Zwei Monopole mit 97% Marktanteil, Handelsvolumen explodiert um 1100%: Die Neugestaltung der Prognosemarktlandschaft und die nächste Runde der Gründungsmöglichkeiten

Autor: MetaHub Research

Einleitung: Neue Definition der Grenzen von Prediction Markets

Prediction Markets sind Märkte, die es Teilnehmern ermöglichen, auf zukünftige unsichere Ereignisse zu spekulieren. Die Kontraktpreise spiegeln die kollektive Einschätzung der Wahrscheinlichkeit des Ereignisses wider. In Bereichen wie Wahlen, Makroökonomie, Sport, Kryptowährungen und Unternehmensereignissen zeigen sie eine deutlich höhere Genauigkeit als Expertenprognosen und Meinungsumfragen.

Im Wesentlichen sind Prediction Markets ein Instrument der “Informationsfinanzierung” – der Preis ist die Wahrscheinlichkeit. In hochunsicheren, subjektiv geprägten Feldern besitzen Prediction Markets erhebliche Vorteile.

2025 wird das weltweite Handelsvolumen von Prediction Markets etwa 50,25 Milliarden USD betragen. Wenn man die Reife nicht an der Narrativentwicklung, sondern am Handelsvolumen misst, vollzieht sich 2025 die eigentliche Transition vom “Ereignisgetriebenen kurzfristigen Interesse” zum “dauerhaften Markt”.

Kalshi bestätigt, dass die Branche nicht nur “Handelsvolumen” aufweist, sondern auch erste kommerzielle Fähigkeiten zeigt – das Unternehmen meldet etwa 260 Millionen USD an Gebühreneinnahmen. Dennoch befindet sich der Prediction-Markt noch nicht in einer Wachstumsphase. Im Vergleich zum globalen Terminmarkt, der Billionen von USD jährlich umsetzt, ähnelt er heute eher den Finanzfutures von 1982 als den Kryptowährungen von 2020.

Anders als bei den meisten Finanzinnovationen hat der Prediction Market keinen langen Schwanz an Wettbewerbern, sondern konzentriert sich schnell auf zwei Plattformen: Kalshi und Polymarket, die zusammen über 97,5 % des Marktes kontrollieren. Alle anderen Plattformen zusammen kommen nur auf etwa 1,25 Milliarden USD Handelsvolumen und sind Randökosysteme.

I. Das Wesen des Prediction Markets: Informationsproduktionsmechanismus in einer Attention Economy

Prediction Markets sind nicht mehr nur eine einfache Innovation im Handel, sondern entwickeln sich zu einem Mechanismus der Informationsproduktion in einer Attention Economy.

Der zentrale Unterschied zur traditionellen Attention Economy besteht darin:

• Der Wert hängt nicht von Klicks, Traffic oder Popularität ab

• Das Kern-Asset ist die Qualität von Wissen und Information

• Marktteilnehmer streben nach überprüfbaren, handelbaren und zitierfähigen Einschätzungen, nicht nach kurzfristiger Aufmerksamkeit

In diesem Kontext verschiebt sich auch die Konkurrenz:

• Research-Reports von Brokerhäusern

• Einschätzungen von Beratungsfirmen

• Narrative in den Medien

• Wahrscheinlichkeitsausgaben nach KI-Training

Mit anderen Worten: Es ist ein Markt zur Preisbildung zukünftiger Erkenntnisse.

Der eigentliche Meilenstein in der Branche liegt heute nicht in der Technik, sondern in drei Punkten:

1. Ob eine nachhaltige Informationsliquidität aufgebaut werden kann

2. Ob man in einem “weak regulatory tolerated zone” agieren kann, statt im Graubereich der Arbitrage

3. Ob Institutionen Prediction Markets als Entscheidungshilfen nutzen, statt sie nur als Unterhaltung für Privatanleger zu sehen

Wenn diese drei Punkte erfüllt sind, wird der Prediction Market eher eine Mischung aus Bloomberg + Börse + Meinungsumfragen sein, nicht eine typische Web3-Anwendung.

Deutungshoheit: Die unterschätzte Kernressource

Die meisten unterschätzen die wichtigste Ressource im Prediction Market – nicht die Liquidität, sondern die Fähigkeit, Probleme zu definieren.

Wer die Problemstellung kontrolliert, kontrolliert: den Informationszugang, den Kontext der Transaktionen und die Interpretation der Wahrscheinlichkeiten. Das ist der Machtanspruch von Index-Anbietern wie MSCI. Ein gut gestalteter Markt ist im Kern ein handelbarer Rahmen für Erkenntnisse.

