MEV-Lab – Interaktive Lernakademie für Maximal Extractable Value

DIE IDEE

MEV-Lab – Interaktive Lernakademie für Maximal Extractable Value

Typ: Software Status: Beta Tech Stack: Python, FastAPI, Pydantic, py-evm (eth-tester), web3, py-solc-x (solc 0.8.20), Solidity, React, TypeScript, Vite, Tailwind CSS v4, Recharts, Vitest, Playwright, Docker, Nginx Problemstellung Maximal Extractable Value ist konzeptionell schwer zugänglich, weil es Kryptoökonomie, Spieltheorie und Implementierungsdetails — EVM-Semantik, AMM-Mathematik, Auktionsmechanismen — gleichzeitig verbindet. Beschreibungen allein machen nicht erfahrbar, warum Reihenfolge, Sichtbarkeit und Ausführung von Transaktionen wirtschaftliche Angriffsflächen schaffen. Dafür braucht es einen Aufbau, an dem sich die Mechanik am eigenen Regler nachvollziehen lässt — deterministisch, ohne Wallet und ohne echtes Kapital. Beschreibung Ein lokales, browserbasiertes Lernsystem, das Maximal Extractable Value (MEV) und angrenzende DeFi- und Blockchain-Sicherheitsthemen über mehr als ein Dutzend interaktive, deterministische Simulationslabors vermittelt — vom klassischen AMM-Sandwich-Angriff über Liquidationen, Liquidationskaskaden und Oracle-Backruns bis zu CLMM/JIT/LVR, mehrstufigen Intent- und Solver-Auktionen, Builder- und PBS-Blockbau sowie Cross-Domain-Finalität und Atomicity. Herzstück ist eine analytische Python-Engine, deren Ergebnisse gegen eine echte, in-process laufende EVM (kompilierte Solidity-Contracts) test-verifiziert wei-identisch sind, wodurch schnelle Live-Slider-Interaktion und belegbare Exaktheit zusammenkommen. Um die Labors herum liegt eine vollwertige Lernstruktur: ein geführtes Curriculum mit Quizzes, ein Mastery-Dashboard mit zeitversetzten Wiederholungen, eine Übungs-Arena mit fester Bewertungsrubrik, ein augenzwinkerndes lokales Abschlussprofil sowie ein Strategie-Atlas mit 19 MEV-Mechanismen in sechs Familien. Der gesamte Lernfortschritt bleibt lokal im Browser gespeichert und ist als validiertes JSON exportier- und importierbar; das Backend selbst ist zustandslos. Ausdrücklich kein Produktionswerkzeug: keine der Strategien oder Contracts ist für echte Schlüssel, reales Kapital oder ein Mainnet-Deployment gedacht. Anwendungsfall Ein interaktives Lernsystem, mit dem man am eigenen Regler versteht, wie die Reihenfolge und Sichtbarkeit von Blockchain-Transaktionen wirtschaftliche Angriffe ermöglicht — und wie man sich technisch dagegen schützt. Link: https://github.com/rawk7000/MEV-Bot (privates Repo) Start: Lernpfad in fünf Phasen mit Fortschritt und empfohlenem nächsten Schritt. Simulator: Sandwich-Ablauf von der Solo-Quote bis zur tatsächlichen Ausführung. Concentrated Liquidity Lab: Range, JIT-Anteil und Fee-Split mit Kausalpfad und Bilanz. Builder-Labor: Single-Slot-Auktion zwischen lokalem Blockbau und externen Builder-Bids. Arena: reproduzierbare Challenges in den Rollen Rookie, Searcher, Builder und Protocol. Strategie-Atlas: 19 Mechanismen nach Familie, Wertquelle und Risiko geordnet.