LLM-gesteuerter Co-Pilot erleichtert die Anwendung von Kausalitätsanalysen

Ein neues Open‑Source-Tool namens CATE‑B nutzt große Sprachmodelle, um Anwender bei der Schätzung von Behandlungseffekten aus Beobachtungsdaten zu unterstützen. Durch einen agentenbasierten Ansatz führt CATE‑B Nutzer Schritt für Schritt durch den gesamten Prozess der kausalen Analyse.

Zunächst erstellt das System ein strukturelles kausales Modell, indem es kausale Entdeckungsalgorithmen mit LLM‑basierter Kantenausrichtung kombiniert. Anschließend bestimmt es robuste Anpassungssets mithilfe eines neu entwickelten Minimal Uncertainty Adjustment Set‑Kriteriums, das die Unsicherheit bei der Auswahl von Kontrollvariablen minimiert.

Im letzten Schritt wählt CATE‑B geeignete Regressionsmethoden aus, die auf die spezifische kausale Struktur und die Eigenschaften des Datensatzes abgestimmt sind. Damit wird die Notwendigkeit tiefgehender Fachkenntnisse in kausalen Annahmen, Anpassungsstrategien und Modellauswahl reduziert.

Zur Förderung von Reproduzierbarkeit und Evaluierung stellt die Autoren zudem eine umfangreiche Benchmark-Suite bereit, die Aufgaben aus verschiedenen Fachbereichen und mit unterschiedlichen kausalen Komplexitäten abdeckt. CATE‑B ebnet somit den Weg für eine breitere Anwendung von Kausalitätsanalysen und legt die Grundlage für neue Standards in der automatisierten Schätzung von Behandlungseffekten.