MarinKurze Antwort: Wir haben ein Live-KI-Trading-Portfolio erstellt, indem wir die Myfxbook-Auszüge von drei Anbieterkonten exportiert haben, die den Architect Algo ausführen, diese zusammen mit Ein-Minuten-OHLC-Daten für jedes gehandelte Symbol in Claude hochgeladen haben und Claude gebeten haben, eine Kombination zusammenzustellen, deren Drawdowns nicht gleichzeitig ihren Höchststand erreichen würden. Das Ergebnis läuft mit sieben Symbolen über zwei Strategien auf einem 1.000 $-BlackBull Markets-Konto, und nach etwa zweieinhalb Monaten zeigte es einen Gewinn von 8,5 %, eine durchschnittliche monatliche Rate von 2 % und einen maximalen Floating-Verlust von 12 %. Die Kosten für die OpenAI-Seite des Roboters beliefen sich in diesem gesamten Zeitraum auf 4 $, was mich mehr überrascht hat als die Renditen.
Das Wort KI taucht heutzutage bei fast jedem neuen Expert Advisor auf, der auf dem MQL5-Marktplatz hochgeladen wird. Meistens erklärt niemand, was es eigentlich genau macht. Also lass mich dir ein echtes Beispiel zeigen: was die KI-Ebene beiträgt und was es kostet, sie am Laufen zu halten.
Was wir getestet haben und was nicht
Es ist wichtig, hier präzise bei der Reichweite zu sein, denn die Aussage „wir haben KI genutzt“ ist genau die Art von Behauptung, die oft übertrieben wird.
Das Konto begann Ende April mit dem Trading. Stand 10. Juli war es seit fast zweieinhalb Monaten live. Ein Konto, 1.000 $, sieben Symbole, zwei Strategien, ein Broker.
Dinge, die ich dir nicht sagen kann:
- Wie sich dies über einen vollständigen Marktzyklus verhält. Zweieinhalb Monate sind nur eine Momentaufnahme.
- Ob das Portfolio, das Claude vorgeschlagen hat, ein besseres Ergebnis liefert als eines, das ich von Hand ausgewählt hätte. Wir haben keine Kontrollgruppe verwendet.
- Wie die KI-Bestätigungsebene während eines echten Volatilitätsereignisses abschneidet.
- Wie hoch die OpenAI-Kosten bei höherer Handelsfrequenz oder bei einem größeren Portfolio ausfallen.
Punkt 2 beschäftigt mich. Die Methode fühlte sich während der Durchführung rigoros an, und ich denke immer noch, dass sie besser als bloßes Raten war, aber „besser als Raten“ ist eine niedrigere Hürde als „bewiesen“.
Live-Ergebnisse bisher
| Metrik | Ergebnis |
| Kontogröße | 1.000 $ |
| Broker | BlackBull Markets |
| Live seit | Ende April |
| Dauer bei der Überprüfung | Etwa zweieinhalb Monate |
| Gesamtgewinn | 8,5% |
| Durchschnittliche monatliche Rate | Etwa 2% |
| Maximaler Floating-Verlust | 12% |
| Gehandelte Symbole | 7 |
| Laufende Strategien | 2 (Vigorous AI und Sharpshooter AI) |
| OpenAI API Ausgaben | 4 $ |
Guthaben und Equity wurden bis Ende Mai eng miteinander verfolgt. Dann trennten sie sich: Die Equity begann zu sinken, während das Guthaben weiter stieg.
Diese Divergenz ist die ganze Geschichte dieses Kontos, daher verdient sie eine genauere Analyse.
Die Lücke zwischen Guthaben und Equity lesen
Ein steigendes Guthaben bei sinkender Equity bedeutet, dass der Roboter immer noch profitabel Trades schließt, während eine Gruppe offener Positionen gegen ihn läuft. Beides ist gleichzeitig wahr, was Menschen verwirrt, die nur eine Linie betrachten.
In jüngster Zeit hat sich die Equity wieder in Richtung des Guthabens bewegt, was zeigt, wie eine Erholung bei dieser Art von System aussieht.
