Smart Money Concepts mit KI: Einen CHoCH-, BoS- und Fib-Bot in einfacher Sprache bauen

Smart Money Concepts gehört zu den analytisch anspruchsvollsten Trading-Stilen. Change of Character, Break of Structure, unmitigated Order Blocks, Fair Value Gaps, Liquidity Sweeps und Optimal-Trade-Entry-Zonen im Fib-Retracement zwischen 0,618 und 0,79 zu identifizieren, verlangt permanente Chart-Beobachtung, eine sauber gezeichnete Struktur und Geduld auf ein konfluentes Setup, das vielleicht einmal pro Tag auftaucht. Die meisten diskretionären SMC-Trader verpassen Setups, weil sie im entscheidenden Moment nicht am Bildschirm sind – oder nehmen das falsche Setup, weil sie unter Druck einen BoS mit einem CHoCH verwechseln. Ein KI-gebauter SMC-Bot löst beide Probleme: Er beobachtet jede Kerze, wendet die Regeln konsistent an und verwechselt nie ein Strukturmuster mit einem anderen.

Dieser Leitfaden zeigt, wie ein KI-gebauter Smart-Money-Concepts-Bot tatsächlich unter der Haube funktioniert – Strukturerkennung, OTE-Entry-Logik, Fib-Retracement-Mathematik, Scanning unmitigated Order Blocks – und wie du ihn in einfacher Sprache auf fomoed baust. Wir gehen jeden der sieben SMC-Bausteine durch, auf die die KI Zugriff hat, arbeiten eine komplette CHoCH-und-Fib-Strategie vom Prompt bis zum laufenden Bot durch und erklären, warum automatisierte Ausführung selbst geübte SMC-Chartisten in der diskretionären Praxis meist übertrifft.

Warum SMC plus KI ein Kraftverstärker ist

Das Schwierige am Smart-Money-Concepts-Trading ist nicht die Theorie. Die Theorie ist gut dokumentiert, und die meisten erfahrenen Trader erkennen auf einem sauberen Chart einen CHoCH oder einen unmitigated Bullish Order Block. Das Schwierige ist die Umsetzung: es konsistent durchzuziehen, auf dem Timeframe, den du dir vorgenommen hast, auf jedem Paar, das du dir vorgenommen hast, ohne Setups zu überspringen, weil du im richtigen Moment nicht zugesehen hast oder weil das Setup um 3 Uhr Ortszeit entstand.

Zwei Dinge ruinieren diskretionäres SMC-Trading. Erstens der Selection Bias – du erinnerst dich an die Setups, die funktioniert haben, und vergisst die, die es nicht taten, was deinen Blick darauf verfälscht, ob die Strategie wirklich profitabel ist. Zweitens der Execution Drift – du beginnst die Woche mit dem Vorsatz, nur A-Setups zu traden, und am Donnerstag steigst du in B-Setups ein, weil du gewartet hast und „endlich etwas tun" musst. Automatisierung behebt beides. Der Bot hat keinen emotionalen Zustand, in den er driften könnte, und jeder Trade – gewonnen oder verloren – landet in derselben Datenbank, jederzeit nüchtern überprüfbar, ohne rosarote Brille.

Neu ist, dass du den Bot nicht mehr selbst schreiben musst. Einen CHoCH algorithmisch zu erkennen, verlangt das korrekte Identifizieren von Swing Highs und Swing Lows, das Verfolgen der Struktur als HH-HL-LH-LL-Sequenz und das Erkennen, wann ein Close über das jüngste Lower High bricht (in einem bärischen Trend signalisiert das einen bullischen CHoCH). Das sind ein paar hundert Zeilen sorgfältiger Python-Code. Die meisten Retail-SMC-Trader haben das nie geschrieben; sie haben weiter diskretionär getradet und gehofft, das Muster visuell zu erwischen. Eine KI schreibt diese Detection-Schicht jetzt für dich – oder genauer: Sie komponiert gegen eine kampferprobte SMC-Bibliothek, die fomoeds Custom-Strategy-Engine innerhalb der Sandbox bereitstellt, damit die KI die Pivot-Erkennung nicht bei jeder Generierung neu erfinden muss.

