AfFinE

Eine gut gelaunte, aber ernst gemeinte Zusammenfassung eines aktuellen Essays Der Aufsatz „Will AI Improve Undergraduate Economics Education?“ von Matthew E. Kahn liest sich wie ein ehrlicher Lagebericht aus dem Inneren der universitären Lehre. Es ist geschrieben von jemandem, der sein Fach liebt, aber sehr genau sieht, dass „weiter so“ keine Option mehr ist. Kahn argumentiert nicht technikverliebt, sondern ökonomisch: KI ist ein neuer Produktionsfaktor im Bildungsprozess. Die entscheidende Frage ist nicht, ob sie genutzt wird, sondern wie . Das Grundproblem: Studierende, KI und zu wenig Zeit Kahn startet mit einer unbequemen Beobachtung: Viele heutige Studierende sind schlechter vorbereitet als frühere Kohorten. Weniger mathematische Grundlagen, geringere Konzentrationsfähigkeit, Lernlücken durch COVID. All das trifft auf ein Studium, das sich strukturell kaum verändert hat. Gleichzeitig ist KI immer verfügbar, geduldig, g...

In meinem früheren Beitrag habe ich versucht, das viel diskutierte Szenario aus dem Citrini Research Paper modelltheoretisch einzuordnen. Dort wird ein möglicher KI-bedingter Wirtschaftskollaps skizziert, allerdings ohne ein explizites makroökonomisches Modell. Um diese Argumentation analytisch greifbar zu machen, habe ich in meinem Beitrag ein einfaches makroökonomisches Rahmenmodell formuliert. Dieses zeigt: Unter bestimmten, allerdings sehr extremen, Parameterkonstellationen kann selbst ein positiver KI-Produktivitätsschock zu einem Rückgang des realisierten Outputs führen. Der zugrunde liegende Mechanismus basiert auf einer Kombination aus einem starken Rückgang des Arbeitsanteils am Einkommen, heterogenen marginalen Konsumneigungen der Haushalte, sowie möglichen Finanzverstärkungsmechanismen. Meine eigene Einschätzung ist allerdings: Solche Parameterkonstellationen sind theoretisch möglich, aber empirisch sehr unwahrscheinlich. Der Wert eines solchen Modells liegt nicht darin, ei...

Kaum ein Thema elektrisiert so zuverlässig wie der Beamtenstatus für Professorinnen und Professoren. Lebenszeitverbeamtung, sichere Pension, faktische Unkündbarkeit [ Link , Link , Link ]. Das klingt nach einem Relikt aus einer anderen Zeit. In Zeiten knapper öffentlicher Kassen stellt sich daher die Frage: Ist das noch gerechtfertigt? Die ökonomische Antwort ist weniger eindeutig, als viele vermuten. Der Beamtenstatus ist kein Zufall. Er erfüllt eine Funktion. Erstens schützt er die Wissenschaftsfreiheit. Artikel 5 Grundgesetz garantiert die Freiheit von Forschung und Lehre. Diese Freiheit ist nur glaubwürdig, wenn Professoren nicht um ihren Arbeitsplatz fürchten müssen, sobald ihre Forschung politisch unbequem wird. Der Beamtenstatus ist hier ein institutionelles Commitment des Staates: Er bindet sich selbst. Zweitens geht es um langfristige Humankapitalinvestitionen. Eine Professur ist das Ergebnis von 15 bis 20 Jahren Ausbildung und Spezialisierung. Der Staat sichert sich dieses ho...

Die „Global Intelligence Crisis" von Citrini Research entwirft ein drastisches Szenario: massive White-Collar-Verdrängung durch KI, kollabierende Nachfrage, Finanzbeschleuniger über Private Credit und Hypothekenmärkte und schließlich eine systemische Rezession. Dieser Beitrag formalisiert die Kanäle explizit – und identifiziert die Parameterrestriktionen, unter denen das Szenario überhaupt eintreten kann. Motivation Alex Imas hat gezeigt, dass fortgeschrittene Automatisierung unter bestimmten, extremen Annahmen tatsächlich ein negatives Wirtschaftswachstum trotz steigender technologischer Möglichkeiten erzeugen kann – hält aber fest: „[...] that the conditions needed for growth to actually turn negative are likely too unrealistic to hold in practice." Noah Smith argumentiert ähnlich: Derartige Narrative können makroökonomisch überzogen sein. Er weist zudem darauf hin, dass Citrinis Analyse keine expliziten Modelle vorschlägt....

Indexfonds gelten als simpel. Doch wer einen Index wie den S&P 500 oder den STOXX Europe 600 mit nur 20, 40 oder 100 Titeln nachbilden möchte, steht vor einer anspruchsvollen Optimierungsaufgabe. Unser neuer Beitrag in der European Journal of Operational Research zeigt: Das Hauptproblem im Index-Tracking ist nicht die Optimierung selbst, sondern der Schätzfehler. Traditionelle Tracking-Ansätze basieren auf historischen Renditen oder geschätzten Faktorladungen aus Zeitreihenmodellen. Beide Ansätze benötigen viele Parameter und viele Parameter bedeuten viele Schätzfehler. Optimierungsmodelle tendieren dazu, diese Fehler systematisch zu verstärken. Das Resultat: Gute In-Sample-Performance, aber schwache Out-of-Sample-Ergebnisse. Statt geschätzter Faktorladungen verwenden wir beobachtbare Unternehmenscharakteristika als Risikopositionen: Größe Bewertung (Value) Profitabilität Investition Momentum Markt-Beta Diese werden in ein kardinalitätsbeschränktes Mixed-Integ...

In der empirischen Ökonomie ist eine „saubere Identifikation“ oft maßgebend: Instrumentalvariablen, Difference-in-Differences, Randomized Controlled Trials. Das ist gut und wichtig, aber nur weil ein Effekt kausal ist, erklärt er noch nicht viel von der beobachteten Variation. Viele identifizierte Effekte sind real, aber klein im Vergleich zu den großen Bewegungen in Beschäftigung, Einkommen oder Aktienkursen. Das Lehrstück Saubere Kausalität isoliert exogene aber häufig sehr geringe, Schwankungen (z. B. über Instrumente, Fixed Effects, Grenzfälle). Das liefert eine glaubwürdige Ursache-Wirkung-Aussage, aber der Preis ist, dass wir viel Variation wegwerfen. Ergebnis: Der Effekt ist kausal richtig, erklärt aber oft nur einen kleinen Teil des Gesamtbilds. Genau diese Trennung von kausal und relevant ist die zentrale Pointe dieses Beitrags. Paradoxon der Kausaliät Je strenger wir Identifikation betreiben, d...