II. Warum wird der Wert von Prediction Markets im Zeitraum 2024–2026 plötzlich neu bewertet?

2025 ist kein Zufall, sondern das Ergebnis des Zusammenwirkens dreier struktureller Faktoren.

2.1 Erwartete regulatorische Klarheit

• 2024 werden in mehreren US-Bundesstaaten und bei der CFTC regulatorische Positionen zu Ereigniskontrakten klarer

• Kalshi öffnet den Weg für traditionelle institutionelle Gelder, was zu einem plötzlichen Anstieg des Handelsvolumens führt

• Traditionelle Investoren sehen Prediction Markets zunehmend als “Alpha-quelle für Ereignishandel” und nicht mehr nur als graues Glücksspiel

2.2 Intensivierung des Handelsvolumens + kontinuierliche Ereignisse

• Früher konzentrierten sich Prediction Markets auf politische oder einzelne Ereignisse mit kurzen Handelszyklen und hoher Volatilität

• Ab 2025 entstehen hochfrequente Ereignisse (Sport, Unternehmens-KPIs, Krypto-Events), die kontinuierlich Kapital anziehen

• Kontinuierliche Ereignisse schaffen einen selbstverstärkenden Kreislauf: Mehr Liquidität → tiefere Informationen → mehr Trades → präzisere Preisbildung

2.3 Marginale Verstärkung des Informationsbedarfs

• Trotz Datenüberfluss im KI-Zeitalter wird die “Verlässlichkeit von Wahrscheinlichkeiten” zu einer knappen Ressource

• Quantitative Fonds, Hedgefonds und Unternehmensentscheidungsabteilungen betrachten Prediction Market-Preise zunehmend als echte Signale

Kernaussage: Es geht nicht um Nutzerwachstum, sondern um die Kapital- und Informationsnachfrage, die zu einer Konzentration der Liquidität führt – das ist der eigentliche Wendepunkt für Prediction Markets.

2.4 Das Zusammenspiel von drei strukturellen Kräften

Kraft 1: Das “Versagen” traditioneller Forschungsstrukturen wird sichtbar

In den letzten zehn Jahren haben Sell-Side-Analysten bei makroökonomischen Wendepunkten oft hinterhergehinkt; Buy-Side-Investoren sehen “Schnelligkeit der Konsensbildung” als Alpha-Quelle; Expertenmodelle ähneln zunehmend narrativen Konstrukten statt probabilistischen Erkenntnissen.

Prediction Markets bieten eine andere Paradigma: Es geht nicht darum, wer “klüger” ist, sondern wer bereit ist, für seine Einschätzung zu bezahlen. Kapital, das in den Markt fließt, fungiert selbst als Filter für Informationen.

Kraft 2: Mit dem Aufstieg der KI wird die Gesellschaft noch stärker auf “echte Signale” angewiesen

Große Modelle können Urteile generieren, aber Risiken nicht tragen. Die Einzigartigkeit von Prediction Markets liegt in ihrer unverzichtbaren Mechanik:

Sie sind damit eines der wenigen Systeme im KI-Zeitalter mit einer Faktenanker-Mechanik. Das erklärt, warum immer mehr quantifizierende Fonds Prediction Market-Preise als exogene Variablen nutzen.

Kraft 3: Web3 löst eine zentrale Beschränkung – die Glaubwürdigkeit der Abrechnung

Frühe Prediction Markets litten vor allem daran, wer die Kurse macht, und wie man Betrug verhindert. On-Chain-Abrechnung reduziert das Vertrauen von “Vertrauen auf Betreiber” auf “Vertrauen in den Code”. Damit erhält der Prediction Market erstmals die Fähigkeit, grenzüberschreitend zu operieren.

III. Vergleich der führenden Plattformen (2025: tatsächliche Größenordnung)

① Kalshi – aktueller Liquiditätsführer

• Nominales Handelsvolumen 2025: ca. 23,8 Milliarden USD, +1100 % im Vergleich

• Über 55–60 % des wöchentlichen Branchenvolumens, führend in Liquidität

• In einigen Perioden Marktanteil bis zu 62,2 %

• Monatliches Handelsvolumen bis zu 1,3 Milliarden USD

• Wachstum vor allem durch regulatorische Legitimierung, nicht durch Krypto-User

Kalshi verfolgt eine andere Strategie: aktiv in den regulatorischen Rahmen eintreten und Prediction Markets als “Ereignis-Kontrakt-Börse” definieren, um die Legitimationspfade von Futures zu kopieren. Das langsame Wachstum könnte sich bei Erfolg jedoch als Tor zu Pensionsfonds, RIAs und institutionellen Investoren erweisen.

