Codex baut Markttools. MCPlato betreibt den Research Desk.

Prediction-Market-Research wirkt von außen einfach: einen Markt finden, einen Preis lesen und ihn mit der eigenen Sicht vergleichen. In der Praxis ist die Arbeit unordentlicher. Ein Wettermarkt kann von einem offiziellen Prognose-Update abhängen. Ein Makromarkt kann sich um eine geplante Veröffentlichung bewegen. Ein Sport- oder Politikmarkt kann auf eine Quelle reagieren, die eingetroffen ist, während Sie nicht am Research Desk waren. Ihr lokales Modell kann dem Markt widersprechen, aber dieser Widerspruch ist nur dann nützlich, wenn Sie wissen, welche Datenversion, welcher Zeitstempel einer Quelle und welche Annahmen ihn erzeugt haben.

Darum lautet die interessante Frage nicht: "Kann KI Märkte vorhersagen?" Das sollte sie auch nicht. Prediction-Market-Preise sind marktimplied probabilities, keine Gewissheit. Ein Preis kann ein nützliches Signal für die Erwartungen der Masse sein, aber er ist keine Tatsache über die Zukunft und keine Empfehlung.

Die bessere Frage ist operativ: Wer hält die Research-Schleife am Laufen?

Codex ist eine naheliegende Antwort, wenn die Aufgabe darin besteht, die Maschinerie zu bauen: API-Connectoren, Parser, Notebooks, Tests, Dashboards, Datenbereinigungsskripte und Pull-Request-Review. MCPlato ist eine naheliegende Antwort, wenn die Aufgabe darin besteht, den Research Desk rund um diese Maschinerie zu betreiben: geplante Briefings, lokaler Workspace-Kontext, ClawMode-Zustellung, genehmigungsbasierte Reviews, Entscheidungslogs und Wands. MCPlato ist kein Trading-Bot und gibt keine Anlageberatung. Das nützliche Muster ist Research-Produktivität, nicht automatisierte Handelsausführung.

Die fehlende Ebene ist der Research Desk

Ein ernsthafter Prediction-Market-Workflow ist eine Schleife:

1. Ausgewählte Märkte und externe Quellen überwachen.
2. Preisbewegungen in marktimplizierte Wahrscheinlichkeit übersetzen.
3. Diese Wahrscheinlichkeit mit Quellenänderungen, lokalen Modellen und früheren Annahmen vergleichen.
4. Ein kurzes Briefing oder eine Warnung mit Links und Zeitstempeln senden.
5. Den Menschen fragen, was geprüft, festgehalten oder ignoriert werden soll.
6. Die Entscheidungsspur bewahren.
7. Ergebnisse prüfen und den Workflow verbessern.

Codex kann helfen, viele Teile dieser Schleife zu entwickeln. Es kann in einem Repository arbeiten, Befehle ausführen, Code pflegen, PRs prüfen und wiederkehrende Projektarbeit automatisieren. Öffentliche Codex-Dokumente beschreiben außerdem Daten- und Report-Arbeit, Browser- und Computer-Use-Oberflächen sowie Automationen. Der faire Vergleich lautet daher nicht: "Codex kann keine geplanten Aufgaben" oder "Codex schreibt nur Code".

Der Unterschied liegt in der Produktform. Codex ist am stärksten, wenn der Schwerpunkt ein Codebase ist. MCPlato ist als Desktop AI Engine und KI-Kollege in einem local-first Workspace geformt: Dateien, Browser, Dokumente, geplante Aufgaben, ClawMode-Kanäle, Berechtigungen, Skills/Distill und Wands. Wenn Codex der Ort ist, an dem der Workflow entwickelt wird, ist MCPlato der Ort, an dem der Workflow weiterläuft.

Handgezeichneter Workflow von öffentlichen Quellen und Markt-Snapshots zu einem geplanten MCPlato-Briefing, Entscheidungslog und Wand-Artefakt.

Abbildung: Eine Prediction-Market-Research-Schleife ist nicht ein einzelner Prompt. Sie besteht aus Quellenmonitoring, Modellprüfung, menschlicher Entscheidungsaufnahme und wiederverwendbaren Artefakten.

Codex vs MCPlato für Prediction-Market-Research

Ausgewogener Zwei-Workbench-Vergleich: Codex mit Connector-Code, Tests und PR-Review; MCPlato mit Zeitplänen, lokalen Notizen, IM-Zustellung, Berechtigungen und Wands.

Abbildung: Der stärkste Workflow ist nicht antagonistisch. Codex baut und pflegt die Engineering-Ebene; MCPlato betreibt die wiederkehrende Research-Ebene.

Szenario 1: tägliches Wetter-zu-Markt-Briefing

Wettersensitive Märkte sind ein gutes Beispiel, weil der Quellenzyklus extern ist. Prognosen, aktive Warnungen, Beobachtungen und Rasterdaten können sich ändern, bevor der Nutzer ein Dashboard öffnet. Die Research-Aufgabe besteht nicht darin, eine finanzielle Entscheidung zu treffen. Sie besteht darin zu fragen: Was hat sich seit gestern verändert, welche beobachteten Märkte könnten betroffen sein und welche Annahmen sollten geprüft werden?

