 %; Spitzenreiter 26,97 %
Regen (RAIN): Top 10 geschätzt ~65 %; Spitzenreiter ~20 %
Limitless (LMTS): Top 10 Kontrolle 96,05 %; Spitzenreiter 39,04 %
Implikationen: Die extreme Konzentration von Großinvestoren in tokenisierten Modellen birgt das Risiko einer Zentralisierung der Governance und der Manipulation von Streitigkeiten. Einzelne Großinvestoren können die Ergebnisse zu ihren Gunsten beeinflussen (wie die Fälle der UMA-Großinvestoren belegen). Tokenlose Modelle vermeiden dies, sind aber anderen Risiken durch Großinvestoren in der Marktpreisbildung ausgesetzt.
Marktübergreifende Korrelation und Überfüllungsrisiko
Politische Märkte: 30 % Überschneidung in umsatzstarken Märkten bei Polymarket, Kalshi und PredictIt. Volumenkorrelation von 0,65 zwischen den Plattformen während Wahlen. Risiko der Marktkonzentration: 40 % des gesamten Sektorvolumens konzentrieren sich während der Wahlzyklen auf Präsidentschafts- und Kongresswahlen, was zu Liquiditätsfragmentierung und Arbitragemöglichkeiten führt.
Sportmärkte: 70 % des Kalshi- und 39 % des Polymarket-Volumens. Hohe Korrelation (0,7) mit traditionellen Sportwettenquoten, was auf gemeinsame Informationsquellen und Arbitragemöglichkeiten hindeutet. Die hohe Nachfrage in der NFL/NBA führt zu saisonalen Volumenkonzentrationen.
Kryptomärkte: Geringe Korrelation (0,3–0,4) zwischen den Plattformen; Nischenpositionierung verhindert Überfüllung. Ausnahme: Wichtige Ereignisse (BTC-Kursziele, Ethereum-ETF-Zulassung) zeigen eine Korrelation von 0,6 zwischen Polymarket und Drift.
Makromärkte: Mäßige Korrelation (0,5) zwischen den Plattformen; Zinsentscheidungen der Fed und Inflationsdaten führen zu synchronisiertem Handel. Das offene Interesse ist trotz geringeren Transaktionsvolumens 2,5-mal so hoch wie üblich, was auf kapitalintensive Positionierung und Absicherungsnachfrage hindeutet.
Arbitragedynamik: Plattformübergreifende Ineffizienzen bestehen trotz Korrelation fort – die Präsidentschaftschancen wichen bei den Wahlen 2024 auf Polymarket/Kalshi/PredictIt um 5–10 % voneinander ab. Bots nutzen Multi-Wallet-Potenziale mit negativem Risiko aus und tragen so zu 25 % des Wash-Trading-Volumens bei (Columbia-Studie).
Risiken der Überfüllung: Die Konzentration auf populäre Ereignisse (Politik 40 % des Volumens, Sport 70 % plattformspezifisch) führt zu Instabilität – Streitigkeiten oder Manipulationen in wichtigen Märkten untergraben die Glaubwürdigkeit der Plattform weltweit. Beispiel: Die Kontroverse um die Klage von Selenskyj gegen Polymarket (58 Mio. US-Dollar Volumen) wirkte sich trotz der Betroffenheit eines einzelnen Marktes negativ auf die allgemeine Stimmung auf der Plattform aus.
7. Regulatorisches und rechtliches Umfeld
Schnittstelle der Zuständigkeitsrahmen
Prognosemärkte bewegen sich in einer rechtlichen Grauzone, in der sich Glücksspielrecht (staatliche Glücksspielkommissionen), Derivaterecht (CFTC Commodity Exchange Act) und Rohstoffregulierung (Ereignisverträge als Basiswerte) überschneiden.
Glücksspielklassifizierung: Staatliche Aufsichtsbehörden betrachten Wetten auf Sport- und politische Ereignisse als traditionelle Wettprodukte, die Glücksspiellizenzen und Verbraucherschutz erfordern (Mindestalter 21 Jahre, Meldepflichten, Hilfsangebote bei Spielsucht). Beispiel: Unterlassungsverfügungen des Verbraucherschutzministeriums von Connecticut (Dezember 2025) gegen Kalshi, Robinhood und Crypto.com wegen „unlizenzierter Wetten“.
