Skip to Main Content
Liechtenstein Business School

Forschung

Zwei Studierende entwickeln ein Forschungsthema auf einer beschrifteten grünen Tafel mit Kreide und Farben.

Unsere Forschung konzentriert sich inhaltlich auf Schlüsselbereiche von regionaler Bedeutung, die sich in den Professuren abbilden. Die Qualität der Forschung wird dadurch sichergestellt, dass Forschungsergebnisse regelmässig auf internationalen Konferenzen präsentiert und in renommierten Fachzeitschriften publiziert werden.

Zwei Studierende entwickeln ein Forschungsthema auf einer beschrifteten grünen Tafel mit Kreide und Farben.
Highlight

Digitale Nähe: Wie authentische Beziehungen in sozialen Netzwerken entstehen

Studentin mit VR-Brille lacht und bewegt Controller im Klassenzimmer.

Eine im A*-Journal Journal of the Association for Information Systems veröffentlichte Studie mit Assoz. Prof. Dr. Johannes Schneider (Universität Liechtenstein) analysiert über 440.000 Social-Media-Nachrichten. Sie zeigt: Persönlichkeit, Neugier, Respekt und Teilen fördern hochwertige Beziehungen. Soziale Netzwerke leben nicht von ihrer Struktur, sondern von der Qualität der Interaktionen, mit wichtigen Impulsen für menschlicher gestaltete digitale Plattformen.
Weitere Informationen unter Capturing the “Social” in Social Networks

Studentin mit VR-Brille lacht und bewegt Controller im Klassenzimmer.
Highlight

Künstliche Intelligenz zur Früherkennung von Bankenkrisen: Forschungsteam der Universität Liechtenstein präsentiert interessante Ergebnisse

Dozent präsentiert mathematische Funktion an Flipchart, während eine Teilnehmerin aktiv mitschreibt.

Beim Finance Forum Liechtenstein präsentierten Prof. Dr. Michael Hanke und die Doktoranden Merlin Bartel und Sebastian Petric Forschung zur KI-gestützten Vorhersage von Bankenkrisen. Anhand der US-Regionalbankenkrise 2023 zeigten sie, wie maschinelles Lernen Frühwarnsignale erkennt und Investoren Handlungsempfehlungen bietet. Die Studie verdeutlicht das Potenzial datenbasierter Modelle zur Risikoreduktion und stärkt die Rolle der Universität Liechtenstein in der Finanzforschung. Nähere Informationen unter Künstliche Intelligenz zur Früherkennung von Bankkrisen

Dozent präsentiert mathematische Funktion an Flipchart, während eine Teilnehmerin aktiv mitschreibt.

Forschungsseminare

Die Zielsetzung der vom Department für Finance und Economics veranstalteten Forschungsseminare besteht darin, aktuelle Forschungsideen und Forschungsprojekte zu präsentieren und vor einem Fachpublikum zu verteidigen, um ein Feedback zu erhalten. Diese Seminare tragen zur Weiterqualifizierung des wissenschaftlichen Personals bei.

Weitere Informationen zum Finance Research Seminar und zum Wirtschaftspolitischen Seminar Alpenrhein finden Sie unter: 

 

Zu allen Forschungsseminaren

Anstehende Veranstaltungen

Research Projects

Jenseits von Korrelationen: Nutzung von generativer KI für kausales maschinelles Lernen

Project Description

Dieses Projekt zielt darauf ab, die erheblichen Einschränkungen von Deep-Learning-Modellen (DL) in Bezug auf die kausale Erklärbarkeit und Robustheit in Kontexten außerhalb der Verteilung zu beheben, indem die Integration von generativer KI (GenAI) in kausales maschinelles Lernen (CML) untersucht wird. Das Projekt konzentriert sich auf die Nutzung von GenAI, um kausal relevante Variablen auf hoher Ebene zu identifizieren und Kausalhypothesen zu formulieren, um Herausforderungen zu bewältigen, die derzeit Expertenintervention oder kostspielige experimentelle Verfahren erfordern. Durch eine Reihe von gezielten Arbeitspaketen wird das Projekt eine skalierbare CML-Pipeline unter Einbeziehung von GenAI entwickeln und evaluieren, mit Anwendungen in verschiedenen Bereichen wie Gesundheitswesen, Politik und Finanzen. Zu den erwarteten Ergebnissen gehören Fortschritte in der Methodik der kausalen Inferenz und Beiträge sowohl zur wissenschaftlichen Literatur als auch zu praktischen Anwendungen.