Die sieben SMC-Bausteine, die der KI zur Verfügung stehen

Wenn du eine SMC-Strategie in einfacher Sprache beschreibst, erzeugt die KI ein Python-Skript, das in der sandboxed Runtime läuft. Das Skript schreibt seine eigene Pivot-Erkennung nicht selbst; es komponiert gegen eine kuratierte Helper-Bibliothek namens fomoed.smc, die sieben Bausteine bereitstellt. Jeder davon entspricht einem Konzept, das SMC-Trader kennen:

1. Swings. fomoed.smc.swings(highs, lows, lookback) gibt die Swing Highs und Swing Lows in der jüngsten Preishistorie zurück. Ein Swing High an Index i ist das höchste High in einem Fenster von i - lookback bis i + lookback. Der Lookback hat einen Default von 20 Kerzen, was für die meisten Timeframes funktioniert. Rückgabe ist ein Dict mit highs- und lows-Arrays, die jeweils Index und Preis jedes erkannten Pivots enthalten.

2. Structure. fomoed.smc.structure(highs, lows, lookback) nimmt die Swings und labelt sie als HH (Higher High), HL (Higher Low), LH (Lower High) oder LL (Lower Low). Rückgabe ist der aktuelle Trend (bullisch, bärisch oder neutral) plus die Strukturabfolge. Ein Bot kann damit prüfen: „Bin ich in einem Aufwärtstrend?", bevor er ein Long-Setup nimmt.

3. Break of Structure (BoS). fomoed.smc.bos(opens, highs, lows, closes, lookback) erkennt trendfortführende Breaks. Ein bullischer BoS ist ein starker Close über das jüngste Swing High in einem bullischen Trend; ein bärischer BoS ein starker Close unter das jüngste Swing Low in einem bärischen Trend. Das „stark" zählt – der Helper verlangt, dass der Body der Break-Kerze mindestens das 1,5-fache des rollenden 20-Bar-Durchschnittsbody beträgt, womit zähe Breaks ohne echte Displacement herausgefiltert werden.

4. Change of Character (CHoCH). fomoed.smc.choch(highs, lows, closes, lookback) erkennt trendumkehrende Pivots. Ein bullischer CHoCH ist ein Close über das jüngste Lower High, während der Trend bärisch war – ein Umkehrsignal. Ein bärischer CHoCH ist ein Close unter das jüngste Higher Low, während der Trend bullisch war. Das ist der SMC-Baustein, den die meisten diskretionären Trader mit dem BoS verwechseln. Der Helper trifft die Unterscheidung algorithmisch.

5. Order Blocks. fomoed.smc.order_blocks(opens, highs, lows, closes) liefert aktive (unmitigated) bullische und bärische Order-Block-Zonen. Ein Bullish OB ist die letzte bärische Kerze vor einer Displacement-Bewegung, die ein Swing High gebrochen hat; ein Bearish OB das Spiegelbild. Die Zonen verwenden gemäß ICT-Methodik den BODY (Open bis Close), nicht die volle Range inklusive Wicks. Nur Zonen, die seit ihrer Entstehung nicht wieder angelaufen wurden, werden zurückgegeben – sobald der Preis einen OB erneut antippt, gilt er als mitigated und fällt aus der Liste.

6. Fair Value Gaps (FVG). fomoed.smc.fvg(opens, highs, lows, closes, min_gap_pct) findet ungefüllte Drei-Kerzen-Imbalance-Muster. Ein bullischer FVG ist die Lücke zwischen dem High von Kerze i-1 und dem Low von Kerze i+1, wobei Kerze i die Displacement-Kerze dazwischen war. Der Parameter min_gap_pct filtert kleine Lücken (Default 0,2 Prozent des Preises). Jeder zurückgegebene FVG enthält einen fill_pct-Wert, der zeigt, wie viel der Lücke durch nachfolgende Wicks bereits geschlossen wurde.

7. Liquidity Sweeps. fomoed.smc.liquidity_sweeps(highs, lows, closes, sweep_depth_pct, reclaim_candles) erkennt Stop-Hunt-Muster: ein Wick unter ein Swing Low, gefolgt von einem Reclaim über das Level innerhalb der angegebenen Kerzenzahl (bullischer Sweep), oder das bärische Spiegelbild. Der Parameter sweep_depth_pct ist die minimale Durchstoßungstiefe, die als Sweep zählt, und filtert bloßes Anritzen heraus.

