Historischer Hinweis: dieses Kapitel basiert auf verifizierten Gemini-Archivankern vom 17. Juni 2025. Zugangsdaten, private Infrastruktur und sensible Implementierungsdetails wurden ausgelassen.
Der Code brach immer wieder
Am Abend des 17. Juni stoppte der Haupt-Bot wegen eines Python-Syntaxfehlers. Wenige Minuten später folgte das nächste Problem: eine vom Code erwartete Bibliothek konnte nicht geladen werden.
Auch eine neue Umgebung löste nicht alles. Der erwartete Futures-Connector ließ sich weiterhin nicht laden. Das Projekt war in einer Phase angekommen, in der die Reparatur eines Fehlers oft nur den nächsten sichtbar machte.
Generierter Code ist noch kein funktionierendes System
Dieser Unterschied war wichtig. KI konnte in Sekunden ein plausibles Skript erzeugen. Ein echter Trading-Bot hing aber auch von kompatiblen Bibliotheken, korrekten Imports, stabilen Connectoren, Konfiguration und einer Umgebung ab, in der alle Teile zusammenpassten.
Der Unterschied zeigte sich erst beim Ausführen. Ein Skript, das im Chat vernünftig aussah, konnte auf einer echten Maschine sofort scheitern.
Fehler wurden zu Informationen
Die Ausfälle waren frustrierend, aber nützlich. Jede Fehlermeldung zeigte eine weitere versteckte Annahme. Jede fehlende Abhängigkeit erinnerte daran, dass das System mehr war als der sichtbare Code.
Der praktische Ablauf wurde einfach: Programm starten, Fehler lesen, Ursache verstehen, eine Sache reparieren und erneut testen. Zuverlässigkeit konnte nicht behauptet werden. Sie musste durch wiederholte Ausführung gezeigt werden.
Schwieriger als erwartet
Nur einen Tag zuvor hatte das Projekt versucht, die Entwicklung mit einer modularen Coding-Doktrin zu ordnen. Der 17. Juni zeigte, warum das nötig war. Ohne klare Module, Logs und kontrollierte Abhängigkeiten wurde das Debugging eines wachsenden Systems schnell chaotisch.
Dieses Kapitel brachte keine revolutionäre Strategie. Es brachte etwas Grundlegenderes: die Erkenntnis, dass zuverlässige Software zu bauen eine andere Aufgabe ist als Code zu generieren.
AUR ist ein Forschungsprojekt. Historische Beiträge sind keine Anlageberatung und versprechen keine zukünftigen Renditen.