# Konzept: Modul „Supervisor" (KI-gestützte Handels-Analyse & Forensik) > Stand: 2026-07-16 > Ziel: ALLES, was PolyTrader getan (und bewusst NICHT getan) hat, auf einfachem Wege detailliert > analysierbar machen — Logs, DB-Einträge und das echte Geschehen auf der Plattform — und die Analyse > durch ein KI-Modell (OpenRouter) durchführen lassen: Warum hat ein Trade funktioniert? Warum nicht? > Woran lag es? > **Leitidee: Erst das Datenfundament, dann die KI.** Ein Modell kann nur erklären, was aufgezeichnet > wurde. Die Analyse ist maximal so gut wie die Rekonstruierbarkeit unserer Entscheidungen. --- ## 0. Datenlage-Audit: Was haben wir, was fehlt? ### Vorhanden ✅ | Quelle | Inhalt | Qualität für Analyse | |---|---|---| | `core_trade_log` (TradeRecord) | abgeschlossene Trades aller Module | gut (strukturiert), aber nur das ERGEBNIS | | Modul-Logs (`mod_copytrading_closed_trades`, `rf_*`) | Modul-Details inkl. Fees, SourceTrader, Cluster | gut | | Terminal-/Datei-Logs (`/Logs`, Freitext) | Verlauf inkl. `TradeReasoning` (Begründungen) | schlecht maschinenlesbar: Freitext, deutsch, ohne IDs | | `rf_candidates` | Scanner-Entscheidungen inkl. Reject-Grund | **Vorbild!** genau das Muster, das wir überall brauchen | | geplant: `acc_ledger` (Accounting-Modul) | unabhängige Plattform-Ground-Truth je Wallet | schließt „echtes Geschehen auf der Plattform" | ### Fehlend ❌ (die eigentlichen Lücken) 1. **Entscheidungsjournal** — der größte Gap. Jede Engine-Entscheidung (BUY/SELL ausgeführt, abgelehnt, übersprungen) existiert nur als Freitext-Log. Nicht abfragbar („zeig alle MaxBuyPrice-Rejects der Woche"), nicht mit dem späteren Marktausgang verknüpfbar („was WÄRE aus den Rejects geworden?" — das ist die halbe Strategie-Kalibrierung!). 2. **Order-Lifecycle nicht persistiert** — Platzierungsversuche, CLOB-Responses, Cancels, Leiter-Stufen (Preis je Stufe, Wartezeiten, Floor-Erreichung) stehen nur im Log. Für „warum schlechter Fill?" brauchen wir die Kette als Daten. 3. **Korrelation** — es gibt keine `SignalId`, die Signal → Entscheidung(en) → Order(s) → ClosedTrade verbindet. Ohne sie ist jedes „Dossier" Handarbeit über Zeitstempel. 4. **Markt-Kontext zum Entscheidungszeitpunkt** — mindestens Signalpreis vs. erzielter Preis vs. Zeitversatz (Latenz!); mit Phase 1 (Orderbuch) auch Spread/Tiefe. Ohne Kontext kann niemand beurteilen, ob eine Entscheidung RICHTIG war — nur ob sie gut AUSGING. 5. **Strukturierte Logs** — zusätzlich zum Text ein JSONL-Sink (Timestamp, Level, Source, CorrelationId, Message, Data), damit Logs filterbar/parsebar sind statt grep-über-Freitext. --- ## 1. Frage 1 — Aufbereitung: das „Trade-Dossier" als zentrale Einheit **S-0: Datenfundament (Core, nützt sofort auch OHNE KI — z. B. beim Zielland-Debugging):** - `core_decision_journal`: eine Zeile je Entscheidung. Felder: `SignalId`, Timestamp, Modul, AccountId, TokenId, Side, Decision (Executed/Rejected/Skipped/Deferred), **ReasonCode (Enum!)** (z. B. `MaxBuyPriceExceeded`, `PartialSellBelowThreshold`, `ExitPendingSkip`, `SpamBlock`, `BudgetExhausted`, `BelowPolymarketMinimum`, …), Kontext-Zahlen (SignalPreis, Limitwert, verfügbares Budget, …) als kompaktes JSON, Freitext wie bisher zusätzlich. → Die bestehenden ~20 `TradeReasoning`-Stellen bleiben, schreiben aber ZUSÄTZLICH strukturiert. - `core_order_events`: Order-Lifecycle (Placed/Rejected/Cancelled/LadderStep/Filled) mit Preisen, CLOB-Response, `SignalId`. - `SignalId` (GUID) im `CopySignal`/RF-Flow erzeugen und bis