Experte: KI kann Prognosemärkte demokratisieren

Laut Andrew Hall, Professor für politische Ökonomie an der Stanford Graduate School of Business, könnte KI auf Prognosemärkten als direkt in die Blockchain integrierter Schiedsrichter fungieren.

https://t.co/wQfka1JDA6

— a16z crypto (@a16zcrypto) 22. Januar 2026

Er beschrieb das Problem der „fairen“ Streitbeilegung am Beispiel der Präsidentschaftswahlen in Venezuela.

Im vergangenen Jahr wurden Verträge im Wert von über 6 Millionen Dollar für den Ausgang der Veranstaltung unterzeichnet. Nach der Kampagne blieb der Markt jedoch ohne klares Ergebnis zurück:

• Die Regierung erklärte Nicolás Maduro zum Wahlsieger;
• Die Opposition und internationale Beobachter warfen der Opposition Wahlbetrug vor.

„Sollte die Entscheidung über Verträge auf dem Prognosemarkt den ‚offiziellen‘ Informationen (Maduros Sieg) oder dem ‚Konsens glaubwürdiger Berichte‘ (Sieg der Opposition) folgen?“, fragte Hall.

Dies sei kein Einzelfall, bemerkte der Experte. In einem anderen Fall habe jemand angeblich eine Karte der Ukraine im Zusammenhang mit einem Territorialstreit manipuliert.

Hall ist der Ansicht, dass es wichtig ist, ein faires und vertrauenswürdiges System zur Abwicklung von Verträgen zu schaffen, damit Preise zu aussagekräftigen Signalen für die Gesellschaft werden können.

Das Problem ist nicht nur der Prognosemarkt.

Ähnliche Probleme plagen die Finanzmärkte. Die International Swaps and Derivatives Association (ISDA) kämpft seit Jahren mit den Abwicklungsproblemen auf dem Markt für Kreditausfallswaps – Verträge, die im Falle einer Insolvenz eines Unternehmens oder Staates greifen.

Entscheidungsgremien stimmen darüber ab, ob Kreditereignisse eingetreten sind. Das Verfahren wurde jedoch wegen mangelnder Transparenz, potenzieller Interessenkonflikte und uneinheitlicher Ergebnisse kritisiert.

„Das grundlegende Problem bleibt dasselbe: Wenn große Geldsummen davon abhängen, den Hergang einer unklaren Situation zu klären, wird jeder Abwicklungsmechanismus zum Ziel von Manipulationen und die Unklarheit zum potenziellen Streitpunkt“, sagte Hall.

Eigenschaften einer guten Lösung

Der Experte nannte mehrere Schlüsseleigenschaften, die jede praktikable Lösung aufweisen sollte:

• Widerstand gegen Manipulation – wenn das Urteil durch Bearbeiten von Wikipedia, Verbreiten von Fake News, Bestechung von Orakeln oder Ausnutzen von Schlupflöchern beeinflusst werden kann, verwandelt sich der Markt in ein Spiel, bei dem der beste Manipulator gewinnt;
• angemessene Genauigkeit – der Mechanismus muss in den meisten Fällen die richtige Schlussfolgerung ziehen. Perfekte Genauigkeit ist unmöglich, aber es ist wichtig, systematische Fehler und offensichtliche Irrtümer zu eliminieren;
• Transparenz – Händler müssen das Funktionsprinzip des Mechanismus klar verstehen;
• Neutralität – die Teilnehmer müssen darauf vertrauen können, dass das System keinen bestimmten Nutzer oder kein bestimmtes Ergebnis bevorzugt.

Aus Bürgern gebildete Komitees können einige dieser Anforderungen erfüllen, sind aber anfällig für Manipulation und können nicht neutral sein.

KI ist die Lösung des Problems

Hall schlägt vor, große Sprachmodelle als Richter zu verwenden, wobei jedes Modell und jede Aufforderung zum Zeitpunkt der Vertragserstellung in der Blockchain aufgezeichnet wird.

Die grundlegende Architektur sieht folgendermaßen aus:

1. Bei der Erstellung eines Vertrags legt der Market Maker nicht nur die Streitbeilegungskriterien in natürlicher Sprache fest, sondern auch den LLM sowie die genaue Eingabeaufforderung, die zur Ermittlung des Ergebnisses verwendet wird.
2. Die Spezifikation wird mithilfe von Kryptographie in der Blockchain aufgezeichnet.
3. Sobald der Handel beginnt, können sich die Teilnehmer mit dem gesamten Mechanismus des Vertrags vertraut machen – sie wissen genau, wie das Modell auf die angegebenen Informationsquellen zugreift und Entscheidungen trifft.

Dieser Ansatz beseitigt mehrere zentrale Probleme:

• KI ist resistent gegen Manipulation (wenn auch nicht vollständig). Die Ergebnisse eines großen LLM lassen sich nicht so einfach bearbeiten. Um die Entscheidung zu ändern, muss ein Angreifer die Informationsquellen ändern, auf denen das Modell basiert;
• Genauigkeit ist gewährleistet – neuronale Netze können schnell im Netzwerk navigieren und nach neuen Daten suchen;
• Transparenz – der gesamte Streitbeilegungsmechanismus steht zur Analyse und Überprüfung zur Verfügung. Es darf im Laufe des Verfahrens keine Regeländerungen und keine subjektiven Entscheidungen geben;
• Glaubwürdigkeit – LLM hat kein finanzielles Interesse am Ergebnis und kann nicht bestochen werden.

Einer der Nachteile bleibt die Möglichkeit von Fehlern seitens der KI. Das System könnte einen Nachrichtenartikel falsch interpretieren oder eine Tatsache erfinden.

Manipulationen sind nicht unmöglich, nur schwieriger durchzuführen. Betrüger können die Platzierung bestimmter Informationen in großen Medien anordnen. Es ist teuer, aber real.

Es besteht auch die Möglichkeit eines Angriffs auf die LLM-Trainingsdaten. Dies muss jedoch rechtzeitig vor Vertragsunterzeichnung erfolgen.

KI-basierte Lösungen ersetzen ein Problemfeld durch ein anderes, besser handhabbares. Plattformen sollten mit verschiedenen LLMs experimentieren, so Hall.

Sobald sich bewährte Verfahren herauskristallisiert haben, muss die Community an der Standardisierung von Kombinationen von KI-Programmen arbeiten. Dies wird laut Autor dazu beitragen, die Liquidität zu konzentrieren.

Zur Erinnerung: Im Januar sagten die Kryptoanalysten von a16z das Wachstum von Vorhersage- und ZK-sicheren Märkten voraus.