ASUS und Poesis testen einen selbsthandelnden KI-Agenten mit echtem Kapital

ASUS und Poesis gingen eine einwöchige Partnerschaft für ein Experiment ein, bei dem autonome KI-Agenten Marktforschung betrieben, Risiken verwalteten und echte Trades durchführten. Laut der Ankündigung von den beiden Unternehmen, arbeiteten die Agenten am ASUS ExpertCenter Pro ET900N G3 Laptop unter Verwendung von NVIDIA-Technologie.

Die Bedeutung des Experiments liegt nicht nur in der Tatsache, dass ein weiterer Trading-Bot entwickelt wurde. Der Kern des Experiments ist, dass es uns einen Blick in einen neuen Markt ermöglicht, in dem KI nicht nur Ratschläge bietet.

Jetzt sind wir Zeugen von Agenten, die Daten sammeln, Strategien entwickeln und kontinuierlich Handel betreiben können. Die 24/7-Natur von Krypto und seine programmierbare Infrastruktur machen es zum klarsten Feld für die Umsetzung dieser Veränderung.

Ein Agent, der handelt, nicht nur berät

ASUS plädiert für den lokalen Betrieb von Agenten. Das Unternehmen weist darauf hin, dass KI, die kontinuierlich läuft, nicht gut für ein Cloud-Abrechnungsmodell geeignet ist. Dies liegt daran, dass Agenten weiterhin Aufrufe im Hintergrund generieren, anstatt nur auf gelegentliche Anfragen eines menschlichen Benutzers zu reagieren.

In einem Blogartikel beschreibt ASUS dies als „Die Token-Falle“, bei der kontinuierliche Agentenaktivitäten zu unvorhersehbaren API-Rechnungen führen und an von Cloud-Anbietern auferlegte Nutzungsgrenzen stoßen können.

ASUS nutzt sein Ascent GX10 als Beispiel für die Kosten: eine einmalige Investition von etwa 4.000 $ plus etwa 384 $ jährliche Stromkosten im Vergleich zu den jährlichen API-Gebühren von 6.000 bis 8.000 $ für die vergleichbare cloudbasierte Workload.

Obwohl der GX10 nicht das Gerät war, das im Poesis-Test verwendet wurde und der Test mit dem ExpertCenter Pro ET900N G3 durchgeführt wurde, hebt der Vergleich die Prämissen von ASUS bezüglich der lokalen Agentenbereitstellung deutlich hervor.

Es gibt jedoch eine wichtige Warnung. Der Poesis-Test ist nur ein kurzer Proof-of-Concept-Test und kein langfristiger Leistungstest, und er war nicht speziell für den Handel mit Kryptowährungen konzipiert.

Von prädiktiven Modellen zu handelnden Agenten

Ein Paper, das im März 2026 veröffentlicht wurde, beschreibt die Entwicklung von Finanz-KI von regelbasiertem algorithmischem Handel zu maschinellem Lernen zur Vorhersage und nun hin zu agentic Finance. Sein Vier-Schichten-Modell beschreibt die Stufen der Datenwahrnehmung, des Reasonings, der Strategiegenerierung und der Ausführung mit Kontrolle. Mögliche Anwendungen umfassen Handel, Portfolio-Management, Risikokontrolle und dezentrale Finanzen.

Die Einführung von Finanz-KI ist jedoch bereits im Gange. Laut dem Global AI in Financial Services Report, der von der Cambridge Judge Business School auf der Grundlage von Informationen von 628 Unternehmen in 151 Ländern zusammengestellt wurde, haben bis zu 52 % der befragten Unternehmen bereits mit agentic AI experimentiert oder diese in ihren Operationen eingesetzt.

Krypto-Schienen öffnen sich bereits für Agenten

Kryptobörsen haben 2026 damit verbracht, Infrastruktur aufzubauen, die autonome Händler nutzen können. Binance startete Agent OS am 20. August und verknüpfte KI-Tools mit dedizierten Agentic-Unterkonten.

Abhebungen über die Integration sind blockiert, während die Wallet-Limits 50.000 $ täglich für Swaps, standardmäßig 100.000 $ für DeFi-Transaktionen und 20 $ 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. Das gemeinsame Thema ist die permissionierte Autonomie: Agenten können handeln, aber die Börsen setzen Kontotrennung, Berechtigungen, Limits oder kontrollierte Umgebungen darum.

Wo sich die Risiken konzentrieren

Der potenzielle Aufwärtspotenzial liegt in einer breiteren Marktberichterstattung, schnellerer Ausführung und tieferem elektronischem Handel, Teil einer breiteren Transformation der Kapitalmärkte, die von S&P Global untersucht wird.

Autonome Agenten könnten jedoch auch gemeinsame Schwächen verstärken. Die Algorithmic Market Hypothesis des CFA Institute warnt, dass ähnliche Modelle, die auf ähnliche Signale reagieren, überfüllte, reflexive Märkte und eine „algorithmische Monokultur“ schaffen können. Das Financial Markets Standards Board betont ebenfalls, dass marktseitige KI noch unter menschlicher Aufsicht operiert und die Verantwortung klar bleiben muss.

Krypto steht auch vor einer Kapazitätsfrage. Bart Smith, CEO der Avalanche Treasury Company, teilte The Block mit, dass, wenn agentic-Aktivitäten im großen Maßstab die Finanzmärkte erreichen, mehr Abwicklungen auf Blockchains verlagert werden könnten und „es nicht genug Blockraum gibt.“

Sein Kommentar ist eine Projektion, aber er erfasst die Infrastrukturherausforderung: Wenn KI-Agenten eine größere Klasse von Marktteilnehmern werden, müssen Märkte nicht nur mehr Intelligenz, sondern weitaus mehr maschinengesteuerte Aktivitäten bewältigen.