Was ist Causal AI?

Causal AI ist ein Zweig der künstlichen Intelligenz, der Ursache-Wirkungs-Beziehungen modelliert, statt nur statistische Zusammenhänge zu erkennen. Während klassisches Machine Learning aus Korrelationen Vorhersagen ableitet, beantwortet Causal AI Fragen der Form „Was passiert, wenn ich X verändere?". Grundlage dafür sind kausale Modelle, Interventionen und kontrafaktische Betrachtungen.

Warum ist das wichtig?

Für operative Entscheidungen reicht eine Vorhersage nicht aus – gebraucht wird die Wirkung einer Maßnahme. Ein Modell, das erkennt, dass verspätete Lieferungen mit Reklamationen korrelieren, sagt nichts darüber, ob schnellere Lieferung die Reklamationen senkt. Causal AI schließt genau diese Lücke zwischen Beobachtung und Handlung.

Wie sieht das konkret aus?

Ein Modell erkennt, dass Bestellungen mit Expressversand seltener reklamiert werden. Die kausale Frage ist eine andere: Sinkt die Reklamationsquote, wenn man Expressversand einführt — oder wählen ohnehin zuverlässige Kunden diese Option? Nur die zweite Antwort trägt eine Entscheidung.

Nicht zu verwechseln mit

Nicht mit erklärbarer KI (XAI) zu verwechseln: die macht transparent, warum ein Modell so entschieden hat. Causal AI fragt, was in der Welt geschieht, wenn man eingreift — unabhängig davon, wie das Modell intern arbeitet.