Codex kann einen National Weather Service Connector bauen, die Antwort parsen und Randfälle testen. MCPlato kann die Morgenprüfung ausführen, das Update mit dem gespeicherten Briefing von gestern vergleichen, eine knappe ClawMode-Nachricht senden und die Notiz im lokalen Workspace speichern.

Every weekday at 7:00 AM, prepare a weather-to-market research brief for the markets in ./watchlists/weather-markets.csv.

Use public weather sources first, including NWS forecasts and active alerts when available. Compare the latest source changes with yesterday's brief in ./research/weather-briefs/.

Output:
1. Markets to watch today
2. What changed since yesterday
3. Source links and timestamps
4. Assumptions that became stronger or weaker
5. Questions I should review manually

Send the summary to my Feishu channel and save a markdown copy locally.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Szenario 2: lokaler Modelllauf und Review

Viele quant-orientierte Nutzer haben bereits ein Notebook oder Skript. Der Schwachpunkt ist nicht immer das Modell; oft ist es die operative Disziplin rund um das Modell. Wann lief es? Welche Eingabedatei hat es verwendet? Mit welchem Marktpreis wurde verglichen? War die marktimplizierte Wahrscheinlichkeit anders, weil das Modell veraltet war, der Markt sich bewegte oder eine Annahme geändert wurde?

Codex passt stark zur Verbesserung des Modell-Repos. MCPlato passt stark zur wiederkehrenden Prüfung und zur Erstellung einer quellenverlinkten Notiz.

Run the model notebook in ./models/event-probability/ and compare the output with the latest market-implied probabilities for the markets listed in ./watchlists/core-events.csv.

Create a review note with:
- model probability
- market-implied probability
- difference
- input data timestamp
- model version or git commit
- likely reason for any large gap
- whether the gap is caused by stale data, model assumptions, or market movement

Save the note to ./research/model-reviews/ and ask me before changing any workflow files.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Szenario 3: vom Alert zum Entscheidungslog

Ein Alert, der nur sagt "Wahrscheinlichkeit hat sich bewegt", reicht oft nicht. Ein nützlicher Alert erklärt, was sich geändert hat, welche Quelle oder welcher Markt-Snapshot sich geändert hat, welche Annahmen betroffen sind und was der Mensch als Nächstes tun kann. Die Optionen sollten Research-Aktionen sein: eine Entscheidung festhalten, eine erneute Prüfung planen oder den Alert ignorieren.

Hier zählt MCPlatos operative Ebene des persönlichen Workspace. ClawMode kann den Alert dorthin liefern, wo der Nutzer bereits arbeitet, während der lokale Workspace das Entscheidungslog und den Quellenkontext bewahrt.

Handgezeichnete Entscheidungslog-Karte mit Zeitstempel, Quellenlink, betroffenen Annahmen, Unsicherheitsnotiz und menschlichen Review-Optionen.

Abbildung: Ein Markt-Alert wird nützlich, wenn er Kontext, Unsicherheit und eine von Menschen geprüfte Entscheidungsspur enthält.

Monitor the markets in ./watchlists/alerts.csv during my working hours. If a market-implied probability moves by more than 8 percentage points, or if an official source updates, send me an alert.

For each alert, include:
1. What changed
2. Which source changed
3. The affected assumptions
4. A short uncertainty note
5. Three options: Record decision, Schedule recheck, Ignore

If I choose Record decision, append my note and the source snapshot to ./research/decision-log.md.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Szenario 4: vom Research zum Wand-Artefakt

Ein wiederholter Research-Prozess wird irgendwann zu wichtig, um als verstreute Chats, CSVs, Dashboards und Notebook-Ausgaben liegen zu bleiben. Er braucht Stufen, Review-Gates und Exporte. Genau das ist der Wand-Anwendungsfall: einen wiederkehrenden Workflow in ein sichtbares Artefakt verwandeln, das geprüft, gesteuert, freigegeben, fortgesetzt und exportiert werden kann.

Codex kann die Skripte gesund halten. MCPlato kann den Artefakt-Lebenszyklus koordinieren.

Create a Wand for my weekly prediction-market research review.

The Wand should have stages:
1. Align markets and scope
2. Collect market data and external sources
3. Run my local model
4. Generate charts and a written brief
5. Check every factual claim has a source
6. Export a PDF and update the decision log

Start by asking me for the watchlist file and the output folder. Keep the artifact reviewable at every stage.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Szenario 5: Makro-Release-Monitor

Makromärkte hängen von geplanten Veröffentlichungen, Revisionen und offiziellen Updates ab. Ein nützlicher Monitor muss keine Prognose erfinden. Er muss wissen, welche Veröffentlichung sich geändert hat, mit welchem früheren Snapshot verglichen werden soll und welche beobachteten Ereignisse eine manuelle Prüfung verdienen könnten.