War ich besorgt? Nicht besonders, und ich möchte erklären, warum, anstatt es nur zu behaupten. Wir lassen sieben Symbole auf einem 1.000 $-Konto laufen, was für diese Größe eine sehr hohe gleichzeitige Exposition darstellt. Ein Floating-Verlust ist der erwartete Zustand, nicht die Ausnahme. Die Frage, die mich interessiert, ist, ob das Guthaben dadurch weiter steigt, denn das sagt mir, dass die Strategie immer noch Gewinner findet und schließt, während der offene Korb wartet.
Hier ist jedoch das ehrliche Gegengewicht. „Floating-Verlust ist normal“ ist auch der Satz, den sich jeder Trader sagt, kurz bevor ein Korb aufhört sich zu erholen. Der Grund, warum ich es hier akzeptiere, ist, dass die eigenen Konten des Anbieters dasselbe Muster zeigen, nicht weil der Satz beruhigend klingt.
Unsere jüngsten geschlossenen Trades beinhalteten einen Korb von AUD/NZD-Positionen, die mit Gewinn geschlossen wurden. Offen zum Zeitpunkt der Überprüfung: wieder AUD/NZD, NZD/USD und EUR/JPY, die meisten davon erst kürzlich eröffnet, wobei eine bereits seit etwa zwei Wochen läuft. Dieses alternde Profil ist für mich akzeptabel, hauptsächlich weil andere Symbole weiter beitragen, während diese Positionen liegen bleiben.
Was die eigenen Konten des Anbieters zeigen
Bevor ich Kapital einsetzte, ging ich die verfolgten Konten durch, die auf der Responsible Forex Trading Seite veröffentlicht wurden, wo der Architect Algo zu finden ist.
| Anbieterkonto | Größe | Notizen |
| Vigorous OpenAI Version | 3.000 $, gestartet im Oktober 2025 | Etwa 35 % Gewinn, 7 gehandelte Assets |
| Vigorous AI | 500 $ | Kleineres Konto mit demselben Ansatz |
| Sharpshooter OpenAI | Nicht angegeben | Zweite Strategie in der Familie |
| Architect Vigorous AI 18 Paare | 1.000 $ | Verdreifacht auf etwa 3.000 $, tieferer Drawdown, 18 Symbole |
| Sharpshooter AI Low Risk | Nicht angegeben | Konservative Variante |
Die meisten von ihnen befanden sich zum Zeitpunkt meines Blickes im Floating-Verlust. Nicht nur ein oder zwei: die meisten.
Diese Beständigkeit war es, was mich beruhigt hat. Wenn ein Muster gleichzeitig in den Konten des Entwicklers und in unseren erscheint, ist es ein Merkmal des Systems und nicht etwas, das auf unserer Seite schiefläuft. Das Konto, das 18 Paare handelt, zeigte den tiefsten Drawdown der Gruppe, was genau zur Logik passt: mehr gleichzeitige Symbole führen zu mehr gleichzeitiger offener Exposition.
Es ist der Rede wert, da es der Anbieter selbst in seinem Blog schreibt: KI eliminiert keine Verluste, und kein Handelssystem tut dies. Ich schätze einen Entwickler, der das so offen schreibt.
Das Problem, das zu dieser Methode führte
Hier ist die Einschränkung, die alles geprägt hat.
Die KI-Ebene von Architect Algo liest das Marktstimmungsbild in Echtzeit. Marktstimmung in Echtzeit kann historisch nicht rekonstruiert werden, was bedeutet, dass dieser Roboter nicht in einer aussagekräftigen Weise backgetestet werden kann. Der Strategy Tester hat nichts, was er wieder abspielen könnte.
Für einen systematischen Trader ist das wirklich problematisch. Backtesting ist die Art und Weise, wie wir normalerweise entscheiden, welche Symbole und Einstellungen zusammengehören. Entferne es, und du bist entweder auf bloßes Raten oder auf Live-Trading mit echtem Geld angewiesen, während du versuchst, es herauszufinden.