Zusätzlich zu den sieben SMC-Bausteinen kann die KI fomoed.fib für Fibonacci-Retracement-Mathematik nutzen: fib.retracement(swing_high, swing_low, level) gibt den Preis auf einem bestimmten Fib-Level zurück (0,5, 0,618, 0,705, 0,79, 0,886), fib.zones liefert ein Dict aller Standard-Level, und fib.in_zone gibt einen Boolean zurück: „Ist der Preis innerhalb von X Prozent der Swing-Größe nahe an diesem Fib-Level?"

Eine CHoCH-und-Fib-Strategie in einfacher Sprache, von Anfang bis Ende

Gehen wir eine reale Strategie vom Prompt bis zum laufenden Bot durch. Die Strategie: Umkehrungen traden, indem man auf einen bullischen CHoCH wartet und dann auf einen Pullback ins 0,705-Fib-Retracement des Impuls-Swings einsteigt. Take Profit am nächsten Swing High über dem Entry; Stop Loss am abgegrasten Low unter dem CHoCH.

Im AI Trading Agent-Schritt würdest du diesen Prompt schreiben:

„Long-Einstieg bei einem bullischen CHoCH, gefolgt von einem Pullback ins 0,705-Fib-Level des Breakout-Swings. Take Profit am nächsten Swing High über dem Entry. Stop Loss am jüngsten Swing Low unter dem CHoCH. Nur Long – keine Short-Seite."

Innerhalb weniger Sekunden zeigt der Review-Screen des Wizards die Interpretation der KI:

KI-Zusammenfassung: SMC-Trend-Reversal-Play. Wartet auf einen bullischen CHoCH – Preis schließt über dem jüngsten Lower High, während der Trend bärisch war, was eine Umkehr signalisiert. Anschließend wird beobachtet, ob der Preis ins 0,705-Fib-Retracement des Impuls-Swings (Low bis CHoCH-High) zurückläuft, das in der OTE-Zone liegt. Öffnet eine Long-Position in deiner konfigurierten Größe, sobald der Preis die Zone antippt. Take Profit am nächsten Swing High über dem Entry; Stop Loss am tiefsten Swing Low unter dem CHoCH (wo bei einer gescheiterten Umkehr Stops abgegrast würden). Nur Long – keine Short-Setups.

So funktioniert es:

1. Auf einen bullischen CHoCH warten – Preis schließt über dem jüngsten Lower High, während der Trend bärisch war (signalisiert Umkehr).

2. Nach dem CHoCH den Impuls-Swing messen (Low → CHoCH-High) und das 0,705-Fib-Retracement-Level berechnen.

3. Warten, bis der Preis in die 0,705-Fib-Zone zurückläuft (innerhalb von 0,5 Prozent der Swing-Größe).

4. Eine Long-Position in der konfigurierten Größe öffnen, sobald der Preis die Zone antippt.

5. Take Profit am nächsten Swing High über dem Entry oder Stop am tiefsten Swing Low (gesweepte Liquidität).

Du erkennst sofort, ob die KI die Strategie verstanden hat. Sieht etwas falsch aus, passt du den Prompt an und generierst neu. Sobald es deiner Intention entspricht, speicherst du, und der Bot startet beim nächsten Candle Close.

Was die KI tatsächlich schreibt (hinter den Kulissen)

Für die obige CHoCH-und-Fib-Strategie generiert die KI ein Python-Skript von etwa 30 bis 40 Zeilen, das in der Sandbox bei jedem Candle Close läuft. Es sieht ungefähr so aus (zur Lesbarkeit gekürzt):

def on_candle(ctx):
    if len(ctx.closes) < 100:
        return None

    # Exit logic if already in a position
    if ctx.position is not None:
        sw = fomoed.smc.swings(ctx.highs, ctx.lows, lookback=20)
        entry = ctx.position.entry_price
        price = ctx.closes[-1]
        # TP at next swing high above entry
        tp = next((s['price'] for s in reversed(sw['highs'])
                   if s['price'] > entry), None)
        # SL at most recent swing low below entry
        sl = next((s['price'] for s in reversed(sw['lows'])
                   if s['price'] < entry), None)
        if tp and price >= tp:
            return {'action': 'close', 'reason': f'TP swing-high {tp:.2f}'}
        if sl and price <= sl:
            return {'action': 'close', 'reason': f'SL swing-low {sl:.2f}'}
        return None

