Das DeepMind-Trio, das eine Poker-KI entwickelt hat, verdient jetzt Geld für Quant-Hedgefonds

Keiner der drei Gründer von EquiLibre Technologies hatte jemals im Finanzbereich gearbeitet, bevor er einen Algorithmus schuf, der heute Milliarden auf den Märkten bewegt. Doch von 2025 bis heute hat ihre KI noch nie einen einzigen Monat mit Verlust abgeschlossen: ein Rekord von null negativen Monaten, genau wie Martin Schmid, der CEO, berichtet. Die weit verbreitete Überzeugung ist, dass man, um an der Wall Street zu gewinnen, Netzwerke, Insiderinformationen und einen Wolfsgeist braucht: EquiLibre kommt jedoch aus einem ganz anderen Universum – der akademischen Forschung und Online-Pokerspielen. Die These, die alles auf den Kopf stellt, lautet: Die Fähigkeiten, die man braucht, um die großen Märkte zu schlagen, sind nicht mehr die der Finanzhaie, sondern die der Wissenschaftler, die einer Maschine beibringen können, wie sie selbstständig lernen kann. Reinforcement Learning heißt das: Systeme, die Erfahrungen sammeln, Fehler machen, belohnt werden und sich anpassen – genau wie eine menschliche Intelligenz, aber in erschreckender Geschwindigkeit. Wer sind diese drei? Martin Schmid, Rudolf Kadlec und Matej Moravcik: Alle drei waren Gastdoktoranden im DeepMind-Büro in Edmonton, Kanada, als sie DeepStack schufen, die erste KI, die in der Lage war, die Champions des No-Limit-Pokers, Texas Hold'em, zu schlagen. Keiner von ihnen wollte eine Karriere im Finanzwesen machen, zumindest nicht am Anfang: Schmid sagt es deutlich: „Ich mache das nicht, um die Märkte effizienter zu machen. Ich mache es, weil es uns Spaß macht, Dinge zu bauen, die es noch nicht gibt.“ Nach DeepMind kehren sie mit einer Gruppe von Freunden und Kollegen – von denen viele Teil der tschechischen Google-Diaspora sind – nach Prag zurück und gründen EquiLibre. Sie beschließen, dort zu bleiben, weit weg vom Silicon Valley, denn – so Schmid – „hier ist es einfacher, Talente zu halten: Es gibt nicht alle zwei Monate ein neues sexy Start-up, das versucht, sie einem wegzunehmen.“ Heute sind sie nur 25 Personen, aber sie verwalten Algorithmen, die in Partnerschaft mit Tower Research Capital auf dem S&P 500 und der Nasdaq mit schwindelerregenden täglichen Volumina handeln. Die Geschichte von EquiLibre ist auch ein Fall von Timing: Als sie begannen, wurde Reinforcement Learning mit Skepsis betrachtet – jetzt ist es der Standard, so sehr, dass sogar Jane Street, einer der globalen Giganten im quantitativen Trading, angibt, es zusammen mit fortschrittlichen Sprachmodellen und Zehntausenden von GPUs zu verwenden. Aber EquiLibre setzt mit viel begrenzteren Ressourcen alles auf Effizienz: „Wir müssen mit weniger mehr erreichen“, sagt Schmid. Das Paradoxe? In einer Branche, in der die Automatisierung zu wenigen Gewinnern und vielen Verlierern führen sollte, sieht Schmid eine andere Möglichkeit: „Dies ist kein Spiel, bei dem der Gewinner alles bekommt.“ Und das Erstaunliche ist, dass EquiLibre sich nicht einmal als Finanzunternehmen definiert: Es sieht sich als Forschungslabor, das zufällig einen Weg gefunden hat, mit einem Algorithmus Geld zu drucken. Stell dir vor: Drei ehemalige KI-Forscher, die fast aus Nostalgie nach Hause zurückgekehrt sind, fangen an, mit den Weltmärkten zu spielen – und innerhalb von vier Jahren sind sie mehr als eine halbe Milliarde Dollar wert. Aber der eigentliche Punkt ist, dass heute die technische Kreativität mehr zählt als die finanzielle Schlauheit. Wenn du denkst, dass die Zukunft der Wall Street von den ehemaligen Händlern von Goldman Sachs geschrieben wird, ist es vielleicht an der Zeit, deine Wette zu überdenken. Von nun an könnten die Nerds des Reinforcement Learning entscheiden, wer gewinnt, und nicht die Haie in Anzug und Krawatte. Wenn diese Geschichte von Wissenschaft und Algorithmen dir ein neues Fenster geöffnet hat, kannst du auf Lara Notes I'm In markieren – es ist kein Like, sondern eine Art zu sagen: Diese Idee gehört jetzt mir. Und wenn du sie morgen jemandem erzählst – vielleicht vor einem Kartenstapel oder einem Börsenmonitor – kannst du auf Lara Notes die Anwesenden mit Shared Offline markieren, damit dieses Gespräch lebendig bleibt. All dies kommt von TechCrunch, mit 1 eingesparter Minute.