Also haben wir etwas anderes versucht: Wir nutzen die Live-Daten, die bereits existieren, von den eigenen Konten des Entwicklers, und analysieren sie fundiert.
Wie wir das Portfolio mit Claude erstellt haben
Dies ist der Teil, den ich tatsächlich kopierenswürdig finde, daher werde ich die Schritte so wiedergeben, wie wir sie durchgeführt haben.
Schritt 1: Exportiere die Rohdaten der Kontostände: Wir haben die Kontostände von Myfxbook für drei der KI-Konten abgerufen – zwei liefen mit Vigorous und eines mit Sharpshooter AI.
Schritt 2: Definiere, was wir wollten: Das Ziel war nicht der maximale Ertrag. Es war eine Kombination, bei der die Symbole und Strategien nicht gleichzeitig im Floating Loss liegen oder zumindest nicht im selben Moment ihre schlimmsten Drawdowns erleben. Eine Korrelation des Schmerzes statt einer Korrelation der Erträge.
Schritt 3: Hochladen und Prompting: Die Kontostände wurden mit dem explizit genannten Ziel an Claude übergeben.
Schritt 4: Feststellen, dass der erste Versuch unzureichend war: Das ist der nützliche Teil. Kontostände allein reichten nicht aus, da das Modell zwar sehen konnte, wenn das Equity sank, aber keinen Marktkontext hatte, der dies erklärte. Ohne Preisdaten konnte es nicht identifizieren, wo die Spitzen-Drawdowns tatsächlich auftraten oder ob zwei Strategien unter derselben zugrunde liegenden Bewegung litten.
Schritt 5: Die fehlende Ebene hinzufügen: Wir haben die Ein-Minuten-OHLC-Daten für jedes in diesen Statements auftauchende Symbol hochgeladen. Das verbesserte die Qualität der Analyse erheblich. Plötzlich konnte das Modell die Drawdown-Perioden auf das reale Preisverhalten abbilden.
Wenn du diese Daten selbst haben möchst, bietet die App ‘Historical Data’ auf der Website von Algo Trading Space unter ‘Software’ diese an. Klicke dich durch zu den Rohdaten und lade die OHLC-Daten für den von dir benötigten Zeitrahmen herunter. Wir haben dieses Tool für unsere eigene Arbeit entwickelt, und es stellte sich als das Stück heraus, das die gesamte Übung erst funktionsfähig machte.
Schritt 6: Lies, was zurückkam. Claude erstellte ein Portfolio-Dashboard, das ehrlich gesagt meine Erwartungen an das Gespräch übertroffen hat. Acht Top-Kombinationen, umschaltbar, jede mit eigenem Charakter:
| Portfolio-Variante | Charakter |
| Niedrigster Drawdown | Konservativste Kombination, kein Gold-Exposure |
| Glatte Equity-Kurve | Priorisiert die Form der Kurve gegenüber dem Rohertrag |
| Diversifiziert | Widest spread across symbols and strategies |
| Aggressive | Höchstes Ertragsprofil, inklusive Gold |
Das Umschalten zwischen ihnen änderte, welche Roboter in der Auswahl erschienen. Gold tauchte in der aggressiven Variante auf und verschwand aus der Variante mit dem niedrigsten Drawdown, was etwa dem entspricht, was man erwarten würde, und als guter Check diente, dass die Analyse nicht willkürlich war.
Schritt 7: Wählen. Wir landeten bei einer Kombination aus Vigorous und Sharpshooter, die auf verschiedenen Symbolen liefen. Insgesamt sieben, auf tausend Dollar.
Was die KI-Ebene während des Tradings macht
Die Portfoliokonstruktion nutzte Claude. Der Roboter selbst nutzt eine separate Integration, und die beiden sollten nicht verwechselt werden.
Um die KI-Funktionalität zu aktivieren, lieferst du deinen eigenen API-Key, entweder von OpenAI oder Claude. Der Expert Advisor kommuniziert dann während des Betriebs mit diesen Servern.
