Die Zukunft der Wahrheit: Warum Märkte klüger sind als Experten (und wie wir das nutzen können)

Wir leben in einer Zeit der Kommentatoren, in der die „Experten"-Prognose zu einer entwerteten Währung geworden ist. Von verpatzten Wahlvorhersagen bis zu verfehlten Umsatzprognosen: Klassische Umfragen und intuitionsbasierte Vorhersagen scheitern zunehmend an der Komplexität der modernen Welt. Das Problem ist nicht ein Mangel an Daten, sondern ein Mangel an Verbindlichkeit — Reden ist billig, und für falsche Vorhersagen gibt es selten finanzielle Konsequenzen. Eine leise Revolution im Marktdesign zeigt jedoch, dass wir bereits eine überlegene Alternative besitzen. Informationsmärkte sind die mächtigste Wahrheitsmaschine, die je entworfen wurde. Durch die Verbindung der Spieltheorie Robin Hansons mit modernsten Liquiditätsmodellen entdecken wir, wie sich das verborgene Wissen der Welt zu einem einzigen, handlungsleitenden Preis verdichten lässt.

1. Der empirische Vorsprung: Wenn Märkte Experten blamieren

Dass Märkte Kommentatoren überlegen sind, ist keine bloß libertäre Theorie, sondern historisch belegt. Wenn Menschen ihre Einschätzungen mit Kapital untermauern müssen, verschwindet das „Rauschen" — übrig bleibt nur das Signal.

Die Datenlage über Jahrzehnte ist eindeutig:

• Meteorologie über Rohstoffe: Richard Roll (1984) zeigte, dass Orangensaft-Futures-Märkte genauere Wettervorhersagen für den Anbaugürtel Floridas liefern als die offiziellen Berichte des US-Wetterdienstes.
• Der Iowa Electronic Market (IEM): Bei der Analyse von US-Präsidentschaftswahlen fanden Berg, Nelson und Rietz (2001), dass der IEM in 451 von 596 Vergleichen genauer war als die großen Meinungsumfragen.
• Die Hewlett-Packard-Studie: Chen und Plott (1998) untersuchten interne Märkte zur Prognose von Drucker-Verkaufszahlen. Der Markt schlug die offiziellen Unternehmensprognosen in 6 von 8 Fällen und lag im achten gleichauf. Entscheidend: Die Experten hatten bei ihren eigenen Prognosen Zugriff auf die Marktdaten — und konnten den Markt trotzdem nicht schlagen.

„Spekulative Marktpreise sind häufig recht genaue Schätzungen zukünftiger Preise, die eine große Menge verfügbarer Information bündeln." — Robin Hanson

2. Die „No-Trade"-Mauer: Warum die meisten Märkte nie starten

Wenn Märkte so wirksam sind, warum setzen wir sie dann nicht überall ein? Die Antwort liegt im Problem der „dünnen Märkte" und einer psychologischen Hürde, die als No-Trade-Theorem bekannt ist (Milgrom und Stokey, 1982).

In einer vollkommen rationalen Welt würde ich zögern, mit dir zu handeln, wenn wir beide unterschiedliche Informationen haben — aus Sorge, dass du etwas weißt, das ich nicht weiß. Das erzeugt eine Henne-Ei-Falle: Experten platzieren keine Orders, weil es keine Liquidität gibt, und es gibt keine Liquidität, weil niemand seine Karten ohne garantierten Vorteil offenlegen will. Bei Nischenfragen — etwa dem Erfolg eines bestimmten Projekts oder einem seltenen Krankheitsausbruch — bleiben Märkte deshalb oft „dünn" und stumm und erfassen genau die Information nicht, für die sie eigentlich gebaut wurden.

3. Die Market Scoring Rule: ein „Market Maker im Baukasten"

Um diese Mauer einzureißen, führte Robin Hanson die Market Scoring Rule (MSR) ein. Sie ist ein brillanter Hybrid, der die Lücke zwischen individuellen Scoring-Regeln (mit denen einzelne Prognostiker belohnt werden) und vollwertigen Börsen schließt.

