Stonkfly ist eine Open-Source-Simulation, in der ein rekonstruierter Nervengraph einer männlichen Fruchtfliege öffentliche BTC-USDC-Marktdaten als RGB-Kerzenchart verarbeitet und daraus Kauf-, Verkaufs- oder Haltevorschläge ableitet. Das macht das Projekt zu einem bemerkenswerten Softwareexperiment – nicht zu einem nachgewiesenen profitablen Handelssystem.
Ein virtuelles Fliegenhirn vor dem Kryptochart
Im Zentrum steht MaleCNS v1.0, ein digitaler Graph des Nervensystems einer männlichen Fruchtfliege. Stonkfly führt diesen Graphen mit einer Trading-Schnittstelle und Marktdaten zusammen. Ein fester neuronaler Readout übersetzt die Aktivität des simulierten Nervensystems in die drei möglichen Ausgaben: kaufen, verkaufen oder halten.
Wichtig ist die Trennlinie: Das Modell simuliert eine beschriebene neuronale Verschaltung. Es ist weder eine lebende Fliege noch ein biologisches Gehirn im Rechner. Die technische Architektur kann deshalb interessant sein, ohne dass daraus automatisch Verständnis für Märkte oder eine verlässliche Handelsleistung folgt.
Welche Daten der virtuelle Beobachter sieht
Stonkfly speist keine einfachen Preiszahlen direkt in das neuronale Modell ein. Öffentliche Coinbase-Preise werden zunächst lokal als RGB-Kerzenchart dargestellt. Die visuellen Eingaben erhalten anschließend Helligkeits- und Farbinformationen aus diesem Bild.
Die Darstellung wird mit einer Auflösung von 320 × 180 Pixeln beschrieben. Auf der Implementierungsebene nennt das Projekt 3.335 Helligkeitseingaben und 811 R8-Farbeingaben. Diese Angaben beschreiben unterschiedliche Ebenen der Schnittstelle; daraus folgt keine Eins-zu-eins-Zuordnung jedes Pixels zu genau einer Eingabe.
Der entscheidende Kniff ist damit klar: Das simulierte Nervensystem „sieht“ eine grafische Darstellung des Marktes, nicht eine Tabelle mit Zahlen. Aus dem Bildsignal entstehen anschließend die Aktionsvorschläge.
Verstärkung statt Magie
Gewinne und Verluste werden im Modell als technische Verstärkungssignale verarbeitet. Positive Portfolioentwicklung aktiviert 15 identifizierte PAM11-Dopaminzellen, negative Portfolioentwicklung zwei PPL101-Zellen mit aversiver Funktion.
Diese Signale sind im Projekt eigens konstruiert. Sie sind keine modellierten Schmerzrezeptoren und kein Beleg für Schmerz, Lust, Bewusstsein oder eine biologische Reproduktion des Fliegenhirns. Außerdem bedeutet eine positive Rückmeldung nicht, dass der letzte Vorschlag die Ursache des Gewinns war. Sie ist zunächst nur ein Signal innerhalb der Simulation.
Was in der Architektur steckt
| Bereich | Stonkfly | Bedingung oder Umfang |
| Neuronales Modell | MaleCNS v1.0 | Simulierter Nervengraph einer männlichen Fruchtfliege |
| Knoten | 166.700 Neuronen | Struktur des verwendeten Graphen |
| Gerichtete Verbindungen | 25.582.938 | Direkte Verbindungen im Graphen |
| Synaptische Kontakte | 124.177.617 | Separater Zählwert, nicht gleichbedeutend mit den gerichteten Verbindungen |
| Marktdaten | Öffentliche BTC-USDC-Preise | Darstellung als RGB-Kerzenchart |
| Visuelle Darstellung | 320 × 180 Pixel | Beschriebene Chart-Anzeige |
| Ausgaben | Kaufen, verkaufen oder halten | Fester neuronaler Readout |
| Positive Verstärkung | 15 PAM11-Dopaminzellen | Technisches Signal bei positiver Portfolioentwicklung |
| Aversive Verstärkung | 2 PPL101-Zellen | Technisches Signal bei negativer Portfolioentwicklung |
Die Zahlen zeigen, wie detailliert die digitale Verschaltung beschrieben ist. Sie sagen aber nicht, dass der Graph eine vollständige Kopie lebender Physiologie darstellt. Anatomische Verdrahtung ist eine strukturelle Einschränkung – kein Nachweis für biologisches Verhalten.
Kein Beweis für profitable Trades
Stonkfly kann eine ungewöhnliche Verarbeitungskette ausführen: Marktdaten werden grafisch codiert, visuelle Eingaben laufen durch den simulierten Nervengraphen und ein Readout erzeugt eine Handelsaktion. Profitables Lernen und echte Trading-Fähigkeit sind damit nicht nachgewiesen.
Auch ein möglicher Gewinn in einer einzelnen Phase würde für sich genommen keine belastbare Handelsstrategie belegen. Dafür bräuchte es eine reproduzierbare quantitative Bewertung unter klaren Bedingungen. Genau diese Schlussfolgerung liefert die beschriebene Architektur nicht.
Der praktische Wert des Projekts liegt daher vorerst im Experimentieren mit Connectome-Simulationen, visueller Kodierung und künstlichen Verstärkungssignalen. Wer daraus eine Anlageempfehlung ableitet, würde deutlich mehr behaupten, als Stonkfly derzeit hergibt.
Voraussetzungen für den lokalen Betrieb
Für den Betrieb nennt das Projekt macOS und Linux, Python 3.11, einen C++17-Compiler und 16 GB Arbeitsspeicher als empfohlene Ausstattung. Das macht Stonkfly zu einem technischen Forschungs- und Bastelprojekt für den lokalen Rechner – nicht zu einem fertigen Finanzprodukt für den Alltag.
Unterm Strich ist Stonkfly vor allem deshalb interessant, weil es eine klar beschriebene digitale Nervenschaltung auf eine ungewöhnliche Aufgabe ansetzt. Der spannende Teil ist die Übersetzung von BTC-USDC-Daten in visuelle Signale und neuronale Ausgaben. Die große Behauptung – dass ein virtuelles Fliegenhirn dadurch profitabel handeln kann – bleibt dagegen unbewiesen.
