Taurics TradingAgents macht einen kompletten Handelstisch als Open Source verfügbar

TradingAgents ist ein Open-Source-Framework, das eine Handelsentscheidung in spezialisierte LLM-Agenten zerlegt, die eine reale Handelsorganisation abbilden: Ein Fundamentalanalyst, ein Sentimentanalyst, ein Nachrichtenanalyst und ein technischer Analyst sammeln Belege; bullische und bärische Researcher debattieren sie in strukturierten Runden; ein Trader entwirft einen Vorschlag; ein Risikoteam prüft das Exposure; und ein Portfoliomanager genehmigt, lehnt ab oder passt die Order an, bevor sie eine simulierte Börse erreicht. Auf LangGraph aufgebaut, unterstützt es mehr als ein Dutzend LLM-Anbieter, darunter OpenAI, Anthropic, Google, DeepSeek, Qwen, GLM, Groq, Azure und Bedrock, führt ein Entscheidungsprotokoll, das vergangene realisierte Renditen reflektiert, und setzt unterbrochene Läufe aus Checkpoints fort. Das Begleitprojekt Trading-R1 wendet dasselbe Team auf ein eigens dafür entwickeltes Finanz-LLM an.

Dass der vollständige Workflow eines Handelsunternehmens – Analysten, Bullen-/Bären-Debatte, Trader, Risikotisch, Portfoliomanager – als Open Source vorliegen sollte, die Entwickler von Anfang bis Ende ausführen können.

Tauric Research ist ein KI-Forschungsunternehmen mit Schwerpunkt auf intelligentem Finanzhandel. Gründer Yijia Xiao studierte Informatik an der Tsinghua-Universität bei Zhipu-Mitgründer Tang Jie und wechselte dann an die UCLA für eine Promotion bei den Mitautoren Edward Sun, Di Luo und Wei Wang. Das Team stellte TradingAgents am 2024-12-28 mit einem Forschungspapier (arXiv 2412.20138) und ohne Launch-Kampagne auf GitHub; im Repository hieß es, nach zahlreichen Anfragen habe sich das Team entschieden, das Framework vollständig als Open Source freizugeben.

Das stille Repository blieb Anfang 2025 überwiegend ein Forschungsartefakt. Im Februar 2026 fügte v0.2.0 Unterstützung für mehrere LLM-Anbieter hinzu, und das Projekt begann zu steigen; als das Team im März 2026 die vollständige Open-Source-Veröffentlichung ankündigte, wurde es viral, und 36kr meldete bis Monatsende über 39.000 Sterne und über 7.200 Forks. Anfang Mai 2026 belegte TradingAgents Platz 1 der Python-Trending-Liste von GitHub mit über 71.400 Sternen und über 13.800 Forks und gewann in einer Woche über 11.000 Sterne; TMTPost deutete dies als Beleg dafür, dass vertikale Workflows allgemeine Orchestrierungs-Frameworks in der Aufmerksamkeit der Entwickler verdrängten. Veröffentlichungen im Frühjahr ergänzten Entscheidungsgedächtnis, Checkpoint-Fortsetzung, strukturierte Ausgaben und einen fundierten Sentimentanalysten; v0.4.0 im August 2026 fügte Look-ahead-Korrekturen und ein Entscheidungsprotokoll-Gedächtnis hinzu.

Stand 2026-09-05 ist TradingAgents aktiv und wächst weiter – die Wochenliste von TechTarget Anfang September führte es erneut unter den 20 am schnellsten wachsenden Repositories –, mit v0.4.0 im August. Es bleibt ein Forschungsframework mit ausdrücklichem Hinweis, dass es keine Anlageberatung ist und dass die Renditen je nach Modell, Daten und Einstellungen variieren; für Tauric Research wurden keine Umsatz- oder Finanzierungszahlen veröffentlicht. Ob der virale Open-Source-Workflow sich in ein kommerzielles Produkt verwandelt und ob seine Entscheidungen echtem Kapital standhalten würden, ist weiterhin offen.

Ein einzelnes Modell, das zugleich Analyst, Advocatus Diaboli, Trader und Risikomanager sein soll, erzeugt eine Blackbox; getrennte Agenten mit strukturierter Debatte geben jedem Schritt einen prüfbaren Verantwortlichen.

Vertikale, validierte Workflows beantworten die Frage „Was führe ich heute aus“ statt „Wie orchestriere ich meine Agenten“, weshalb TradingAgents allgemeine Frameworks an der Spitze der Python-Trending-Liste verdrängte.

Vollständige Open Source war ein bewusstes Vertrauensspiel: Finanzentwickler werden ein geschlossenes System nicht in ihre Forschung einbinden, aber sie werden ein transparentes mit Sternen versehen und forken, das sie prüfen und erweitern können.

Der Hinweis, dass es nur Forschung ist, setzt ehrliche Erwartungen – der Wert des Projekts zeigt sich als Gerüst zum Studium multiagentischer Analyse, nicht als Behauptung, es drucke Geld.

Entwickler haben einen vollständigen, prüfbaren Workflow mit Sternen versehen, nicht ein cleveres Modell – die wertvolle Wette war, den gesamten Entscheidungsprozess eines Unternehmens als ausführbare Open Source zu verpacken.

TradingAgents entwickelte sich von einem stillen Forschungs-Repository zu einem der am schnellsten wachsenden Projekte auf GitHub im Jahr 2026: über 39.000 Sterne bis Ende März, über 71.400 Anfang Mai und ein Platz in den wöchentlichen Top 20 Anfang September nach v0.4.0. Tauric Research bleibt klein – drei öffentliche Repositories – ohne offengelegte Umsätze oder Finanzierungen über das Framework und die Forschungslinie Trading-R1 hinaus. Ob die Akzeptanz in der Community sich in zahlende Nutzer verwandelt und ob ein Forschungswerkzeug, das ausdrücklich nicht als Anlageberatung gedacht ist, sein Publikum halten kann, bleiben offene Fragen.