② Polymarket – Krypto-native Liquiditätsplattform

• Gesamtvolumen 2025: ca. 22 Milliarden USD

• In einzelnen Monaten weiterhin mehrere Hundert Millionen USD

Polymarket setzt auf eine globale, unregulierte Liquiditätsstrategie: schnelle Event-Abdeckung, Nutzung der On-Chain-Mechanik zur Reduktion von Teilnahmebarrieren, Austausch von Liquidität gegen regulatorische Tiefe.

Der eigentliche Wert liegt nicht nur im Volumen, sondern darin, dass hier die erste “Echtzeit-Politik-Wahrscheinlichkeitskurve” der Welt entsteht – eine Datenart, die im traditionellen System nie existierte.

③ Zweite Reihe (geringer Anteil, aber zukunftsweisend)

Trotz hoher Konzentration gibt es explorative Plattformen wie Azuro, TrendleFi etc. Diese zusammen kommen auf nur etwa 1,25 Milliarden USD Volumen, was zeigt, dass die Branche noch in der Infrastruktur-Phase steckt.

Augur zeigt die Grenzen der ersten dezentralen Experimente: Überbetonung von “Vertrauenslosigkeit”, Vernachlässigung echter Nutzererfahrung, keine Lösung für Problemverteilung und Liquiditätsbeschaffung. Prediction Markets sind kein rein technisches, sondern ein Marktdesign-Problem.

Fazit: Das Kernelement eines Prediction Markets ist nicht die Technik, sondern die Kombination aus Liquidität und Event-Design. Plattformen mit geringer Liquidität werden kaum durch Diversifikation gewinnen.

IV. Warum scheitern die meisten Prediction Markets?

Historisch scheiterten Plattformen nicht an der Technik, sondern an der Marktstruktur.

4.1 Prediction Markets als “Ereignis-Casinos” missverstanden

Dieser Fehler führt dazu, dass Hochfrequenz-Rauschen die Informations-Transaktionen überlagert, Market Maker langfristig keine Gewinne erzielen und Sharpe-Ratios nicht nachhaltig sind. Erfolgreiche Prediction Markets brauchen eine strukturierte Informationsbasis für Trader.

4.2 Falsche Quellen für Liquidität

Prediction Markets brauchen keine Privatanleger, sondern: Makro-Trader, Analysten, Branchenexperten, Hedger. Diese liefern informationsgetriebene Transaktionen, keine Glücksspiel-Transaktionen.

4.3 Falsche Gestaltung der Abrechnungsfrequenz

Zu kurze Abrechnungszyklen degenerieren in Glücksspiel; zu lange führen zu Kapitalverlusten. Optimal sind etwa 2 Wochen bis 6 Monate, also ein Zeitraum, in dem sich Meinungsverschiedenheiten bilden, aber noch überprüfbar sind.

V. Vertikale Segmentierung: Vier Wachstumsfelder

Mit dem schwindenden Fenster für allgemeine Prediction Markets konzentrieren sich die Chancen zunehmend auf vertikale Nischen. Besonders im Sport, Creator Economy, KI-Prognosen und Social-Bot-Interaktionen entstehen die dynamischsten Segmente.

5.1 Sport

Kernaussagen:

• Sportereignisse bieten hohe Frequenz und klare Ergebnisse, ideal für quantitative Prognosen

• Plattformen nutzen Middleware (z.B. Azuro Protocol), um schnell Marktplätze und Quoten zu erstellen, technische Barrieren zu senken

Beispiele:

• Football.fun: TVL > 10 Mio. USD, hohe Nutzeraktivität

• Overtime: Community-Interaktion + Derivate, geschlossener Ökosystem

• SX Network, Azuro Protocol: Blockchain-Backend für Sportprognosen

Nutzerverhalten:

• Hochfrequente Teilnahme, sofortiges Wetten, aktive Event-Interaktion

• Nutzer werden durch Community-Empfehlungen beeinflusst

• Bevorzugen Hebelprodukte und kurze Laufzeiten, schnelle Rückmeldung

Trends & Chancen:

• In 1–3 Jahren wird die Sport-Vertikale noch professioneller: Hochfrequenz-Derivate, Hebel, Cross-Chain-Integration

• Entstehung eines “Sportprognosen + Community-Ökosystems” mit kumulativem Wachstum

5.2 Creator Economy

Kernaussagen:

