Ich habe ohne Programmiererfahrung einen Trading Bot gebaut

Veröffentlicht von Moritz am 27. April 202627. April 2026

Es gibt ein Projekt, das mich schon seit Jahren verfolgt: mein eigener Trading Bot.

Ich konnte nicht programmieren. Ich war kein professioneller Trader. Trotzdem habe ich über mehrere Jahre grob 800 bis 1.000 Stunden investiert, um ein System zu bauen, das eigenständig Märkte analysiert und Trades ausführt.

Heute laufen mehrere Bots live mit echtem Kapital.

Aber hat sich das Ganze gelohnt oder war das nur ein extrem teures Ego-Projekt?

Falls dich nur interessiert, ob sich die 1.000 Stunden gelohnt haben, kannst du direkt zum Fazit springen.

Ich war weder Trader noch Entwickler

Das Offensichtliche vorweg: Um einen Trading Bot zu schreiben, sollte man im besten Fall etwas vom Traden und auch etwas vom Programmieren verstehen; sonst scheint das Ganze doch recht sinnlos.

Tatsächlich hatte ich auch schon sehr früh Berührungspunkte mit beiden Elementen.

Gier frisst Hirn: Trading im Krypto-Boom (2017)

Trading habe ich entdeckt, als ich angefangen habe, in Kryptowährungen zu investieren. 2017 war das Traden von Bitcoin wirklich der Wilde Westen. Am Markt waren viele Amateure (so wie ich) und Muster hatten sich immer wieder wiederholt. Ich hatte mich wirklich (relativ) intensiv mit dem Thema beschäftigt und eine Zeit lang lief meine Trading-Aktivität recht gut, aber ich wollte zu viel und das zu schnell.

Gier frisst Hirn: Risiko-Management hatte mich zu der Zeit nicht interessiert und Verluste musste ich fast schon zwanghaft am selben Tag wieder gutmachen.

Auch wenn ich (nach meiner Ansicht) nie ein schlechter Trader war, fehlte mir einfach die Geduld um langfristig erfolgreich zu sein. Das erkannte ich glücklicherweise sehr früh und ich wandte mich erstmal vom Trading ab.

Warum ich nie programmieren gelernt habe

Meine Programmiererfahrung war ebenfalls überschaubar. Mit etwa 15 hatte ich kurz darüber nachgedacht, selbst programmieren zu lernen, verwarf die Idee aber schnell wieder — aus einem absurd schlechten Grund: Ich dachte damals ernsthaft, dass ich keine Chance hätte, Leute aufzuholen, die bereits mit 12 angefangen hatten.

Rückblickend war das natürlich Unsinn.

2019 habe ich mich dann doch mal dazu erbarmt, mich ein wenig mit dem Programmieren auseinanderzusetzen. Für ein früheres Projekt hatte ich mich kurz mit HTML und CSS auseinandergesetzt und etwa die Hälfte eines Python-Crashkurses absolviert. Das reichte, um grundlegende Logik zu verstehen — aber definitiv nicht, um einen Trading Bot zu bauen.

Bis zu diesem Punkt habe ich in Trading und Coding vielleicht 100 Stunden, also zwei etwas intensivere Arbeitswochen, investiert.

Die Idee eines Trading Bots und meine ersten Schritte

Wenn ich schätzen müsste, kam mir die Idee für den Trading Bot 2020. Die Pandemie hatte gerade angefangen und ich hatte damals für ein paar Monate keinen Job.

Das war das erste Mal in meinem Leben, an dem ich mich mit vollem Fokus meinem “Solo-Hustle” widmen konnte.

Kontakt zur Außenwelt hatte ich, aufgrund der strengen Vorschriften, nämlich nicht so viel; außer mit einer Handvoll Freunden; mit denen ich regelmäßig telefonierte.

Einer dieser Freunde, ein ehemaliger Schulkollege, hatte mir damals von einem Tool erzählt, das er an seiner Universität kennengelernt hatte. KNIME. Ein kostenloses Tool, mit dem man ohne Code ziemlich coole statistische Auswertungen machen konnte.

