DeepSeek Trading-Bot: Reich werden mit China-KI?

Kostenlose China-KI DeepSeek sorgt für Furore

Der Trend um Künstliche Intelligenz reißt nicht ab! Während OpenAIs ChatGPT noch immer als Platzhirsch angesehen werden kann, haben auch viele andere Firmen weltweit den Trend erkannt und setzen nicht nur intern vermehrt auf KI, sondern veröffentlichen auch eigene Modelle.

Doch nun kommt mit DeepSeek R1 eine KI aus China, die nicht nur effizienter sein soll als alle anderen KIs, sondern auch noch kostenlos ist. Gleichzeitig wird jedoch vor einem Einsatz gewarnt, da es massive Sicherheitsbedenken gibt und manche Länder überlegen sich bereits entsprechende Verbote.

In seinem neuesten Selbstexperiment will Torben Platzer einem Verbot zuvorkommen und sich seine eigene Meinung zu DeepSeek bilden. Seine Idee: Die China-KI soll ihm einen Trading Bot programmieren.

Warum ein Trading-Bot?

Torben hat seine Idee zum Trading-Bot von DeepSeek Gründer Liang Wenfeng selbst. Dieser hat bereits in seinem Studium maschinelles Lernen für den quantitativen Handel an Finanzmärkten genutzt. Daraus entstand im Jahr 2016 sein erstes Unternehmen, der Hedgefond High-Flyer. Die Investments des Unternehmens basierten dort bereits auf Algorithmen und mathematischen Berechnungen. In beiden Fällen kamen eigene KI-Modelle zum Einsatz. Und das schien auch erfolgreich zu sein. High-Flyer baute sich ein über 13 Milliarden Dollar schweres Portfolio auf.

Im Jahr 2023 wollte Wenfeng seinen Fokus jedoch verschieben und sich voll auf die Entwicklung einer umfassenden KI konzentrieren. Und im Februar 2025 war es dann soweit: DeepSeek-R1 erschien auf dem Markt und konnte den Hype um Künstliche Intelligenz voll ausnutzen. Anstatt eines reinen Chatbots, der einfach nur Text generiert, handelt es sich bei R1 um ein „Reasoning“ Modell. Die KI ist laut DeepSeek also, ähnlich wie die neueren Modelle von OpenAIs ChatGPT, dazu im Stande, fortgeschritten zu „denken“ und so tiefgreifende Problemlösungen anzubieten.

Das R1-Modell schneidet im Vergleich zu den bisher gängigen KI Modellen sehr gut ab. Ob Programmierung, Mathematik oder Datenanalyse, aktuell hat DeepSeek’s KI die Nase vorn.

Um selbst herauszufinden, ob DeepSeeks R1 wirklich so gut ist, wie in den Benchmarks gezeigt wird, stellt er die Künstliche Intelligenz nun auf die Probe!

Wie gut ist DeepSeek R1 wirklich?

Behörden und Cyber Security Fachleute haben gravierende Sicherheitsbedenken gegenüber DeepSeek. Es erfolgt nicht nur eine offenkundig sehr weitreichende Speicherung von Nutzerdaten, sondern es wird auch zu jedem Nutzer ein eigenständiges Profil angelegt. Diese Daten werden in China gespeichert und mindestens als Trainingsdaten für weitere DeepSeek Modelle genutzt. Kritisiert wird zudem, dass das Modell leicht für kriminelle Zwecke manipulierbar sei und inwieweit der chinesische Spionage- und Überwachungsapparat Zugriff auf die Nutzerdaten hat, ist aktuell noch nicht geklärt.

DeepSeek ist zwar „Open Source“, der Code ist also öffentlich zugänglich, wodurch es auch möglich ist, eine lokale Version auf dem eigenen Computer zu installieren, aber selbst die beste private Hardware kommt nicht ansatzweise an die Leistung der Supercomputer und Rechenzentren ran, auf denen DeepSeek läuft.