Die MSR funktioniert als „sequenziell geteilte Scoring-Regel" — ein automatisierter, bestandsbasierter Market Maker.

• Sofortige Liquidität: Sie bietet jederzeit ein Kauf- oder Verkaufsangebot. Man braucht keine Gegenpartei, sondern handelt direkt gegen den Mechanismus.
• Das einsame Genie: Selbst wenn man die einzige Person im Raum mit Insiderwissen ist, kann man mit der MSR den „Preis" bewegen und für die eigene Genauigkeit belohnt werden.
• Pfadunabhängigkeit: Es spielt keine Rolle, ob der Konsens durch einen einzigen großen Trade oder tausend kleine Trades erreicht wird — Kosten und Endpreis bleiben konsistent.

4. Modularität und die Grenzen der Rechenleistung

Reale Wahrheit ist selten ein einzelnes binäres Ereignis. Oft muss man die Wahrscheinlichkeit von N verschiedenen Variablen kennen. Will man dreißig binäre Variablen gleichzeitig vorhersagen, hat man es mit 2^30 möglichen Zuständen zu tun — über einer Milliarde Ergebnissen.

Hansons Logarithmic Market Scoring Rule (LMSR) ist hier der Goldstandard, weil sie „lokal" ist. Man stelle sich Wetten darauf vor, ob es am Montag, Dienstag und Mittwoch regnet. In einer modularen LMSR sorgt der Mechanismus dafür, dass eine Wette auf Regen am Dienstag nicht versehentlich den bestehenden Konsens für Montag verschiebt. Diese Modularität erlaubt es, komplexe, überlappende Wahrscheinlichkeiten zu verwalten. Der Haken dabei: Auch wenn die Ökonomie stimmt, ist die Rechenkomplexität oft NP-vollständig. Wir stehen derzeit an der Grenze, an der Marktdesign auf High-Performance-Computing trifft, um diese Verteilungen konsistent zu halten.

5. „Klebrige Preise" lösen mit Liquiditätssensitivität

Die ursprüngliche LMSR war für kleine Experimente ein Wunderwerk, aber grundsätzlich nicht skalierbar: Sie behandelte eine globale wirtschaftliche Verschiebung mit derselben Preisvolatilität wie eine Wette unter Freunden. Sie war „liquiditätsunsensitiv" — der milliardste Dollar bewegte den Preis genauso stark wie der erste.

Abraham Othman und seine Kollegen erkannten, dass Preise in der realen Welt stabiler werden sollten, je „dicker" ein Markt wird. Ihre Lösung ersetzt den festen Liquiditätsparameter b durch eine dynamische Funktion: b(q) = α · Σq_i.

• Adaptive Tiefe: In einem neuen Markt liegt b nahe null, wodurch er hochsensibel auf kleine Informationshäppchen reagiert.
• Die Stabilitätsphase: Mit steigendem Volumen (q) entwickelt der Markt „Tiefe" und verhält sich zunehmend wie ein Blue-Chip-Wert.
• Dem Kleben entkommen: Hohe Tiefe kann in kapitalbeschränkten Umgebungen zu „klebrigen Preisen" führen, doch Othmans Modell sorgt dafür, dass die Liquidität natürlich mit dem im System vorhandenen „Skin in the Game" skaliert.

6. Der Alpha-Parameter: Wahrheit profitabel machen

Historisch brauchten diese „Wahrheitsmaschinen" einen Financier — ein Unternehmen oder eine Regierung, die bereit war, Geld zu verlieren, um Informationen zu „kaufen". Das war das fehlende Bindeglied für kommerzielle Tragfähigkeit.