Er hatte mir von verschiedenen Methoden erzählt, die man über dieses Tool anwenden konnte. Besonders spannend war dabei der “Random Forest”. Dazu später mehr.

Für den Moment sind nur zwei Dinge wichtig, die mir aus diesem Telefonat klar wurden:

1. Ich erinnerte mich sofort daran, wie sich bestimmte Muster im Bitcoin Chart immer wiederholten. Schon während des Telefonats wusste ich, dass ich die nächsten Tage beschäftigt sein würde, den Kryptomarkt statistisch auszuwerten.
2. Wenn du statistische Auswertungen machen willst, brauchst du Daten. Und zwar so viele wie möglich.

Die ersten Analysen

Die Daten für meine statistischen Auswertungen konnte ich kostenlos aus dem Internet herunterladen, ich brauchte eigentlich nur die Preise und den dazugehörigen Zeitpunkt, im 15-Minuten Takt über die letzten 5 Jahre — daraus konnte ich selbst alles ableiten.

Das Problem war, dass ich damals nicht nur ein schlechter Programmierer, sondern auch sehr ineffizient mit PCs im Allgemeinen war. Ich konnte mit Excel beispielsweise wirklich viel machen, hatte aber für jede kleine Tätigkeit einen selbstgebauten Workaround.

Allein durch die schiere Menge an Daten, saß ich damals nächtelang an meinem PC um alles korrekt zu formatieren.

Ich machte aus jedem Zeitpunkt einen Datenpunkt, mit mehreren Indikatoren und einem Signal. Das sah, vereinfacht gesagt, so aus:

In diesem fiktiven Beispiele stehen die Spalten beispielsweise für:

1. Datenpunkt: Nummer der Spalte, nur zur Veranschaulichung; 251 wäre das 251. Datenset
2. Indikator: Cross SMA 50-200; als beispielhafter Indikator. Man berechnet den durchschnittlichen Preis der letzten 50 Zeitpunkte und den durchschnittlichen Preis der letzten 200 Zeitpunkte (SMA = Simple Moving Average). Man könnte sagen, wir setzen den Indikator auf 1, wenn sich die beiden SMAs innerhalb der 5 letztvergangenen Zeitpunkte gekreuzt haben.
3. Indikator: Relative Low/Relative High: Man könnte diesen Indikator zum Beispiel auf 1 setzen, wenn der Kurs des aktuellen Datensatzes den tiefsten/höchsten Punkt der letzten 30 Zeitpunkte darstellt.
4. Signal: Da ich ja Datensätze aus der Vergangenheit verwendet habe, konnte ich im Nachhinein bestimmen, ob sich ein Trade gelohnt hätte oder nicht. Ich verglich also den Kurs des Datensatzes mit der Entwicklung in den nächsten paar Stunden, um das korrekte Signal zu erhalten.

Random Forests, künstliche Intelligenz und statistische Tests

KNIME hier komplett zu erklären würde den Rahmen dieses Artikels sprengen. Die vorhin erwähnten Random Forests möchte ich aber einmal kurz erläutern.

Im Folgenden habe ich einen Screenshot eines einfachen Random Forest Workflow aus KNIME eingefügt.

Das funktioniert folgendermaßen:

1. Ich nehme die eben erstellte Excel und gebe sie der “Table Partitioner”-Node, die meine Daten in einen Trainingsdatensatz (80 %) und einen Testdatensatz (20 %) aufteilt.
2. Der Trainingsdatensatz geht in die „Random Forest Learner“-Node. Dort sucht das Modell nach Zusammenhängen zwischen meinen Indikatoren und erfolgreichen bzw. schlechten Trades.
3. Dieses gelernte Wissen wird anschließend auf den Testdatensatz angewendet. Die „Random Forest Predictor“-Node versucht nun, bei komplett neuen Daten das richtige Signal vorherzusagen.
4. Am Ende bewertet die „Scorer“-Node, wie gut die Vorhersagen tatsächlich waren.

Beispiel: In der Tabelle oben hätte der Random Forest Learner wahrscheinlich festgestellt, dass die Indikatoren: “Cross SMA 50-200” und “Relative Low” ein Buy-Signal sind, während ein “Relative High” ein Sell-Signal ist.

