Künstliche Intelligenz (KI) und maschinelles Lernen (ML) werden zunehmend eingesetzt, um komplexe Muster in großen Datenmengen zu erkennen. Dr. Philipp Bach und das Team von Prof. Dr. Martin Spindler an der University of Hamburg Business School erforschen darüber hinaus, wie diese Technologien genutzt werden können, um kausale Zusammenhänge zu erkennen und valide Schlussfolgerungen über Ursache-Wirkung-Beziehungen zu ziehen. Ziel ist es, über bloße Vorhersagen hinauszugehen und KI-Modelle zur fundierten Entscheidungsunterstützung einzusetzen – sei es im medizinischen Bereich, bei politischen Maßnahmen oder im wirtschaftlichen Kontext. Die Herausforderung liegt dabei darin, trotz begrenzter Daten und statistischer Unsicherheit belastbare Kausalabschätzungen zu treffen. Dafür kommen spezialisierte Verfahren wie das „Double Machine Learning“ zum Einsatz, die maschinelles Lernen mit strengen statistischen Anforderungen kombinieren. In einem konkreten Projekt untersucht das Team etwa, wie sich Text- und Bilddarstellungen auf Online-Kaufentscheidungen auswirken – beispielsweise bei Spielzeugautos auf Verkaufsplattformen. Mithilfe neuronaler Netze und großer Sprachmodelle werden Zusammenhänge zwischen Produktdarstellung und Kaufverhalten analysiert, um Einblicke in die Zahlungsbereitschaft und Optimierungsmöglichkeiten für die Preisgestaltung zu gewinnen.
Literatur
Universität Hamburg (2025, 26. Juni). KI trifft Kausalität: Wie maschinelles Lernen beim Erkennen von Ursache-Wirkung hilft. https://www.uni-hamburg.de/newsroom/forschung/2025/0626-fv-43-bwl-ki-kausalitaet.html
Nachricht ::: Roboter Lexikon ::: Impressum
Datenschutzerklärung ::: © Benjamin Stangl :::