Die Kryptomärkte haben sich weit über die Zeit hinaus entwickelt, in der verdächtige Handelsaktivitäten einfach als eine weitere Phase der Volatilität abgetan werden konnten. Mit dem Wachstum der Handelsvolumina und der zunehmenden Verbreitung digitaler Vermögenswerte auf zentralisierten Börsen, dezentralen Protokollen und Derivatemärkten ist die Grenze zwischen echter Marktaktivität und künstlich erzeugter Nachfrage immer schwerer zu erkennen.

Wash-Trading bleibt eines der deutlichsten Beispiele dafür. Ein Händler kann einen Vermögenswert wiederholt kaufen und verkaufen — manchmal über verbundene Konten oder Wallets — ohne seine wirtschaftliche Position wesentlich zu verändern. Das Ergebnis kann ein aufgeblähtes Handelsvolumen sein, durch das ein Token deutlich liquider oder beliebter erscheint, als er tatsächlich ist. Chainalysis hat On-Chain-Methoden zur Erkennung von Mustern entwickelt, die mit mutmaßlichem Wash-Trading vereinbar sind, weist jedoch darauf hin, dass Verhaltenssignale allein keine Absicht beweisen. Die Untersuchung des Unternehmens aus dem Jahr 2025 schätzte, dass mutmaßliches Wash-Trading auf ausgewählten Blockchains bis zu $2.57 Milliarden des Volumens ausgemacht haben könnte.

Hier gewinnen künstliche Intelligenz und fortschrittliche Verhaltensanalysen zunehmend an Bedeutung. Moderne Überwachungssysteme können enorme Mengen an Order-, Handels-, Wallet- und Marktdaten wesentlich schneller untersuchen, als es ein menschliches Compliance-Team je könnte. Sie suchen nicht mehr nur nach ungewöhnlich hohen Volumina, sondern können Handelsverhalten, Orderbuchaktivität, Wallet-Beziehungen und Aktivitäten auf verschiedenen Handelsplätzen vergleichen, um Muster zu identifizieren, die eine genauere Prüfung verdienen.

Hier sind zehn Plattformen, die in diesem Bereich besonders hervorstechen.

Solidus Labs

Solidus Labs hat sein Geschäft auf der Idee aufgebaut, dass die Überwachung von Kryptomärkten über einzelne Transaktionen hinausgehen muss. Die Trade-Surveillance-Plattform des Unternehmens kombiniert Handelsverhalten mit der Dynamik von Orderbüchern, Finanzierungsströmen, On-Chain-Aktivität und weiteren Signalen, um potenziell missbräuchliche Aktivitäten in fragmentierten Märkten zu erkennen.

Dieser Ansatz ist für die Erkennung von Wash-Trading besonders relevant, da sich das Verhalten nur schwer beurteilen lässt, wenn einzelne Transaktionen isoliert betrachtet werden. Solidus zufolge kann seine Technologie Wash-Trading ebenso erkennen wie Spoofing, Layering, Insiderhandel, Front-Running, Pump-and-Dump-Aktivitäten und börsenübergreifende Manipulation.

Die Plattform ist für zentralisierte und dezentrale Märkte ausgelegt. Sie bietet Börsen und anderen Handelsplätzen die Möglichkeit, Aktivitäten über verschiedene Produkte hinweg zu untersuchen, statt jeden Markt als isolierte Einheit zu behandeln. Der Einsatz von Verhaltensanalysen und neueren agentischen KI-Funktionen zeigt zudem, wohin sich Überwachungstechnologien entwickeln: weg von der reinen Erstellung von Warnmeldungen und hin zur Unterstützung von Compliance-Teams beim Verständnis, warum eine Aktivität verdächtig sein könnte.

Kaiko Market Surveyor

Kaiko verfolgt bei der Erkennung von Marktmissbrauch einen datenintensiven Ansatz. Das Produkt Market Surveyor kombiniert die Marktdaten des Unternehmens mit einer automatisierten Überwachung, die potenziellen Missbrauch sowohl in CeFi als auch in DeFi erkennen soll. Das System deckt ausdrücklich Wash-Trading, Spoofing, Front-Running und weitere Formen der Manipulation ab.

Ein wesentlicher Vorteil von Kaiko ist die Breite der Marktdaten, auf denen die Überwachungstechnologie basiert. Anstatt die Handelsaktivität einer Börse ohne Kontext zu bewerten, kann die Plattform sie mit einem umfassenderen Marktbild vergleichen. Das ist wichtig, wenn festgestellt werden soll, ob ein ungewöhnlicher Volumenanstieg tatsächlich auf eine reale Aktivität oder lediglich auf eine isolierte Anomalie zurückgeht.

