AfFinE

Posts

LLM-Regulierung als Frage der Meinungsfreiheit?

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....

Ist Deutschland schwach in Forschung – oder schwach in den Anreizen?

Deutschland gibt viel für Forschung aus und produziert sichtbar exzellente Wissenschaft. Der Beitrag von von Jannik Reigl stellt aber die wichtigere Frage: Vielleicht scheitert Deutschland nicht primär an der „Kommerzialisierung“, sondern an einem System, das früh wissenschaftliche Unabhängigkeit bremst, Risiko bestraft und Grundlagen- und Anwendungsforschung zu stark voneinander trennt. Dann ist nicht zu wenig Geld das Problem, sondern eine schlechte institutionelle Architektur. Ökonomisch ist das ein klassischer Anreizfall: Wenn junge Forschende mit kurzen Verträgen, starker Hierarchie und unsicherer Perspektive leben, dann wählen sie eher sichere, publizierbare Projekte statt riskanter Durchbrüche. Das maximiert die private Überlebenswahrscheinlichkeit, aber nicht den gesellschaftlichen Ertrag. Genau deshalb ist der vollständige Beitrag lesenswert: Er zeigt, warum ein Land zugleich wissenschaftlich stark wirken und bei radikaler Innovation dennoch zu vorsichtig sein kann. De...

ChatGPT als Messinstrument: Die Software GABRIEL

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...

Wird KI das Studium der Wirtschaftswissenschaften besser machen?

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...

Gibt es ein Nachfrageproblem in einer AGI-Welt?

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...

Der Beamtenstatus für Professoren – Privileg oder notwendige Institution?

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...

Citrini Research: KI, Nachfrage und systemisches Risiko

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....

Weniger Schätzen, besser Tracken: Wie charakteristikabasierte Modelle Indexfonds verbessern

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...

Kaisalität ≠ Variation: Warum Kausalität nicht automatisch Relevanz bedeutet

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...

Behavioral Finance & ESG: meine zweite Folge im „Bremer Börsenschnack“

Über Denkfehler von Anlegern, nachhaltige Geldanlage und gute Fragen im Podcast. In der zweiten Folge meiner Podcast-Reihe im Bremer Börsenschnack ging es um zwei Themen, die für Anlegerinnen und Anleger heute besonders relevant sind: Behavioral Finance und Sustainable Finance (ESG) . Gemeinsam mit den hervorragend vorbereiteten Hosts Patrick Paech und Sascha Otto haben wir darüber gesprochen, warum Anleger oft nicht rational handeln, welche Denkfehler immer wieder auftreten, und wie man sich mit einfachen Regeln selbst austricksen kann. Im zweiten Teil der Folge stand ESG im Fokus: Wie stark beeinflussen Nachhaltigkeitskriterien tatsächlich Bewertungen und Anlageentscheidungen? Wo liegen Chancen, wo Risiken und wo beginnt Greenwashing? Auch die Frage nach möglichen Renditenachteilen nachhaltiger Investments wurde aus wissenschaftlicher Sicht eingeordnet. Besonders angenehm war erneu...

Weihnachtstage

Allen, die Weinachten feiern, wünsche ich fröhliche und besinnliche Feiertage! Möge diese Zeit des Zusammenseins und der Freude Euch Wärme, Frieden und Ernolung bringen.

Neu erschienen: „Kryptowährungen und Token“ (Hrsg. Omlor/Link) – und unser Beitrag ist dabei!

Der neue Herausgeberband „Kryptowährungen und Token“ (3. Auflage) ist frisch erschienen und unser Beitrag ist ebenfalls mit drin. Das Buch bietet einen fundierten, interdisziplinären Überblick zu rechtlichen, ökonomischen und steuerlichen Fragen rund um Kryptoassets, Blockchain und Token-Ökonomie. Self-recommended für alle, die sich ernsthaft für Kryptowährungen interessieren: aus Wissenschaft, Praxis oder einfach aus Neugier. Links: Zum Verlag (RuW / Fachmedien Recht und Wirtschaft) Bei Amazon ansehen Happy reading!

Warum Märkte Wartung brauchen Wir Ökonom:innen lieben Effizienz. Doch Systeme, die lange effizient bleiben sollen, brauchen Pflege. Das gilt für Maschinen – und für Märkte. In den letzten Jahrzehnten haben Unternehmer:innen, Innovator:innen und viele von uns aus der Wissenschaft den Motor des Fortschritts am Laufen gehalten, aber das Fundament, auf dem dieser Motor steht, vernachlässigt. Das unsichtbare Gerüst des Wohlstands Ein freiheitliches Gemeinwesen ruht auf einer unsichtbaren Infrastruktur: Eigentumsrechte, Vertragssicherheit, Wettbewerb, offene Kommunikation. Diese Strukturen sind kein Naturzustand – sie sind gebaut, gepflegt und gelegentlich erneuert worden. In der Nachkriegszeit erinnerten akademische Vordenker wie Walter Eucken, Wilhelm Röpke und Friedrich Hayek: Märkte sind empfindliche soziale Gebilde. Die Freiburger Schule entwickelte die Ordnungspolitik – ein Rahmen, der Wettbewerb schützt, ohne ihn zu dirigieren. Die Österreichische Schule ...

