20 Open-Source-KI-Trading-Agenten geprüft: Was sie tatsächlich tun
Zwölf von zwanzig können reale Orders platzieren. Zehn dokumentieren einen Simulationsmodus. Drei liefern keinen Risikohinweis. Eine Untersuchung der READMEs beliebter LLM-Trading-Agenten mit Belegen für jede Aussage.
In diesem Artikel 12 Abschnitte
Auf GitHub finden sich KI-Trading-Repositories mit über hunderttausend Sternen, werblichen READMEs und vielen Beiträgen über angebliche Agentenrenditen. Wir wollten eine schlichte Frage beantworten: Was tun diese Projekte nach der Installation tatsächlich? Platzieren sie Orders, an welchen Handelsplätzen, mit welchem Simulationsmodus und welchen Modellschlüsseln? Was sagen die Entwickler selbst über den Einsatz echten Kapitals?
Wir untersuchten zwanzig Projekte anhand von README, Lizenz, Konfigurationsdokumentation und, bei fehlenden Angaben, Codeverzeichnis. Backtests wurden nicht ausgeführt; das wäre ein anderer Versuch. Jedes Ergebnisfeld enthält ein Zitat, einen Dateipfad oder null. Nicht dokumentierte Eigenschaften haben wir nicht abgeleitet.
Die Stichprobe
Die Stichprobe enthält Open-Source-Agenten aus unserer Registry und einige kleinere Repositories aus der GitHub-Suche nach „LLM trading agent“. Sie umfasst dadurch mehr als nur bekannte Namen. FinRL und Freqtrade sind bewusst enthalten, obwohl sie keine LLM-Frameworks sind: Sie werden häufig gewählt, wenn langjähriger Betrieb mit Kapital gefragt ist.
- Sterne
- 110.565
- Sterne-Zuwachs · 7 Tage
- +889
- Sterne-Zuwachs · 30 Tage
- +6.452
- Letzter Push
- vor 8 Tagen
- Lizenz
- Apache-2.0
- Sterne
- 63.932
- Sterne-Zuwachs · 7 Tage
- +115
- Sterne-Zuwachs · 30 Tage
- +780
- Letzter Push
- vor 9 Tagen
- Lizenz
- MIT
- Sterne
- 8.202
- Sterne-Zuwachs · 7 Tage
- +68
- Sterne-Zuwachs · 30 Tage
- +256
- Letzter Push
- vor 13 Tagen
- Lizenz
- Apache-2.0
- Sterne
- 32.243
- Sterne-Zuwachs · 7 Tage
- +119
- Sterne-Zuwachs · 30 Tage
- +620
- Letzter Push
- vor 19 Tagen
- Lizenz
- Other
- Sterne
- 13.032
- Sterne-Zuwachs · 7 Tage
- +50
- Sterne-Zuwachs · 30 Tage
- +211
- Letzter Push
- vor 7 Tagen
- Lizenz
- AGPL-3.0
- Sterne
- 12.660
- Sterne-Zuwachs · 7 Tage
- +238
- Sterne-Zuwachs · 30 Tage
- +1.242
- Letzter Push
- vorgestern
- Lizenz
- Apache-2.0
- Sterne
- 7.276
- Sterne-Zuwachs · 7 Tage
- +75
- Sterne-Zuwachs · 30 Tage
- +270
- Letzter Push
- heute
- Lizenz
- AGPL-3.0
- Sterne
- 2.117
- Sterne-Zuwachs · 7 Tage
- +18
- Sterne-Zuwachs · 30 Tage
- +74
- Letzter Push
- heute
- Lizenz
- GPL-3.0
- Sterne
- 14.893
- Sterne-Zuwachs · 7 Tage
- +57
- Sterne-Zuwachs · 30 Tage
- +334
- Letzter Push
- vor 5 Tagen
- Lizenz
- MIT
- Sterne
- 963
- Sterne-Zuwachs · 7 Tage
- +3
- Sterne-Zuwachs · 30 Tage
- +10
- Letzter Push
- vor 2 Jahren
- Lizenz
- MIT
- Sterne
- 2.958
- Sterne-Zuwachs · 7 Tage
- +73
- Sterne-Zuwachs · 30 Tage
- +906
- Letzter Push
- vor 9 Tagen
- Lizenz
- MIT
- Sterne
- 226
- Sterne-Zuwachs · 7 Tage
- +10
- Sterne-Zuwachs · 30 Tage
- +47
- Letzter Push
- vor 3 Tagen
- Lizenz
- MIT
- Sterne
- 1.427
- Sterne-Zuwachs · 7 Tage
- +4
- Sterne-Zuwachs · 30 Tage
- +16
- Letzter Push
- vorgestern
- Lizenz
- MIT
- Sterne
- 614
- Sterne-Zuwachs · 7 Tage
- +14
- Sterne-Zuwachs · 30 Tage
- +40
- Letzter Push
- gestern
- Lizenz
- MIT
- Sterne
- 16.621
- Sterne-Zuwachs · 7 Tage
- +75
- Sterne-Zuwachs · 30 Tage
- +394
- Letzter Push
- vorgestern
- Lizenz
- MIT
- Sterne
- 55.248
- Sterne-Zuwachs · 7 Tage
- +271
- Sterne-Zuwachs · 30 Tage
- +1.155
- Letzter Push
- heute
- Lizenz
- GPL-3.0
- Sterne
- 80
- Sterne-Zuwachs · 7 Tage
- +1
- Sterne-Zuwachs · 30 Tage
- —
- Letzter Push
- letzten Monat
- Lizenz
- CC-BY-4.0
| Projekt | Sterne | 7 T. | 30 T. |
|---|---|---|---|
| TradingAgents | 110.565 | +889 | +6.452 |
