21+ KI-Agenten
Aktiv Alpaca Demo
Python/PHP Tech Stack
Lernend KI-Modus

Das Problem

Märkte bewegen sich in Millisekunden. Signale wie neue Patente, FDA-Zulassungen, Insider-Käufe oder geopolitische Impulse sind über hunderte Kanäle verstreut. Ein Mensch kann diese "Boom-Signale" nicht rechtzeitig korrelieren. Wer die Information zuerst verbindet, gewinnt.

  • Informationsflut macht blind
  • Signale sind über zu viele Quellen verstreut
  • Manuelle Analyse ist zu langsam
  • Emotionale Fehlentscheidungen beim Trading

Die Lösung

Der aktuelle Ansatz ist ein Schwarm spezialisierter KI-Agenten, die wie ein Geheimdienst zusammenarbeiten. Scouts scannen Patent-Datenbanken, News-Feeds, Social Media und Regierungsaufträge. Das "Head-Team" (ASLAN, WATCHER, BIG MAMA, LISA) bewertet die Impulse in einem automatisierten Team-Meeting. Noch ist vieles im Aufbau: Ich optimiere die Agenten, Abläufe und Entscheidungslogik laufend weiter.

Agenten-Schwarm

TA4U ist bewusst als Lernprojekt aufgebaut: Ich teste aktuell 21+ spezialisierte Agenten in vier Ebenen, um Schwarm-Agentik praktisch zu verstehen und sauber umzusetzen. Scouts sammeln Rohsignale, Analyse-Agenten verdichten Zusammenhänge, das Head-Team priorisiert und Guardrail-Agenten sichern Risiko, Logging und Execution ab.

4

Head-Team

ASLAN, WATCHER, BIG MAMA und LISA bilden die Entscheidungsrunde. Sie bewerten Chance, Risiko, Kapital und Timing.

8

Scout-Agenten

Sektor-Scouts für Tech, Biotech, Defense, Macro, Patente, Insider-Filings, Social und Breaking News.

6

Analyse-Agenten

Verdichten Sentiment, Preisstruktur, Quellenqualität und Signal-Stärke zu belastbaren Hypothesen.

3+

Execution & Guardrails

Paper-Trading, Alerting, Logging und Risiko-Checks begleiten jeden Schritt bis zur Demo-Ausführung.

Meine Rolle

Gründer & Architekt

Entwicklung der Multi-Agenten-Logik Integration alternativer Datenquellen Strategie-Design & Risikomanagement

Features

Alternative Data Mining

Scan von Patente, Stellenausschreibungen und Insider-Filings für echtes Alpha.

Multi-Agent Consensus

Keine Entscheidung ohne Team-Meeting: Verschiedene Perspektiven (Risiko, Chance, Kapital) werden vereint.

Multi-Markt Abdeckung

Überwachung von US-Märkten (NASDAQ, NYSE) und dem türkischen Markt (BIST).

Boom-Effekt Detektor

Korrelation schwacher Signale über mehrere Kanäle zu einem starken Kaufsignal.

KI-Risikomanagement

BIG MAMA schützt das Depot vor emotionalen Überreaktionen und kalkuliert jede Position präzise.

Vollautomatisierte Pipeline

Vom Roh-Impuls über die Analyse bis zur Paper-Trading Order – alles ohne menschliches Eingreifen.

Website-Module

Inklusive

Head Agents

ASLAN, WATCHER, BIG MAMA und LISA als Entscheidungsebene.

Inklusive

Sektor-Scouts

Spezialisierte Collector für Tech, Biotech und Defense.

Inklusive

Impuls-Datenbank

Zentrale Speicherung und Vernetzung aller Marktsignale.

Inklusive

Telegram Alerts

Echtzeit-Reporting der KI-Meetings und Entscheidungen.

Ergebnisse

Manuell
Autonom
Analyse
Einzel-Indikator
Korrelation
Strategie
Bauchgefühl
KI-Konsens
Entscheidung

TA4U ist mein persönliches Lern- und Moonshot-Projekt im Bereich KI und Finanzen. Der Fokus liegt aktuell nicht auf Perfektion, sondern darauf, Agenten und Schwarm-Agentik sauber zu verstehen, praktisch umzusetzen und iterativ zu verbessern. Ich bin damit noch am Anfang, lerne bei jedem Schritt dazu und optimiere die Agenten, Prompts und Abläufe kontinuierlich weiter.

Screenshots

Was ich gelernt habe

Was mich dieses Projekt gerade lehrt: Agenten und Schwarm-Agentik wirken von außen spektakulär, aber in der Praxis geht es zuerst um saubere Logik, gute Datenflüsse und viel Iteration. Ich bin noch am Anfang, lerne täglich dazu und optimiere Schritt für Schritt statt so zu tun, als wäre das System schon fertig.