Wenn man sich die Logs im Experten-Tab in MetaTrader ansieht, ist dies die tatsächliche Abfolge:
- Der EA liest Live-News von Investing.com
- Er erstellt ein Dokument zur Marktstimmung basierend auf dem, was er findet
- Bevor er einen Trade eingeht oder eine Position aufstockt, fragt er das Modell um Bestätigung
- Er erhält eine Zustimmung oder Ablehnung und handelt entsprechend
Die KI generiert also keine Signale. Sie filtert sie. Die zugrunde liegende Logik stammt weiterhin von Vigorous und Sharpshooter, zwei Strategien, die regelmäßige Follower unseres Kanals seit Jahren kennen. Was sich geändert hat, ist, dass nun eine Stimmungsprüfung zwischen dem Signal und der Ausführung liegt.
Ich finde, diese Formulierung ist ehrlicher als ‘KI-Trading-Roboter’, was impliziert, dass das Modell das Trading übernimmt. Das tut es nicht. Es stimmt ab, ob die bestehende Strategie fortfahren soll.
Was es tatsächlich gekostet hat
Das ist die Zahl, nach der die Leute zuerst fragen, meistens weil sie annehmen, sie sei prohibitiv hoch.
Über einen Zeitraum von mehr als zwei Monaten kontinuierlichen Betriebs hatte der API-Key, den ich für dieses Portfolio erstellt habe, $4 ausgegeben.
| Posten | Kosten |
| OpenAI API-Ausgaben, über zwei Monate | 4 $ |
| Als Anteil am 1.000 $-Konto | Unter 0,5% |
| Monatlicher Durchschnitt | Unter 2 $ |
Das ist weniger als ein Kaffee pro Monat und deutlich weniger als das VPS, auf dem die Plattform läuft.
Zwei wichtige Hinweise, bevor Du mit diesem Betrag kalkulierst. Die Kosten steigen mit der Häufigkeit, mit der der Roboter das Modell abfragt, daher verursacht ein Setup mit höherer Frequenz oder ein größeres Portfolio höhere Ausgaben. Zudem wird die API-Preisgestaltung vom Anbieter und nicht vom EA festgelegt, sodass sie sich ohne Vorwarnung ändern kann.
Dennoch hielt die Annahme, dass die KI-Integration eine Strategie teuer in der Ausführung macht, der Überprüfung durch die Rechnung nicht stand.
Das Broker-Setup
Wir nutzen hierfür BlackBull Markets und haben dort über zwei bis drei Jahre hinweg mit verschiedenen Konten gehandelt.
Was mir an deren Struktur gefällt:
- Keine Mindesteinzahlung auf dem Standard-Konto, was sich gut für Tests in kleinem Umfang eignet
- Hebelwirkung von bis zu 1:500
- Keine Provision auf Standard, dafür 3 $ pro Lot auf dem Prime-Raw-Spread-Konto
- Prime-Bedingungen sind attraktiv, wenn Du häufig genug handelst, um das Provisionsmodell zu rechtfertigen
Ein praktisches Detail, das wichtiger ist, als es klingt: Ihre Handelsserver befinden sich in London. Wenn Du dies oder etwas Ähnliches ausführst, wähle ein Hosting in der Nähe dieses Standorts. Ein Server in New York, der mit einem Broker in London kommuniziert, verursacht unnötige Latenzzeiten.
Was schiefgehen könnte
Sieben Symbole auf tausend Dollar sind das Risiko, auf das ich achten würde, nicht die KI-Komponente.
- Gleichzeitige Drawdowns, die sich ohnehin überschneiden: Die gesamte Portfolio-Methode setzt voraus, dass das Timing des historischen Drawdowns etwas über das zukünftige Timing aussagt. Korrelationen ändern sich, insbesondere bei Risk-Off-Ereignissen, wenn sich alles unabhängig von der Vergangenheit gleichzeitig bewegt.
- Das Konto ist zu klein für das Exposure: Ein Floating-Verlust von 12 % auf 1.000 $ sind 120 $. Bei einer höheren Allokation fühlt sich derselbe Prozentsatz ganz anders an, und die Versuchung, einzugreifen, wächst.
