Das eigentliche Risiko von KI-Trading ist die Rückkopplungsschleife

Der gefährlichste KI-Trader ist vielleicht nicht der, der eine falsche Entscheidung trifft. Vielleicht ist es der, der eine vernünftige Entscheidung trifft, nachdem er Tausende anderer Maschinen dabei beobachtet hat, genau dasselbe zu tun. Darin steckt das regulatorische Problem hinter der aktuellen Begeisterung für das agentenbasierte Finanzwesen: Die Märkte bekommen nicht einfach neue Werkzeuge. Möglicherweise gewinnen sie neue Teilnehmer hinzu, deren Reaktionen sich mit Maschinengeschwindigkeit gegenseitig verstärken können.

Die Commodity Futures Trading Commission (CFTC) setzt diese Möglichkeit auf ihre Tagesordnung. Die Innovation Task Force der Behörde hat für den 28. Oktober 2026 eine Sitzung des Frontier Forums angekündigt, die sich mit KI an den Derivatemärkten und dem Aufstieg des agentenbasierten Finanzwesens befasst. Die Sitzung ist Teil einer umfassenderen regulatorischen Debatte und kein Beleg dafür, dass autonome Trading-Systeme den Markt bereits übernommen haben. Doch die Themenwahl ist wichtig. Sie deutet darauf hin, dass Regulierer beginnen, KI als Frage der Marktstruktur zu betrachten – und nicht nur als Frage der Softwarebeschaffung.

Die CFTC tut gut daran, von Modellen zu Systemen überzugehen

Jahrelang lautete die naheliegende regulatorische Frage: Ist dieser Algorithmus korrekt, fair und regelkonform? Diese Frage ist weiterhin wichtig, aber für Systeme, die Informationen interpretieren, Handlungen auswählen und ihr Verhalten möglicherweise mit begrenzter menschlicher Beteiligung anpassen können, greift sie zu kurz.

Die frühere Arbeit der CFTC weist bereits in diese Richtung. 2024 empfahl ihr Technology Advisory Committee, menschliche Beteiligung, Governance, Datenqualität, Datenschutz und Risikomanagement-Rahmenwerke zu berücksichtigen, die auf KI-spezifische Risiken zugeschnitten sind. Das Komitee warnte außerdem, generative KI könne Instabilität verursachen, wenn Unternehmen die verwendeten Daten und Strategien nicht vollständig verstehen oder kontrollieren, wie der Bericht der CFTC erläutert.

Das ist eine hilfreiche Grundlage. Der nächste Schritt besteht jedoch darin, jedes eingesetzte Modell nicht länger als isoliertes Objekt zu behandeln. Ein Trading-Agent arbeitet innerhalb einer Kette: Daten gehen ein, ein Modell interpretiert sie, eine Handlung erreicht einen Markt, andere Systeme reagieren, und die daraus entstehenden Daten werden Teil der Umgebung für künftige Entscheidungen. Die Gefahr liegt in dieser Schleife.

Ein einzelnes Modell kann vertretbar sein, während das Zusammenspiel vieler Modelle destabilisierend wirkt. Wenn mehrere Agenten dasselbe Signal erkennen, dieselbe Position eingehen oder sich gleichzeitig aus Risiken zurückziehen, können ihre Handlungen eine kleine Bewegung in eine größere verwandeln. Damit ist nicht gesagt, dass ein solches Szenario unvermeidlich ist. Es bedeutet vielmehr, dass Tests einzelner Modelle nicht alle Risiken eines vernetzten Marktes offenlegen können.

„Menschliche Aufsicht“ muss eine echte Kontrolle bedeuten – kein Schlagwort

Regulatorische Formulierungen behandeln menschliche Beteiligung häufig als beruhigenden letzten Kontrollpunkt. Doch eine Person, die eine automatisierte Warnung erhält, nachdem sich eine Position bereits rapide verändert hat, übt nicht zwangsläufig eine wirksame Kontrolle aus. Sie beobachtet möglicherweise lediglich ein Ereignis, das sie nicht schnell genug rückgängig machen kann.

Der praktische Maßstab sollte die Fähigkeit zum Eingreifen sein. Unternehmen sollten erklären können, was ein Agent tun darf, für welche Entscheidungen eine Genehmigung erforderlich ist, wie seine Aktivität pausiert werden kann und wer verantwortlich ist, wenn sich das System außerhalb seiner erwarteten Grenzen verhält. Das sind Überlegungen dazu, was eine wirksame Governance verlangen sollte, und keine von der CFTC in den Unterlagen angekündigten Details. Sie ergeben sich jedoch unmittelbar aus der Sorge der Behörde, dass Unternehmen ihre KI-gestützten Handels- und Risikoprogramme nicht vollständig verstehen oder kontrollieren.