Akademisches Humankapital in Europa zwischen 1200 und 1793

Kann man messen, wie viel „Wissen“ eine Gesellschaft in der Vormoderne besaß? Und wenn ja: Trägt dieses Wissen dazu bei, dass manche Regionen aufsteigen und andere zurückfallen? Genau diese Fragen untersuchen Matthew Curtis, David de la Croix, Filippo Manfredini und Mara Vitale in ihrem LIDAM Discussion Paper 2025/12 . Methodischer Ansatz Die Methode ist ebenso originell wie clever: Statt spärlicher Lohnreihen oder eingeschränkter Einschreibungslisten nutzen die Autoren bibliographische Datenbanken (VIAF) und Wikipeadia-Einträge, um die „Sichtbarkeit“ einzelner Gelehrter zu erfassen. Aus neun Variablen, z. B. Anzahl der Publikationen, Vielfalt der Verlage oder Länge des Wikipedia-Artikels, wird ein Human Capital Index (HCI) konstruiert. Mathematisch geschieht das per Principal Component Analysis, sodass aus vielen Indikatoren ein Gesamtwert entsteht. Durch eine besondere Transformation werden „Superstars“ wie Erasmus oder Newton abgefedert, damit sie den Rest nicht domi...

Kapitalmarkttheorien lebendig erklärt – mein Auftritt im „Bremer Börsenschnack“

Ein praxisnahes Gespräch über Portfoliotheorie, CAPM, Markteffizienz & Fama/French und was das für Anleger bedeutet. Im Podcast Bremer Börsenschnack habe ich gemeinsam mit Sascha Otto die großen Kapitalmarkttheorien diskutiert: von Markowitz’ Portfoliotheorie (1952) über das CAPM und die Markteffizienzhypothese bis hin zum Fama/French-Dreifaktorenmodell. Klingt zunächst nach Uni-Stoff, ist in Wahrheit aber hochaktuell für Anlegerinnen und Anleger: Risiko & Rendite: zwei Seiten derselben Medaille. Anomalien & Faktoren: Value, Size, Momentum & Co. helfen, Portfolios besser zu verstehen. Praxisnutzen: Wie man heute ein „gutes Portfolio“ konstruiert: diszipliniert, diversifiziert, kosteneffizient. Besonders spannend: Wie relevant diese Modelle heute noch sind und welche Konsequenzen sich daraus ganz konkret für Anlegerinnen und Anleger ergeben. Danke an Patrick Pae...

Under (Financial) Pressure – Was die NFL über Finanzmärkte lehrt

Manchmal findet man spannende ökonomische Einsichten an Orten, wo man sie nicht erwartet. Das neue Paper “Under (Financial) Pressure” von Spencer Barnes, Ted Dischman und Brandon Mendez untersucht, wie finanzielle Anreize Regeln verzerren können und zwar am Beispiel der NFL-Schiedsrichter. Die Idee Die NFL ist ein Milliardenbusiness: 2024 setzte die Liga ca. 23 Mrd. US-Dollar um. Es ist vergleichbar mit Konzernen wie Bayer und SAP. Die Forscher fragen: Beeinflusst dieser finanzielle Druck, wie Schiedsrichter Entscheidungen treffen? Das ist im Kern die gleiche Frage, die wir uns in der Finanzökonomie stellen: Begünstigen Regulatoren große, systemrelevante Player, weil zu viel Geld und Aufmerksamkeit auf dem Spiel stehen? Die Methodik: Ökonometrie im Sport Die Autoren analysieren über 13.000 Defensivstrafen aus NFL-Spielen zwischen 2015 und 2023. Besonderes Augenmerk liegt auf den Kansas City Chiefs in der Ära von Quarterback Patrick Mahomes. Warum? Weil die Chiefs ...

Was bringt eigentlich Unternehmensberatung?

Wir alle kennen das Klischee: Berater kommen ins Haus, tragen PowerPoints hinein und Entlassungen hinaus. Aber stimmt das wirklich? Ein neues NBER Working Paper (Juli 2025) von Gert Bijnens, Simon Jäger und Benjamin Schoefer liefert erstmals eine umfassende empirische Antwort: Was macht Consulting wirklich mit Unternehmen? Die Methodik – Steuerdaten als Daten-Goldmine Die Forscher nutzen eine geniale Datenquelle: alle B2B-Transaktionen in Belgien, die über die Mehrwertsteuer laufen. Damit sehen sie genau, wann und wie viel Firmen für Beratungsleistungen zahlen. Das deckt die gesamte Wirtschaft von 2002 bis 2023 ab. Es ist quasi ein CT-Scan der Consulting-Industrie. Um die Wirkung zu messen, setzen die Autoren auf ein sogenanntes Difference-in-Differences-Design mit synthetischen Kontrollfirmen. Laienhaft gesagt: Sie vergleichen Firmen, die plötzlich stark in Beratung investieren (mindestens +50.000 Euro und eine Verdreifachung gegenüber den Vorjahren), mit ähnlichen Fi...

Mieten oder Kaufen – was sagt die Wissenschaft?

„Wer mietet, wirft Geld zum Fenster raus.“ Diesen Spruch kennt jede:r. Aber stimmt er wirklich? Die kurze Antwort: Es kommt darauf an. Die lange Antwort: Man muss sauber vergleichen. Und genau das ist spannender, als man denkt. Die Methode: Ein fairer Wettkampf zwischen zwei Lebenswegen Stell dir vor, du hast gerade genug Eigenkapital, um eine Wohnung zu kaufen. Ab hier stellen wir zwei Szenarien gegenüber: Kaufen: Du investierst dein Eigenkapital in die Immobilie, finanzierst den Rest über einen Kredit und zahlst monatlich Zins, Tilgung, Grundsteuer, Instandhaltung, Versicherung und ggf. Hausgeld. Nach 20 oder 25 Jahren gehört dir die Immobilie, abzüglich Verkaufsnebenkosten, falls du verkaufst. Mieten & Investieren: Du bleibst Mieter:in. Dein Eigenkapital fließt ins Depot (z. B. ETF). Außerdem investierst du jeden Monat die Differenz zwischen Eigentumskosten und Miete. Ist Mieten einmal teurer, entnimmst du entsprechend aus deinem Depot, um fair zu bleiben. S...