- Probleme mit dem API-Schlüssel: Wenn der Schlüssel abläuft, ein Ausgabenlimit erreicht oder der Anbieter einen Ausfall hat, reagiert die Bestätigungsebene nicht mehr. Es lohnt sich zu verstehen, wie sich Dein EA in dieser Situation verhält, bevor es passiert.
- Zu viel Vertrauen in das Dashboard: Claude erstellte eine Analyse, keine Vorhersage. Es organisierte die Informationen, die wir über die Vergangenheit bereitgestellt haben. Das ist wertvoll, aber es ist keine Vorhersehung, und ich würde es lieber so benennen, als dem Wort KI eine Leistung zuzuschreiben, die es nicht verdient hat.
- Selektionsbias bei der Auswahl der Anbieterkonten: Wir haben drei Konten aus dem veröffentlichten Set des Entwicklers gewählt. Veröffentlichte Konten sind von Natur aus diejenigen, die ein Entwickler bewusst auswählt, um sie zu veröffentlichen.
Würde ich es wieder tun?
Ja, allerdings eher wegen der Methode als wegen des spezifischen Ergebnisses.
Die Nutzung eines LLM, um Live-Equity-Daten gegen die Historie zu organisieren, löste ein echtes Problem: wie man ein sinnvolles Portfolio aufbaut, wenn das zugrunde liegende System nicht backtested werden kann. Dieser Ansatz lässt sich auf andere Roboter, andere Strategien und andere Einschränkungen übertragen. Die laufenden Kosten von 4 $ und der Gewinn von 8,5 % sind erfreulich, obwohl zwei ein halb Monate mir relativ wenig aussagen, und ich würde jedem mit Skepsis begegnen, der etwas anderes behauptet.
Was ich beim nächsten Mal ändern würde, ist das Hinzufügen eines Vergleichs. Ein Portfolio durch die KI-Analyse aufzubauen und eines durch mein eigenes Urteil, um dann beide laufen zu lassen, würde uns etwas verraten, was das aktuelle Setup nicht kann.
Wenn Du die Spezifikationen des zugrunde liegenden Roboters wissen möchtest, behandelt unsere Architect Algo Seite diese separat.
Häufig gestellte Fragen (FAQs)
Benötige ich einen API-Schlüssel von sowohl OpenAI als auch Claude?
Nein. Der Expert Advisor verbindet sich mit einem Anbieter, und Du entscheidest, welchen. Wir haben für die Live-Trading-Integration in diesem Konto einen OpenAI-Schlüssel verwendet, während Claude die Portfoliokonstruktion als eine völlig separate Aufgabe außerhalb der Plattform übernahm. Generiere den Schlüssel in der Entwicklerkonsole des Anbieters, füge die Abrechnungsdetails hinzu und kopiere ihn in die EA-Einstellungen. Halte den Schlüssel privat, da jeder, der ihn besitzt, auf Dein Kontoguthaben bei diesem Anbieter zugreifen kann.
Können KI-Trading-Roboter wie normale Expert Advisors backtested werden?
Nicht, wenn die KI-Komponente das Live-Marktsentiment ausliest, da diese Informationen nicht für einen historischen Zeitraum rekonstruiert werden können. Der Strategy Tester hat keine Sentiment-Daten zum Replay, daher würde jeder Backtest die zugrunde liegende Strategie ohne ihre Filterebene bewerten. Trader, die diese Kategorie bewerten, sollten verifizierte Live-Ergebnisse und Forward-Testing deutlich stärker gewichten als die simulierte Performance und jedem KI-Roboter, der mit langen Backtests wirbt, mit der gebotenen Skepsis begegnen, was tatsächlich getestet wurde.
Was passiert, wenn mein OpenAI-Konto mitten im Trade kein Guthaben mehr hat?
Das Verhalten hängt davon ab, wie der Entwickler den Fallback programmiert hat. Einige Systeme pausieren neue Einträge und verwalten bestehende Positionen mit ihrer Standardlogik; andere führen das Trading möglicherweise ohne den Bestätigungsschritt fort. Beides ist nicht inhärent falsch, obwohl der Unterschied für Dein Risiko enorm wichtig ist. Frage den Anbieter direkt, bevor Du live gehst, setze einen Abrechnungs-Alarm für das API-Konto und teste das Szenario bewusst auf einem Demo-Konto, anstatt es erst während einer Live-Position herauszufinden.
