Als Student an der Cornell University entdeckte ich in einem scheinbar „nutzlosen“ Kurs zur künstlichen Intelligenz eine Leidenschaft, die mein Leben verändern sollte. Obwohl der Kurs weniger mathematisch anspruchsvoll war als andere, faszinierten mich Algorithmen wie Monte Carlo-Simulationen, Verstärkendes Lernen und genetische Optimierung – sie erschienen mir wie magische Schlüssel, die den Zugang zu einem neuen, übermenschlichen Verständnis der Welt eröffneten. Als unerfahrener Anfänger im Finanzwesen, mit einem Biologie-Diplom und nur grundlegenden Programmierkenntnissen, träumte ich von einem autonom arbeitenden AI-Trading-Bot – „Stock-Jarvis“, eine Art künstliche Intelligenz, die wie Iron Man’s AI-Helm den Aktienmarkt überwacht und entscheidet. Meine ersten Versuche scheiterten kläglich: Ein AI-Modell, das ausschließlich auf historischen Kursdaten basierte, erzielte schlechtere Ergebnisse als ein einfacher SPY-ETF-Index. Selbst der Professor, der die Arbeit bewertete, war beeindruckt von der Intensität des Einsatzes – trotz des technischen Misserfolgs erhielt ich eine B+ in einem der anspruchsvollsten Kurse an der Carnegie Mellon University. Doch aus dem Versagen wuchs etwas Größeres. Ich entwickelte Aurora, einen autonomen AI-Handelsagenten, der nicht einfach Ideen generiert, sondern nach wissenschaftlichen Prinzipien denkt. Anders als ChatGPT, der Wörter voraussagt, arbeitet Aurora mit einem strukturierten „Reasoning and Acting“-Prozess: Sie versteht ein Ziel, bildet Hypothesen basierend auf Finanztheorien, testet Strategien in verschiedenen Marktszenarien, optimiert sie mit genetischen Algorithmen und evaluiert die Ergebnisse anhand von Risikotoleranz und Rendite. Die Systeme werden iterativ verfeinert, ähnlich wie ein Wall-Street-Trader, nur automatisiert und skaliert. Die Technologie basiert auf modernen Ansätzen wie dem Decision Transformer, einem Offline-Reinforcement-Learning-Modell, das es Aurora ermöglicht, aus historischen Daten zu lernen, ohne in Echtzeit zu handeln. Was einst ein persönlicher Traum war, ist nun ein öffentlich zugängliches Tool: NexusTrade. Jeder kann kostenlos ein Konto erstellen, Aurora mit einer Zielsetzung wie „Finde die beste Rebalancing-Strategie zwischen GLD und UPRO“ beauftragen – und erhält nicht nur eine Strategie, sondern den kompletten Denkprozess. Die Idee: Je mehr Menschen Aurora nutzen, desto besser wird sie. Die Interaktionen werden genutzt, um das Modell zu verbessern – ein Feedback-Loop, der die KI stetig intelligenter macht, ähnlich wie OpenAI die Entwicklung von ChatGPT durch Nutzungsdaten vorantreibt. Die Ergebnisse sind beeindruckend: Persönliche Konten zeigen jährliche Renditen von über 123 %, andere Nutzer berichten von 91 % Gewinn in sechs Monaten. Natürlich gibt es keine Garantie – der Markt kann sich jederzeit ändern. Doch das Ziel ist nicht nur Profit, sondern eine fundamentale Veränderung der Zugänglichkeit von hochwertigem Trading-Wissen für Privatanleger. Ich habe kein Finance-Diplom, keine Wall-Street-Karriere – nur eine unbeugsame Überzeugung, dass AI nicht nur kopieren, sondern verstehen kann. Und heute habe ich etwas gebaut, das besser ist als ich selbst. In fünf Jahren werde ich sehen, ob es besser ist als die ganze Welt.