FRED-artige Release- und Zeitreihendaten machen das konkret. Codex kann den Ingestion- und Validierungscode bauen. MCPlato kann den geplanten Monitor ausführen, lokale Artefakte aktualisieren und den Nutzer benachrichtigen.

Set up a recurring macro-event monitor for the FRED releases and market watchlist in ./watchlists/macro-events.csv.

On each run:
- check upcoming and newly updated economic releases
- identify which watched markets may be affected
- compare the new data with the previous saved snapshot
- update ./research/macro-dashboard.wand if needed
- send a concise briefing to Slack

Ask me before changing the watchlist, model assumptions, or Wand structure.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Szenario 6: wöchentliches Postmortem

Der wertvollste Teil eines Research-Workflows kann nach dem Ereignis stattfinden. Ein Postmortem kann fragen: Welche Alerts waren nützlich, welche waren Rauschen, welche Annahmen haben sich geändert, wo wich das lokale Modell von der marktimplizierten Wahrscheinlichkeit ab und was sollte nächste Woche verbessert werden?

Das verspricht weder bessere Renditen noch höhere Genauigkeit. Es schafft eine überprüfbare Research-Gewohnheit. Brier-artige Wahrscheinlichkeitsprüfung und Entscheidungsjournale sind nützlich, weil sie die Aufmerksamkeit auf Kalibrierung, Annahmen und Rückschaufehler lenken statt auf einfache Geschichten von "richtig oder falsch".

Every Friday afternoon, create a postmortem from this week's market briefs, alerts, model reviews, and decision log.

Summarize:
1. Which assumptions changed
2. Which alerts were useful or noisy
3. Where my model disagreed with market-implied probabilities
4. What I learned after outcomes or new sources arrived
5. What to change in next week's watchlist, model, prompt, or Wand

Save the report locally and ask me before making any workflow changes.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Der Handoff, der beide Werkzeuge stärker macht

Der praktische Workflow ist einfach:

1. Codex nutzen, um Connector, Notebook, Parser, Dashboard oder Testsuite zu bauen oder zu reparieren.
2. Das verlässliche Tool in einem lokalen Projektordner mit klarem README und Smoke-Test ablegen.
3. MCPlato bitten, den Workflow geplant auszuführen, ihn mit lokalen Notizen zu kombinieren, ein Briefing zu senden und die Research-Spur zu bewahren.
4. Wenn der Workflow bricht, MCPlato die Störung zusammenfassen und ein präzises Issue für Codex vorbereiten lassen.
5. Den Menschen als Entscheidungsträger behalten.

I used Codex to build the connector in ./tools/market-monitor. Review the README, run the smallest smoke test, and then schedule it as a daily MCPlato briefing.

If tests fail, summarize the failure and prepare a clear issue for Codex to fix. If tests pass, create a scheduled task that runs the connector, updates ./research/latest-brief.md, and sends the result to my IM channel.

Ask me before editing the connector, changing credentials, or modifying the scheduled task.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Das ist der Kern des Vergleichs Codex vs MCPlato. Codex ist hervorragend, wenn der Output Code, ein Diff, ein Test, ein PR oder ein gepflegtes Repository sein soll. MCPlato ist überzeugend, wenn der Output eine wiederkehrende, menschlich geprüfte Workspace-Routine sein soll: ein Morgenbriefing, ein Alert mit Kontext, eine Modellreview-Notiz, ein Entscheidungslog, ein Wand oder ein wöchentliches Postmortem.

Für prediction-market-artige Arbeit ist diese Unterscheidung wichtig. Der Marktpreis ist keine Gewissheit. Der KI-Assistent ist kein Finanzberater. Das Ziel ist nicht, Urteilsvermögen wegzuautomatisieren. Das Ziel ist, den Research-Prozess wiederholbarer, quellenverlinkt und überprüfbar zu machen, damit der Mensch besser dokumentierte Entscheidungen treffen kann, ohne so zu tun, als kenne das System die Zukunft.

Quellen

• Polymarket US API Reference — Einführung
• Polymarket US API Reference — WebSocket-Überblick
• Was ist Polymarket US?
• Prediction Markets: Eine Einführung
• National Weather Service API Web Service
• FRED API-Dokumentation
• OpenAI Codex Developer Documentation
• Codex CLI Features
• Codex Cloud
• GitHub Pull Requests mit Codex prüfen
• Codex App Automations
• Codex Use Cases
• Codex Agent Approvals and Security
• MCPlato — The Desktop AI Engine
• MCPlato ClawMode
• MCPlato Wand
• MCPlato Privacy Policy
• MCPlato Terms of Service
• Polymarket Alerts Features
• Polymarket Odds Over Time
• Polymarket Analytics Tools
• Eine kurze Einführung in Brier Scores
• Entscheidungsjournal