Kausale & kontrafaktische Modellierung

Der Kostenvergleich hängt davon ab, was Sie herausfinden möchten und ob Experimente überhaupt möglich sind. A/B-Tests sind der Goldstandard, wenn randomisiert werden kann; viele Unternehmensentscheidungen lassen sich jedoch nicht experimentell testen: Sie können Preispunkte für Kundensegmente nicht monatelang zufällig variieren, Filialen nicht nach dem Zufallsprinzip eröffnen oder schließen und Kredite nicht willkürlich verweigern, um Disparate Impact zu messen. In solchen Fällen lautet der Vergleich nicht kausale Inferenz versus A/B-Testing, sondern kausale Inferenz versus Raten. Bei Entscheidungen, bei denen Experimente machbar sind, ergänzt die kausale Inferenz aus Beobachtungsdaten häufig A/B-Tests: Sie misst langfristige Effekte, schätzt heterogene Behandlungseffekte über Subgruppen hinweg und schließt die Lücke, wenn die Stichprobengrößen des Experiments für verlässliche Subgruppenanalysen zu klein sind. Der Projektumfang reicht typischerweise von einer fokussierten Kausalanalyse einer einzelnen Intervention (Graphen-Elicitation, Schätzung, Sensitivitätsanalyse, Dokumentation) bis hin zu einer produktiven Kausal-Pipeline mit automatisierter Überwachung. Der ROI zeigt sich am deutlichsten bei hohen Interventionskosten: Wenn Sie Millionen für Promotions, Preisänderungen oder Richtlinienanpassungen ausgeben, macht sich das Wissen, welche Subgruppen tatsächlich reagieren und wer ohnehin gehandelt hätte, sehr schnell bezahlt.

Dies ist eine bekannte Einschränkung, kein Softwarefehler. CausaLens hat Forschungsergebnisse veröffentlicht, die belegen, dass NOTEARS nicht skaleninvariant ist: Die Änderung von Einheitenskalen einer Variable (etwa von Metern zu Zentimetern oder von Dollar zu Tausendern) verändert den resultierenden Graphen. Der Algorithmus nutzt eine L1-Regularisierung auf die Kantengewichte; ein Umskalieren verändert diese Gewichte, wodurch andere Kanten die Bestrafung überstehen. DECI und andere neuronale Verfahren zur kausalen Entdeckung adressieren dies teilweise, bringen jedoch eigene Probleme bei gemischten Datentypen und fehlenden Werten mit sich. Das grundlegendere Problem besteht darin, dass eine vollautomatische kausale Entdeckung rein aus Beobachtungsdaten ein ungelöstes Forschungsproblem bleibt. Diese Algorithmen setzen voraus, dass es keine ungemessenen Confounder gibt – was kein Unternehmensdatensatz garantieren kann. Wir nutzen die automatisierte Entdeckung als Hypothesengenerator: Man führt sie aus, identifiziert potenzielle Kanten und lässt diese anschließend von Domänenexperten validieren oder verwerfen. Der produktive Graph entsteht kollaborativ mit den Fachverantwortlichen, die den datengenerierenden Prozess verstehen, ergänzt durch formale Identifizierbarkeitsprüfungen vor Beginn jeder Schätzung.

Dies ist fast immer ein Problem der Cross-Fitting-Implementierung. Double/debiased Machine Learning setzt voraus, dass die Nuisance-Modelle (Propensity-Modell für die Behandlung und Regressionsmodell für das Outcome) auf anderen Daten-Folds trainiert werden als jene, die für die finale kausale Schätzung verwendet werden. Wenn Cross-Fitting nicht korrekt implementiert ist oder die Anzahl der Folds zu gering ist, overfitten die Nuisance-Modelle auf die Schätzstichprobe. Die resultierenden CATE-Schätzungen werden dann durch dieses Overfitting getrieben statt durch tatsächliche Heterogenität der Behandlungseffekte. Wir diagnostizieren dies, indem wir die Vorhersagequalität der ersten Stufe über alle Folds hinweg prüfen, die Schätzstabilität unter verschiedenen Fold-Zahlen und Random Seeds testen und verifizieren, ob die Neyman-Orthogonalitätsbedingung in der Praxis erfüllt ist. Wenn die Modelle der ersten Stufe schwache Prädiktoren für Behandlung oder Outcome sind, bricht die Orthogonalisierung zusammen, die DML überhaupt erst funktionsfähig macht. In diesem Fall besteht die Lösung nicht in mehr Folds, sondern in besseren Nuisance-Modellen oder im Wechsel zu einer Methode, die nicht von einer starken Prädiktion der ersten Stufe abhängt, wie etwa Instrumentalvariablen oder ein direktes experimentelles Design.

