LONDON (IT BOLTWISE) – Kalshi hat den Daten-Startup Oddpool übernommen, das von Avi Arora und Ritesh Malpani gegründet wurde. Die Parteien nennen keine finanziellen Details zur Transaktion, doch der Deal zeigt, wie ernst Kalshi Prediction Markets als datengetriebene Infrastruktur betrachtet. Oddpool soll Kalshi künftig dabei helfen, Kursinformationen für institutionelle Nutzer als vermarktbare Datenquelle aufzubereiten. Laut Arora überzeugte das Gespräch mit Kalshis CEO Tarek Mansour die Gründer, schneller im Ökosystem statt als externer Partner zu liefern.
Die Übernahme von Oddpool durch die US-Plattform Kalshi wirkt auf den ersten Blick wie ein typischer „Talent- und Tech-Deal“. Tatsächlich verschiebt sich aber damit die Architektur: Kalshi holt sich ein Team, das eine Datenebene für Prediction Markets aufbauen wollte, nicht nur einzelne Funktionen. Oddpool war im Frühjahr aus Y Combinator hervorgegangen und hatte laut Quelle ein 3-Millionen-US-Dollar-Seed eingesammelt, um institutionellen Akteuren, Ökonomen und politischen Entscheidungsträgern zu ermöglichen, solche Märkte systematischer als Asset-Klasse zu betrachten. Die Transaktion selbst nennt keine Konditionen, doch der Kern ist klar: Der Austausch zwischen Kursen und verwertbaren Informationen soll näher an die Handelsplattform rücken.
Technisch gedacht setzt Oddpools Ansatz genau an dem Punkt an, an dem viele Prediction-Market-Setups bisher Lücken offenlassen: Datenqualität und Datenerschließung. Wenn Marktkurse als Informationsträger verstanden werden, muss aus jedem Trade mehr werden als nur ein Ausführungsereignis. Oddpool argumentierte, dass „jeder Trade ein Signal“ ist und eine Information im Handel steckt. Arora beschrieb diesen Informationsfluss als Quelle aus Millionen Teilnehmenden statt aus einem „Komitee“. Für eine Plattform wie Kalshi heißt das: Statt nur Preisverläufe zu liefern, braucht es eine skalierbare Dateninfrastruktur, die Signale aus dem Order- und Trade-Stream in eine konsistent nutzbare Form bringt – mit Blick auf Analytik, Modellierung und anschlussfähige Workflows für professionelle Nutzer.
Warum passiert das ausgerechnet jetzt? Die Quelle führt die Entscheidung auf Gespräche zwischen den Gründern und Kalshis CEO Tarek Mansour zurück. Entscheidend war offenbar, dass man schneller „innerhalb des Ökosystems“ entwickeln könne als als externer Datenpartner. Diese Logik ist für Plattform- und Infrastrukturunternehmen typisch: Je näher man an den eigentlichen Handels- und Datenpfaden sitzt, desto weniger Reibung entstehen bei Latenz, Abdeckung und Integrationen. Außerdem lässt sich die Produkt-Roadmap enger mit dem Verhalten der Märkte koppeln. Wenn neue Marktmechaniken, neue Produktlinien oder Änderungen im Listing-Fokus hinzukommen, muss die Datenabstraktion nicht erst nachgelagert durch Drittsysteme angepasst werden.
Der „Endgame“ ist damit weniger ein weiterer Daten-„Connector“ und mehr ein Inhouse-Fähigkeitsaufbau für institutionelles Tooling. Die Quelle formuliert es direkt: Durch das Einfalten des Teams in Kalshi kann die Börse eher eigene „institutional-grade tooling“ entwickeln, statt stark von Drittanbietern abhängig zu sein. Marktseitig deutet das auf eine Reifephase hin: Prediction Markets starten oft als Nischenprodukt für Retail-Neugier oder als experimentelle Wette auf Ereignisse. Wenn jedoch Daten als eigenständige Ressource bewertet werden, verschiebt sich die Zielgruppe hin zu Personen und Organisationen, die gegenüber Marktpreisen eine klare Erwartungshaltung haben – nämlich, dass sie in Analyse- und Bewertungsprozesse einfließen. In genau diesem Übergang liegt auch der Hebel: Sobald Nachfrage nach verwertbaren Marktsignalen steigt, ziehen Exchanges die Kompetenz näher an die Kernsysteme.
Historisch betrachtet folgte die Branche bei datengetriebenen Finanz-Ökosystemen häufig einem Muster: Erst kommen die Handelsmöglichkeiten, dann die Auswertung, dann die Konsolidierung. In klassischen Märkten existieren dafür über Jahre gereifte Rollen wie Market Data Provider, Datenhubs, Modellierungs- und Risk-Teams. Bei Prediction Markets muss das Ökosystem diese Funktionen in deutlich kürzerer Zeit nachbauen. Oddpool liefert dafür offensichtlich Bausteine, die auf die Preisbildung als Informationsprozess einzahlen. Für Unternehmen bedeutet das später konkret: weniger Abstimmungsaufwand mit externen Lieferanten, klarere Schnittstellen und eine Datenlogik, die stärker an den Handelsalltag der jeweiligen Exchange gekoppelt ist. Für Entwickler und Data-Teams wird so wahrscheinlicher, dass aus Rohdaten valide Feature-Sätze werden, die sich leichter in Modellpipelinen und Reporting integrieren lassen.
Für den Wettbewerb ist die Strategie ebenfalls relevant. Auch andere Marktbetreiber stehen vor der Frage, ob sie nur Plattformen für Wetten sein wollen oder ob sie sich als Infrastruktur für Informationen positionieren. Kalshis Schritt ist zumindest ein Signal, dass Datenkompetenz zu einem Differenzierungsmerkmal wird: Wer die Signale schneller, vollständiger und konsistenter in nutzbare Datensätze übersetzen kann, gewinnt Zeitvorsprung bei der Vermarktung an institutionelle Nutzer. Das passt zu der Einordnung in der Quelle, wonach das Einsammeln von Fähigkeiten langfristig ein stärkeres Angebot an „Capability“ bedeutet, sobald Nachfrage nach diesem Datenlayer wächst. In diesem Licht ist die Übernahme weniger eine punktuelle Anpassung und eher ein Baustein für eine neue Produktkategorie rund um Prediction Markets als informationsorientierte Asset-Referenz.
Wie sich das nun operationalisieren lässt, hängt von Details ab, die die Quelle noch offenlässt. Unklar bleibt etwa, wie rasch Oddpools Datenmodelle und Pipelines in Kalshis bestehende Systeme überführt werden und welche Schnittstellen nach außen entstehen. Für Nutzer mit institutionellem Anspruch dürfte jedoch schon jetzt wichtig sein, wie nachvollziehbar die Daten sind: Welche Ereignisse werden erfasst, wie werden Trades in Signale übersetzt, und wie wird die Konsistenz über verschiedene Märkte und Zeiträume hinweg gesichert? Wenn Kalshi diese Fragen mit einer integrierten Datenebene beantwortet, kann das den Weg ebnen, Prediction Markets noch stärker in Analyse- und Bewertungsprozesse einzubinden – nicht nur als Kursangebot, sondern als datenbasierte Grundlage.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Kalshi kauft Oddpool: Datenebene für Prediction Markets wird intern aufgebaut" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Kalshi kauft Oddpool: Datenebene für Prediction Markets wird intern aufgebaut" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Kalshi kauft Oddpool: Datenebene für Prediction Markets wird intern aufgebaut« bei Google Deutschland suchen, bei Bing oder Google News!