Klassifizierung von Derivaten: Die CFTC stuft Ereigniskontrakte als CEA-regulierte Derivate ein, die an designierten Kontraktmärkten (DCMs) gehandelt werden. Binäre Ja/Nein-Auszahlungen auf zukünftige Ereignisse gelten nach US-Bundesrecht als Swaps oder Futures. Beispiel: Kalshi ist als von der CFTC zugelassener DCM/DCO (Derivatives Clearing Organization) tätig.
Regulierungskonflikt: Die Bundesstaaten berufen sich auf ihre Polizeibefugnisse, um die Vorrangstellung des Glücksspielrechts zu gewährleisten; die CFTC argumentiert mit der Vorrangklausel – die bundesstaatliche Derivateregulierung hat Vorrang vor den Glücksspielbestimmungen der Bundesstaaten. Uneinigkeit der Gerichte: Bezirksgerichte in Nevada und New Jersey entschieden auf Vorrang des CEA-Rechts; Maryland lehnte eine einstweilige Verfügung ab; der Rechtsstreit ist noch anhängig.
Regulierungslandschaft der Vereinigten Staaten
CFTC-Ansatz und Kalshi-Präzedenzfall:
2020: Die CFTC genehmigte Kalshi als DCM und ermöglichte damit CFTC-regulierte Ereignisverträge.
2024: Verträge für politische Veranstaltungen nach dem Sieg des Berufungsgerichts im Fall KalshiEX gegen die CFTC zulässig; Berufung der CFTC zurückgezogen im Mai 2025
Januar 2025: Sportverträge von Kalshi selbst zertifiziert; CFTC ergriff keine Verbotsmaßnahmen, obwohl die CEA-Sonderregel Verbote von Glücksspielverträgen „zuwiderlaufend dem öffentlichen Interesse“ zuließ.
Präzedenzfall: Die Aufsicht durch den Bund ermöglicht den landesweiten Zugang zu Prognosemärkten mittels Genehmigung durch die CFTC und umgeht damit die einzelstaatliche Glücksspiellizenzierung.
Staatliche Herausforderungen (2025):
Connecticut (Dezember): Unterlassungsverfügungen an Kalshi/Robinhood/Crypto.com; Kalshi klagte unter Berufung auf bundesrechtliche Präemption.
Massachusetts (September): Klage des Generalstaatsanwalts gegen Kalshi wegen unlizenzierter Sportwetten; Entscheidung nach Zurückverweisung anhängig
Nevada (aufgelöst im Dezember): Einstweilige Verfügung gegen Kalshi aufgehoben; Berufung im Rahmen der staatlichen Planungsentscheidung
New Jersey/Maryland/Ohio/Illinois/Montana/Arizona: Unterlassungsverfügungen erlassen oder Klagen eingereicht; uneinheitliche Gerichtsurteile zur Präemption
Prognose: Gerichte bevorzugen in einigen Jurisdiktionen die Vorrangstellung der CFTC-Rechtsprechung (Feldpräemptionsdoktrin), doch laufende Rechtsstreitigkeiten stellen die Grenzen der Vorrangklausel auf die Probe. Der Zugang auf Ebene der Bundesstaaten bleibt fragmentiert – Kalshi ist landesweit tätig, mit Ausnahme der Bundesstaaten, in denen die Regelung angefochten wird; DraftKings/FanDuel nutzen bestehende Glücksspiellizenzen für länderspezifische Markteinführungen.
Durchsetzungsgeschichte der CFTC:
Polymarket: Geldstrafe von 1,4 Mio. US-Dollar (2022) wegen nicht registrierter Swaps; geänderte Anordnung (November 2025) ermöglicht Neustart in den USA durch Übernahme von QCEX und regulierten Intermediär
Prognose: CFTC-Maßnahmen 2022 zur Schließung; Rechtsstreitigkeiten beigelegt im Juli 2025, was einen eingeschränkten, politisch ausgerichteten Betrieb unter den 2014 erlassenen Auflagen des No-Action Letter Relief (NALR) ermöglicht.
Europäische Regulierungslandschaft
Vereinigtes Königreich: Die FCA verbietet den Handel mit binären Optionen für Privatkunden (2019); die Glücksspielkommission stuft Prognosemärkte als Wettbörsen und nicht als Derivate ein. Matchbook startet im Januar 2026 mit einer Lizenz der Glücksspielkommission für Sport- und Politikwetten.