Kaiko legt außerdem Wert auf die Reduzierung von Fehlalarmen, die ein zunehmend wichtiger Bestandteil KI-gestützter Compliance ist. Eine Warnmeldung ist nur dann nützlich, wenn Analysten sie tatsächlich untersuchen können. Zu viele schwache Warnmeldungen können ernsthafte Fälle unter einer Flut von irrelevanten Signalen begraben.

Das Unternehmen stärkte seine Position bei Daten und Analysen im Jahr 2026 durch die Übernahme von Amberdata und bündelte dadurch zusätzliche Fähigkeiten im Bereich digitaler Vermögenswerte und Blockchain-Daten unter dem Dach von Kaiko.

Eventus Validus

Eventus hat sich zu einem weiteren wichtigen Namen bei der automatisierten Handelsüberwachung entwickelt, insbesondere für Börsen und regulierte Handelsplätze für digitale Vermögenswerte. Die Plattform Validus nutzt maschinelles Lernen, Automatisierung und konfigurierbare Überwachungsverfahren, um verdächtiges Handelsverhalten zu erkennen und Warnmeldungen für die Untersuchung zu priorisieren.

Validus kann unter anderem Wash-Trading, Eigengeschäfte, Spoofing, Layering, Insiderhandel und andere Formen der Marktmanipulation überwachen. Die Plattform kann Daten aus zahlreichen Quellen aufnehmen und in Echtzeit arbeiten — eine wichtige Fähigkeit für Märkte, die praktisch nie schließen.

Eventus hat seine Präsenz zudem auf neue Märkte ausgeweitet. Im August 2026 gab STX bekannt, Validus zur Handelsüberwachung an seiner regulierten Börse für Ereigniskontrakte eingesetzt zu haben, die unter anderem den Kryptobereich abdeckt.

Die Integration von Frank AI in Validus verleiht der Plattform eine weitere Ebene KI-gestützter Analyse. Nutzer können Überwachungsdaten in natürlicher Sprache abfragen und Aufgaben wie die Prüfung von Warnmeldungen und die Erstellung von Berichten automatisieren.

Nasdaq SMARTS

Nasdaq bringt jahrzehntelange Erfahrung in der Überwachung traditioneller Märkte durch seine SMARTS-Technologie für die Marktüberwachung in die Diskussion um digitale Vermögenswerte ein.

SMARTS nutzt künstliche Intelligenz und maschinelles Lernen, um Anomalien zu erkennen, Risiken zu bewerten und Fälle marktübergreifend zu priorisieren. Nasdaq beschreibt seinen Ansatz als verhaltens- und risikobasiert. Das bedeutet, dass das System über einfache Schwellenwertüberschreitungen hinausblickt, wenn es darum geht, welche Aktivitäten Aufmerksamkeit verdienen.

Diese Unterscheidung ist im Kryptobereich wichtig. Ein plötzlicher Anstieg des Handelsvolumens bedeutet nicht automatisch eine Manipulation — Märkte können sich aufgrund von Nachrichten, Listings, Liquidationen oder echter Nachfrage von Anlegern stark bewegen. Ein Überwachungssystem muss solche Ereignisse von Mustern unterscheiden, die auf koordinierte oder künstlich erzeugte Aktivitäten hindeuten.

Die Technologie von Nasdaq ist daher eher eine umfassende Plattform zur Überwachung von Marktmissbrauch als ein ausschließlich auf Krypto-Wash-Trading ausgerichteter Detektor. Für Börsen und Institutionen, die über mehrere Anlageklassen hinweg tätig sind, kann diese breitere Abdeckung jedoch wertvoll sein.

Chainalysis

Chainalysis ist möglicherweise besser für Blockchain-Ermittlungen, die Überwachung illegaler Finanzströme und Krypto-Compliance bekannt. Die Analysefähigkeiten des Unternehmens erstrecken sich jedoch auch auf die Erforschung von Marktmanipulation.

Das Unternehmen hat Methoden zur Untersuchung von On-Chain-Handelsmustern entwickelt, die auf Wash-Trading hindeuten können. Die Analyse konzentriert sich auf Verhaltensmerkmale wie konzentrierte Aktivitäten, wiederholte Transaktionen und ungewöhnliche Handelsbeziehungen, ohne zu behaupten, dass ein bestimmtes Wallet einen Markt eindeutig manipuliert.

Diese Unterscheidung ist wichtig. Blockchain-Daten können zeigen, was passiert ist, aber nicht immer, warum es passiert ist. Eine Gruppe von Wallets, die wiederholt miteinander handelt, kann verdächtig sein. Ermittler benötigen jedoch zusätzliche Informationen, bevor sie zu dem Schluss kommen können, dass die Aktivitäten gezielt zur Manipulation eines Marktes angelegt wurden.