    # Entry logic: bullish CHoCH + fib pullback
    choch = fomoed.smc.choch(ctx.highs, ctx.lows, ctx.closes, lookback=20)
    bull = [c for c in choch if c['type'] == 'bullish_choch']
    if not bull:
        return None
    last = bull[-1]
    idx = last['index']
    if idx < 10:
        return None
    swing_low = float(ctx.lows[max(0, idx - 30):idx].min())
    swing_high = float(ctx.highs[idx:].max())
    if swing_high <= swing_low:
        return None
    price = ctx.closes[-1]
    if fomoed.fib.in_zone(price, swing_high, swing_low, 0.705,
                          tolerance_pct=0.5):
        return {
            'action': 'buy',
            'size_usd': ctx.user.position_size_usd,
            'reason': f"CHoCH @ {last['broken_level']:.2f}, fib 0.705 pullback",
        }
    return None

Endnutzer sehen diesen Code nie – sie sehen die KI-Zusammenfassung und die „So funktioniert es"-Schritte. Das Python wird serverseitig zur Nachvollziehbarkeit gespeichert und läuft in der sandboxed Runtime. Der Sinn, ihn hier zu zeigen, ist zu entmystifizieren, was die KI eigentlich produziert: kurze, fokussierte Logik, die die schwierigen Teile (Pivot-Erkennung, Fib-Mathematik, Strukturverfolgung) an die Helper-Bibliothek delegiert. Die KI erfindet SMC-Algorithmen nicht jedes Mal neu, wenn du einen Bot generierst – sie komponiert gegen dieselben kampferprobten Implementierungen, die das SMC-Preset verwendet.

Warum automatisiertes SMC dem diskretionären meist überlegen ist

Ein geübter menschlicher SMC-Trader und ein gut gebauter SMC-Bot zeichnen oft dieselbe Struktur in denselben Chart. Warum schlägt der Bot den Menschen über ein Mehrmonatsfenster trotzdem regelmäßig?

Konsistente Ausführung. Der Bot nimmt jedes A-Setup. Der Mensch nimmt die meisten. Schon ein verpasstes Setup pro Woche, über ein Quartal kumuliert, verändert die Rendite spürbar. Der diskretionäre Trader überspringt zudem eher ein Setup, das sich „komisch anfühlt", ohne zu artikulieren warum – manchmal ist das gutes Bauchgefühl, im Durchschnitt kostet es Geld.

Kein Look-Elsewhere-Bias. Menschen traden unbewusst im Kontext des breiteren Marktes – ein Setup wirkt schlechter, wenn BTC gerade gedumpt hat, und besser, wenn die anderen Positionen grün sind. Den Bot kümmert das nicht. Passen die Regeln, nimmt er den Trade.

Geduld bei Langeweile. SMC-Trader, die per Hand traden, lockern in ruhigen Wochen oft ihre Kriterien („Ich nehme dieses B-Setup, ich habe seit 4 Tagen nichts getradet"). Der Bot langweilt sich nicht. Bildet sich eine Woche lang kein A-Setup, bleibt er eine Woche lang flach. Genau diese Geduld macht die Strategie über die Zeit profitabel.

24/7-Überwachung. Setups entstehen nicht zu deinen Trading-Zeiten. Der beste CHoCH des Monats auf dem 4-Stunden-Chart feuert vielleicht um 3 Uhr Ortszeit. Der Bot ist wach. Du nicht.

Der Trade-off: Automatisiertes SMC verliert das Kontext-Urteil, das ein geübter Mensch mitbringt. Befindet sich der Gesamtmarkt klar im Bullen-Regime, würde ein menschlicher diskretionärer Trader die Hürde für Short-Setups vielleicht hochsetzen. Der Bot folgt stur den Regeln. Der Weg, das in einem automatisierten System abzubilden, ist, die Regime-Erkennung direkt in den Prompt zu schreiben – etwa: „Nimm Long-CHoCH-Setups nur, wenn BTC auf dem Tageschart über seinem 200-Tage-EMA notiert." Wenn du den Regime-Filter formulieren kannst, setzt die KI ihn um.