Europäische Union: Verbot von binären Optionen für Privatanleger durch die ESMA (2018); die MiCA-Regulierung gilt für kryptobasierte Märkte, Prognosen werden jedoch national als Glücksspiel eingestuft. Beispiel: Die französische Finanzmarktaufsicht (AMF) stuft sie als Glücksspiel ein.
Folgerung: Europäische Prognosemärkte benötigen Glücksspiellizenzen anstelle von Wertpapier-/Derivatelizenzen. Höhere Compliance-Kosten (Altersverifizierung, Geldwäschebekämpfung, Instrumente für verantwortungsvolles Spielen), aber klarerer regulatorischer Rahmen als die Konflikte zwischen US-Bundesregierung und Bundesstaaten.
Offshore-Jurisdiktionen
Kostengünstige Lizenzen: Anjouan, Tobique und Kahnawake bieten jährliche Glücksspiel-/Kryptolizenzen für 10.000 bis 50.000 US-Dollar mit minimaler Aufsicht an. Sie ermöglichen globalen Zugang, bergen aber das Risiko von Sanktionen in wichtigen Märkten.
Aufstrebende Zentren: Nevis, VAE, vergibt Fernlizenzen (2025); erste B2B/B2C-Vorhersagemarktlizenz der VAE, jedoch mit strengen Compliance-Anforderungen (Einrichtungskosten über 500.000 US-Dollar).
Fallstudie Polymarket: Vor 2025 im Ausland tätig; CFTC-Strafe führte zu Geofencing in den USA. Nach der QCX-Übernahme (Juli 2025) wird ein gesetzeskonformer Neustart in den USA über einen regulierten Intermediär angestrebt, während die globalen Offshore-Aktivitäten fortgeführt werden.
Arbitragestrategie: Offshore-Finanzierung ermöglicht regulatorische Arbitrage (kostengünstig, genehmigungsfrei), geht aber auf Kosten der Legitimität und des institutionellen Zugangs. Langfristige Tragfähigkeit erfordert einen Weg zur Einhaltung der Vorschriften in wichtigen Jurisdiktionen.
KYC-, AML- und Zensurfolgen
Von der CFTC regulierte Plattformen (Kalshi, Crypto.com):
Vollständige KYC/AML-Prüfung: Amtlicher Ausweis, Adressverifizierung, Mindestalter 18 Jahre
Geolokalisierungsdurchsetzung: IP-Sperrung, GPS-Verifizierung
Einzahlungs-/Einsatzlimits: 25.000 $ täglich, Selbstausschluss-Tools
Transaktionsüberwachung: Überwachungsanforderungen der CFTC, Meldepflichten für verdächtige Aktivitäten
Kryptonative Plattformen (Polymarket-Vorabkonformität):
Nur Wallet-Connect: Keine KYC-Prüfung für Nutzer außerhalb der USA
Geofencing: IP-Sperren für eingeschränkte Rechtsordnungen
Datenschutz-Kompromisse: Pseudo-anonyme, aber in der Blockchain gespeicherte Transaktionshistorie
Dynamik der Zensur:
Zentralisierte Plattformen (Kalshi) beschränken die Marktthemen: Keine Märkte für Attentate, illegale Aktivitäten, schädliche Spekulationen.
Dezentrale Plattformen (Polymarket) ermöglichen die Schaffung eines erlaubnisfreien Marktplatzes, unterliegen aber der Zensur durch Orakel (UMA-Wähler können die Resolution ablehnen).
Staatliche Forderungen: Geografische Sperren für Sportveranstaltungen in umkämpften Bundesstaaten; politische Marktbeschränkungen in einigen Gerichtsbarkeiten.
Regulatorische Arbitrage vs. langfristige Legitimität
Arbitragemodell: Die CFTC-DCM-Zulassung ermöglicht landesweiten Zugang in den USA unter Umgehung staatlicher Glücksspiellizenzen und Steuern. Kalshi verarbeitet ein jährliches Volumen von 17,1 Milliarden US-Dollar ohne die Kosten für bundesstaatliche Lizenzen (geschätzt 10 bis 50 Millionen US-Dollar pro Bundesstaat).