Sollte man daher persönliche Vorbehalte haben, ist es zwar möglich eine private Version zu nutzen, die auch ohne Internetzugang auskommt, muss sich jedoch bewusst sein, dass es starke Einschnitte bei Leistung und Ergebnissen geben kann.

Positiv ist bei DeepSeek zumindest, dass für die Registrierung nur eine E-Mail-Adresse benötigt wird. Eine Handynummer, wie es beispielsweise bei OpenAI erforderlich ist, braucht man nicht. Die Oberfläche ist auch schlicht gehalten. Neben dem Eingabefeld für die Frage, kann man das Modell R1 sowie die Internetsuche aktivieren oder deaktivieren.

Zudem handelt es sich zum Zeitpunkt des Selbstexperiments bei DeepSeek R1 auch nicht um ein multimodales Modell. Die China-KI kann derzeit also nicht Bilder, Töne und Videos gleichzeitig verarbeiten. Als Torben die R1-KI fragt, ob es denn wirklich besser als ChatGPT sei, überlegt das Reasoning-Modell einige Zeit, wägt Vor- und Nachteile ab und erklärt zum Schluss, warum es dennoch das bessere KI-Tool ist.

Kann DeepSeek einen Trading-Bot programmieren?

Die erste Variante, die DeepSeek R1 vorschlägt, ist ein Momentum-Bot. Dabei handelt es sich um einen Bot, der selbstständig die Mikrostruktur des Marktes analysiert und darauf basierend einen Fokus beispielsweise auf Aktien, Krypto oder Forex setzt. Anschließend sollen kurzfristige Preistrends erkannt und durch entsprechendes Trading ein Profit erzielt werden. Zusätzlich soll der Bot auch Preisunterschiede zwischen verschiedenen Handelsbörsen ausnutzen.

Damit Torben direkt starten könnte, gibt ihm das KI-Modell auch eine Übersicht zu den möglichen Plattformen, Tools und deren Kosten. Die China-KI greift bei der Beantwortung von Torbens Frage aber auch auf den eigenen „Denkprozess“ zurück und erinnert sich daran, dass es keine garantiert profitablen Trading-Bots gibt. DeepSeeks R1 empfiehlt daher, dass der Bot vorab drei bis sechs Monate trainiert werden sollte, um anhand der dort gesammelten Daten bessere Analysen machen zu können.

Trotzdem erstellt die Künstliche Intelligenz den von Torben gewünschten Trading-Bot, der aber nicht direkt eingesetzt werden kann.

Torben entschied sich dafür, das Framing gegenüber der KI zu ändern. Er versicherte R1, dass es sich lediglich um ein fiktives Szenario handelt und kein echtes Geld investiert werden soll. Als nächstes versucht Torben, durch kleinere Schritte vorsichtig an das Thema heranzugehen. So versucht er zu vermeiden, dass das KI-Modell größere Artikel auswertet, die zu dem Fazit kommen, dass Trading-Bots nicht funktionieren.

Anhand dieser neuen Herangehensweise schlägt R1 vor, dass erfolgreiche Trader kopiert werden sollen. Die Idee dabei ist, dass der Trading-Bot über die Plattform „GMGN“ die erfolgreichsten Trader findet. Dabei werden die erfolgreichsten Trader der letzten sieben Tage analysiert und eine Top-10-Liste erstellt. Diese zehn Trader werden dann an „Zelfiguru“ weitergeleitet, damit dort eine Liste erstellt werden kann mit Gewinn, Trefferquote, durchschnittlicher Haltedauer und durchschnittlichem Einsatz.

Diese Liste wird anhand bestimmter, von DeepSeek festgelegten Faktoren geprüft. Sollten die von R1 bestimmten Bedingungen zutreffen, werden die Wallet-Adressen der Trader an den „Trojan Bot“ in Telegram geschickt. Torben trägt dort dann noch die von R1 vorgegebenen Parameter ein und damit ist der Trading-Bot fertig. Ab diesem Moment werden die besten Trader kopiert.