| AI Hedge Fund | 63.932 | +115 | +780 |
| FinRobot | 8.202 | +68 | +256 |
| TradingAgents-CN | 32.243 | +119 | +620 |
| NOFX | 13.032 | +50 | +211 |
| QuantDinger | 12.660 | +238 | +1.242 |
| OpenAlice | 7.276 | +75 | +270 |
| Lumibot | 2.117 | +18 | +74 |
| RD-Agent | 14.893 | +57 | +334 |
| FinMem | 963 | +3 | +10 |
| CloddsBot | 2.958 | +73 | +906 |
| Hummingbot Condor | 226 | +10 | +47 |
| TradeMemory Protocol | 1.427 | +4 | +16 |
| Kalshi AI Trading Bot | 614 | +14 | +40 |
| FinRL | 16.621 | +75 | +394 |
| Freqtrade | 55.248 | +271 | +1.155 |
| Continuous-record LLM trading agents (DXRG) | 80 | +1 | — |
Drei Repositories sind für einen eigenen Verzeichniseintrag noch zu klein oder zu neu: Harvard-AI-and-Robotics-Lab/TradingAgent mit TrustTrade-Papercode, erstellt am 5. Oktober 2026; 0xethanq/astra-quant-agent, ein Gremienagent für OKX-Perpetuals; und yebof/quant-agent, ein Swing-Trader mit neun Agenten für Alpaca.
Ergebnis 1: Bekannte Frameworks handeln nicht; ausführende Systeme sind weniger bekannt
Zwölf von zwanzig integrieren Broker oder Börsen zur Ausführung. Die übrigen acht, darunter die vier Agentenprojekte mit den meisten Sternen, erzeugen Entscheidungen, Berichte oder Signale und enden dort.
| Projekt | Orderaufgabe? | Handelsplatz oder Funktion |
|---|---|---|
| TradingAgents | Nein | Research-Framework; Kauf-, Halte- oder Verkaufsentscheidung je Ticker und Datum |
| AI Hedge Fund | Nein | Keine realen Trades; nur Simulation und Backtests |
| FinRobot | Nein | Bewertungen und Research-Berichte |
| TradingAgents-CN | Nein | Research-Assistent für A-Aktien mit Simulation |
| RD-Agent | Nein | Qlib-Faktoren und Modelle |
| FinMem | Nein | Simulation mit historischen Daten |
| TrustTrade | Nein | Papercode; Backtests mit AAPL, GOOG und NVDA |
| DXRG-Paper-Repository | Nein | Paper-Artefakte, kein ausführbarer Agent |
| NOFX | Ja | Binance, Bybit, OKX, Hyperliquid, Bitget, KuCoin, Gate, Aster, Lighter |
| QuantDinger | Ja | Binance, OKX, Bitget, Bybit, Gate, HTX, Interactive Brokers, Alpaca |
| OpenAlice | Ja, nach menschlicher Freigabe | CCXT-Börsen, Alpaca, Interactive Brokers, LeverUp, Longbridge, Testsimulator |
| Lumibot | Ja | Alpaca, Interactive Brokers, Tradier, Schwab, Tradovate, TopstepX, Bitunix, Polymarket, ausgewählte CCXT-Anbindungen |
| CloddsBot | Ja | Polymarket, Kalshi, Betfair, Hyperliquid, Binance, Bybit, Solana- und EVM-DEXs sowie weitere |
| Hummingbot Condor | Ja | Zentrale Börsen und DEXs über die Hummingbot-API |
| TradeMemory Protocol | Vorschau | Leitet richtlinienkonforme Orders an Alpacas MCP-Server weiter |
| Kalshi AI Trading Bot | Ja | Kalshi |
| FinRL | Grundlegend | Grundlegende Alpaca-Unterstützung |
| Freqtrade | Ja | Binance, Bitget, Bybit, Gate, HTX, Hyperliquid, Kraken, OKX und weitere über CCXT |
| astra-quant-agent | Ja | Nur OKX |
| yebof/quant-agent | Ja | Alpaca mit Bracket-Orders |
Projekt
TradingAgents
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Research-Framework; Kauf-, Halte- oder Verkaufsentscheidung je Ticker und Datum
Projekt
AI Hedge Fund
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Keine realen Trades; nur Simulation und Backtests
Projekt
FinRobot
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Bewertungen und Research-Berichte
Projekt
TradingAgents-CN
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Research-Assistent für A-Aktien mit Simulation
Projekt
RD-Agent
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Qlib-Faktoren und Modelle
Projekt
FinMem
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Simulation mit historischen Daten
Projekt
TrustTrade
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Papercode; Backtests mit AAPL, GOOG und NVDA
Projekt
DXRG-Paper-Repository
- Orderaufgabe?