Legitimitätskonflikte:
Bundesaufsicht: Überwachung durch die CFTC, Manipulationsregeln, Anlegerschutz
Staatliche Schutzmaßnahmen: Mindestalter 21+ vs. 18+, Integritätsberichterstattung an die Ligen, Hilfsangebote bei Spielsucht, Umsatzbeteiligung
Gerichtsentscheidung: Laufende Gerichtsverfahren werden klären, ob die Bundesregulierung von Derivaten die Glücksspielgesetze der einzelnen Bundesstaaten verdrängt. Derzeit spricht die Rechtsprechung in einigen Gerichtsbezirken für die CFTC, doch uneinheitliche Ergebnisse sind weiterhin wahrscheinlich. Prognose: Ein Urteil des Obersten Gerichtshofs wird innerhalb von zwei bis drei Jahren bundesweit Präzedenzfall schaffen.
Jurisdiktionsrisikomatrix
Plattformmodell Bundesrisiko Staatsrisiko Nicht-US-Risiko Risiko-Legitimitätsbewertung: US CFTC DCM (Kalshi, Crypto.com) Niedrig (reguliert) Mittel-Hoch (8+ staatliche Unterlassungsverfügungen, gemischte Gerichtsurteile) Nicht verfügbar (nur USA) Hoch (staatliche Aufsicht) Krypto Offshore/Compliant (Polymarket nach QCX) Mittel (vorherige CFTC-Strafe; Neustart ausstehend) Mittel (geofenced, aber expandierend) Niedrig (Offshore-Basis) Mittel (Verbesserung durch Compliance) UK/EU Glücksspiellizenz (Matchbook) Nicht verfügbar/Nicht verfügbar/A Niedrig (falls konform als Wettbörse) Mittel (Verbot von Binäroptionen für Privatkunden schränkt Derivate ein) Rein Offshore (Anjouan, Tobique Plattformen) Hoch (CFTC-Durchsetzungsrisiko bei US-Nutzern) Hoch (Verstöße gegen staatliche Glücksspielgesetze) Niedrig (Offshore-Immunität) Niedrig (institutionelle Barrieren) Legacy NALR (PredictIt) Niedrig (2014 Rechtsstreit beigelegt) Niedrig (nur politisch, begrenzt Skala) Nicht verfügbar (US-amerikanische akademische Einrichtung) Mittel (eingeschränkter Umfang)
Strategische Empfehlungen:
Institutionen: Priorisieren Sie CFTC-regulierte Plattformen (Kalshi) hinsichtlich Compliance und Legitimität trotz staatlicher Rechtsstreitigkeiten.
Retail Global: Krypto-native Plattformen (Polymarket) bieten beste Liquidität und besten Zugang; Entwicklungen im Bereich Compliance beobachten.
Europäische Nutzer: Warten Sie auf Matchbook oder lizenzierte Alternativen; derzeitige Optionen sind im Vergleich zu den USA eingeschränkt.
Entwickler: Offshore-Lösungen ermöglichen zwar genehmigungsfreie Innovationen, schränken aber die institutionelle Akzeptanz ein; hybride Ansätze (Polymarket QCX-Modell) schaffen ein Gleichgewicht zwischen Innovation und Compliance.
8. Wettbewerbsumfeld und Burggräben
Abwägungen zwischen Zentralisierung und Dezentralisierung
DimensionZentralisiert (Kalshi)Dezentralisiert (Polymarket)NutzererfahrungFiat-Einzahlungen, sofortige Abwicklung, Mobile-FirstWallet-Verbindungsprobleme, Gasgebühren (minimal bei Polygon), DeFi-nativRegulatorischer StatusCFTC DCM/DCO-Zulassung; konforme KYC/AMLOffshore (vor der Compliance); CFTC-Strafenhistorie; US-Neustart ausstehendVerwahrungsmodellZentrale Verwahrung, BankeinlagenNicht-verwahrend (Nutzer-Wallets), Smart-Contract-AbwicklungMarktgestaltungZentralisierte, vom Team genehmigte ThemenBerechtigungsfrei (theoretisch); in der Praxis vom Polymarket-Team kuratiertOracle-AuflösungTeambasiert mit CFTC-AufsichtUMA Optimistisches Oracle bei Token-Inhaber-StreitigkeitenZensurresistenzNiedrig (Themenbeschränkungen, Geo-Blocks)Hoch (berechtigungsfreies Design, obwohl UMA-Wähler ablehnen können)Abwicklungsgeschwindigkeit1-12 Stunden (zentralisiert)2 Stunden unstrittig; Tage bei DVM-Eskalation: Kompatibilität: Keine (geschlossenes System), Hoch (DeFi-Integrationen, On-Chain-Abwicklung); Liquiditätstiefe: Wöchentliches Volumen über 1 Mrd. USD; Market-Maker-Partnerschaften; TVL 310 Mio. USD; jährliches Volumen 21,5 Mrd. USD; größer als bei Wettbewerbern; Institutioneller Zugang: Hoch (Compliance, Fiatgeld, CFTC-Aufsicht), Niedrig (nur Kryptowährung, regulatorische Unsicherheit vor der Compliance)
Marktpositionierung: Kalshi deckt die Nachfrage regulierter institutioneller Anleger und US-amerikanischer Privatkunden ab (60–70 % Marktanteil in den USA); Polymarket dominiert den Kryptomarkt und den globalen Privatkundenmarkt (32 % globaler Marktanteil, Offshore-Aktivitäten). DraftKings/FanDuel nutzen ihre Nutzerbasis im Bereich Sportwetten für eine schnelle Verbreitung (16.000/900 Downloads in den ersten zwei Tagen); Robinhood integriert Prognosemärkte in seine Broker-App (30–35 % Marktanteil).