Risikomanagement ist eingebaut

Eine häufig geäußerte Sorge bei KI-generierten Trading-Bots lautet: „Was, wenn die KI die Position unverhältnismäßig groß macht oder massenhaft Orders platziert?" Fomoed löst das, indem Kapital-Entscheidungen von Strategie-Entscheidungen getrennt werden. Du setzt Positionsgröße, Hebel und Trading-Modus (Live oder Paper) im Money-Schritt des Wizards FEST, BEVOR du deinen Prompt schreibst. Der KI werden diese Werte als Constraints mitgeteilt, nicht als Variablen, die sie verändern könnte.

Wenn das KI-generierte Skript eine Aktion wie {'action': 'buy', 'size_usd': 100, ...} zurückgibt, klemmt der Sandbox-Supervisor die angeforderte Größe auf den im Wizard gewählten Wert. Hast du im Money-Schritt 50 USD gesetzt, die KI fordert aber 200 USD an, platziert die Plattform die Order mit 50 USD und loggt das Clamping. Der eigentliche execute_entry-Aufruf nutzt deine konfigurierte Positionsgröße, nicht den vom Skript angefragten Wert. Die KI kann dein Kapitallimit nicht überschreiben, selbst wenn sie wollte.

Derselbe Schutz greift bei Take Profit und Stop Loss. Die TP- und SL-Einstellungen aus dem Wizard steuern die Standard-Exit-Pipeline der Plattform; die „close"-Aktion der KI ist nur eine Ergänzung. Hast du im Wizard 2 Prozent Stop Loss gesetzt, feuert dieser Stop bei einem 2-Prozent-Rückgang, unabhängig davon, was das KI-Skript sagt. Die Rolle der KI ist, Entry-Intelligenz zu liefern, nicht deine Risikoregeln auszuhebeln.

Genau diese Trennung macht AI Trading Agent sicher für den Echtgeld-Betrieb. Die Strategie-Logik ist KI-generiert; das Risikomanagement ist Wizard-konfiguriert und plattformseitig erzwungen. Beides ist explizit entkoppelt.

Häufig gestellte Fragen

Kann die KI CHoCH und BoS automatisch erkennen?

Ja. Die Helper fomoed.smc.choch und fomoed.smc.bos erkennen beides algorithmisch, mit derselben Strukturverfolgungs-Logik, die auch das dedizierte SMC-Preset verwendet. Die KI erfindet die Erkennung nicht neu – sie komponiert gegen die bestehende Implementierung. Damit ist die Erkennungsqualität in KI-generierten Bots und in plattformseitig gebauten SMC-Bots konsistent.

Ist die KI besser als menschliche SMC-Trader?

Bei der Regelausführung: ja. Beim Kontext-Urteil: noch nicht. Der Bot ist konsistenter in den mechanischen Teilen des SMC-Tradings – Struktur korrekt zeichnen, unmitigated Order Blocks identifizieren, Fib-Retracement-Level berechnen, jedes qualifizierende Setup nehmen. Schlechter ist der Bot darin, breiteren Regime-Kontext zu integrieren, sofern dieser nicht explizit in den Prompt geschrieben wird. Der hybride Ansatz (KI übernimmt die Setup-Erkennung, du entscheidest, wie aggressiv du sie diese Woche traden lässt) schneidet meist besser ab als reine Automation oder reine Diskretion.

Wie behandelt die KI Fib-Retracement-Einstiege?

Das Modul fomoed.fib liefert die Retracement-Mathematik: Aus einem Swing High und einem Swing Low berechnet es den Preis auf jedem beliebigen Fib-Level (0,5, 0,618, 0,705, 0,79, 0,886). Der in_zone-Helper nimmt einen Toleranz-Prozentwert und gibt zurück, ob der aktuelle Preis innerhalb dieser Toleranz an einem Fib-Level liegt. KI-generierte Bots warten typischerweise, bis der Preis ein bestimmtes Fib-Level antippt (häufig 0,705 oder 0,79 – die OTE-Zone), bevor sie einsteigen. Mehrere Fib-Level lassen sich parallel prüfen; die KI baut die passende Logik aus deiner Beschreibung.