in `ClosedTrade`/`TradeRecord` durchreichen. - **JSONL-Log-Sink** (TerminalLogger erweitert): eine JSON-Zeile je Event (`ts`, `level`, `source`, `correlationId`, `message`, optional `data`). JSONL statt JSON-Array: append-fähig, streambar, zeilenweise filterbar — das KI-freundliche UND effiziente Format. Übergang: zunächst Dual-Sink (Text + JSONL), Text-Sink später abschaltbar, sobald der Log Viewer etabliert ist. - **Log Viewer im Terminal-Fenster** (zweiter Tab neben der Live-Anzeige): lädt die JSONL-Dateien und bereitet sie menschenlesbar auf — Filter nach Datum/Level/Quelle/Text und **CorrelationId („zeig mir alles zu diesem Signal")**; Klick auf eine SignalId springt zur kompletten Kette. Damit ist das effiziente Speicherformat für Menschen genauso zugänglich wie heute der Freitext. **S-1: Dossier-Generator (pur, testbar):** Für einen Trade / ein abgelehntes Signal alles zusammensetzen: Signal → Journal-Einträge → Order-Events → Fill/Leiter-Verlauf → ClosedTrade/RF-Position → `acc_ledger`-Einträge (Plattform-Wahrheit!) → Log-Ausschnitt (Zeitfenster+CorrelationId) → Marktdaten. Ausgabe als JSON (fürs Modell) und Markdown (für Menschen). Dazu Perioden-Reports über `TradeAnalytics`. --- ## 2. Frage 2 — WIE analysieren: OpenRouter-Agent mit Read-only-Tool-Registry **v1: Agent IM Prozess (kein separater MCP-Server nötig).** Wir kontrollieren beide Seiten — ein Function-Calling-Loop gegen OpenRouter (Chat Completions + Tools) ist in C# klein und ohne neue Abhängigkeit machbar (HttpClient + System.Text.Json). Der Agent bekommt: 1. **System-Kontext:** ein kuratiertes, versioniertes Dokument `docs/analyse/ARCHITEKTUR-KONTEXT.md` („So funktioniert PolyTrader": Module, Entscheidungswege, Reason-Codes, Limits, Leiter-Mechanik, bekannte Eigenheiten). KEIN Code-Dump — destilliertes Verhalten. Wird bei Änderungen am Geld-Pfad mitgepflegt (Checkliste). 2. **Read-only-Tools** (Registry im Supervisor-Modul): - `query_trades(filter)` — Core-Trade-Log - `query_decisions(filter)` — Entscheidungsjournal (inkl. Rejects!) - `get_dossier(signalId | tokenId+account)` — das komplette Dossier - `read_logs(zeitraum, level, correlationId, textfilter)` — JSONL-Logs - `get_ledger(account, zeitraum)` + `get_ledger_diff(...)` — Plattform vs. eigene DB (Accounting) - `get_kpis(scope)` — TradeAnalytics - `get_architecture_context()` — das Kontext-Dokument - **Predictalytics-Tools** (`query_predictalytics_*`): historische Trade-Daten fremder Trader, Master-Historien, Markt-Statistiken aus unserem Predictalytics-Tool (dessen API wir ohnehin integrieren). Analytisch besonders wertvoll: **„schlechtes Signal" von „schlechter Ausführung" trennen** — z. B. Master-Fill vs. unser Fill (Latenzkosten) oder unser Ergebnis vs. das anderer Trader im selben Markt (Benchmark). Architektur: `IPredictalyticsClient` im **Core** (auch Trading-Module nutzen ihn später, z. B. Master-Auswahl/AI-Rating); der Supervisor konsumiert ihn nur read-only. Eigener Egress-Eintrag (unsere eigene API, aber dokumentiert). **Hart: KEIN Tool kann handeln, canceln oder schreiben.** Der Supervisor ist Beobachter. **Analyse-Modi:** - **Einzeltrade-Forensik:** „Erkläre Trade X" → Dossier → Modell begründet mit Daten. - **Batch-/Muster-Analyse:** „Alle Verlierer der letzten 14 Tage → gemeinsame Faktoren?" (Kategorie? Uhrzeit? Master? Preisband? Latenz? Leiter-Floor-Fälle?) - **Counterfactual:** „Was wurde abgelehnt und wie ist der Markt ausgegangen?" (Journal × Resolution). - **Reconciliation-Anomalien:** DB ↔ Plattform-Differenzen erklären lassen. - **Täglicher Supervisor-Bericht** (später): Kurzfassung via Threema. **MCP-Server-Light: ja, aber als Phase S-4.