Die Stärke von Chainalysis liegt darin, diese Handelsmuster mit umfassenderen Blockchain-Informationen zu verknüpfen. Dadurch können Ermittler von einer isolierten verdächtigen Transaktion zu einem umfassenderen Bild von Wallets, Entitäten und Geldflüssen gelangen.

TRM Labs

TRM Labs verfolgt einen ähnlich stark auf Informationsgewinnung ausgerichteten Ansatz. Die Plattform kombiniert Blockchain-Daten, Attribution, Verhaltensinformationen und KI-gestützte Ermittlungen, um Organisationen bei der Erkennung verdächtiger Aktivitäten im gesamten Krypto-Ökosystem zu unterstützen.

Die Verhaltensfunktionen von TRM sind besonders nützlich, wenn sich verdächtige Handelsaktivitäten über mehrere Wallets oder Netzwerke erstrecken. Anstatt sich ausschließlich auf Transaktionswerte zu stützen, können Ermittler untersuchen, wie sich Gelder bewegen, welche Entitäten miteinander interagieren und ob bestimmte Verhaltensweisen bekannten Risikomustern entsprechen.

Damit eignet sich TRM besonders für die Ermittlungsseite der Erkennung von Marktmissbrauch. Eine Überwachungswarnung kann auf etwas Ungewöhnliches hinweisen. Blockchain-Informationen können jedoch dabei helfen festzustellen, ob scheinbar getrennte Wallets miteinander verbunden sind oder ob eine Aktivität Teil eines umfassenderen Systems ist.

Mit der zunehmenden Fragmentierung dezentraler Märkte wird die Möglichkeit, Verhaltensweisen über verschiedene Chains hinweg zu verfolgen, immer wichtiger.

Elliptic Investigator

Elliptic ist ein weiterer etablierter Anbieter von Blockchain-Informationen, der seine automatisierte Verhaltenserkennung weiter ausgebaut hat.

Die Investigator-Plattform von Elliptic kann mithilfe von On-Chain-Hinweisen automatisch verdächtige Wallet-Verhaltensweisen erkennen, darunter betrügerische NFT-Orders und Wash-Trading. Das Unternehmen zufolge kann seine Technologie zur Verhaltenserkennung Muster markieren, die mit verschiedenen Arten von Krypto-Betrug und anderen verdächtigen Aktivitäten verbunden sind, ohne dass Ermittler jede Transaktion manuell durchsuchen müssen.

Diese Fähigkeit ist besonders für Märkte relevant, in denen Wash-Trading über Wallets statt über herkömmliche Börsenkonten betrieben wird. Ermittler können untersuchen, ob Aktivitäten auf verbundene Adressen konzentriert sind, ob sich Vermögenswerte in Kreismustern bewegen und ob das Handelsverhalten bekannten Manipulationstechniken ähnelt.

Elliptic hat zudem auf die umfassenderen Risiken der Marktmanipulation bei tokenisierten Vermögenswerten hingewiesen. Ungewöhnliche koordinierte Käufe, Kreishandel und eine schnelle Akkumulation mit anschließendem Verkauf können demnach nützliche Verhaltenssignale liefern.

NICE Actimize SURVEIL-X

NICE Actimize’s SURVEIL-X ist für ein deutlich breiteres Finanzmarktumfeld konzipiert. Seine KI-Funktionen machen die Plattform jedoch auch für Unternehmen relevant, die mit digitalen Vermögenswerten arbeiten.

Die Plattform nutzt Anomalieerkennung, maschinelles Lernen und weitere Analyseverfahren, um verdächtige Handelsmuster zu identifizieren. Die Überwachungsinstrumente für Märkte können unter anderem Wash-Trading, Front-Running, Insidergeschäfte und andere Formen des Marktmissbrauchs erkennen.

Bemerkenswert an SURVEIL-X ist der Schwerpunkt auf der Rekonstruktion von Ereignissen und dem Verständnis von Verhalten, statt bei jeder Regelverletzung lediglich eine Warnmeldung auszulösen. Das System kann Aktivitäten über verschiedene Produkte und Märkte hinweg untersuchen. Das ist hilfreich, wenn eine Manipulation verbundene Instrumente oder mehrere Handelsplätze betrifft.

NICE hat seine Überwachungstechnologie außerdem um generative KI-Funktionen erweitert. Nach Angaben des Unternehmens kann diese Technologie dazu beitragen, Fehlalarme zu reduzieren und das Erkennen tatsächlicher Risiken von Fehlverhalten zu verbessern.

Scila Surveillance

Scila entwickelt seit Jahren KI-gestützte Überwachungslösungen für die Finanzmärkte und unterstützt inzwischen neben traditionellen Anlageklassen auch digitale Vermögenswerte.

Die Plattform Scila Surveillance bietet Echtzeitüberwachung, KI-gestützte Warnmeldungen, Datenanalysen und mehr als 120 konfigurierbare Warnregeln. Das Unternehmen bezeichnet seinen Ansatz als erklärbare KI und legt Wert darauf, Analysten den Kontext zu liefern, warum eine bestimmte Abfolge von Handelsaktivitäten als ungewöhnlich eingestuft wurde.