Im Kern ist das Machine Learning — also eine Form von künstlicher Intelligenz, lange bevor ChatGPT den Begriff massentauglich gemacht hat. Wie gesagt ist KNIME kostenlos, also wenn dich das Ganze interessiert, dann probiere dich doch selbst ein wenig damit aus.

Im Grunde war das die Analyse, die ich gemacht habe. Ich habe das Ganze natürlich hundertfach wiederholt und wahrscheinlich tausende Indikatoren und Random Forest Einstellungen getestet, aber die Tätigkeit selbst war immer ziemlich ähnlich.

Es klingt aber einfacher, als es war. Um die Komplexität einmal zu veranschaulichen habe ich hier einmal meinen Bitcoin Analyse Prozess als Screenshot eingefügt:

Und das hier ist der dazugehörige (stillgelegte) Workflow, der automatisch die Live-Daten 24/7 im Stundentakt importiert, auswertet, und Trades vorschlägt:

Live Deployment

Zwischen meinen ersten Auswertungen in KNIME und dem ersten Live Trading Bot liegen ungefähr 5 Jahre.

Nicht, weil ich die ganze Zeit an dem Bot gearbeitet habe, sondern weil ich mit anderen Dingen beschäftigt war. In diesen 5 Jahren, in denen mein PC nichts Neues zu dem Projekt gesehen hatte, war es in meinem Kopf immer wieder präsent. Zu oft und zu lange hatte ich mental daran gefeilt, um es nicht voranzubringen.

Im Jahr 2025 erhielt ich dann die Zusage für ein M&A-Praktikum. Mit diesem Projekt im Hinterkopf kündigte ich meinen Job in der Wirtschaftsprüfung also vorzeitig.

2 Monate hatte ich Zeit, um das Projekt wahr werden zu lassen. Und eines kannst du mir glauben: Diese Zeit habe ich genutzt. Ich stand auf und war am Arbeiten, habe Nächte über Nächte durchgemacht und habe gefühlt gearbeitet bis ich vom Stuhl gefallen bin. Es war einfach nur geil.

Durch meine Arbeitserfahrung war ich mittlerweile um einiges effizienter im Umgang mit Excel, meine KNIME Auswertungen wurden immer fortgeschrittener und komplexer und mein PC spielte rund um die Uhr Iterationen durch, um die besten Indikatoren zu finden.

Gegen Ende des ersten Monats hatte ich ihn dann: Mein erster Bot, der zu funktionieren schien. Die Ergebnisse der stündlichen Signale waren sehr gut. Das musste schnellstmöglich live gehen.

Die erste Zeile Code

Ich machte mir einen Plan mit jedem technischen Vorgang, den der Bot ausführen sollte. Schritt für Schritt baute ich die theoretische Architektur, um meine .txt Signaldatei in Trades umzuwandeln, die automatisch ausgeführt und rechtzeitig geschlossen werden sollten.

Um ehrlich zu sein, war das genau der Punkt, an dem mein erster Versuch vor 5 Jahren endete. APIs (also die Kommunikation meines Bots mit den Servern der Trading Plattformen) waren für mich damals der Killer.

Eins war diesmal aber anders: ChatGPT. Durch endlos lange Diskussionen mit dem Chatbot konnte ich mein Projekt endlich in die Tat umsetzen.

Auch wenn ich jede Zeile meines Codes verstehen und erklären kann, muss ich zugeben, dass ich in der kurzen Zeit mit meinen Programmierfähigkeiten nicht in der Lage gewesen wäre, den Code für einen funktionierenden Trading Bot zu schreiben.

Die erste Version meines Trading Bots lebte.