Programmiert wurde der Trading-Bot in der vielseitig genutzten Programmiersprache „Python“. Erforderliche Tools und Bibliotheken können kostenlos heruntergeladen und installiert werden. Nachdem Torben den von R1 generierten Code kopiert hatte und den Trading-Bot über die Eingabeaufforderung bei Windows ausführen wollte, kam es zu zahlreichen Fehlern. Jeder einzelne dieser Fehler hat Torben von der KI beheben lassen. Schlussendlich konnte der Trading-Bot seine Arbeit aufnehmen.

Die ersten Ergebnisse scheinen jedoch alles andere als vielversprechend zu sein. Der erste Trade bestehend aus Kauf und Verkauf dauerte knapp über eine Minute und erzielte ein Minus von 99,08%. Der zweite Trade erzielte ein Minus von 50,38% und lief 10:27 Minuten. Im dritten Trade erzielte der Trading-Bot jedoch einen Gewinn von 50,24%. Zwischen Kauf und Verkauf lagen dabei über 48 Minuten.

Reich werden durch DeepSeek Trading-Bot?

Die nächsten Ergebnisse sahen laut Torben deutlich besser aus. Der Trading-Bot hat den JellyJelly Memecoin von Venmo Gründer Sam Lessin gekauft. Innerhalb einer Stunde hat der Memecoin eine Marktkapitalisierung von 150 Millionen Dollar erreicht. Der Trading-Bot ist bereits bei 2,1 Millionen Dollar eingestiegen und konnte durch 9 Verkäufe den ursprünglichen Einsatz von rund 46 Dollar auf knapp 230 Dollar fast verfünffachen.

Zusätzlich wurde durch den Bot nicht alles verkauft. Die verbleibende Menge an JellyJelly Memecoins hatte zu diesem Zeitpunkt noch einen Wert von weiteren 243 Dollar. Wenige Minuten später stieg dieser Wert erneut auf über 340 Dollar. Damit hat Torben bzw. der Trading-Bot 521,67% Profit realisieren können.

Ein anderer Trader hat es sogar geschafft, aus 1.500 Dollar Investition einen Profit von über 950.000 Dollar zu machen und ist damit in nur 60 Minuten fast zum Millionär geworden. Torben stellt an dieser Stelle jedoch nochmal klar, dass der Gewinn des einen gleichzeitig die Verluste vieler anderer widerspiegelt. Daher sollte man sich niemals von diesen vermeintlichen „Erfolgsgeschichten“, die letztlich nichts anderes als pures Glück sind, nicht blenden lassen.

Während seines Selbstexperiments hat der Trading-Bot nämlich auch zahlreiche negative Ergebnisse erzielt. -51,54%, -79,38%, -83,52% und sogar -97,71% sprechen da eine klare Sprache.

99% der Investoren verlieren auf solchen Plattformen und bei solchen Trades ihr Geld. Auf der Plattform Pump.Fun, die Torben bereits in einem anderen Selbstexperiment thematisiert hat, realisieren lediglich 0,412% der Nutzer über 10.000 Dollar Profit. Mehr als eine Millionen Dollar machen auf der Plattform lediglich 0,00217% der Nutzer.

Trotzdem hatte Torben, angeregt durch den JellyJelly Memecoin, eine weitere Idee. Alle Informationen und Kursentwicklungen zu diesem Memecoin hatte Torben in der betreffenden Nacht bei Twitter gelesen. Seiner Auffassung nach, könnte dies womöglich der schnellste Weg sein um herauszufinden, welche Coins Erfolgspotenzial haben. Sucht man nach dem Ticker oder der Adresse an sich, finden sich oftmals unzählige Informationen, da die Investoren Werbung machen. Torbens Idee ist es daher, DeepSeek einen Sniping-Bot programmieren zu lassen, der nach den Coins bei Twitter sucht und ein Kaufsignal an einen Telegram-Bot sendet, wenn eine bestimmte Anzahl an Tweets erreicht wurde.