Mit dem α-Parameter (Alpha) können Market Maker jetzt profitabel arbeiten. Möglich wird das, indem die Summe der Preise 1,0 überschreiten darf (die „Sum-to-Unity"-Eigenschaft). In diesem Modell ist die Preissumme durch 1 + αn log n begrenzt.

• Die eingebaute Provision: Das α fungiert als Provision oder „Vig".
• Marktskalierung: Da die Obergrenze von der Anzahl der Zustände (n) abhängt, benötigen größere, komplexere Märkte ein niedrigeres α, um wettbewerbsfähig zu bleiben.

Dieser Übergang vom subventionierten „Lockvogel"-Modell zu einem nachhaltigen, profitablen Provisionsmodell ist es, der Informationsmärkte von akademischen Spielgeld-Experimenten ins Herz von globaler Finanzwelt und Recht bringen wird.

7. Fazit: Auf dem Weg zu einer Welt der „Decision Markets"

Wir nähern uns einer Zukunft, in der Vorstandsetagen und Parlamente sich nicht mehr auf die lauteste Stimme im Raum verlassen. Wir bewegen uns auf Decision Markets zu. Man stelle sich ein Unternehmen vor, das über einen Führungswechsel nachdenkt. Statt einer Debatte hinter verschlossenen Türen blickt die Firma auf eine Marktschätzung: „Wie hoch ist der Aktienkurs, wenn wir den CEO absetzen?" versus „Wie hoch ist der Aktienkurs, wenn wir ihn behalten?"

Wenn wir über eine Technologie verfügen, die das verborgene Wissen der Welt zu einem einzigen Preis verdichten kann — und das profitabel und nachhaltig —, warum verlassen wir uns dann noch auf Meinungsumfragen und Kommentatoren? Die Werkzeuge, um Experten zu überlisten, existieren bereits. Wir brauchen nur den Mut, der Mathematik der Masse zu vertrauen.

Häufige Fragen (FAQ)

Was ist die Market Scoring Rule (MSR)?

Die von Robin Hanson eingeführte MSR ist ein automatisierter Market Maker, der jederzeit kauf- und verkaufsbereit ist. So kann ein einzelner gut informierter Trader den Preis bewegen und für seine Genauigkeit belohnt werden, ohne eine Gegenpartei zu brauchen.

Was unterscheidet die MSR von der LMSR?

Die MSR ist der allgemeine Mechanismus, die Logarithmic Market Scoring Rule (LMSR) ist Hansons konkrete Umsetzung. Sie ist wertvoll, weil ihre Kostenfunktion „lokal" ist und sich modular über viele überlappende Fragen aufteilen lässt, ohne dass eine Wette eine andere verzerrt.

Warum bleiben so viele Prognosemärkte illiquide?

Das No-Trade-Theorem zeigt, dass rationale Trader zögern, mit jemandem zu handeln, der möglicherweise mehr weiß als sie selbst. Ohne einen subventionierten Market Maker wie die MSR entsteht so ein Henne-Ei-Problem: Niemand will der Erste sein, der seine Information preisgibt.

Können Prognosemärkte tatsächlich profitabel sein?

Ja. Mit einem Alpha-Parameter, der die Preissumme über 1,0 hinaus zulässt, können Market Maker eine eingebaute Provision erheben — aus einem einst subventionierten Forschungsinstrument wird so ein selbsttragender, profitabler Mechanismus.

Was ist ein Decision Market?

Ein Decision Market bepreist das Ergebnis einer Entscheidung in Abhängigkeit von der gewählten Option — etwa den erwarteten Aktienkurs, falls ein Unternehmen den CEO austauscht, im Vergleich zum Kurs, falls es ihn behält. So lassen sich Optionen anhand ihrer marktimplizierten Konsequenzen vergleichen statt nur zu diskutieren.

---

Zuletzt aktualisiert: August 2026. Quellen u. a.: Roll (1984), Berg, Nelson & Rietz (2001), Chen & Plott (1998), Hanson (2003, 2007), Milgrom & Stokey (1982), Othman et al. (2013).