• Prediction Markets werden direkt mit Content-Erstellung verknüpft, um Influencer zu incentivieren

• Nutzer werden gleichzeitig Community-Content-Produzenten, was virale Wachstumszyklen fördert

Beispiele:

• Melee: 20 % Creator-Share, Influencer-Driven Market

• Index.fun: 30 % Anteil für Creator, “Creator-Index” für Zweitmarkt und Community-Engagement

Trends & Chancen:

• Zukunft: Index- und Plattform-Modelle, bei denen Creator-Impact in handelbare Assets umgewandelt wird (z.B. Prediction-Indices, NFTs)

5.3 KI-basierte Prognosen

Kernaussagen:

• KI wandelt sich vom Assistenz- zum Kernprodukt: Marktgenerierung, Event-Analyse, Content-Produktion, Abrechnung

• Automatisierte Agenten und Copilots ermöglichen kostenfreie, unbegrenzte Angebotserstellung, automatische Abrechnung, Risikomanagement

Beispiele:

• OpinionLabs: KI-generierte Event-Märkte, automatische Prognose-Abrechnung

• BuzzingApp: KI-gesteuerte, manuellefreie Event-Iterationen

Chancen:

• In 1–3 Jahren wird KI Standard in Prediction Markets: Automatisierung, intelligente Abrechnung, Event-Analyse, Risikokontrolle

• Neue hochfrequente, hochintelligente Produkte entstehen, professionelle quantistische Trader werden angezogen

5.4 Social-Bot-Interaktion

Kernaussagen:

• Leichtgewichtige Frontends und soziale Integration senken die Einstiegshürde

• Prediction-Transaktionen werden direkt in Telegram, X-Posts oder Content-Wallets eingebettet, “Social-Trade” entsteht

Beispiele:

• Flipr, Noise: Telegram-Bots für One-Click-Trades

• XO Market: Aggregation mehrerer Plattform-Orders, Leverage, Stop-Loss

Chancen:

• Zukunft: Deep Integration von Plattform-aggregatoren, Leverage-Tools, Cross-Chain-Liquidität, Social-Embedding

Fazit: Die vertikalen Segmente zeigen, dass Prediction Markets sich vom allgemeinen Informationsinstrument hin zu “Derivaten + Datenservices + KI + Creator- und Social-Ökosystemen” entwickeln. Jedes Segment folgt einer eigenen Logik: Markt → Nutzer → Technik → Investition.

VI. Nischen für kleine Prediction Markets

Trotz hoher Konzentration gibt es für kleine Plattformen einige “blau-rote Ozeane”:

6.1 Vertikale / Nischenmärkte

• Spezialisierte Sport-Events, E-Sports, Branchen-KPIs

• Interne Unternehmensprognosen, Fachverbandsereignisse

• Regionale oder branchenspezifische politische Ereignisse

Logik: Hochspezialisierte oder tiefgehende Ereignisse, die große Plattformen nicht abdecken, bieten hohe Wertschöpfung bei geringem Volumen.

6.2 Datenprodukte + B2B-Embedding

• Keine direkte Transaktion, sondern API-gestützte Preis- oder Index-Daten für Fonds oder Unternehmen

• Vorteile: geringes regulatorisches Risiko, nachhaltiges Geschäftsmodell

6.3 Erlebnis- und Mehrwertangebote

• Voranalysen, Community-Consensus-Mechanismen

• Prediction als “Wissensmehrwert”, nicht nur reine Transaktion, um Nutzerbindung zu erhöhen

Kernaussage: Kleine Plattformen sollten nicht in Liquiditätswettbewerb eintreten, sondern auf hochwertige, datengetriebene Nischen setzen.

VII. Investitionsperspektive: Strukturelle Infrastruktur ist die eigentliche Wette

Zukünftige hochpreisige Bereiche:

• Prediction-API-Daten (Verkauf an Quant-Fonds)

• Unternehmens-Decision-Making SaaS

• Market-Making und Risikotransaktion

• Wahrscheinlichkeitsindizes (ähnlich VIX Future Expectation Index)

Der eigentliche Wettbewerbsvorteil liegt bei jenen, die Wahrscheinlichkeitsverteilungen kontrollieren, nicht bei denen, die nur Transaktionen vermitteln.

