Was wäre, wenn die Regulierung von Large Language Models plötzlich nicht mehr nur Technologiepolitik wäre, sondern ein Fall für die Meinungsfreiheit? Dann würde aus einer Debatte über Sicherheit, Haftung und Kontrolle sehr schnell eine Debatte über Grundrechte. Genau hier setzt das Paper von Eugene Volokh, Mark A. Lemley und Peter Henderson an. Die Autoren argumentieren, dass der Output generativer KI rechtlich als geschützte Rede verstanden werden könnte. Nicht unbedingt, weil die KI selbst Rechte hat, sondern weil ihre Entwickler:innen und vor allem ihre Nutzer:innen Rechte haben, Informationen zu empfangen und mit Hilfe der Systeme selbst zu kommunizieren. Für die USA ist das ein starker Gedanke. Für Deutschland ist er interessant, aber deutlich weniger belastbar. Was ist das ökonomische Grundproblem? Im Kern geht es um die Kontrolle von Informationsproduktion. Staaten wollen Risiken von LLMs begrenzen: Desinformation, Manipulation, Diskriminierung oder gefährliche Inhalte....
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...