Netzwerkeffekte: Liquidität, Reputation, Daten
Liquiditätsnetzwerkeffekte (stärkster Wettbewerbsvorteil):
Mechanismus: Hohes Handelsvolumen zieht Händler an → engere Spreads → schnellere Preisfindung → mehr Händler (positiver Kreislauf). Empirisch belegt: Polymarket mit einem TVL von 310 Mio. USD und einem jährlichen Handelsvolumen von 21,5 Mrd. USD erzeugt eine hohe Liquiditätsstabilität – Nutzer bevorzugen Märkte mit dem größten Handelsvolumen für die beste Ausführung.
Belege: 73 % des TVL im DeFi-Prognosemarkt konzentrieren sich auf Polymarket, trotz über 20 konkurrierender Protokolle. Kalshi erreicht eine ähnliche Dominanz auf regulierten US-Märkten (60–70 % Marktanteil).
Reputationsnetzwerkeffekte:
Präzise Prognosen schaffen Vertrauen → Nutzerbindung → Plattform wird zur maßgeblichen Informationsquelle → Medien zitieren Wahrscheinlichkeiten → breitere Akzeptanz. Polymarket erreichte dies während der US-Wahlen 2024 – CNBC, Bloomberg und die New York Times zitierten die Prognosen von Polymarket als „Marktprognosen“ und steigerten so die öffentliche Wahrnehmung.
Gegenrisiko: Streitbeilegungsverfahren (Selenskyj-Klage, Wahlen in Venezuela) schädigen den Ruf überproportional. Ein einzelner schwerwiegender Fehler kann eine Kettenreaktion von Nutzerabwanderung auslösen.
Datennetzwerkeffekte (aufkommend):
Plattformen sammeln proprietäre Daten zu Orderflow, Kurshistorie und Nutzerverhalten. Die Partnerschaft zwischen Kalshi und CME nutzt diese Daten für die Entwicklung von Derivaten; Polymarket-Daten speisen institutionelle Analysen. Dadurch entstehen zusätzliche Monetarisierungsquellen (Datenlizenzierung) und Wettbewerbsvorteile.
Wechselkosten für Nutzer und Marktentwickler
Benutzer:
Niedrige Wechselkosten: Keine Vertragsbindung; Positionen können (eingeschränkt) geschlossen oder übertragen werden.
Gewohnheits-/UX-Reibung: Erlernen einer neuen Benutzeroberfläche, erneutes Einzahlen von Geldern (insbesondere Fiat-/Kryptowährungsumrechnungen)
Liquiditätsbindung: Nutzer gewöhnen sich an Plattformen mit optimaler Ausführung; der Wechsel zu illiquiden Wettbewerbern erhöht den Slippage.
Empirisch: Die 7-Tage-Kundenbindungsrate von 60 % bei Polymarket deutet auf moderate Wechselkosten hin; die Kundenbindungsrate von 20 % bei Augur deutet auf eine geringe Kundenbindung hin, wenn Alternativen eine überlegene Benutzererfahrung bieten.
Marktschöpfer:
Zentralisierte Plattformen: Hohe Wechselkosten – Marktzulassungsverfahren, Compliance-Prüfung, keine Portabilität
Dezentrale Plattformen: Theoretisch geringe Wechselkosten (erlaubnisfrei), aber Reputation/Followerbasis an die Plattform gebunden.