7.1 Überblick über VC-Investitionen

7.2 Wichtige Finanzierungszeichen

• The Clearing Co. sicherte sich ca. 15 Mio. USD, Investoren: USV, Coinbase Ventures, Haun Ventures, Variant – ein klares Signal, dass Prediction Markets als Asset-Klasse mit Clearing-House erkannt werden

• Kalshi wird auf 5 Mrd. USD geschätzt; FanDuel und CME planen eigene Prediction-Produkte; bis 2025 werden institutionelle Gelder ca. 55 % des Kapitals ausmachen – eine Entwicklung, die an DEX 2017, DeFi 2021 und Prediction-Stacks 2024 erinnert.

VIII. Zukunftstrends und Entwicklungspfade

8.1 Mechanische Weiterentwicklung: Vertiefung der Derivat-Formate

Prediction Markets entwickeln sich von “Ereignisresultat-Prognosen” hin zu Hochfrequenzhandel, strukturierten Optionen und Hebelkontrakten. Typische Pfade:

• Kurze Event-Kontrakte (z.B. Limitless 30-Minuten-Kontrakte) → Hochfrequenz-Volatilitätsprodukte

• Hebelhandel (z.B. Flipr 5x) → Integration mit DeFi-Hebelprotokollen, Aufbau eines on-Chain-Derivat-Ökosystems

• Range- und Spread-Strategien → Evolution zu strukturierten Optionen und Finanzderivaten

Gleichzeitig wird Cross-Chain- und Cross-Platform-Liquidität zum Kernwettbewerb. Aggregatoren verschmelzen Orderbücher verschiedener Plattformen, um beste Preise und Abrechnung zu bieten – ähnlich “Prediction Market 1inch”.

8.2 Produktentwicklung: Datenservices + KI-Integration

Prediction-Preise spiegeln bereits “Ereigniswahrscheinlichkeiten” wider. Zukünftig werden sie zentrale Datenquellen für institutionelle Quant-Modelle, Asset Allocation und Risikomanagement.

• Datenabonnements: Echtzeit-Wahrscheinlichkeiten, Top-Accounts, Arbitrage-Möglichkeiten

• Indexierung: Zusammenfassung verschiedener Prognosen in “Creator-Indices” oder “Event-Indices” für Zweitmarkt und DeFi-Embedding

• Visualisierung: “Prediction Bloomberg Terminal” à la Polysights, das direkt Strategien liefert

KI wird in der Marktgenerierung, automatischen Abrechnung, Event-Analyse und Risikokontrolle eine zentrale Rolle spielen: automatische Event-Märkte, intelligente Quotenanpassung, automatisierte Risiko- und Betrugsprävention.

8.3 Infrastruktur: Modularisierung und Komposition

Prediction Markets werden zunehmend wie DeFi-Lego: Module für Marktgenerierung, Abrechnung, Liquidität, Orakel, KI-Agenten. Projekte werden plug-and-play, um technische Barrieren zu senken und Multi-Chain-Deployments zu ermöglichen.

• Gnosis CTF → Standardisierte Asset-Emissionen

• Azuro Protocol → Gaming- und Wettmiddleware

• Polymarket/Kalshi → Kern-Abrechnungsschicht

Multi-Chain-Deployment und Cross-Chain-Order-Aggregation werden Standard. Chains wie Base, Polygon, Solana werden die vertikalen Segmente tragen.

8.4 Nutzererfahrung: Evolution in Richtung Social, Lightweight, Instant

Frontends werden socialisiert, vereinfachen und beschleunigen: Bots (Telegram, Social), One-Click-Trading, eingebettete Leverage-Tools. KI und Orakel reduzieren manuellen Aufwand, automatisieren Abrechnung und Event-Analyse, erhöhen Skalierbarkeit.

In den nächsten 1–3 Jahren wird Prediction Market sich durch “Derivat-Formate + Datenservices + KI + modulare Infrastruktur” beschleunigen. Vom reinen Informationsaggregator entwickeln sie sich zu einem komplexen Ökosystem aus Finanzderivaten, Daten, KI und vertikalen Anwendungen. Investitionen konzentrieren sich auf Infrastruktur, Daten, vertikale Segmente und KI-Interaktion.

Schlusswort: Eine neue gesellschaftliche Infrastruktur

Prediction Markets sind keine Randinnovation der Finanzwelt, sondern versuchen, eine fundamentale Frage zu lösen:

Wie kann die Gesellschaft für Unsicherheiten handlungsfähige kollektive Übereinkünfte schaffen?

Wenn Überflutung mit Informationen, KI-Generalisierung und Expertenversagen gleichzeitig auftreten, wird die Bedeutung dieses Mechanismus erst richtig sichtbar.

Es ist eher eine neue gesellschaftliche Infrastruktur als eine Asset-Klasse.