Vor allem in der Ökonometrie, die seit jeher mit statistischen und mathematischen Methoden versucht, wirtschaftliche Zusammenhänge zu analysieren, ist Causal ML bereits verbreitet. „Big-Tech-Companies wie Amazon oder Google verwenden diese Methoden ständig“, sagt Martin Huber, Professor für Angewandte Ökonometrie und Politikevaluation an der Universität Freiburg. „Allerdings steht da immer auch ein Mensch dahinter, der für jeden Anwendungsfall ein geeignetes kausales Modell erstellen muss.“ Auf diese Art lassen sich ganz normale, auf Mustererkennung trainierte Machine-Learning-Modelle so geschickt miteinander kombinieren, dass sich aus ihren Ergebnissen beispielsweise die Wirkung eines Gutscheins oder eines Rabatts auf das Kaufverhalten bestimmter Kundengruppen eruieren lässt. 
In einer eigenen, erst kürzlich veröffentlichten wissenschaftlichen Arbeit ist es Huber gemeinsam mit einer Kollegin aus Finnland gelungen, lediglich auf Basis öffentlich zugänglicher Daten eine solche „Impact Evaluation“ durchzuführen.
Den Artikel online lesen