- Nein
- Handelsplatz oder Funktion
- Paper-Artefakte, kein ausführbarer Agent
Projekt
NOFX
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Binance, Bybit, OKX, Hyperliquid, Bitget, KuCoin, Gate, Aster, Lighter
Projekt
QuantDinger
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Binance, OKX, Bitget, Bybit, Gate, HTX, Interactive Brokers, Alpaca
Projekt
OpenAlice
- Orderaufgabe?
- Ja, nach menschlicher Freigabe
- Handelsplatz oder Funktion
- CCXT-Börsen, Alpaca, Interactive Brokers, LeverUp, Longbridge, Testsimulator
Projekt
Lumibot
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Alpaca, Interactive Brokers, Tradier, Schwab, Tradovate, TopstepX, Bitunix, Polymarket, ausgewählte CCXT-Anbindungen
Projekt
CloddsBot
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Polymarket, Kalshi, Betfair, Hyperliquid, Binance, Bybit, Solana- und EVM-DEXs sowie weitere
Projekt
Hummingbot Condor
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Zentrale Börsen und DEXs über die Hummingbot-API
Projekt
TradeMemory Protocol
- Orderaufgabe?
- Vorschau
- Handelsplatz oder Funktion
- Leitet richtlinienkonforme Orders an Alpacas MCP-Server weiter
Projekt
Kalshi AI Trading Bot
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Kalshi
Projekt
FinRL
- Orderaufgabe?
- Grundlegend
- Handelsplatz oder Funktion
- Grundlegende Alpaca-Unterstützung
Projekt
Freqtrade
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Binance, Bitget, Bybit, Gate, HTX, Hyperliquid, Kraken, OKX und weitere über CCXT
Projekt
astra-quant-agent
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Nur OKX
Projekt
yebof/quant-agent
- Orderaufgabe?
- Ja
- Handelsplatz oder Funktion
- Alpaca mit Bracket-Orders
Diese Trennung ist relevant, weil die öffentliche Diskussion alles als eine Kategorie behandelt. TradingAgents liefert eine CLI mit Entscheidungsausgabe. NOFX dokumentiert als Erstbetrieb dagegen die Finanzierung einer Wallet mit USDC und eine Einzahlung bei Hyperliquid.
Ergebnis 2: Nur die Hälfte dokumentiert Simulation ausdrücklich
Zehn Projekte beschreiben einen simulierten, Paper- oder Dry-Run-Modus: AI Hedge Fund, TradingAgents-CN, QuantDinger, OpenAlice, Lumibot, Condor mit Agenten-Testlauf, Kalshi-Bot, Freqtrade, astra und yebofs quant-agent. Die anderen zehn nennen keinen. Dazu gehören NOFX ohne dokumentierten Testnet-Pfad und CloddsBot mit zahlreichen realen Handelsplätzen.
Bei reinen Research-Frameworks ist das unproblematisch, weil sie ohnehin nicht ausführen. Für ausführende Systeme ist ein solcher Hinweis besonders nützlich; drei von ihnen bieten ihn nicht.
Ergebnis 3: Backtests sind häufig, sorgfältige Einordnung seltener
Elf Projekte besitzen einen integrierten Backtester, acht machen keine Angabe. Eines verneint ausdrücklich einen Backtest: Kalshis Prüfwerkzeug für einen messbaren Vorteil verfüge nicht über das nötige Datenkorpus. OpenAlice hat trotz über 4.000 Dateien keinen Backtest-Pfad; die RD-Agent-README erwähnt den Begriff nicht.