Als untere Grenze für das Kaufsignal hat Torben 20 Tweets gewählt. Gerade bei neuen Coins ist dies laut seiner Aussage nach eine ganze Menge, während viele andere Coins entweder gar keinen Tweet oder lediglich Tweets im einstelligen Bereich gewidmet bekommen.

Auch hier gab es wie beim ersten Trading-Bot nach der initialen Programmierung zahlreiche Fehler, die erst behoben werden mussten. Aber auch da konnte DeepSeek R1 wieder aushelfen. Dennoch hat dieser Prozess einen ganzen Arbeitstag in Anspruch genommen.

Zusätzlich benötigt Torben für die korrekte Funktion des Sniping-Bots Zugriff auf die Twitter API, welche monatlich 200 Dollar kostet und trotzdem noch zahlreiche Einschränkungen mit sich bringt. So können nämlich innerhalb von 15 Minuten nur 60 Anfragen über die Twitter API geschickt werden und man erhält nur 100 Ergebnisse pro Anfrage.

Konnte der Sniping-Bot profitabel traden?

Tatsächlich konnte Torben durch den Trading-Bot und den Sniping-Bot fast alle Top Coins der letzten 30 Tage zum Zeitpunkt des Selbstexperiments handeln. Und dabei hat er natürlich auch einen Profit mitgenommen. Allerdings nicht automatisiert! Durch die hohen Preisschwankungen sind die Kaufsignale oftmals nicht durchgegangen, da der Preis dann schon wieder ein ganz anderer war.

Dieses sogenannte „Slippage“, also der Unterschied zwischen dem geplanten Transaktionspreis (das Kaufsignal) und dem tatsächlichen Preis (höherer Kaufpreis als zum Zeitpunkt des Kaufsignals), hat Torben entsprechend der Empfehlung von DeepSeek R1 auf 350% gestellt. Bei Memecoins reichen diese 350% jedoch oftmals nicht aus und bergen ein großes Risiko.

Einerseits verschiebt sich dadurch das Verhältnis zu den kopierten Trades. Der kopierte Trader kauft zu einem günstigeren Preis ein und macht seine ersten Profite. Wenn der Trading-Bot jetzt das Kaufsignal auslöst und der Trade durchgeht, könnte es passieren, dass der kopierte Trader nun raus geht und einen Profit mitnimmt. Der Trading-Bot sieht nun jedoch, dass der kopierte Trader rausgeht und versucht ebenfalls zu verkaufen, was in vielen Fällen auch mit einem Minus endet.

Genau das ist Torben häufig passiert. Die geschlossenen Trades des Trading-Bots haben einen Verlust von 2.352,35 Dollar zur Folge. Und bei den noch offenen Trades sieht es leider nicht besser aus: Diese haben zum Zeitpunkt des Videos einen Verlust von 1.429,11 Dollar zu verzeichnen.

Torbens zweiter Bot, der Sniping-Bot, hat jedoch bessere Ergebnisse erzielen können. Manche Coins wurden früh genug gekauft, sodass Torben manuell einen Profit erzielen konnte indem er die Trades proaktiv geschlossen hat. Somit konnte er mit den geschlossenen Trades einen Profit von 28,57 Dollar erzielen. Bei den noch offenen sieht es jedoch ebenfalls nicht gut aus. Dort konnte er lediglich einen Verlust von 62,56 Dollar zum Zeitpunkt des Selbstexperiments verzeichnen. Grund dafür war, dass viele Coins oftmals innerhalb weniger Sekunden gar nichts mehr Wert waren.

Initiale Signale zum Erwerb eines Coins oder einer Aktie können problemlos durch Bots ermittelt werden. Ohne manuelles Eingreifen wird man jedoch nahezu nie einen Gewinn realisieren können. Und auch, wenn man manuell eingreift, benötigt man dann entsprechende Erfahrung, Expertise und vor allem Glück, dass man genau zur rechten Zeit die richtige Entscheidung trifft.