** Dieselbe Tool-Registry zusätzlich über einen lokalen MCP-Endpoint exponieren → dann können auch externe Clients (Claude Code/Desktop) direkt gegen die laufende App analysieren. Architektonisch nur ein zweiter Transport über dieselben Tools — deshalb lohnt es, die Registry von Anfang an transport-agnostisch zu bauen. --- ## 3. Frage 3 — Core- oder Modulebene? Hybrid. - **Datenfundament = Core.** Journal, Order-Events, SignalId, JSONL sind Core-Contracts (wie der generische Trade-Log heute); alle Module schreiben hinein (Dual-Write-Muster existiert bereits). - **Analyse = modulübergreifend.** Profitabilität ist eine Frage über Module/Accounts hinweg — genau wie das Dashboard. - **Modul-Spezifisches via Contract:** Core definiert `IAnalysisContextSource` (liefert z. B. RF-Kandidaten-Kontext oder Copytrading-Master-Kontext zu einem Dossier); Module registrieren Implementierungen per DI; der Supervisor konsumiert alle. So bleibt „Module kennen einander nicht" gewahrt (beide Seiten referenzieren nur den Core). ## 4. Frage 4 — Unterbringung: eigenes Modul „Supervisor" `src/PolyTrader.Modules.Supervisor/` als `IPolyTraderModule` (`Name="Supervisor"`, `DbPrefix="sup_"`), Registrierung in `Program.cs`, referenziert nur den Core. Eigenes Fenster (Muster RF/Copytrading): - Tab **Analyse** (Chat mit dem Agenten, Tool-Aufrufe sichtbar/expandierbar — Nachvollziehbarkeit!) - Tab **Dossier-Browser** (Trade/Signal auswählen → Dossier ansehen, auch ohne KI) - Tab **Berichte** (gespeicherte Analysen/Tagesberichte, `sup_reports`) - Tab **Settings** (API-Key, Modellwahl je Aufgabe, Kosten-/Tokenbudget, Bericht-Zeitplan) Warum Modul statt Core-Fenster: passt ins etablierte Muster (eigene Persistenz `sup_reports`/ `sup_conversations`, eigene Settings, eigener Launcher-Button), hält die KI-Abhängigkeit aus dem Core heraus und ist einzeln abschaltbar. ## 4a. Supervisor-„Team": Profile statt getrennter Agenten Die Idee (technischer Supervisor + je Modul ein Strategie-Supervisor) ist richtig — aber als **Profile über EINER gemeinsamen Infrastruktur**, nicht als getrennte Agenten/Fenster/Prozesse: | Profil | Fokus | Tools (Subset) | Kontext | |---|---|---|---| | **Technik-Supervisor** | Fehler-/Warning-Muster in Logs, Job-Health, API-Ausfälle, Latenzen, Reconciliation-Differenzen — KEINE Strategie-Meinung | read_logs, get_ledger_diff, query_order_events | Architektur-Doku | | **CopyTrading-Supervisor** | Master-Qualität vs. Ausführungsqualität, Leiter-Verhalten, Reject-Muster | query_decisions, get_dossier, Predictalytics (Master-Historie) | + CopyTrading-Kontextabschnitt | | **ResolutionFarming-Supervisor** | Kalibrierung (Winrate je Preisband vs. Erwartung), Cluster-Risiken, Scanner-Rejects | query_decisions, rf-Kontext, get_kpis | + RF-Kontextabschnitt | | *(später)* **Chef-Supervisor** | fasst die Einzelberichte zusammen | die Berichte der anderen | Gesamtsicht | Ein Profil = System-Prompt + Tool-Subset + Zeitplan + Modellwahl. Gleiche Registry, gleicher Agent- Runner, gleiche UI (Profil-Auswahl im Analyse-Tab; Berichte je Profil). Modul-Wissen kommt über die `IAnalysisContextSource`-Registrierung der Module — ein neues Modul bringt seinen Supervisor-Kontext selbst mit, ohne dass der Supervisor es kennt. **Bewusst NICHT (v1):** Agent-zu-Agent-Orchestrierung/Diskussionen — teuer, schwer debugbar, wenig Mehrwert. Profile laufen unabhängig (on-demand oder per Zeitplan); der „Chef" liest nur deren Berichte. ## 5. API-Key: ja, getrennt **Separater OpenRouter-Key für den Supervisor** (getrennt von künftigen Trading-Modul-Keys wie dem AI-Markt-Rating): 1. **Kostenzuordnung** — Forensik-Sessions können tokenintensiv werden; sauber getrennt sichtbar. 