Mein Trading-Setup: Hardware, Software, Workflows.

Ein Trader-Setup ist Ausdruck der Strategie. Wer 50 Trades am Tag macht, braucht ein anderes Setup als jemand, der zweimal pro Woche ein Signal bekommt. Hier ist meins — nach zehn Jahren in der Praxis konsolidiert auf das, was wirklich zählt.

Hardware.

• Hauptmaschine: MacBook Pro M4 Max mit 64 GB RAM. Für 95 % der Arbeit (Code, Backtests, Analyse, Schreiben) reicht das mehr als aus.
• Zweiter Monitor: 32 Zoll 4K, vertikal aufgestellt. Code und Charts links, Browser/Dokumente rechts. Drei oder mehr Monitore: Statussymbol, kein Produktivitätsgewinn.
• VPS für Live-Strategien: zwei Hetzner-CX22-Instanzen (4 vCPU, 8 GB), eine als Hauptsystem in Falkenstein, eine als Hot-Standby in Helsinki. Latenz unter 50 ms zu den meisten Brokern.
• Backup-Internet: 5G-Mobilfunk-Router parallel zum DSL. Wenn die Glasfaser ausfällt — was selten ist, aber passiert — schalte ich um, ohne dass eine Strategie offline geht.
• Eigene Hardware-Wallet für Krypto-Bestände (Ledger Nano X). Cold Storage, nicht ans Internet angeschlossen.

Was ich nicht habe: spezielle „Trader-PCs" mit 8 Bildschirmen. Stehtisch ja — aber kein RGB-Beleuchtetes Gaming-Setup. Das Setup soll funktionieren, nicht beeindrucken.

Software-Stack.

Trading & Plattformen

• MetaTrader 5: für MQL5-EAs, vor allem Forex und CFD-Strategien. Lizenz über ICM Capital.
• Interactive Brokers TWS + Gateway: für Aktien, Optionen, Futures global. Python-Anbindung über ib_insync.
• Bybit/Binance: für Krypto, primär API-getrieben mit eigenen Python-Bots.

Code & Analyse

• Cursor (basierend auf VS Code) mit Claude Opus 4.7 als KI-Assistent. Hat die Geschwindigkeit, mit der ich Strategie-Code schreibe, um Faktor 3 erhöht — vor allem für ML-Pipelines und Backtest-Frameworks.
• Python 3.12 mit den üblichen Verdächtigen: pandas, NumPy, scikit-learn, PyTorch, XGBoost, vectorbt für Backtesting, statsmodels für ökonometrische Modelle.
• JupyterLab für Forschung und schnelles Prototyping. Aber: produktive Strategien laufen nie aus Notebooks — immer als reguläre Python-Skripte.
• Git mit privatem GitHub-Org. Jede Strategie hat ihr eigenes Repo mit klarem Branching-Modell: main = live, dev = paper-trading, Feature-Branches für Experimente.

Daten

• Norgate Data für Aktien-Historien (US, ASX, TSX). Survivorship-bereinigt, Splits/Dividenden sauber.
• Refinitiv über einen institutionellen Zugang für Tick-Daten und Fundamentaldaten.
• Polygon.io für Echtzeit-Aktien-Daten in der Entwicklung.
• Alpha Vantage als Backup für FX und globale Indizes.
• IBKR als Live-Datenquelle für aktive Strategien.

Monitoring & Infrastruktur

• Prometheus + Grafana auf dem VPS für Strategie-Metriken (P&L, offene Positionen, Latenz).
• Sentry für Error-Tracking. Wenn eine Strategie crasht, weiß ich es sofort.
• PagerDuty für Alerts mit Eskalation: SMS, wenn ein kritischer Alert über 5 Minuten nicht acknowledgt ist.
• n8n für Workflow-Automatisierung (Daily-Reports per E-Mail, Backtest-Trigger, etc.).

Knowledge & Schreiben

• Notion für Strategie-Dokumentation, Trade-Journal, Mandanten-Wissensbasen.
• Obsidian für persönliche Notizen und Recherche — Markdown-basiert, lokal, durchsuchbar.
• Claude als Sparringspartner für Strategie-Diskussion und Code-Review. Nicht für Trading-Signale — KI-Halluzinationen in dem Bereich sind ein bekanntes Problem.

Tagesablauf.

Es gibt zwei verschiedene Tage in meinem Setup: Markt-Tage und Strategie-Tage.

Markt-Tag (Mo–Fr)

• 07:30: Daily-Report aller Strategien per E-Mail anschauen. P&L, neue Positionen, Errors. 10 Minuten, nicht mehr.
• 08:00–13:00: Tiefarbeit — Strategie-Entwicklung, Mandanten-Calls, Code-Reviews. Markt-Charts werden in der Zeit nicht angesehen.
• 13:00–15:00: Mittag, Sport. Trade-Aktivität ist niedrig — wenn etwas Wichtiges passieren würde, käme ein Alert.
• 15:00–18:00: weitere Tiefarbeit oder Mandanten-Meetings. Bei US-Open (15:30 deutsche Zeit) bin ich beobachtend, nicht aktiv.
• 18:00–19:00: Tages-Review. Welche Trades wurden ausgeführt, lief alles wie erwartet, gibt es Anomalien? Trading-Journal-Eintrag bei besonderen Ereignissen.

Strategie-Tag (Sa)

• Vormittag: Wochenrückblick aller Strategien. Performance gegen Erwartungen, Drawdown-Status, ungewöhnliche Trades analysieren.
• Nachmittag: Experimente, neue Ideen, Backtests. Hier passiert die eigentliche Verbesserung des Systems.
• Sonntag: bewusst frei. Märkte sind zu, Strategien laufen weiter ohne mich. Wenn ich am Sonntag arbeite, ist etwas in der Woche schiefgelaufen.

Was ich vor 5 Jahren noch hatte und heute nicht mehr brauche.

• TradingView Pro+: schöner Charts, aber für systematisches Trading nicht nötig. Python-Plots reichen für Analyse, MT5-Charts für visuelle Verifikation.
• Mehrere Bloomberg-ähnliche Terminals: für Retail/Quant-Trader Overkill. News bekomme ich über strukturierte APIs, nicht über Terminal-Tickers.
• Forum- und Discord-Mitgliedschaften: 95 % Lärm. Wer wirklich Edge hat, teilt ihn nicht im Discord. Habe es auf drei kuratierte Newsletter reduziert.
• 10 verschiedene Backtest-Plattformen: eigenen Code geschrieben. Reicht und macht keine Compliance-Probleme bei Mandanten-Projekten.

Das wichtigste Werkzeug.

Klingt banal, ist aber wahr: Routine. Die immer gleichen Schritte zur immer gleichen Zeit. Das gibt Raum für die Variabilität, die Märkte und Mandanten-Themen sowieso mitbringen. Wer jeden Tag mit „muss ich heute den Markt anschauen oder nicht" anfängt, hat schon verloren.

Und: ein Notizbuch auf dem Schreibtisch. Analog, Stift. Dort landen Ideen, Hypothesen, „muss-ich-mal-testen". Was es nicht ins Notizbuch schafft, wird auch nichts. Was es schafft und nach einer Woche immer noch interessant aussieht, wird zum Backtest.

Sie wollen Ihr eigenes Trading-Setup professionalisieren? Erstgespräch buchen — wir schauen, wo Sie Zeit, Tools oder Klarheit gewinnen.