Welche historischen Daten benötige ich für diese Art von Portfolioanalyse?
Wir haben eine-Minuten-OHLC-Daten verwendet, die jedes in den Kontoauszügen erscheinende Symbol abdecken, was dem Modell eine ausreichende Auflösung gab, um Drawdown-Perioden gegen das tatsächliche Preisverhalten abzugleichen. Daten mit geringerer Auflösung können für langsamere Strategien funktionieren, würden jedoch den Zeitpunkt kurzer Drawdowns verschleiern. Die App für historische Daten auf der Algo Trading Space Website bietet herunterladbare Roh-OHLC-Daten über verschiedene Symbole und Zeitrahmen hinweg an, die wir für diese spezielle Analyse herangezogen haben.
Ist ein 1.000 $-Konto groß genug, um sieben Symbole zu handeln?
Es hat hier funktioniert, mit einem maximalen Floating Loss von 12 %, obwohl ich dies eher als die Obergrenze als eine Empfehlung bezeichnen würde. Jedes zusätzliche Symbol erhöht das gleichzeitige offene Exposure, und das Vendor-Konto, das 18 Paare handelte, zeigte einen deutlich tieferen Drawdown. Trader, die es als unangenehm empfinden, zuzusehen, wie ein zweistelliges Prozent ihres Guthabens im Minus liegt, sollten weniger Symbole oder ein größeres Guthaben nutzen. Achte auf die Größe des Drawdowns, den Du tolerieren kannst, statt auf die Rendite, die Du willst.
Wie unterscheidet sich das davon, ChatGPT nach Trade-Ideen zu fragen?
Erheblich. Wir haben kein Modell gebeten, Preise vorherzusagen oder Einstiege vorzuschlagen. Die Aufgabe bestand darin, Daten zu organisieren, die wir bereits besaßen: echte Equity-Kurven von Live-Konten, die gegen die echte Preishistorie abgebildet wurden, um Kombinationen zu finden, deren schlechteste Perioden sich nicht überschnitten. Das ist ein Analyseproblem und kein Prognoseproblem, was genau das ist, was Sprachmodelle gut können. Nach Marktprognosen zu fragen, ist eine andere Tätigkeit mit einem viel schwächeren Track Record.
Der Account Tracker, der in diesem Artikel verwendet wird, ist derzeit für VIP Club-Mitglieder verfügbar, zusammen mit Live-Trading-Ergebnissen, frühzeitigem Einblick und vorrangigem Support. Wir bereiten ein eigenständiges Abonnement für Trader vor, die den Tracker ohne vollen VIP-Zugang nutzen möchten. Wenn Du lieber ein für Dich aufgebautes und konfiguriertes Portfolio hättest, deckt unser Premium-Setup die Strategieauswahl, die Vorbereitung des Broker-Kontos, das VPS-Hosting und die MetaTrader-Konfiguration ab.
Offenlegung: Algo Trading Space kann eine Provision von einigen Links auf dieser Seite erhalten. Dies ändert nichts an unseren Zahlen, unseren Ergebnissen oder unseren Schlussfolgerungen.
Risikohinweis: Der Handel mit Hebelprodukten birgt ein hohes Risiko, schnell Geld zu verlieren. Die Integration von KI beseitigt das Risiko nicht, verhindert Verluste nicht und garantiert keine Ergebnisse. Die hier genannten Zahlen stammen von einem einzigen 1.000 $-Konto, das etwa zweieinhalb Monate lang gehandelt wurde, was ein zu kurzer Zeitraum ist, um Zuverlässigkeit zu etablieren. Die Performance der Vergangenheit ist kein Indikator für zukünftige Ergebnisse. Handle nur mit Kapital, dessen Verlust Du Dir leisten kannst. Nichts auf dieser Seite stellt eine Anlageberatung dar.