Kausale Methoden sind hier der richtige Ansatz, da die regulatorische Fragestellung von Natur aus kausal ist: Verursacht das geschützte Merkmal die negative Entscheidung oder lässt sich die statistische Disparität durch legitime Risikofaktoren erklären? Der Colorado AI Act, der am 30. Juni 2026 in Kraft tritt, verpflichtet Anwender von Hochrisiko-KI zu angemessener Sorgfalt gegen algorithmische Diskriminierung, einschließlich dokumentierter Disparate-Impact-Prüfungen über geschützte Gruppen hinweg. Eine statistische Disparitätsanalyse (Vergleich der Bewilligungsquoten zwischen Gruppen) zeigt Ihnen lediglich, ob eine Diskrepanz besteht. Eine kausale Analyse erklärt Ihnen, warum sie besteht: Ob die Lücke durch das geschützte Merkmal selbst verursacht wird, durch damit korrelierte Proxys oder durch legitime Bonitätsfaktoren, die zufällig über die Gruppen hinweg unterschiedlich verteilt sind. Wir setzen dies als kausale Mediationsanalyse um: Wir konstruieren den DAG, der abbildet, wie Bewerbermerkmale durch das Modell in die Entscheidung einfließen, identifizieren direkte und indirekte Kausalpfade von geschützten Attributen zu den Ergebnissen und quantifizieren, wie viel der beobachteten Disparität über jeden Pfad verläuft. Das Ergebnis ist ein Dokument, das jeden Kausalanspruch seinen identifizierenden Annahmen zuordnet und so die Dokumentationsanforderungen des Gesetzes erfüllt.

Beide Ansätze schätzen bedingte durchschnittliche Behandlungseffekte (CATE), die Aufschluss darüber geben, wer am stärksten von einer Maßnahme profitiert. Causal Forests (Athey und Imbens) teilen Daten so auf, dass die Heterogenität der Behandlungseffekte direkt maximiert wird. Meta-Learner (S-Learner, T-Learner, X-Learner) verwenden Standard-ML-Modelle für die kausale Schätzung, indem sie Outcome-Modelle trainieren und Behandlungseffekte als Differenzen von Vorhersagen berechnen. Im Enterprise-Maßstab haben Meta-Learner derzeit in puncto Praktikabilität die Nase vorn. Ein aktuelles groß angelegtes Benchmarking mit 13,98 Millionen Kundendatensätzen zeigte, dass der S-Learner mit LightGBM den höchsten Uplift erzielte, wobei die obersten 20 % der Kunden 77,7 % aller inkrementellen Konversionen erfassten. Causal Forests erfordern bei dieser Größenordnung aufgrund rechnerischer Grenzen ein Subsampling. Zudem lassen sich Meta-Learner natürlicher in bestehende ML-Pipelines integrieren, da sie gängige supervised Lernverfahren als Basismodelle nutzen. Wir evaluieren beide Verfahren auf den Daten jedes Kunden, denn die beste Methode hängt von der Struktur des Behandlungseffekts ab: Causal Forests können Effektheterogenität entlang unerwarteter Dimensionen aufdecken, während Meta-Learner die Prädiktionskraft von Gradient Boosting in Szenarien mit glatteren Effektmustern optimal ausspielen.

Positivitätsverletzungen bedeuten, dass für bestimmte Kombinationen von Kovariaten jede beobachtete Einheit die Behandlung entweder ausnahmslos erhalten oder überhaupt nicht erhalten hat. Standardmäßiges inverses Propensity-Weighting verstärkt das Rauschen bei Propensity-Scores nahe Null katastrophal und führt zu Schätzungen des Behandlungseffekts, die von einer Handvoll extremer Gewichte dominiert werden. Wir diagnostizieren Positivitätsprobleme vor der Schätzung, indem wir die Verteilung der Propensity-Scores analysieren und Bereiche mit minimalem Overlap zwischen Behandlungs- und Kontrollgruppe kennzeichnen. Die Lösung hängt von der Art der Verletzung ab: Bei praktischen Verletzungen (bestimmte Segmente werden selten behandelt, eine Behandlung ist aber prinzipiell möglich) begrenzen Overlap-Weights oder Trimming die Schätzung auf den Bereich, in dem beide Behandlungsarme ausreichend repräsentiert sind. Dabei dokumentieren wir transparent, für welche Subpopulationen verlässliche Schätzungen vorliegen und welche extrapoliert wurden. Bei strukturellen Verletzungen (bestimmte Segmente können die Behandlung prinzipiell niemals erhalten) ist die kausale Fragestellung für diese Gruppen unzureichend definiert; die einzig seriöse Antwort besteht darin, sie aus dem Estimand auszuschließen, anstatt vorzugeben, etwas schätzen zu können, was die Daten schlichtweg nicht hergeben.

