Humboldt-Universität zu Berlin - Wirtschaftswissenschaftliche Fakultät

Der SFB TRR 190 "Rationalität und Wettbewerb" führt Methoden und Erkenntnisse aus der "Verhaltensökonomie" und der "neoklassischen" Wirtschaftswissenschaft zusammen. Durch die umfassendere Sichtweise können für zahlreiche angewandt ökonomische Probleme robustere wirtschaftspolitische Schlussfolgerungen erzielt werden. Der SFB befasst sich mit zwei Fragenkomplexen. Erstens, methodische Fragen: Wie können wir die vorhandenen, oft eher konzeptionellen Erkenntnisse über Verhaltensabweichungen von der Standardtheorie nutzen und sie auf die traditionellen Felder der Wirtschaftswissenschaften anwenden? Sind die vorhandenen empirischen oder experimentellen Nachweise für Verhaltensverzerrungen, wie z.B. referenzabhängige Präferenzen, Overconfidence oder soziale Präferenzen, nützlich für angewandte Analysen? Erfassen sie relevante Aspekte des wirtschaftlichen Verhaltens in der realen Welt, und gilt dies insbesondere in Wettbewerbsumgebungen, in denen die Marktkräfte irrationales Verhalten ja eigentlich bestrafen oder verhindern müssten?Zweitens untersuchen wir einige ökonomische Fragen ganz von neuem bzw. prüfen, ob sich diese neuerliche Beantwortung lohnt: In welchen Bereichen der Wirtschaftswissenschaften ist es überhaupt notwendig, sich mit einem realistischeren Modell der Entscheidungsfindung auseinanderzusetzen? In welchen Bereichen sind traditionelle Konzepte ausreichend? Inwieweit ändern sich die Mechanismen durch die Hinzunahme verhaltensökonomischer Konzepte? Haben die bislang nachgewiesenen Verhaltensverzerrungen substanzielle Auswirkungen in Kontexten von großer wirtschaftlicher Bedeutung?In der ersten Förderperiode hat der SFB bereits wichtige Schritte in dieser Forschungsagenda getätigt, die in Hunderten von Publikationen sowohl in der Grundlagenforschung als auch in der angewandten Forschung dokumentiert sind. Unser Arbeitsprogramm in der zweiten Förderperiode baut darauf auf – mit einigen Anpassungen des Forschungsprogramms. Wir haben einige vielversprechende Bereiche identifiziert, die mehr Aufmerksamkeit erfordern: Innovation, Ungleichheit und Genderökonomie. Außerdem wird der SFB künftig einige neue methodische Fragen bearbeiten, nämlich insbesondere die Analyse und Messung von verzerrten Erwartungen sowie die Frage, wie der Begriff der "Identität" operationalisiert werden kann.

Förderzeitraum: seit 2017

Beteiligte der Fakultät: Georg Weizsäcker (Sprecher), Anastasia Danilov, Dirk Engelmann, Sonja Greven, Daniel Klapper, Anja Schöttner, Alexandra Spitz-Oener, Roland Strausz, Nikolaus Wolf