2. **Spend-Limits je Key** bei OpenRouter → ein Analyse-Amok kann nie das Trading-Budget fressen (und umgekehrt). 3. **Unabhängige Rotation/Sperrung** (Incident-Response, siehe Sicherheitskonzept). 4. **Modellwahl je Aufgabe:** Routineberichte mit günstigem Modell, Tiefen-Forensik mit starkem Modell — je Aufgabe konfigurierbar. **Ablage:** beide Keys über die vorhandene `SecretProtection` (F1-Mechanik) verschlüsselt — nicht im Klartext in DB/Config. ## 6. Sicherheit (Verzahnung mit docs/sicherheit) - **OpenRouter = NEUER externer Datenempfänger.** Bewusste Erweiterung der Egress-Allowlist (§5.3 im Sicherheitskonzept) + Dokumentation dort. Es verlassen uns: Trade-/Entscheidungs-/Log-Daten (Wallet- Adressen sind ohnehin öffentlich on-chain). **Redaction-Schicht vor dem Versand:** niemals Secrets/ Keys/Connection-Strings in Tool-Antworten (Log-Reader filtert Muster; Secrets stehen per F6-Prüfung ohnehin nicht in Logs — Doppelboden bleibt). - **Read-only by design:** kein Order-/Schreib-Tool. Damit ist auch Prompt-Injection über Fremdtexte (Marktfragen in Dossiers) auf „falsche Analyse" begrenzt, kann aber nie handeln. - Tool-Aufrufe des Agenten werden geloggt (sup_-Tabelle) — der Supervisor ist selbst auditierbar. ## 7. Phasen - **S-0 Datenfundament (Core):** `core_decision_journal` + ReasonCode-Enum + `SignalId`-Durchreichung + `core_order_events` + JSONL-Sink + **Log Viewer im Terminal**. Engine/Leiter/Monitor/RF schreiben strukturiert. Pure Logik + Tests; Migrationen offline. **Sofortnutzen ohne KI** (abfragbare Rejects, Log-Forensik per CorrelationId, Zielland-Debugging). - **S-1 Dossier:** Generator (pur, testbar) + Dossier-Browser-UI (Modul-Skelett Supervisor). - **S-2 Agent:** OpenRouter-Client, Tool-Registry (read-only, transport-agnostisch), Analyse-Chat-Tab mit **Profil-Auswahl** (zunächst 1 Profil „Allgemein"), Architektur-Kontext-Dokument. - **S-3 Team & Berichte:** Technik-/Modul-Supervisor-Profile, Batch-Analysen, Counterfactual-Report, täglicher Threema-Bericht; `IPredictalyticsClient` (Core) + Predictalytics-Tools. - **S-4 MCP-Light (optional):** Tool-Registry zusätzlich als lokaler MCP-Server für externe Clients. ## 8. Offene Entscheidungen (Richard) 1. **Start mit S-0 sofort?** (Empfehlung: ja — nützt auch ohne KI und VOR dem Live-Start; alles Weitere baut darauf.) 2. Counterfactual-Tracking („was wäre aus Rejects geworden") von Anfang an im Journal vorsehen (Resolution-Nachverfolgung abgelehnter Signale) oder später? 3. Modellwahl-Defaults (günstig vs. stark) und Tokenbudget/Monat für den Supervisor. 4. Tagesbericht via Threema gewünscht (S-3)? 5. Text-Log-Sink nach Etablierung des Log Viewers abschalten (nur noch JSONL) oder dauerhaft dual? 6. Predictalytics-API: Auth/Key-Mechanik und welche Endpoints der Supervisor bekommt (read-only-Subset). ## Ergänzungen Richard (2026-07-16, eingearbeitet) - ✅ Predictalytics-Daten als Analyse-Quelle (§2, `IPredictalyticsClient` im Core, S-3). - ✅ Supervisor-„Team" — als Profile über einer Infrastruktur statt getrennter Agenten (§4a). - ✅ Reasoning/Logs KI-freundlich als JSONL + menschenlesbarer Log Viewer im Terminal (§1, S-0).