Realität: Marktbetreiber wechseln selten; sie konzentrieren sich auf Plattformen mit der höchsten Liquidität, um Sichtbarkeit und Handelsvolumen zu maximieren.
Dynamik des Siegers
Theoretischer Rahmen: Netzwerkeffekte (Liquidität, Reputation, Daten) erzeugen Potenzgesetzverteilungen – dominante Plattformen sichern sich einen überproportionalen Marktanteil. Analogien: CME (Derivate), Binance (Kryptobörsen), Google (Suchmaschinen).
Empirische Belege:
DeFi-Prognosemärkte: Polymarket 73 % TVL-Anteil (310 Mio. USD / 423 Mio. USD insgesamt)
Regulierte Märkte in den USA: Kalshi hält trotz des Markteintritts von DraftKings, FanDuel und Robinhood einen Marktanteil von 60–70 %.
Volumenkonzentration: Die beiden größten Plattformen (Polymarket + Kalshi) repräsentieren 88 % des Sektorvolumens (38,6 Mrd. USD / 44 Mrd. USD).
Wettbewerbsfähigkeit: Neue Marktteilnehmer mit überlegener Reichweite (DraftKings mit Nutzerbasis in 38 US-Bundesstaaten, Robinhood mit Millionen von Konten) können etablierte Anbieter durch Nutzerakquise anstatt durch organisches Liquiditätswachstum herausfordern. Die Integration von Sportwetten senkt die Kosten der Kundengewinnung.
Risiken der Fragmentierung: Unterschiedliche regulatorische Zuständigkeiten (USA vs. Offshore, bundesstaatliche Lizenzvergabe) verhindern einen echten Marktführer. Mehrere regionale Marktführer sind wahrscheinlich: Kalshi (US-reguliert), Polymarket (globaler Kryptomarkt), Matchbook (mit Glücksspiellizenz für Großbritannien und die EU).
Langfristiger Ausblick: Weltweit werden voraussichtlich 2–3 Plattformen dominant sein (mit einem gemeinsamen Marktanteil von 80 %), während Nischenanbieter spezifische Branchen bedienen (Krypto-Native, KI-gestützte Lösungen, exotische Ereignisse). Ähnlich wie bei den Derivatemärkten: Die CME dominiert, aber ICE und Eurex halten über spezialisierte Produkte bedeutende Marktanteile.
9. Wachstumsbeschränkungen und Ausfallarten
Kaltstartproblem
Herausforderung: Neue Märkte/Protokolle benötigen ein ausreichendes Handelsvolumen für eine präzise Preisfindung und enge Spreads. Geringe Liquidität führt zu hohen Geld-Brief-Spannen (0,10–0,20 $), was die Teilnahme hemmt – ein Teufelskreis.
Empirische Auswirkungen:
Polymarket-Märkte mit geringer Liquidität (bei einem offenen Interesse von 10.000 US-Dollar) weisen eine Preisdivergenz von 20-30 % von rationalen Wahrscheinlichkeiten auf.
Die hohen Gaskosten von Augur (durchschnittlich 10 US-Dollar) schreckten den Handel ab und führten trotz technischer Vorzüge zu dauerhaft geringer Liquidität.
Neue Protokolle (Limitless, Hedgehog) haben trotz Produktinnovationen Schwierigkeiten, ein tägliches Volumen von ca. 1 Million US-Dollar zu erreichen.
Lösungsversuche:
Protokollsubventionen: Kalshi-Market-Maker-Prämien von 10 bis 1.000 US-Dollar pro Tag; historische LMSR-AMM-Subventionen (aufgegeben)
Market-Maker-Partnerschaften: Institutionelle Firmen (vergleichbar mit Susquehanna und Jane Street) bieten Markttiefe im Austausch für Gebührenrückerstattungen.
Quersubventionierung: Sportmärkte mit hohem Handelsvolumen finanzieren Nischenveranstaltungen auf derselben Plattform.
Erfolgsquote: Unterschiedlich. Polymarket/Kalshi erreichten die Liquiditätsgrenze (wöchentliches Volumen von über 1 Milliarde US-Dollar, ab der sich das organische Market-Making selbst trägt). Kleinere Protokolle bleiben subventionsabhängig oder scheitern am Start.