Weitere beteiligte Einrichtungen: Ludwig-Maximilians-Universität München

Weitere Informationen: Webseite

Der TRR "Accounting for Transparency" untersucht, wie mit Methoden des Rechnungswesens die Transparenz von Unternehmen beeinflusst wird und wie sich Unternehmenstransparenz auf die Gesellschaft auswirkt. Nicht erst seit der globalen Finanzkrise wird die mangelnde Transparenz des Wirtschaftslebens öffentlich beklagt. Zahlreiche in der Folge neu eingeführte oder angepasste Regulierungen im Bereich Rechnungswesen und Besteuerung haben die Berichtspflichten erheblich ausgeweitet. Gleichzeitig ist das öffentliche Vertrauen in das Wirtschaftsleben insbesondere in Deutschland unverändert niedrig.Die historische Rolle des Rechnungswesens besteht darin, Unternehmensinformationen zu aggregieren und verlässlich verfügbar zu machen, um unter anderem Steuerzahlungen festzulegen, Investoren und andere Unternehmensbeteiligte zu informieren und unternehmerische Entscheidungen zu unterstützen. Durch die digitale Revolution der Kommunikation findet diese Aufgabe drastisch veränderte Rahmenbedingungen vor: Vielfältigste Informationen sind allgegenwärtig. Sie werden von unterschiedlichen Sendern bereitgestellt und über eine Vielzahl von Kanälen zu heterogenen Empfängern übertragen, welche die empfangenen Informationen verarbeiten, analysieren und für vielfältige Entscheidungen nutzen. Vor dem Hintergrund dieser tiefgreifenden Änderungen ist weitgehend unklar, inwiefern die über Hunderte von Jahren entwickelten Instrumente des Rechnungswesens noch in der Lage sind, ihre Informationsaufgaben zu erfüllen.Die Forscherinnen und Forscher des TRR nehmen sich dieser Frage an, indem sie, unter anderem mittels eigens dafür gesammelter Felddaten, im Detail analysieren, wie auf Basis von Regulierungen und anderen Anreizen bereitgestellte Unternehmensinformationen wahrgenommen, verarbeitet und eingesetzt werden. Des Weiteren untersuchen sie, wie sich die auf Grundlage dieser Informationen getroffenen Entscheidungen auf Unternehmen und die Öffentlichkeit auswirken und welches Maß an Regulierung sinnvoll ist. In diesem Zusammenhang liegt ein Forschungsschwerpunkt auf der Transparenz des Steuersystems. Zusammengenommen tragen die Forscherinnen und Forscher mit ihrer Arbeit zur wissenschaftlichen Fundierung der Unternehmensregulierung sowie zur Entwicklung eines transparenteren Steuersystems bei. Die Ergebnisse des TRR werden daher nicht nur die wissenschaftliche Forschung bereichern, sondern auch einen gesellschaftlichen Beitrag zur Transparenz des Wirtschaftslebens leisten.

Förderzeitraum: seit 2019

Beteiligte der Fakultät: Joachim Gassen (stellvertretender Sprecher), Ulf Brüggemann, Ralf Maiterth, Anja Schöttner

