GPT-6 Astra handelte 7 Tage mit echten 10.000 Dollar: Der KI-Agent verliert knapp gegen den S&P 500

Ein KI-Agent bekommt 10.000 Dollar echtes Geld und sieben Handelstage Zeit, um den S&P 500 zu schlagen. Genau dieses Experiment hat Nate Herk mit GPT-6 Astra gefahren, dem Agenten-Modell von OpenAI, das bei ihm in Codex auf hoher Stufe läuft. Am Ende standen 9.900 Dollar im Konto, während der Vergleichsindex auf 9.980 Dollar stand. Der Rückstand beträgt rund 0,8 Prozent, die Wette ist verloren. Die spannenderen Erkenntnisse liegen aber nicht in der Performance, sondern im Betrieb: Das Modell verweigerte die automatische Ausführung der Trades, Herk musste einen zweiten Agenten als Ausführungsinstanz dazwischen setzen. Ich habe das Video im Original durchgesehen und sortiere, was der Lauf über den Einsatz von Agenten mit echtem Geld verrät.

Der Aufbau ist bewusst hart geschnitten. Startkapital sind 10.000 Dollar echtes Geld, kein Papier-Portfolio, die Orders laufen über den Broker Alpaca. Das Zeitfenster umfasst sieben Handelstage, Benchmark ist der S&P 500. Als Einsatz steht ein VIP-Ticket für die Veranstaltung AIS Live am 17. und 18. Oktober, das unter den Kommentaren in seiner Community verlost wird, falls der Agent den Index nicht schlägt. Genau dieser Fall ist eingetreten. Eine Regel aus seinem früheren Selbstversuch lockert er: Statt das System nach dem Setup unangetastet zu lassen, darf er pro Handelstag bis zu zwei Änderungen vornehmen. Was er nicht kann, ist abschalten: Auch bei Totalverlust läuft der Agent weiter, ein Notaus ist nicht vorgesehen. Einen Vorläufer gab es mit einem früheren Setup, das er als ordentlich eingeschätzt hatte, ohne dass das Video dazu Details nachliefert.

Der Betriebsteil ist der eigentlich instruktive Teil des Videos. Das Setup hat GPT-6 Astra selbst ausgearbeitet: Auf die Aufgabenbeschreibung hin delegierte das Modell an mehrere Trading-Agenten, die Recherche und Strategie beisteuerten. Heraus kam ein Tagesrhythmus mit sechs Aktions-Wake-ups plus Benachrichtigungen, zwischen 7:45 Uhr vor der Markteröffnung und 15:15 Uhr nach dem Schlusskurs, Central Time. Eine Routine liest vor der Eröffnung Nachrichten und wählt Beobachtungskandidaten, die nächste sucht die erste qualifizierte Trade, eine prüft zur Mittagszeit die Positionen, eine managt am Nachmittag die offenen Positionen, eine schließt Restpositionen, und die letzte bestätigt den Ausstieg und hält das Tagesergebnis fest.

Damit der Ablauf nicht wie ein Staffellaub ahnungsloser Einzelgänger wirkt, läuft alles in einem einzigen Thread. Jeder Agent hinterlässt beim Abtreten eine Übergabenachricht, der nächste liest sie, handelt und schreibt die folgende. Das Ergebnis fühlt sich laut Herk an wie ein einziger durchgehender Agent, technisch ist es eine Kette von Wake-ups mit Zustandsübergabe. Wer Agenten-Ketten betreibt, findet hier ein Muster zum Übernehmen: Übergabenachrichten statt gemeinsamem Gedächtnis, feste Zeitpunkte statt Event-Wildwuchs, ein Thread statt verteilter Konversation.

Der erste Handelstag endete bei 9.991 Dollar, ein Minus von rund neun Dollar. Der Agent hatte Tesla gekauft, rund neun Aktien für etwas mehr als 3.000 Dollar, mit Stop-Loss. Der Kurs rutschte, der Stop löste sofort aus, der Schaden blieb klein. Herks Frustration galt eher dem Tempo: Bei einem Sieben-Tage-Fenster ist ein Tag mit neun Dollar Verlust keine Progression. Er gab das Feedback an das System weiter, das darauf hin schärfter arbeitete: drei Entry-Reviews statt der bisherigen Prüfung, weniger restriktive Filter, und das Reward-to-Risk-Verhältnis sank von 2:1 auf 1,5:1, um mehr Trades zuzulassen. Die Antwort des Modells ist ein Zitat, das Agenten-Betreiber kennen dürften: Ich verstehe die Dringlichkeit und hätte auf dein Feedback früher reagieren sollen.