Dies ist einer der stärksten Anwendungsfälle für synthetische Kontrollen (Synthetic Control). Sie haben eine behandelte Einheit (den Markt, in dem die neue Filiale eröffnet wurde) und keine randomisierte Kontrollgruppe. Die synthetische Kontrollmethode konstruiert eine gewichtete Kombination unbehandelter Märkte, die den Verlauf des behandelten Marktes vor der Intervention bei den wichtigsten Kennzahlen exakt nachbildet. Der Behandlungseffekt entspricht der Divergenz zwischen der tatsächlichen Entwicklung des behandelten Marktes nach der Eröffnung und der prognostizierten Entwicklung der synthetischen Kontrolle. Die Methode funktioniert hervorragend, wenn Sie über genügend Spendermärkte (Donor Markets) mit ähnlichen Merkmalen und einen ausreichend langen Vorinterventionszeitraum verfügen, um die Übereinstimmung zu validieren. Sie versagt, wenn keine Kombination von Kontrollmärkten den Vortrend des behandelten Marktes reproduzieren kann oder wenn andere Ereignisse (Wettbewerbseröffnungen, makroökonomische Schocks) den Zielmarkt zeitgleich treffen. Wir implementieren synthetische Kontrollen mit Placebo-Tests (Anwendung der Methode auf unbehandelte Märkte, um sicherzustellen, dass keine Scheineffekte gefunden werden) und Diagnosen zur Anpassungsgüte des Vortrends, die die Übereinstimmungsqualität quantifizieren, noch bevor jemand die Ergebnisse nach der Intervention analysiert.

CausaLens bietet eine No-Code-Decision-Intelligence-Plattform mit Funktionen für kausale Entdeckung, Schätzung und Optimierung, unterstützt durch über $50M an Finanzierung und umfassende Enterprise-Deployment-Erfahrung. Das PyWhy-Ökosystem (DoWhy, EconML) ist Open Source, wird von Microsoft Research unterstützt und verzeichnet rund 24.000 GitHub-Stars sowie eine breite Akzeptanz in der Community. Die Entscheidung zwischen Plattform und Open Source hängt von der Expertise Ihres Teams in kausaler Inferenz und Ihrer Toleranz gegenüber methodischer Opazität ab. Wenn Sie über das statistische Fachwissen verfügen, um Annahmen zu validieren, Fehler zu diagnostizieren und Sensitivitätsanalysen zu interpretieren, bietet PyWhy Ihnen volle Kontrolle bei null Lizenzkosten. Wenn Sie eine verwaltete Benutzeroberfläche wünschen und bereit sind, den methodischen Entscheidungen der Plattform zu vertrauen, verringert CausaLens den Entwicklungsaufwand. Das Risiko bei jeder Plattform besteht darin, dass sie die Methodik wegabstrahiert – und kausale Inferenz ist genau die Domäne, in der methodische Entscheidungen (Graphenstruktur, Schätzerauswahl, Sensitivitätsanalyse) tragend sind. Wir arbeiten mit beiden Welten: Wir entwickeln auf PyWhy, wenn der Kunde über entsprechende Engineering-Kapazitäten verfügt, und integrieren mit CausaLens, wenn der Kunde bereits in die Plattform investiert hat. Die methodische Ebene bleibt unabhängig vom Tooling identisch.

Das Risiko besteht darin, dass Sie eine weitreichende Geschäftsentscheidung auf Basis einer Schätzung treffen, die vollständig durch einen ungemessenen Confounder erklärt werden könnte. Jede beobachtende kausale Schätzung setzt voraus, dass Sie alle relevanten Confounder gemessen haben. Diese Annahme ist unüberprüfbar. Eine Sensitivitätsanalyse quantifiziert, wie sehr Sie sich irren könnten: E-values beziffern die minimale Stärke des Confoundings (relatives Risiko), die eine ungemessene Variable sowohl mit der Behandlung als auch mit dem Outcome aufweisen müsste, um Ihre Schätzung zunichtezumachen. Rosenbaum bounds liefern das maximale Maß an verborgenem Bias, das damit vereinbar ist, dass Ihr Konfidenzintervall weiterhin die Null ausschließt. Ohne diese Analysen könnte eine CATE-Schätzung von +15 % inkrementeller Konversion real sein – oder lediglich ein Artefakt einer einzigen ungemessenen Variable. Wir integrieren die Sensitivitätsanalyse in jedes Kausal-Deliverable, nicht als bloßen Anhang, sondern als primäre Glaubwürdigkeitsmetrik. Für behördliche Nachweise ist dies unverzichtbar: Die Dokumentation der Robustheit kausaler Behauptungen gegenüber ungemessenem Confounding ist ein zentraler Bestandteil des Nachweises angemessener Sorgfalt unter Regularien wie dem Colorado AI Act.