Kann ich eine KI-SMC-Strategie backtesten?

Ja. Paper Trading führt dasselbe KI-generierte Skript gegen Live-Marktdaten mit simulierter Ausführung aus – ohne Kapitalrisiko. Das ist der empfohlene Weg, eine neue SMC-Strategie vor dem Live-Gang zu validieren, gerade weil SMC-Setups timeframe-sensitiv sein können (eine Strategie, die auf dem 1-Stunden-Chart läuft, läuft nicht zwingend auf 5 Minuten). Die fomoed-Backtest-Sandbox lässt Strategien zusätzlich gegen historische Daten laufen, für schnellere Iteration.

Was ist mit Order Blocks und Fair Value Gaps?

Beides ist über fomoed.smc.order_blocks und fomoed.smc.fvg verfügbar. Order Blocks geben unmitigated Zonen mit body-basierten Grenzen zurück; der Helper verwirft Zonen automatisch, sobald der Preis sie angetippt hat. FVGs liefern ungefüllte Drei-Kerzen-Lücken mit einem fill_pct-Attribut, sodass das KI-generierte Skript entscheiden kann, ob eine teilweise gefüllte Lücke noch zählt. Beide Helper nutzen dieselbe Erkennungslogik wie das SMC-Preset, sodass das Verhalten plattformweit konsistent ist.

Kann ich SMC mit anderen Strategien kombinieren?

Ja – und genau hier glänzt AI Trading Agent gegenüber fixen Presets. Eine typische Confluence-Strategie könnte lauten: „Bullischer CHoCH plus RSI nicht überkauft plus Preis in einem unmitigated Bullish Order Block plus kein jüngerer Bearish FVG über dem aktuellen Preis." Die KI übersetzt diese Konfluenz in die passenden Aufrufe (fomoed.smc.choch, ctx.indicators.rsi, fomoed.smc.order_blocks, fomoed.smc.fvg) und verknüpft sie in der Entry-Bedingung. Das SMC-Preset allein kann diese domänenübergreifende Konfluenz nicht so leicht abbilden; AI Trading Agent ist genau dafür gemacht.

Wie geht der Bot mit einem CHoCH um, der vor dem Fib-Pullback invalidiert wird?

Das KI-generierte Skript wertet die Entry-Bedingungen bei jedem Candle Close neu aus. Feuert ein bullischer CHoCH, aber der Preis läuft nicht ins 0,705-Fib-Level zurück, sondern rast davon, steigt der Bot nicht ein. Wird der CHoCH invalidiert (Preis schließt wieder unter dem gebrochenen Level), reflektiert der nächste fomoed.smc.choch-Aufruf das, und der Bot agiert nicht auf einem veralteten Signal. Der Zustand wird in jedem Tick aus den aktuellen Marktdaten neu berechnet, nicht über Ticks hinweg stateful gehalten.

Bau deinen ersten SMC-Bot

Der schnellste Weg zu verstehen, wie AI Trading Agent mit SMC umgeht, ist sich zu registrieren, im Wizard AI Trading Agent als Strategie auszuwählen und einen Prompt wie den in diesem Leitfaden einzufügen. Nutze für deinen ersten Bot den Paper-Trading-Modus – die Strategie läuft gegen Live-Marktdaten, ohne dass echtes Kapital eingesetzt wird, und du kannst beobachten, wie oft die Setups auf deinem gewählten Paar und Timeframe tatsächlich feuern.

Für den breiteren Kontext, was AI Trading Agent jenseits von SMC kann, siehe unseren Pillar-Guide zu KI-gebauten Trading-Bots. Für einen Vergleich, welches Strategie-Preset zu welcher Marktphase passt, deckt der Strategie-Vergleichs-Guide das gesamte Spektrum ab.

Weiterführende Ressourcen

• Kostenlos mit dem Trading starten
• Trading-Bot mit KI in einfacher Sprache bauen
• Paper Trading: SMC-Strategie risikofrei testen
• Beste Krypto-Bot-Strategie 2026