#GoldmanEyesPredictionMarkets

Goldman Sachs erforscht crowd-sourced Prognosen
In einem Schritt, der die nächste Phase der Finanzintelligenz signalisiert, enthüllte Goldman Sachs CEO David Solomon während des Q4 2025-Ergebnisgesprächs, dass die Bank aktiv Prediction Markets prüft. Er bezeichnete sie als „super interessant“ und bestätigte, dass er persönlich Treffen mit Führungskräften großer Plattformen in diesem Bereich hatte—weit verbreitet wird angenommen, dass Kalshi und Polymarket dazugehören—und erwähnte, dass interne Teams bereits potenzielle Anwendungsfälle und Integrationswege evaluieren. Für eine der einflussreichsten Institutionen an der Wall Street bedeutet dies eine bedeutende Veränderung, die darauf hindeutet, dass crowd-sourced Prognosen vom Nischenthema zu einem ernsthaften institutionellen Werkzeug werden.
Was sind Prediction Markets?
Prediction Markets sind Plattformen, auf denen Teilnehmer Verträge handeln, die an die Ergebnisse realer Ereignisse gekoppelt sind. Diese Ereignisse können Wahlen, Entscheidungen der Zentralbank, Kryptowährungspreisbewegungen oder regulatorische Genehmigungen umfassen. Das Kernstück der Prediction Markets ist ihr Preismechanismus: Vertragspreise stellen aggregierte Wahrscheinlichkeiten dar, die aus der kollektiven Intelligenz der Teilnehmer abgeleitet werden. Historisch hat sich dieser Ansatz oft gegenüber Meinungsumfragen, Expertenprognosen und sogar traditionellen Wirtschaftsmodellen als überlegen erwiesen.
Wichtige Vorteile sind:
• Echtzeit-Reaktionsfähigkeit – Preise passen sich sofort an, wenn neue Informationen verfügbar werden.
• Bias-Reduktion durch Aggregation – Vielfältige Teilnehmer verwässern individuelle oder institutionelle Verzerrungen.
• Bewährte Prognosegenauigkeit – Märkte wie die Iowa Electronic Markets und Polymarket haben wiederholt starke Vorhersageleistungen gezeigt.
Diese Eigenschaften machen Prediction Markets zu einer kraftvollen Ergänzung—und in manchen Fällen zu einer potenziellen Alternative—zu herkömmlichen Prognose- und Risikobewertungstools.
Warum Goldman Sachs jetzt Aufmerksamkeit schenkt
Solomon hob hervor, dass regulierte Prediction Markets strukturell Ähnlichkeiten mit Derivaten aufweisen, die von der CFTC überwacht werden, einschließlich Ereigniskontrakten, die von Plattformen wie Kalshi angeboten werden. Aus Sicht von Goldman schafft dies eine natürliche Überschneidung mit den Kerngeschäften im Handel, Hedging und Beratungsdienstleistungen. Mehrere Faktoren beschleunigen dieses Interesse:
Wachsende institutionelle Nachfrage nach alternativen Daten zur Verbesserung des Risikomanagements und der Szenarioanalyse.
Schnelle Expansion und Liquiditätswachstum auf Plattformen wie Polymarket, insbesondere bei hochwirksamen Ereignissen.
Eine sich verändernde US-Regulierung, die digital assets und tokenisierte Finanzprodukte zunehmend öffnet.
Während Solomon betonte, dass jeder Schritt von regulatorischer Klarheit abhängen würde, deuten die Beteiligung von Führungskräften und dedizierten Teams auf eine echte strategische Absicht hin. Gleichzeitig bauen andere große Handelsfirmen—darunter DRW und Susquehanna—Beratungskompetenz in diesem Bereich auf, was den breiteren Branchentrend unterstreicht.
Auswirkungen für Krypto, TradFi und Trader
Der mögliche Einstieg von Goldman in Prediction Markets könnte weitreichende Effekte haben:
Verbesserte Preisfindung – Märkte, die makroökonomische Ereignisse wie Zinsentscheidungen oder regulatorische Genehmigungen bewerten, könnten frühe Signale für BTC, ETH und breitere Krypto-Märkte liefern.
Tiefere institutionelle Liquidität – Erhöhte Teilnahme könnte die Liquidität verbessern, Spreads verringern und die Gesamteffizienz des Marktes steigern.
TradFi–DeFi-Konvergenz – Prediction Markets könnten eine Brücke zwischen traditioneller Finanzinfrastruktur und dezentralen, on-chain Intelligenzsystemen schlagen.
Das wachsende institutionelle Interesse deutet darauf hin, dass Prediction Markets nicht mehr nur experimentelle Werkzeuge sind—sie entwickeln sich zu einer bedeutungsvollen Schicht der globalen Finanzentscheidungen.