Wie KI die Karrieren im elektronischen Handel und HFT verändert
KI verändert Karrieren im Quant-Bereich – und das betrifft nicht nur Durchschnitts-Quant im Banking. Elektronische Handelsfirmen und Market Maker sammeln seit Jahren Top-Talente ein, und KI macht sie noch produktiver. Das könnte aber auch dazu führen, dass genau diese Talente eher kündigen…
Wie setzen elektronische Handelsfirmen KI ein?
KI ist ein weites Feld, und Quant-Firmen nutzen sie schon lange. Machine-Learning-Tools wie Natural Language Processing (NLP) und Computer Vision kommen bei Quants seit Jahrzehnten zum Einsatz: Sie helfen dabei, in riesigen Datenmengen nach Signalen zu suchen, die verraten, ob man einen Vermögenswert kaufen oder verkaufen sollte. NLP kann zum Beispiel Millionen Social-Media-Beiträge analysieren und nach bestimmten Schlüsselwörtern, Formulierungen oder anderen Signalen suchen, um die allgemeine Stimmung rund um eine Aktie herauszulesen. Reinforcement Learning – eine Technik, bei der ein KI-Modell durch simuliertes Ausprobieren die optimale Vorgehensweise ermittelt – lässt sich nutzen, um Ausführungsalgorithmen zu entwickeln, die Trades zum effizientesten Zeitpunkt platzieren. Ähnliche Verfahren kommen bei der Analyse von Post-Trade-Daten zum Einsatz, um Modelle künftig noch effizienter zu machen. Auch Risikoteams bei Quant-Firmen nutzen sie, um zu bestimmen, wie viel Kapital die einzelnen Trader bekommen sollen.
2026 erreicht KI in elektronischen Handelsfirmen jedoch ein völlig neues Niveau. Jane Street ermutigt seine Trader schon seit 2024, Handelsstrategien mit Python zu entwickeln. Besonders angetan zeigt sich die Firma von der PyTorch-Bibliothek – statt Alternativen wie TensorFlow –, weil sie es Tradern erlaubt, verschiedene Strategien besonders schnell zu durchlaufen. Auch aufstrebende Sprachen wie Mojo werden geprüft.
Auch wenn KI immer mehr übernimmt, hat sich die Art der Arbeit selbst nicht verändert – wohl aber sind Datenmenge und Analysegeschwindigkeit förmlich explodiert. Die GPUs, die diese Analysen ermöglichen, sind leistungsstärker geworden, und große Sprachmodelle können Daten deutlich effizienter aufnehmen und strukturieren. Dadurch lassen sich klassische Machine-Learning-Methoden auf größere Datensätze anwenden – für noch aussagekräftigere Analysen.
Viele Handelsfirmen haben ihre firmeneigenen GPU-Cluster für Machine-Learning-Strategien massiv ausgebaut. Jane Street hat seine Zahl an GPUs im vergangenen Jahr offenbar verdoppelt und kommt inzwischen auf zehntausende Chips. Quadrature, eine kleinere KI-Handelsfirma, die ihren Mitarbeitenden Millionengehälter zahlt, verfügte im November über rund 20.000 GPUs – umgerechnet etwa 11 Chips pro Kopf. XTX Markets besitzt einen der beeindruckendsten Cluster überhaupt: Laut offenen Stellenausschreibungen verfügt der Market Maker über „25.000 GPUs mit 650 Petabyte nutzbarem Speicher“.
Handelsfirmen setzen längst auf KI-Tools von der Stange – und entwickeln gleichzeitig eigene. Bei Hudson River Trading geben Mitarbeitende täglich 1.000 Dollar für Tokens aus und werden dafür sogar gefeiert. Jane Street wiederum tut sich schwer damit, fertige Coding-Tools zu übernehmen, weil die Firma auf die eher exotische Sprache OCaml setzt. John Crepezzi, ein Jane-Street-Ingenieur, der die firmeneigenen Agenten-Tools entwickelt, sagte in einem Vortrag im vergangenen Jahr, dass es bei Jane Street mehr OCaml-Code gebe als im Rest der Welt zusammen.
Über ihr klassisches Geschäftsmodell hinaus investieren Handelsfirmen massiv in KI – etwa über eigene Venture-Capital-Sparten. Jane Street etwa hält einen Anteil an Anthropic. Die Investments der Quant-Firmen beschränken sich aber nicht auf KI: Jump Trading und Susquehanna haben beide in Prediction-Markets-Plattformen wie Kalshi und Polymarket investiert.
Welche Jobs in Handelsfirmen sind vor KI sicher – und welche sind am stärksten bedroht?
Annanay Kapila, ehemaliger Hochfrequenzhändler und heute Chef der Startup-Börse QFEX, sagt uns: „Die Besten werden KI hervorragend nutzen, super produktiv werden und richtig viel Geld verdienen.“ Rollen in Research, Infrastruktur und Entwicklung verschmelzen zunehmend, weil Firmen Talente suchen, die flexibel über verschiedene Bereiche hinweg arbeiten können, statt sich zu spezialisieren.