TradingAgents, das größte Projekt der Stichprobe, formuliert inzwischen sorgfältig. Sinngemäß übersetzt:
Backtests stimmen nicht garantiert mit veröffentlichten Zahlen überein. Renditen hängen von Modell, Temperatur, Zeitraum, Datenqualität und Stichprobe ab. Das Framework dient der Untersuchung von Mehragentenanalysen, nicht einer Strategie mit fester reproduzierbarer Rendite.
Das ist vorsichtiger als viele kommerzielle Aussagen und sollte bei Screenshots von Paper-Renditetabellen mitgedacht werden.
Ergebnis 4: Elf benötigen standardmäßig einen kostenpflichtigen LLM-Schlüssel; zwei verwenden kein LLM
Elf Projekte benötigen einen LLM-API-Schlüssel für den Standardablauf. Acht laufen aus unterschiedlichen Gründen ohne: NOFX rechnet Modellaufrufe über USDC je Aufruf ab; Lumibots demo und Python-Vorlagen benötigen keinen Schlüssel; Kalshis „Safe Compounder“ arbeitet ohne LLM; QuantDinger und Condor behandeln das Modell als optionale Ergänzung. FinRL mit Deep Reinforcement Learning und Freqtrade mit klassischem ML über FreqAI sind keine LLM-Systeme.
In den READMEs werden OpenAI 14-mal, Anthropic und DeepSeek jeweils 10-mal und OpenRouter 4-mal genannt. Lokale Ollama-Modelle erwähnen nur TradingAgents, CloddsBot und Condor ausdrücklich. TradingAgents nennt 17 Anbieter und OpenAI-kompatible Endpunkte. Eine feste Bindung fanden wir bei FinMem: OpenAI-Embeddings sind unabhängig vom übrigen LLM erforderlich.
Ergebnis 5: Risikohinweise und ihre Lücken
Siebzehn Projekte enthalten Warnungen. Elf nennen ausschließlich Forschung oder Bildung: TradingAgents, AI Hedge Fund, FinRobot, TradingAgents-CN, RD-Agent, TradeMemory, FinRL, Freqtrade, TrustTrade, astra und yebof. Fünf unterstützen echtes Kapital mit Risikohinweisen: NOFX, QuantDinger, OpenAlice als Beta, Lumibot und Kalshi-Bot.
Drei enthalten gar keinen Hinweis: FinMem, Forschungscode mit letztem Push 2024, CloddsBot und Hummingbot Condor. Die letzten beiden leiten reale Orders weiter.
Ergebnis 6: Leistungsangaben weisen oft in die falsche Richtung
Unter zwanzig Projekten fanden wir folgende Angaben; es sind Aussagen der jeweiligen Entwickler, keine von uns verifizierten Renditen:
- RD-Agent: ungefähr doppelte annualisierte Rendite gegenüber Faktor-Benchmark-Bibliotheken bei Kosten unter 10 US-Dollar. README ohne Zeitraum oder benannten Benchmark; Verweis auf das NeurIPS-2025-Paper.
- TrustTrade: 33,1 % kumulierte Rendite bei 9,1 % maximalem Drawdown; Zeitraum erstes Quartal 2024 für AAPL, GOOG und NVDA. Ein Zeitraum ist die Mindestanforderung, die viele Projekte nicht erfüllen.
- Kalshi AI Trading Bot: kein gemessener Vorteil; 58 % gewonnen gegenüber 60 % impliziter Wahrscheinlichkeit im Orderbuch, Vorteil −1,9 Prozentpunkte über 55 vorwärts abgerechnete Trades auf dem eigenen realen Konto. Die README räumt eine frühere falsche Beschreibung als Fünf-Modell-Ensemble ein und nennt erhebliche historische Verluste im „Beast Mode“.
- DXRG-Paper-Repository: kein gerichteter Vorteil der Vorab-Agentenflotte. Ein festes 2-%-/4-%-Bracket übertraf jeden gemessenen diskretionären Ausstieg.
- TradeMemory Protocol: n=14 Trades, Ziel n≥100 für statistische Aussagekraft. Bei n=14 seien Konfidenzintervalle zu breit für Schlussfolgerungen.
- Lumibot: ein aufgezeichneter Agentenlauf mit verifizierter Ausführung von 15 SPY-Anteilen. Keine Renditezahlen.
Wer überhaupt Zahlen veröffentlicht, zeigt häufig negative Ergebnisse offen. Die Projekte mit den meisten Sternen veröffentlichen keine. Der Hype stammt also nicht zwangsläufig von den Entwicklern.
