Millionen Ticks pro Sekunde: Wie Alphawave den algorithmischen Handel aus Düsseldorf neu denkt

Das Düsseldorfer FinTech Alphawave will den Börsenhandel von Emotionen befreien – mit Algorithmen, die datengetrieben und regelbasiert arbeiten. Im Gespräch erklärt Gründer Jan-Patrick Krüger, wie Technologie, Forschung und Geschwindigkeit zusammenspielen, um dauerhaftes Alpha zu generieren.

Jan, du sagst oft: „Alpha aus Daten”. Was heißt das für euch konkret?
Bei Alphawave wollen wir Handelsentscheidungen messbar machen. Unsere Modelle erkennen in Echtzeit Muster in Marktdaten und setzen darauf basierend Trades – komplett systematisch, ohne Bauchgefühl. Wir handeln intraday, also nur tagsüber, und schließen jede Position vor Handelsschluss. So haben wir keine Overnight- oder Wochenendrisiken.

Also kein klassisches Trading auf Verdacht – sondern Forschung?
Genau. Wir testen und validieren alles, bevor es live geht. Unser System schafft bis zu 14 Millionen Ticks pro Sekunde im Backtest, das ist rund 10- bis 20-mal schneller als typische Plattformen. Dadurch können wir Strategien unter realen Marktbedingungen simulieren: mit Slippage, Monte-Carlo-Analysen, Walk-Forward-Tests. Das Ziel ist nicht, die Vergangenheit zu optimieren, sondern robuste Muster zu finden, die auch in neuen Marktphasen funktionieren.

Wie stark ist euer Tech-Stack eigentlich eigenentwickelt?
Komplett. Seit 2016 haben wir unsere Infrastruktur gemeinsam mit einem Kooperationspartner aufgebaut und gemeinsam inzwischen über 7 Millionen Euro in Forschung und Entwicklung investiert. Das umfasst die gesamte Pipeline – von Datenerfassung über Signal-Generierung bis zur Orderausführung und Risikoüberwachung. Wenn du bei uns einen Backtest startest, läuft er auf derselben Engine, die später auch im Live-Handel Trades ausführt. Genau das sorgt für Konsistenz und Verlässlichkeit.

Was ist technisch das Herzstück eures Systems?
Im Kern arbeitet unsere Backtesting-Engine wie ein evolutionäres System: Modelle werden in vielen Varianten getestet, angepasst und verbessert. Methoden aus der Genetik, wie Mutation oder Selektion, helfen dabei, besonders robuste Modelle zu identifizieren. Unsere Engine analysiert zudem selbstständig, wie sich ein Modell strukturell entwickelt, erkennt Muster und lernt aus jedem Durchlauf. Auf diese Weise entsteht ein intelligentes System, das Handelsmodelle kontinuierlich verfeinert und ihre Stabilität über unterschiedliche Marktphasen hinweg stärkt. Die Engine lernt also, welche Parameter wirklich Wirkung haben, statt einfach alles durchzuprobieren.

In unseren Backtests prüfen wir neue Strategien nicht nur auf ihre Performance, sondern auch auf ihre Skalierbarkeit. Dafür nutzen wir Overfill-Simulationen, also Analysen, die abbilden, ob ein Markt über den getesteten Punkt hinaus weiterläuft und damit ausreichend Liquidität für größere Positionsgrößen bieten würde. Auf diese Weise können wir einschätzen, wie sich steigende Ordervolumen auf Ausführung und Modellstabilität auswirken, bevor wir sie real handeln. So stellen wir sicher, dass ein Modell nicht nur im Code, sondern auch im echten Handel funktioniert und tatsächlich skalierbar ist.