Benutzerschulung und kognitive Belastung
Barrieren dezentraler Plattformen:
Wallet-Einrichtung: MetaMask/Phantom-Installation, Verwaltung der Seed-Phrase, Verständnis der Gasgebühren
On-Chain-Interaktion: Transaktionssignierung, Netzwerk-Switching (Polygon/Ethereum/Solana), Bridge-Nutzung
Marktmechanismen: Wahrscheinlichkeitsbasierte Preisbildung, Aktienrücknahme, Oracle-Auflösung verstehen
Empirisch: Augur/Rain/Limitless weisen eine 7-Tage-Retention von 25-35 % auf, verglichen mit 60 % bei Polymarket (hybride UX) und implizit über 70 % bei Kalshi (Fiat-nativ).
Vereinfachung der zentralisierten Plattform:
Kalshi/DraftKings/FanDuel bieten eine vertraute Benutzererfahrung beim Wetten mit Einzahlungen in Fiatwährungen, sofortiger Abrechnung und einem für mobile Geräte optimierten Design.
Abwägung: Verwahrungsrisiko und Zensur versus Zugänglichkeit
Komplexität der Marktinterpretation:
Skalarmärkte (Zahlenbereiche) können sich aufgrund der kognitiven Belastung nicht durchsetzen.
Bei kategorischen Märkten mit mehreren Ergebnissen ist das Handelsvolumen geringer als bei vergleichbaren binären Märkten.
Bedingte Märkte („X gegeben Y“) werden trotz theoretischen Wertes selten gehandelt.
Bildungsbedingte Skalierungsbeschränkung: Prognosemärkte erfordern naturgemäß Wahrscheinlichkeitskenntnisse – das Verständnis, dass 0,70 $ nicht 70 % Sicherheit, sondern 70 % Wahrscheinlichkeit bedeuten. Die breite Akzeptanz wird durch die mangelnde statistische Kompetenz eingeschränkt (Studien zufolge verstehen Erwachsene in den USA Wahrscheinlichkeiten nur zu 50 %).
Schwarze-Schwan-Ereignisse und Streitbeilegung
Oracle-Ausfallszenarien:
Uneindeutige Ergebnisse: Ereignisse mit subjektiver Interpretation (z. B. der Stoff von Selenskyjs Anzug, die angeblich „fairen“ Wahlen in Venezuela) führen trotz eindeutiger physischer Gegebenheiten zu Streitigkeiten. Polymarket-Fälle 2025: Mehr als 12 umstrittene Urteile mit einem Gesamtvolumen von über 100 Millionen US-Dollar.
Manipulation von Datenquellen: Abhängigkeiten von einer einzigen Datenquelle schaffen Angriffsvektoren. Beispiel: Nachträgliche Bearbeitung von Regierungswebseiten, Manipulation des Suchvolumens („d4vd“ Google-Suchmarkt, bei dem das Wettvolumen selbst die Kennzahl bestimmte).
Schwarze Schwäne: Beispiellose Ereignisse, für die es keine klaren Lösungsmechanismen gibt. Beispiel: Stimmengleichstand im Wahlkollegium oder Verfassungskrisen, die in den Marktregeln nicht vorgesehen sind.
Ökonomisches Scheitern im Streitfall: Der UMA-Wal (5 Mio. Token) konnte den 7-Millionen-Dollar-Markt trotz Uneinigkeit in der Community zu seinen Gunsten entscheiden. Der REP-Fork-Mechanismus wurde trotz Kontroversen nicht ausgelöst, was darauf hindeutet, dass die Kosten des Streits den Nutzen überstiegen.
Auswirkungen der Lösung: Kontroverse Ergebnisse schädigen die Glaubwürdigkeit der Plattform überproportional – ein einzelner, aufsehenerregender Fehler birgt das Risiko eines Nutzerabwanderungsrisikos. Der Streit um Selenskyj bei Polymarket führte trotz seines Anteils von lediglich 0,3 % am jährlichen Handelsvolumen zu negativer Medienberichterstattung.