Ergebnis 7: Geschäftsmodelle stehen in den READMEs
Vor dem Kopieren eines Installationsbefehls lohnt ein Blick auf wirtschaftliche Anreize. NOFXs README verwendet Empfehlungslinks für neun Börsen und finanziert Entwicklung aus Gebührenrabatten; astra macht Ähnliches für OKX, Binance und Gate. NOFX rechnet Modelle in USDC ab. Lumibot wirbt für Cloudhosting und einen Datenanbieter-Code. CloddsBot nennt einen eigenen Token-Vertrag und kostenpflichtige Tokenstarts. TradingAgents-CN, FinRobot und QuantDinger bieten Pro- oder kommerzielle Stufen. Bei TradingAgents-CN sind App-, Frontend- und Core-Verzeichnisse trotz Apache-Kern nur einsehbar, nicht Open Source.
Ergebnis 8: Einrichtungsaufwand und Aktualität
Docker ist für QuantDinger mit Postgres, zwei Redis-Instanzen und Kafka, RD-Agent nur unter Linux, FinMem und Condors API-Stack erforderlich. TradingAgents-CN benötigt eigene MongoDB- und Redis-Installationen und ist nur chinesisch dokumentiert. Copyleft ist verbreitet: AGPL für NOFX, OpenAlice und astra; GPL für Lumibot und Freqtrade. FinMems letzter Push war im August 2024. TrustTrade entstand dagegen vier Tage vor der Untersuchung und besaß einen Stern.
Was wir mit Kapital verbinden würden
Diese redaktionelle Einschätzung ist keine Beratung und folgt aus den Befunden, nicht aus Backtests:
- Research-Frameworks wie TradingAgents, AI Hedge Fund, FinRobot, RD-Agent, FinMem und TrustTrade dienen dem Studium von LLM-Schlussfolgerungen zu Aktien. Sie sind keine fertigen Produkte.
- Ausführende Systeme mit dokumentierter Simulation und deterministischer Risikoebene wie QuantDinger, Lumibot, OpenAlice mit menschlicher Freigabe und astra wären Ausgangspunkte für Tests in einer Testumgebung. Code bildet ihre letzte Schutzstufe vor einer Order.
- Ausführende Systeme ohne Simulation und ohne Risikohinweis würden wir unabhängig von Sternen nicht mit einem kapitalisierten Konto verbinden.
- Offene negative Ergebnisse von Kalshi, DXRG und TradeMemory sind besonders wertvoll. Lies sie vor Renditetabellen.
Wo die eigenen Regeln des Investors ansetzen
Ausführungsfähigkeit zeigt, ob ein Agent Orders platzieren kann. Sie zeigt nicht, ob ein Vorschlag zu Allokationsgrenzen, Ausschlüssen oder Gründen früherer Entscheidungen passt.
Investboard adressiert diese Ebene des Investorenkontexts. Die öffentliche KI-Dokumentation beschreibt Assistenten, die ein Mandat lesen, eine geplante Änderung prüfen und die vom Investor erklärte Entscheidung dokumentieren. Die Verbindung kann keine Orders platzieren oder das Mandat ändern. Das sind dokumentierte Funktionen außerhalb dieser Repository-Untersuchung. Wie oben offengelegt, ist der Autor der Gründer von Investboard.
Ein Vergleich mit Research-Frameworks, Portfolio-Diensten und Broker-Anbindungen steht in Mehr als Marktdaten: Was ein KI-Investment-Agent über dich wissen muss.
Methode und Grenzen
Am 8. und 9. Oktober 2026 lasen wir die README des Standardbranches, Lizenz und bei Bedarf Unterpaket-READMEs und Codeverzeichnisse, etwa OpenAlices Brokerpakete und FinRobots Desktop-App. null bedeutet „nicht angegeben“, niemals „nein“. Wir haben keine dieser Anwendungen für die Untersuchung ausgeführt und können daher dokumentierte Funktionen nicht bestätigen. Die Sterne-Zahlen sind aktuell; die Aussagen im Text beziehen sich auf den Untersuchungszeitpunkt.
Korrekturen der Entwickler sind über das Einreichungsformular willkommen und werden mit sichtbarer Änderung in der Datendatei umgesetzt.
Diese Forschung zitieren
InvestingStack (2026). 20 Open-Source-KI-Trading-Agenten geprüft: Was sie tatsächlich tun. InvestingStack. https://investingstack.ai/de/research/open-source-ai-trading-agents-audit
Veröffentlicht: 9. Okt. 2026 · Aktualisiert: 11. Okt. 2026
Belege und Downloads