Devisenhändler, die heute einen LLM-Agenten für EUR/CHF-Signale testen, erleben oft dasselbe: Der Agent schreibt saubere Begründungen, erkennt Zinsdifferenzen und interpretiert SNB-Kommentare. Dann kommt der Tag, an dem die Schweizerische Nationalbank ohne Vorwarnung interveniert. Der Agent hat es nicht kommen sehen. Schlimmer noch: Er war genau falsch positioniert.
Warum das kein Zufall ist, sondern ein strukturelles Problem der Architektur, lesen Sie hier.
Warum LLM-Agenten im FX-Signal-Stack gerade überall auftauchen
Der Devisenmarkt läuft 24 Stunden an fünf Tagen. Kein menschliches Team kann alle Nachrichten, Notenbank-Statements und Marktbewegungen parallel erfassen. Genau hier setzen Multi-Agenten-Architekturen an. Ein Agent analysiert Fundamentaldaten, ein zweiter das Sentiment aus Nachrichten, ein dritter technische Muster, ein vierter übernimmt das Risiko-Overlay. Das passt zum FX-Markt, weil Informationen dezentral eintreffen und interpretiert werden müssen. LLMs sind stark darin, Notenbank-Sprache zu parsen. Sie erkennen, wenn eine Formulierung von „angemessen“ zu „wachsam“ wechselt, und können Regime-Tags vergeben: risk-on, risk-off, Interventionsverdacht.
Trotzdem gilt eine klare Abgrenzung: Signal-Generierung ist nicht Execution. Ein LLM-Agent, der ein Signal liefert, hat noch keine Order platziert. Ein Agent, der direkt handelt, braucht eine völlig andere Governance. Wer beides vermischt, verliert die Kontrolle über das Risiko.
Der blinde Fleck: Warum der Agent die SNB-Intervention nicht sieht
Die Schweizerische Nationalbank interveniert diskretionär. Es gibt keine Vorankündigung, keinen festen Zeitplan und keine verlässliche Textspur im Vorfeld. 2015 hat die SNB den Mindestkurs aufgehoben, ohne dass Analysten es kommen sahen. Heute interveniert sie in ruhigeren Bahnen, aber immer noch ohne öffentliche Ankündigung. Ein LLM, das auf Text trainiert ist, kann diese Intervention nicht antizipieren. Es sieht nur das, was in Nachrichten, Reden und Protokollen steht. Der eigentliche Auslöser liegt oft im Interbanken-Orderflow, in der Sichtbarkeit der SNB am Markt, in ungewöhnlichen Handelsmustern. Diese Daten fehlen dem Sprachmodell.
Noch gefährlicher ist der Unterschied zwischen Sentiment und Flow. Ein Agent kann aus einer hawkischen SNB-Aussage ein positives CHF-Sentiment ableiten. Das ist logisch. Aber wenn gleichzeitig große Marktteilnehmer Franken kaufen, weil sie eine Intervention befürchten, kann der Flow genau das Gegenteil signalisieren. Der Agent steht dann auf der falschen Seite. In dünnen Orderbüchern, etwa außerhalb der Kernhandelszeiten, führt das zu massiver Slippage und Spread-Ausweitung. Backtests, die solche Situationen nicht realistisch abbilden, lügen systematisch.
Failure-Modi von LLM-Signal-Agenten im FX — eine ehrliche Liste
Wer einen LLM-Agenten im Devisenhandel einsetzt, muss vier Fehlerquellen einkalkulieren.
Look-ahead-Bias durch Trainingsdaten. Das Modell wurde möglicherweise mit Nachrichten trainiert, die zum Zeitpunkt der Entscheidung noch nicht verfügbar waren. Ein klassisches Problem: Der Agent zitiert eine Zinsentscheidung, die erst Stunden später veröffentlicht wurde. Im Live-Betrieb produziert das Signale, die auf unmöglichem Wissen beruhen.
Regime-Wechsel ohne Retraining-Trigger. Ein Modell, das auf Jahre mit stabilen Zinsdifferenzen trainiert wurde, versteht plötzliche Volatilitätssprünge nicht. Nach einer Intervention ändert sich das Marktregime fundamental. Ohne automatische Erkennung und Umschaltung liefert der Agent weiter Signale aus dem alten Regime.