Dasselbe Prinzip gilt für Anbieter. Wenn ein Finanzinstitut auf ein Modell eines Drittanbieters angewiesen ist, dessen Trainingsdaten, Gewichtungen oder Aktualisierungen undurchsichtig sind, darf die Verantwortung nicht in der Lieferkette verschwinden. Der Schutz geistigen Eigentums kann zwar einschränken, was ein Anbieter offenlegt. Er darf ein reguliertes Unternehmen jedoch nicht daran hindern, seine eigenen Handels- und Clearingdaten zu verwalten und zu melden. Wenn er das tut, handelt es sich nicht nur um ein Technologieproblem, sondern um eine Governance-Lücke.

Tests sollten auch die Reaktion des Marktes auf den Agenten einbeziehen

Backtests einer Strategie mit historischen Daten reichen nicht aus, wenn die Strategie die Bedingungen verändert, die sie ausnutzen soll. Regulierer und Unternehmen müssen testen, wie Systeme miteinander interagieren: ob Agenten zu einem ähnlichen Verhalten tendieren, wie schnell sie Positionen aufgeben und was geschieht, wenn Daten unvollständig, manipuliert oder schlicht falsch sind.

In der Diskussion von 2024 nannte die CFTC Handel, Risikomanagement, Compliance, Kundenservice und Backoffice-Abläufe als relevante Einsatzbereiche für KI. Diese Bandbreite ist wichtig, weil Instabilität nicht mit einer offensichtlichen Handelsanweisung beginnen muss. Eine fehlerhafte Risikobewertung, eine falsche Compliance-Einstufung oder eine automatisierte Kundeninteraktion könnte Entscheidungen an anderer Stelle der Kette verändern.

Hier könnte das Forum der CFTC mehr als eine reine Zuhörveranstaltung werden. Die Behörde sollte die Teilnehmer auffordern, messbare Fehlerbedingungen und praktikable Verfahren zum Abschalten zu beschreiben, statt sich mit allgemeinen Versprechen verantwortungsvoller Innovation zufriedenzugeben. Die Öffentlichkeit muss nicht nur wissen, ob ein Agent unter normalen Bedingungen gut funktioniert, sondern auch, wie schnell ein Unternehmen ein Problem erkennen und eindämmen kann.

Die Gewinner werden Unternehmen sein, die Kontrolle nachweisen können

Regeln für das agentenbasierte Finanzwesen sollten nicht darauf abzielen, Automatisierung zu verbieten. KI wird an den Finanzmärkten bereits in etablierten Bereichen eingesetzt, darunter Überwachung, Betrugserkennung, Backtesting und Risikomanagement, wie aus dem früheren Bericht der CFTC hervorgeht. Richtig konzipierte Systeme können manuelle Arbeit reduzieren und ungewöhnliche Aktivitäten schneller erkennen als Menschen.

Das bessere regulatorische Ziel ist nicht rechenschaftspflichtige Autonomie. Unternehmen, die klare Aufzeichnungen über Modelländerungen, Berechtigungen, Datenquellen, Entscheidungen und Eingriffe führen, sollten einen Vorteil gegenüber jenen haben, die einen KI-Agenten als Blackbox mit einem Trading-Konto behandeln. Dieser Ansatz würde auch seriösen Entwicklern zugutekommen: Vorhersehbare Anforderungen lassen sich leichter berücksichtigen als vage Aufforderungen, „KI verantwortungsvoll einzusetzen“.

Das Forum der CFTC am 28. Oktober ist daher ein Signal, keine Lösung. Seine Bedeutung wird davon abhängen, ob sich die Debatte über die Fähigkeiten einzelner Modelle hinausbewegt und das kollektive Verhalten von Maschinen thematisiert, die mit demselben Markt verbunden sind. Unserer Ansicht nach sollten Regulierer zuerst die Rückkopplungsschleife regulieren: Sie sollten für jeden Entscheidungsweg Verantwortlichkeit verlangen, Interaktionen unter Stress testen und Eingriffe tatsächlich ermöglichen, bevor autonome Finanzsysteme zur gewöhnlichen Infrastruktur werden. Wenn eine Rückkopplungsschleife mit Maschinengeschwindigkeit die Märkte sichtbar beschädigt, wird die Aufsicht bereits zu spät kommen.