Relevance to Liechtenstein

Dieses Projekt steht im Einklang mit der Forschungsstrategie der Universität Liechtenstein, indem es sich mit kritischen und zunehmend relevanten Herausforderungen in den Bereichen Datenwissenschaft und künstliche Intelligenz befasst, insbesondere mit der kausalen Erklärbarkeit und der Robustheit von Modellen. Durch die Nutzung der aufkommenden Möglichkeiten der generativen KI will das Projekt einen Beitrag zu diesen Bereichen leisten und gleichzeitig reale Probleme in wichtigen Bereichen wie dem Gesundheitswesen, der Politik und dem Finanzwesen angehen. Insbesondere für Liechtenstein ist diese Forschung von grosser Bedeutung, da sie das Land bei der Förderung von Innovationen in KI-getriebenen Branchen unterstützt. Darüber hinaus wird das Projekt durch Workshops, die Förderung des akademischen Austauschs und die Stärkung regionaler Industriekooperationen aktiv mit der lokalen Gemeinschaft zusammenarbeiten. Dieser Ansatz treibt nicht nur die Spitzenforschung voran, sondern stellt auch sicher, dass die Ergebnisse sowohl der akademischen Gemeinschaft als auch der lokalen Wirtschaft greifbare Vorteile bringen, was dem Auftrag der Universität entspricht, Forschung voranzutreiben, die praktische, lokale Auswirkungen hat.

Scientific, Economic and Societal Impact

Dieses Projekt befasst sich mit den wichtigsten Einschränkungen aktueller Deep-Learning-Architekturen, insbesondere mit dem Erreichen kausaler Erklärbarkeit und der Aufrechterhaltung der Robustheit in Szenarien außerhalb der Verteilung, d. h. in Kontexten, in denen die Datenverteilung von derjenigen abweicht, für die ein Modell ursprünglich trainiert wurde. Durch die Integration von generativer KI (GenAI) in eine skalierbare Pipeline für kausales maschinelles Lernen (CML) zielt diese Forschung darauf ab, die Identifizierung kausal relevanter Variablen und die Formulierung kausaler Hypothesen zu automatisieren, die derzeit auf kostspieligen Experimenten oder dem Eingreifen von Experten beruhen, während die Vorhersagegenauigkeit der aktuellen Deep-Learning-Architekturen erhalten bleibt.
Dieser Ansatz hat das Potenzial, nicht nur die Interpretierbarkeit von KI-Modellen zu verbessern, sondern auch ihre Anpassungsfähigkeit in verschiedenen Anwendungsbereichen. Das Projekt ist vor allem in wichtigen Bereichen wie dem Gesundheitswesen, der Politik und dem Finanzwesen von Bedeutung, wo zuverlässige, kausal informierte KI eine fundierte Entscheidungsfindung unterstützen, Interventionen optimieren und das Vertrauen in KI-gesteuerte Ergebnisse stärken kann. Im Gesundheitswesen beispielsweise könnte dieser Ansatz Ärzten helfen, besser zu verstehen, warum bestimmte Behandlungen für bestimmte Patientengruppen effektiver sind, und so eine individuellere und effektivere medizinische Versorgung unterstützen. Im Finanzwesen könnte dieser Ansatz Risikobewertungsprozesse verfeinern, indem er kausale Faktoren identifiziert, die das Marktverhalten steuern, und so zu einer verbesserten finanziellen Stabilität beitragen. In der öffentlichen Politik könnte ein solcher Rahmen die kausalen Auswirkungen von Maßnahmen, wie z. B. die Auswirkungen neuer bildungspolitischer Maßnahmen, aufklären und die politischen Entscheidungsträger in die Lage versetzen, evidenzbasierte Entscheidungen zum Nutzen

Schlüsselwörter

Generative KI KI-Transparenz

Publikationen