Halluzinierte Konfidenz. LLMs geben Wahrscheinlichkeiten aus, die nicht kalibriert sind. Ein Agent sagt „80 Prozent Wahrscheinlichkeit für einen Durchbruch bei 0,95“, aber diese Zahl stammt aus Sprachstatistik, nicht aus Marktmodellen. Das führt zu Überpositionierung.
Korrelierte Fehler über mehrere Agenten. Wenn alle Agenten dasselbe Basismodell verwenden, machen sie denselben Fehler. Eine Abweichung in der News-Interpretation betrifft dann gleichzeitig Sentiment-, Fundamental- und Risiko-Agent.
Architektur-Muster, die in der Praxis halten
Die Lösung ist nicht, LLMs zu verbieten. Die Lösung ist ein Hybrid aus Sprachmodell und klassischen Modellen.
Ein LLM liefert Kontext und Narrativ. Es erklärt, warum eine Zinsdifferenz relevant ist. Die eigentliche Signal-Generierung und Execution übernehmen klassische Modelle, die auf Orderflow, Zentralbank-Sichtbarkeit und Mikrostruktur basieren. Der LLM-Agent wird zum Analysten, nicht zum Entscheider.
Zwingend ist ein Regime-Detektor mit Kill-Switch. Sobald das Modell Anzeichen für eine Intervention erkennt, etwa extreme Orderflow-Anomalien oder plötzliche Spread-Ausweitungen, wechselt der Agent in den Beobachtungsmodus. Er darf keine neuen Signale mehr liefern.
Orderflow- und Zentralbank-Features sind Pflicht. Ein Textmodell reicht nicht. Wer EUR/CHF handelt, braucht Daten über SNB-Sichtbarkeit, Interbanken-Volumen und Liquiditätstiefe. Diese Daten müssen als Input für jedes Signal dienen.
Backtesting muss Mikrostruktur-Realismus abbilden. Spread, Latenz, Teilfüllungen und Interventionsereignisse gehören in die Simulation. Ein Backtest, der zum Kurs von 17:00 Uhr kauft, aber die tatsächliche Spread-Ausweitung ignoriert, ist wertlos.
Regulatorik und Betrieb im DACH-Kontext
Für Prop-Trading-Desks und Brokerage-Häuser in DACH gilt: Jeder automatisierte Handelsentscheid braucht einen Audit-Trail. Die Aufsicht verlangt nachvollziehbare Entscheidungen. Ein LLM, das Signale liefert, muss dokumentieren, welche Daten es wann verwendet hat. Wer das nicht kann, riskiert aufsichtsrechtliche Probleme.
Modell-Governance heißt Versionierung, Monitoring und Mensch-im-Loop. Jede Änderung am Modell muss dokumentiert sein. Die Performance muss laufend überwacht werden. Ein Mensch muss in kritischen Phasen eingreifen können, etwa wenn der Regime-Detektor anschlägt.
Wichtig ist die Unterscheidung zwischen Entscheidungsunterstützung und Execution-Komponente. Solange der Agent nur Vorschläge macht, die ein Trader bestätigt, ist die regulatorische Last überschaubar. Sobald er autonom handelt, greifen strengere Anforderungen. Im Zweifel ist die Entscheidungsunterstützung der sicherere Einstieg.
Fazit: Was Ihr Desk aus dem SNB-Fall lernen sollte
Drei Prüffragen vor dem nächsten Agenten-Rollout:
- Kann der Agent diskretionäre Zentralbank-Eingriffe erkennen? Wenn nicht, darf er keine autonomen Signale für EUR/CHF liefern.
- Hat der Agent Zugriff auf Orderflow-Daten oder nur auf Text? Nur Text ist für FX-Signale unzureichend.
- Gibt es einen Kill-Switch, der bei Regime-Wechseln greift? Ohne diese Notbremse ist der Agent eine tickende Zeitbombe.
LLM-Signale tragen, wenn sie Kontext liefern und klassische Modelle die Entscheidung treffen. Sie werden teuer, wenn man ihnen die Deutungshoheit über Märkte mit diskretionären Interventionen überlässt. Der EUR/CHF-Agent, der die SNB nicht kommen sieht, ist kein Zufall. Er ist das Ergebnis einer Architektur, die Text mit Markt verwechselt.