In der empirischen Forschung gibt es ein klassisches Problem: Die meisten interessanten Daten sind qualitativ, nicht quantitativ. Reden von Politikern, Geschäftsberichte, Social-Media-Posts, Zeitungsartikel oder historische Dokumente enthalten wertvolle Informationen, aber sie lassen sich schwer in Zahlen übersetzen. Genau hier setzt ein neues Forschungsprojekt an, das im Februar 2026 als NBER Working Paper erschienen ist: „GPT as a Measurement Tool“ von Hemanth Asirvatham, Elliott Mokski und Andrei Shleifer. Die Autoren stellen darin eine Software vor, die dieses Problem lösen soll: GABRIEL. Die Grundidee ist überraschend einfach. Large Language Models wie GPT können Texte verstehen, ähnlich wie ein Mensch. Wenn man sie gezielt einsetzt, können sie daher qualitative Informationen systematisch bewerten und quantifizieren. Zum Beispiel: • Wie innovationsfreundlich ist eine politische Rede? • Wie toxisch ist ein Social-Media-Kommentar? • Wie technisch komplex ist eine neue Tec...
Ein Schrecken geht in den Finanzmetropolen um: Die inverse Zinsstrukturkurve könnte bald kommen! Die inverse Zinsstruktur gilt gemeinhin als ein Vorbote der nachlassenden Konjunktur und der fallenden Kurse. In diesem Beitrag gehe ich empirisch der Frage nach, ob dies für Deutschland zutrifft. Was ist die (inverse) Zinsstrukturkurve? Mit der (risikolosen) Zinsstrukturkurve wird der Zusammenhang zwischen der Restlaufzeit von Bundesanleihen und ihrer Verzinsung beschrieben. In normalen Zeiten steigt die Verzinsung mit zunehmender Restlaufzeit. Beispielsweise ist normalerweise der Zinssatz für ein Immobiliendarlehen mit einer Laufzeit von 10 Jahren höher als für eins über 2 Jahre. Eine inverse Zinsstrukturkurve beschreibt die außergewöhnlichen Zeiten, in denen der Zinssatz für zehnjährige Immobiliendarlehn geringer ist als der Zinssatz für zweijährige. Folglich würden wir weniger für ein Darlehen bezahlen , welches wir länger abbezahlen.