Erosion der Glaubwürdigkeit und des Vertrauens von Plattformen
Sicherheitsvorfälle:
Sicherheitslücke bei Polymarket Magic Labs (2025): Authentifizierungsschwachstelle legte Nutzerdaten offen; Auswirkungen auf das Vertrauen nicht quantifiziert, aber Daten zur Kundenbindung deuten auf Widerstandsfähigkeit hin
CFTC-Strafe: Polymarket muss 1,4 Mio. US-Dollar (2022) für nicht registrierte Swaps zahlen – regulatorische Unsicherheit wird wahrgenommen
Manipulationsskandale:
Insiderhandel: Google-Mitarbeiter gewann 22 von 23 Wetten auf Firmenveranstaltungen mithilfe interner Informationen (über 1 Million US-Dollar).
Wash Trading: Eine Studie der Columbia University ergab, dass durchschnittlich 25 % des Handelsvolumens aus Eigenhandel stammen; dies verzerrt die scheinbare Liquidität und führt die Nutzer in die Irre.
Walmanipulation: „Französischer Wal“ – 30 Millionen Dollar schwere Positionen veränderten Wahlkampfnarrative und möglicherweise Wahlergebnisse
Auflösungsqualität:
Kalshi-Vorfall „Miami“ (vor 2025): Beschwerden über fehlerhafte Bearbeitung; Glaubwürdigkeit des Teams in Frage gestellt
Polymarket Venezuela-Wahlen: Zentralisierte Orakelresolution von internationalen Beobachtern widerlegt
Risiko von Rückkopplungsschleifen:
Manipulation/Streitigkeiten → Medienberichterstattung → Skepsis der Nutzer → Rückgang des Handelsvolumens → Verschlechterung der Liquidität → erhöhte Anfälligkeit für weitere Manipulationen. Auf Systemebene noch nicht beobachtet, aber einzelne Marktversagen verdeutlichen den Mechanismus.
Institutionelle Hürde: Der Vertrauensverlust begrenzt die institutionelle Akzeptanz – Hedgefonds und Unternehmen benötigen glaubwürdige Abwicklungsmöglichkeiten und regulatorische Klarheit für Anwendungsfälle der Makro-Hedging. Die aktuelle Volatilität in beiden Bereichen schränkt den adressierbaren Markt ein.
10. Strategische Ausrichtung
Prognosemärkte vs. traditionelle Prognoseinstitute
Komplementärszenario (höchstwahrscheinlich):
Prognosemärkte liefern Wahrscheinlichkeitsschätzungen in Echtzeit für zeitkritische Entscheidungen, wenn Umfragen oder Expertenanalysen zu langsam oder zu teuer sind. Anwendungsfälle:
Medienintegration: CNBC/Bloomberg zitieren die Quoten von Polymarket/Kalshi als ergänzende Daten zu Umfragen.
Unternehmensrisikomanagement: Unternehmen sichern sich gegen ereignisbezogene Risiken ab (Wahlergebnisse, regulatorische Entscheidungen)
Forschungsvalidierung: Akademische Prognosewettbewerbe (IARPA/GJP) mit Märkten als Benchmark
Belege: Die Wahlberichterstattung 2024 integrierte Daten von Prognosemärkten neben traditionellen Umfragen; Partnerschaften von Kalshi mit CME/ICE deuten auf eine institutionelle Nachfrage nach Absicherungsinstrumenten hin.
Ersatzszenario (eingeschränkte Domänen):
Hochliquide Prognosemärkte sind in bestimmten Kontexten herkömmlichen Methoden überlegen:
Sportergebnisse: Die Märkte liegen bei NFL/NBA-Wetten regelmäßig besser als die Expertenprognosen (über 70 % Trefferquote gegenüber 60 % bei den Experten).
Kurzfristige Ereignisse: Zinsentscheidungen der US-Notenbank, Gewinnmitteilungen, bei denen die Märkte Informationen schneller verarbeiten als Analystenberichte.
Einschränkungen: Märkte mit geringer Liquidität versagen (67 % Genauigkeit gegenüber über 75 % in Umfragen der Vanderbilt-Studie); ideologische Märkte (Wahlen) weisen eine Verzerrung auf.
Hybridmodell (neue bewährte Vorgehensweise):
Kombiniert werden Prognosemarktwahrscheinlichkeiten mit Umfragedaten und Expertenanalysen. Eine Studie von Cambridge/IARPA zeigte, dass Hybridmodelle einen Brier-Wert von 0,15 erreichen, verglichen mit 0,21 bei aggregierten Selbsteinschätzungen oder 0,23 bei reinen Märkten.
Mehr dazu: https://www.kkdemian.com/blog/polymarket_kalshi_prediction_2026