Am zweiten Tag kam die eigentliche Überraschung, und sie hatte nichts mit Kursen zu tun. GPT-6 Astra stoppte die automatische Ausführung mit einer Restriktion, die Herk als Modell-Restriktion beschreibt: Es helfe gern beim Strategisieren, aber es werde keine Trades automatisch im Auftrag ausführen. Herk versuchte, das Modell umzustimmen, es blieb dabei. Sein Workaround ist ein Lehrstück in Agenten-Architektur: Er richtete einen zweiten Agenten ein, einen Grok-Bot mit eigener E-Mail-Adresse und Webhook. Astra beendet jede Routine mit einer E-Mail an diesen Bot, der Bot wacht auf, nimmt die Empfehlungen und setzt die Trades über Alpaca ab. Planung und Ausführung laufen damit getrennt, verbunden über einen prüfbaren Kanal. Dass dieser Kanal eine E-Mail-Schnittstelle ist, ist der improvisierte Teil; die Trennung selbst ist genau der Schnitt, den man bei Systemen mit echtem Geld bewusst baut.

Der erste Punkt ist die Trennung von Planung und Ausführung. Sie entstand hier durch eine Modell-Restriktion, aber sie ist die Architektur, die man ohnehin will: Ein Agent entwirft und begründet, ein zweiter führt aus, und zwischen beiden liegt ein Kontrollpunkt. Dass das Denkmodell die Ausführung verweigerte, ist aus Betreibersicht kein Mangel, sondern ein sichtbares Guardrail, das genau dann auftritt, wenn echtes Geld im Spiel ist. Wer so einen Schnitt braucht, baut ihn besser von Anfang an als echte Kontrollstelle mit Limits, Logging und Freigaben, statt ihn per E-Mail-Trick zu improvisieren.

Der zweite Punkt ist die Betriebsseite. Was in dieser Woche nachweisbar funktionierte, war nicht die Strategie, sondern das Gerüst: Routinen mit festen Wake-ups, Übergabenachrichten für Kontinuität, ein eigener Ausführungs-Agent als Kontrollinstanz, ein Broker-Zugang mit echtem Risiko, und keine ausgefallenen Handelstage. Was fehlt, ist die Laufzeit, die Herk selbst nachschiebt: Nur ein längerer Zeitraum macht den Performance-Vergleich aussagekräftig. Für eigene Projekte heißt die Reihenfolge: Erst den Betrieb robust machen, dann das Fenster verlängern, nicht umgekehrt.

Der dritte Punkt betrifft die Grenzen, die man von Anfang an einbaut. Das Setup im Video hielt den Notaus bewusst offen: Auch bei Totalverlust sollte der Agent weiterlaufen. Bei Spielgeld ist das eine mutige Regel, bei echtem Kapital ist es ein Risiko, das man dem Modell allein nicht ueberlassen darf. Ein belastbarer Ausfuehrungs-Layer hat deshalb feste Limits pro Position und pro Tag, ein hartes Verlustlimit fuer die Gesamtwoche, Logging jeder Order mit Begruendung, und eine Freigabe-Schwelle, ab der ein Mensch bestaetigen muss. Genau diese Schwelle hat das Modell hier unfreiwillig vorgelebt, als es die automatische Ausfuehrung verweigerte. Der Unterschied liegt im Betreiber: Ein eingebauter Guardrail des Modells kann sich mit einem Update aendern, ohne dass man es mitbekommt, ein eigener Kontrollpunkt bleibt, wo man ihn hingesetzt hat.

Am Ende steht ein knaps Unterliegen gegen einen Index, das in beide Richtungen nichts beweist. Bleiben drei belastbare Befunde: Der Agenten-Stack aus Routinen, Übergaben und separatem Ausführungs-Bot lief sieben Handelstage ohne Ausfall mit echtem Geld. Die Ausführungs-Verweigerung kam vom Modell, nicht vom Designer, ein eingebauter Guardrail also, den man als Feature lesen kann. Und die Performance-Diskussion ist bei diesem Zeitrahmen als Rauschen zu lesen, was Herk offen genug selbst sagt. Ein Follow-up ist angekündigt, erst dann wird die Frage nach dem Ertrag beantwortbar.

Alle Zahlen und Abläufe stammen aus dem Video von Nate Herk und seinen ergänzenden Posts auf LinkedIn und X, abgerufen am 28. September 2026. Es handelt sich um einen Selbstversuch ohne unabhängige Prüfung, der Beitrag gibt die Zahlen so wieder, wie sie im Video gezeigt werden.