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...
Gerade ist der Artikel ‚ Eine empirische Analyse von Initial Coin Offerings (ICO) ‘, von dem ich der Koautor bin, in DIW-Vierteljahrsheft erschienen. Trotz vieler Jahre in der Forschung ist es noch immer ein feierlicher Moment, wenn die eigene Arbeit veröffentlicht wird. Der Begutachtungs- und Veröffentlichungsprozess dauerte ca. 15 Monate, dazu müssen wir noch die Zeit für die Analysen und das Schreiben berücksichtigen. Etwa zwei Jahre hat es insgesamt gedauert; und das ist recht schneller Prozess! In dem Artikel beschäftigen wir uns mit der Frage, was ICO sind und wie erfolgreich die ICOs in der kurzen Frist sind. Zusammenfassend kommen wir zum Schluss, dass die ICOs, wenn sie es an eine Handelsplattform geschafft haben, im Durchschnitt eine Rendite von ca. 400% den Investorinnen, alleine am ersten Handelstag, gebracht haben.