Diese Erklärbarkeit ist wichtig, da es bei der Marktüberwachung nicht nur darum geht, möglichst schnell Anomalien zu finden. Compliance-Teams müssen eine Warnmeldung möglicherweise gegenüber Aufsichtsbehörden, Wirtschaftsprüfern oder einem internen Untersuchungsteam erläutern. Ein Blackbox-Modell, das ohne aussagekräftigen Kontext lediglich einen Verdachtswert erzeugt, kann daher schwer zuverlässig eingesetzt werden.

Scila unterstützt digitale Vermögenswerte ausdrücklich und gehört damit zu den vielseitigeren Optionen für Unternehmen, die traditionelle und Kryptomärkte mit derselben Infrastruktur überwachen möchten.

Aquis Market Surveillance

Auch Aquis Exchange hat in künstliche Intelligenz und maschinelles Lernen für die Marktüberwachung investiert. Die Überwachungstechnologie des Unternehmens beobachtet die Orderbuchaktivität in Echtzeit und erzeugt Warnmeldungen zu ungeordnetem Handel und möglichen Regelverstößen.

Das Unternehmen hat außerdem seine Zusammenarbeit mit der University of Derby an einem KI- und maschinellen Lernsystem zur Überwachung von Anomalien und Märkten beschrieben.

Die Technologie von Aquis ist nicht ausschließlich auf den Kryptobereich ausgerichtet, was für institutionelle Betreiber jedoch gerade ein Vorteil sein kann. Digitale Vermögenswerte ähneln zunehmend anderen elektronisch gehandelten Märkten, wenn es um das Zusammenspiel von Algorithmen, Hochfrequenzstrategien und fragmentierter Liquidität geht. Überwachungssysteme, die große Mengen an Orderbuchdaten verarbeiten können, haben daher eine natürliche Rolle in diesem Umfeld.

Bei Untersuchungen zu Wash-Trading kann die Möglichkeit, den Lebenszyklus einer Order zu rekonstruieren und Einreichungen, Änderungen, Stornierungen und Ausführungen zu analysieren, wertvollen Kontext für verdächtige Aktivitäten liefern.

Die wachsende Rolle von KI bei der Überwachung von Kryptomärkten

Der Aufstieg dieser Tools spiegelt einen umfassenderen Wandel in der Wahrnehmung von Marktmissbrauch durch die Branche wider. Wash-Trading lässt sich nicht mehr einfach durch das Erkennen eines ungewöhnlich hohen Volumens und die Annahme, dass etwas nicht stimmt, beurteilen. Eine anspruchsvolle Überwachung erfordert einen deutlich umfassenderen Blick auf das Marktverhalten.

Die leistungsfähigsten Systeme kombinieren zunehmend mehrere Informationsebenen. Bewegungen im Orderbuch können mit tatsächlichen Ausführungen verglichen werden. Handelsmuster lassen sich mit Wallet-Aktivitäten verknüpfen. Die Aktivität an einer Börse kann mit den Vorgängen an anderen Handelsplätzen verglichen werden. Auch historische Verhaltensweisen können herangezogen werden, um festzustellen, ob sich ein bestimmter Händler oder ein Wallet ungewöhnlich verhält.

KI ist besonders nützlich, weil die Menge der zu verarbeitenden Informationen für eine manuelle Analyse durch Menschen schlicht zu groß ist. Modelle des maschinellen Lernens können Millionen von Transaktionen durchsuchen und Muster erkennen, deren Aufdeckung durch Analysten sonst Tage oder Wochen dauern würde.

Dennoch ersetzt KI nicht das menschliche Urteilsvermögen. Ein verdächtiges Muster ist nicht automatisch ein Beweis für Marktmissbrauch. Chainalysis weist in seiner Untersuchung zu Wash-Trading ausdrücklich auf diese Unterscheidung hin und betont, dass Verhaltensanalysen Muster erkennen, aber keine Absicht beweisen.

Das könnte letztlich die wichtigste Rolle dieser Plattformen sein. Sie ersetzen Ermittler nicht, sondern geben Compliance-Teams die Möglichkeit, ihre Aufmerksamkeit auf die Fälle zu konzentrieren, bei denen sie am dringendsten benötigt wird. Mit der zunehmenden Tiefe, Geschwindigkeit und Vernetzung der Kryptomärkte dürfte die Kombination aus Analyse im Umfang von Maschinen und menschlichem Urteilsvermögen zu einem zentralen Bestandteil glaubwürdiger Märkte für digitale Vermögenswerte werden.

Dieser Artikel basiert auf einer Berichterstattung von Metaverse Post.