Technische Schwierigkeiten

Es waren zu viele Hürden und Hindernisse, um sie alle zu erwähnen. Anbei eine Auswahl, die mich regelmäßig an den Rand der Verzweiflung brachten und für die ich teils verrückte Workarounds finden musste:

1. Windows macht gerne Updates und Updates verursachen Neustarts. Damit hatte mein Bot nicht gerechnet. Bei jedem Update verlor er seine offenen Positionen.
2. Wenn ein KNIME-Workflow einmal durchläuft, muss man ihn wieder zurücksetzen, bevor man ihn neu starten kann. Diesen Umstand alleine herauszufinden war gar nicht so leicht und noch schwieriger war es, eine Lösung zu finden.
3. Daten-Leaks. Ein Excel-Formelfehler und ein Indikator beruht fälschlicherweise auf Daten, die man beim Trade noch gar nicht gehabt hätte. Hier muss man wirklich vorsichtig sein, weil solche Indikatoren wertlos sind.
4. Das Timing zwischen Auswertung des aktuellsten Datensatzes und Ausführen der Trades.
5. Der Bot macht nicht was er soll; falsche Positionsgrößen, Trades werden grundlos geschlossen, ein Trailing Stop Loss zieht nicht nach, der Stop Loss wird grundlos geschlossen oder nicht gelöscht, wenn der Trade durchgeht.
6. Workflows, die wochenlang gehalten haben funktionieren auf einmal nicht mehr.

Funktioniert mein Bot?

Mein erster Bot funktionierte technisch (einigermaßen) — aber finanziell überhaupt nicht. Tatsächlich hat er so schnell Geld verloren, dass ich ihn nach kurzer Zeit schon abschalten musste.

Ich musste mein Konzept mehrmals ändern.

Mittlerweile bin ich komplett, also auch für die Auswertungen, auf Python umgestiegen. Die Bots, die aktuell laufen sind wahrscheinlich bereits Version 10+ und das inkludiert nicht die ganzen Versuche, die es in den Live-Betrieb geschafft haben.

Tatsächlich habe ich heute 3 Bots laufen, Bitcoin, Ethereum und Solana. Und es ist definitiv noch nicht perfekt. Mein Solana Bot hat beispielsweise seit seiner Existenz noch nie einen Trade gemacht. Ich kann mir vorstellen, was das Problem ist, bin aber noch nicht dazu gekommen, mich darum zu kümmern.

Performance

Vorab: Ich bin im Minus und das nicht zu knapp. Hier meine ungefähre Performance:

• Periode 1 (3 Wochen): -22%
• Periode 2 (2 Wochen): -3%
• Periode 3 (4 Wochen): +2%
• Periode 4 (4 Wochen): +5%
• Periode 5 (4 Wochen): +15%
• Periode 6 (5 Wochen): -7%
• Periode 7 (4 Wochen): -7%
• Periode 8 (5 Wochen): -20%
• Periode 9 (7 Wochen): -1%

Die Bots haben sich im Laufe der Zeit teilweise verändert, teilweise hat sich zwischen den Perioden aber auch nichts technisches getan.

Aufgrund kleiner Kapitalbasis, laufender Strategieänderungen und begrenzter Historie sind diese Ergebnisse statistisch noch wenig aussagekräftig.

War es rational? Fazit

Hat es sich finanziell gelohnt?

Bisher ganz klar nicht.

Ich bin aktuell deutlich im Minus und wenn ich meine investierten Stunden mit einem normalen Stundenlohn bewerten würde, wäre das Projekt noch teurer.

Rein kurzfristig betrachtet wäre ich finanziell besser gefahren, wenn ich einfach Überstunden gearbeitet oder mein Geld passiv investiert hätte.

Trotzdem war das Projekt rational.

Weil ich Fähigkeiten aufgebaut habe, die ich vorher nicht hatte.

Ich habe gelernt, dass viele scheinbar unlösbare Probleme einfach nur lange genug ungelöste Probleme sind.

Fünf Jahre lang habe ich immer wieder versucht, Menschen für dieses Projekt zu finden.

Am Ende musste ich akzeptieren, dass ich es selbst über die Ziellinie bringen muss.

Und genau das war vermutlich die wichtigste Erkenntnis des gesamten Projekts.

Selbst wenn dieser Trading Bot niemals profitabel wird, hat mir dieses Projekt gezeigt, dass ich deutlich komplexere Probleme lösen kann, als ich früher dachte.

Allein dafür waren die 1.000 Stunden nicht verschwendet.