Echtes, unverwechselbares menschliches Alpha werde dadurch noch wertvoller und produktiver, so Kapila. Trader, die auf menschliche Entscheidungsfindung setzen, seien „vermutlich am besten geschützt“, während rein systematische Modellierungsjobs unter Druck geraten. „Claude Fable ist inzwischen richtig gut in der Quant-Research“, sagt Kapila. „Das Modell kann sehr schnell alle Grundbausteine einer Handelsstrategie zusammenstellen und eine Menge Muster erkennen.“
Auch wer für seine Firma Daten beschafft, bleibt sicher – und wird sogar noch wertvoller. „Schneller an Daten zu kommen oder Zugriff auf Daten zu haben, die sonst niemand hat, wird immer wichtiger“, sagt Kapila. Den Bloomberg-Terminal hat jeder – diese Fachleute konzentrieren sich jedoch auf ausgefallene Datenquellen wie „Videoaufnahmen vor französischen Kraftwerken, um zu prüfen, wie viel Rauch aus dem Schornstein kommt“.
In den meisten Branchen trifft KI vor allem Berufseinsteiger hart. Für Junior-Quants bei Market-Making-Firmen gilt das nicht, denn hier lagen die Ansprüche schon immer hoch. „Anders als in der Softwareentwicklung kann man als Junior nur etwas bewirken, wenn man wirklich scharfsinnig ist“, sagt Kapila. Junior-Quants nutzen KI, um Modellierung und das Schreiben von Handelsalgorithmen zu beschleunigen – so können sie mehr Ideen schneller testen.
Wie bei jedem Job mit Programmieranteil ist Erfahrung mit KI-Coding-Tools essenziell. Ein leitender Quant-Recruiter, der anonym bleiben möchte, sagt uns jedoch: „Eine der größten Sorgen der Elite-Handelsfirmen ist momentan, dass Kandidaten zu abhängig von KI werden und ihre grundlegenden Programmier- und Problemlösungsfähigkeiten verlieren.“
Der Kampf um Talente zwischen Handelsfirmen und KI-Labs
Die größten Auswirkungen auf Jobs in elektronischen Handelsfirmen haben weniger die KI-Tools selbst als vielmehr die Firmen, die sie entwickeln. KI-Labs wie Anthropic und OpenAI machen offen Jagd auf Talente aus dem Hochfrequenzhandel. 2024 wurden HFT-Quants mit nur wenigen Jahren Erfahrung Gehaltspakete von 3 Millionen Dollar geboten. Insidern zufolge gibt es einen deutlichen Brain-Drain von der Quant-Finance-Branche zur KI – in die andere Richtung fließt dagegen kaum Personal.
Dieser Talentpool ist nach wie vor gefragt. Stellenausschreibungen von Anthropic für Research Engineers, die Erfahrung in der Quant-Finance-Branche (oder bei einem konkurrierenden KI-Lab) voraussetzen, bieten allein im Gehalt bis zu 850.000 Dollar. Über Aktienoptionen kommt oft noch deutlich mehr dazu, deren Wert mit dem Wachstum der Labs weiter steigen kann. Ein OpenAI-Mitarbeiter erzählte Business Insider vergangene Woche, er besitze OpenAI-Aktien im Wert von 50 Millionen Dollar – nach nur drei Jahren im Unternehmen, dank der stark gestiegenen Bewertung.
Für viele Kandidat:innen geht es gar nicht in erster Linie ums Geld. Wie uns Bewerber:innen berichteten, ziehen sie KI-Labs vor, weil sie dort in wissenschaftlichen Publikationen erscheinen können und sich mit der Mission identifizieren, AGI zu erreichen. Bei Quant-Fonds bleibt ein Großteil der besten Arbeit dagegen firmenintern und unveröffentlicht.
Wie unterscheidet sich die eigentliche Arbeit? Grant Stenger, ehemaliger Jane-Street-Trader, sagte gegenüber FT Alphaville Anfang des Jahres, „der eigentliche Job ist im Grunde identisch“: Man nutzt Daten, um ein Modell zu bauen, führt es in einer begrenzten Umgebung aus und verbessert es anhand von Feedback in weiteren Iterationen. Kulturell arbeiten Quants in der Finanzbranche tendenziell weniger Stunden, da sich ihr Arbeitsalltag an den Marktzeiten orientiert. KI-Lab-Mitarbeitende dagegen sehen die langen Arbeitszeiten als etwas Positives – aus Überzeugung für die gemeinsame Mission.
Have a confidential story, tip, or comment you’d like to share? Contact: WhatsApp: http://wa.me/442079977910 (+44 20 7997 7910), Telegram: @AlexMcMurray, Signal: @AlexMcMurrayEFC.88 Click here to fill in our anonymous form, or email editortips@efinancialcareers.com.
Bear with us if you leave a comment at the bottom of this article: comments are moderated intermittently by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. You must take sole responsibility for comments you post on this site. We will take reasonable steps to weed out anything that we consider to be offensive or inappropriate.