Weitere beteiligte Einrichtungen: Universität Paderborn, Universität Mannheim

Weitere Informationen: Webseite

Hochdurchsatzmessungen in den biomedizinischen Wissenschaften wie z.B. Bilder, Genomsequenzen oder Zeitreihen stellen strukturierte Daten dar, die durch inhärente Abhängigkeiten zwischen den Messungen, oft nicht-vektorielle Struktur und das Vorhandensein von Störgrößen und Stichprobenverzerrung gekennzeichnet sind. So können z.B. die Populationsstruktur, systematische Messartefakte, nicht unabhängige Stichproben oder unterschiedliche Altersverteilungen in den Gruppen zu falschen Ergebnissen führen, wenn sie nicht berücksichtigt werden. Deep Learning (DL) zeichnet sich in vielen Anwendungen auf strukturierten Daten durch die Fähigkeit aus, komplexe Abhängigkeiten innerhalb und zwischen Eingaben und Ausgaben zu erfassen, was eine genaue Prädiktion ermöglicht. Trotz der jüngsten Fortschritte bei erklärbarer künstlicher Intelligenz und Bayesschen neuronalen Netzen gibt es beim DL immer noch Einschränkungen hinsichtlich der Unsicherheitsquantifizierung, Interpretierbarkeit und Validierung. Dies sind jedoch wichtige Komponenten, um über die Prädiktion hinaus Verständnis der zugrunde liegenden Biologie zu erlangen. Zu diesem Zweck wurde in den biomedizinischen Wissenschaften traditionell die Statistik verwendet, aufgrund der interpretierbaren Modellergebnisse und der statistischen Inferenz, die u.a. eine Quantifizierung der Unsicherheit, Adjustierung für Störgrößen und Testen von Hypothesen mit statistischer Fehlerkontrolle ermöglicht. Methoden der klassischen Statistik sind jedoch begrenzt in ihrer Modellierungsflexibilität für strukturierte Daten und ihrer Fähigkeit, komplexe Nichtlinearitäten datengesteuert zu erfassen.In dieser Forschungsgruppe bringen wir Experten aus dem Bereich des maschinellen Lernens und der Statistik mit Erfahrung in biomedizinischen Anwendungen zusammen, um die folgenden übergreifenden Ziele zu erreichen:(O1) Integration von DL und Statistik zur Verbesserung der Interpretierbarkeit, Unsicherheitsquantifizierung und statistischen Inferenz für DL und zur Verbesserung der Modellierungsflexibilität statistischer Methoden für strukturierte Daten. Insbesondere werden wir Methoden entwickeln, die statistische Inferenz für strukturierte Daten durch Unsicherheitsquantifizierung, Testen von Hypothesen und Adjustierung für Störgrößen ermöglichen, und die Erklärungen strukturierter Daten durch hybride statistische und Deep-Learning-Modelle, Erklärungen auf Populations- und Verteilungsebene und robuste dünnbesetzte Erklärungen verbessern. (O2) Schaffung einer Rückkopplungsschleife zwischen dieser Methodenentwicklung und biomedizinischen Anwendungen, wobei wir bei der Entwicklung neuer Methoden die Bedürfnisse bei der Analyse der Daten berücksichtigen und biomedizinische Erkenntnisse aus den Anwendungen der entwickelten Methoden auf die Daten gewinnen wollen. Zu den Anwendungen gehören die Analyse von MRT-, fMRT- und Mikroskopie-Bildern, Krankheitsverlaufsmodellierung, DNA-Sequenzanalysen und genetische Assoziationsstudien.

Förderzeitraum: seit 2022

Beteiligte der Fakultät: Sonja Greven (Sprecherin)

Weitere Informationen: Webseite

Die Förderung von Verbraucherrechten ist ein Grundwert der Europäischen Union. Eine ganze Bandbreite von Gesetzen, Institutionen und Regulierungen hat das Ziel, Konsumenten zu schützen und sicherzustellen, dass angemessene Informationen auf dem Markt zur Verfügung stehen und Unternehmen an unfairen und wettbewerbsschädlichen Praktiken gehindert werden.

Einige dieser wirtschaftspolitischen Maßnahmen betreffen die Konsumenten unmittelbar, etwa der Verbraucherschutz und eine abschreckende Besteuerung. Andere nützen ihnen indirekt, indem sie Marktprozesse durch Regulierung und Wettbewerbspolitik steuern. Ziel des Leibniz-WissenschaftsCampus „Berlin Centre for Consumer Policies“  (BCCP) ist es, die komplexen Interaktionen zwischen den verschiedenen Maßnahmen zu untersuchen und zu verstehen.

Vor diesem Hintergrund soll mit dem BCCP eine dauerhafte internationale Plattform für Wettbewerb und Verbraucherpolitik geschaffen werden. Der starke politische Bezug macht Berlin zum perfekten Standort für einen WissenschaftsCampus zur Verbraucherpolitik. Exzellente interdisziplinäre Forschung — am Campus beteiligt sind Ökonomen, Juristen, Politik- und Lebenswissenschaftler — verfolgt den Anspruch, die Politik aktiv und effektiv zu hoch relevanten aktuellen Themen zu beraten.

Förderzeitraum: seit 2015

Beteiligte der Fakultät: Dirk Engelmann, Wolfgang Härdle, Daniel Klapper, Roland Strausz, Georg Weizsäcker

Weitere beteiligte Einrichtungen: Freie Universität Berlin, Technische Universität Berlin, ESMT Berlin, Hertie School, Deutsches Institut für Wirtschaftsforschung (DIW), Wissenschaftszentrum Berlin für Sozialforschung

Weitere Informationen: Webseite