Und wie performt das Ganze real am Markt?
Unser Kernmodell, das NC4.3, hat von 2008 bis 2024 im Backtest 29,3 % durchschnittliche Jahresrendite erzielt – bei einem maximalen Drawdown von –27,8 %. Live, also mit echtem Kapital, liegen wir in den vergangenen 12 Monaten bei 40,01 % Return und nur rund 15 % Drawdown. Das ist ziemlich deckungsgleich mit dem Modell, was zeigt: Die Simulationen halten auch in der Realität stand.

Klingt nach hoher Geschwindigkeit – aber auch viel Kontrolle. Wie verhindert ihr, dass das Ganze zu einer Blackbox wird?
Indem wir alles messbar machen. Jeder Trade hat klar definierte Stop-Losses, Positionsgrößen und Risikobudgets. Wir entwickeln unsere Risikokennzahlen intern nach denselben Standards, die auch Fondsmanager nutzen. Außerdem testen wir jedes Modell über 22.000 Simulationen und 1.000 Live-Trades, bevor es überhaupt in den Markt darf.

Viele Startups im Finanzbereich bauen auf Cloud-APIs oder bestehende Systeme. Alphawave geht den harten Weg. Warum?
Weil es keine Plattform gibt, die schnell, präzise und reproduzierbar genug ist. Handelssoftware ist oft ein Kompromiss, aber wir wollten keine Kompromisse. Unsere Architektur läuft mit eigener Datenbank, Parallelisierung und Thread-Safety. Jeder Backtest ist deterministisch, also reproduzierbar. Wenn du denselben Test zweimal ausführst, bekommst du exakt das gleiche Ergebnis. Das klingt banal, ist in dieser Branche aber selten. 

Darüber hinaus behalten wir so Sicherheit und Anpassbarkeit komplett in unserer Hand. Wir wissen genau, wie unsere Systeme reagieren, können jede Komponente erweitern oder patchen und sind nicht auf die Update-Zyklen oder Limitierungen externer Anbieter angewiesen. Das gibt uns Geschwindigkeit, Unabhängigkeit und Kontrolle, letztlich drei Dinge, die im algorithmischen Handel entscheidend sind.

Was bedeutet das für eure Position am Markt?
Wir wollen zeigen, dass man aus Deutschland heraus eine technologische Infrastruktur aufbauen kann, die international Maßstäbe setzt. Für uns ist das kein kurzfristiges Tradingprojekt, sondern ein systematischer Weg, wie man Kapitalmärkte rationaler, transparenter und effizienter machen kann.

Aktuell handelt Alphawave weiterhin auf eigene Rechnung – institutionelle und professionelle Partner steigen bereits ein. Das Vertrauen resultiert vor allem aus unserer stabilen, über Jahre robusten Equity-Kurve. Unsere Strategien liefern absolute, marktunabhängige Renditen – Long wie Short – und weisen eine sehr geringe Korrelation zu klassischen Asset-Klassen auf. Das ist besonders spannend, da wir unabhängig von Markttrends oder sogar Marktverwerfungen.

Der entscheidende Vorteil unseres Ansatzes liegt in seiner Tiefe an Daten und Struktur: Unsere Modelle sind so stark datenbasiert, dass wir systematisch genau jene Ineffizienzen identifizieren können, aus denen unser Alpha entsteht. Ohne diesen konsequent quantitativen Ansatz wäre eine derart verlässliche Alpha-Generierung nicht möglich.

Auf dieser Grundlage bauen wir unseren Ansatz nun kontrolliert aus, ohne den systematischen Kern zu verändern, aber mit größerer Reichweite. Regelbasiert, messbar und skalierbar für unser eigenes Kapital und das unserer Partner.

Fazit:
Alphawave steht für die Verbindung aus quantitativem Ingenieursdenken, mathematischer Präzision und unternehmerischem Anspruch. Anstelle großer Versprechen setzt das Team auf überprüfbare Ergebnisse – und auf eine Technologie, die das Potenzial hat, den algorithmischen Handel von Düsseldorf aus nachhaltig zu prägen.

Foto (oben): Alphawave