Causal Discovery

Kausale Entdeckung ist die Aufgabe, anhand von Daten zu erschließen, welche Variablen welche anderen verursachen. Das Ergebnis ist ein gerichteter Graph, in dem ein Pfeil von X nach Y bedeutet, dass X Y direkt beeinflusst. Standardmäßiges maschinelles Lernen erlernt Zusammenhänge, die für prädiktive Modellierung gut genug sind. Kausale Entdeckung fragt, welche dieser Zusammenhänge einem Eingriff standhalten würden, etwa einer Änderung an einer Maschineneinstellung oder an einem Ampelschaltplan. Das Ergebnis besteht aus möglichen Kausalstrukturen, bei denen einige Kanten oft ungerichtet bleiben. Fachleute und Experimente verfeinern diese Strukturen anschließend.

Was das Lernen kausaler Strukturen ermöglicht#

Kausalgraphen sind meist gerichtete azyklische Graphen (DAGs), also dieselbe Struktur, die ein Bayes'sches Netz verwendet, kausal gelesen: Jeder Pfeil steht für einen direkten Effekt. Entdeckungsalgorithmen stützen sich auf drei Standardannahmen. Gemäß der kausalen Markov-Bedingung ist eine Variable unabhängig von jeder Variablen, die nicht zu ihren Effekten gehört, sobald ihre direkten Ursachen bekannt sind. Die Faithfulness-Annahme besagt, dass jede Unabhängigkeit in den Daten auf die Graphstruktur zurückgeht und nicht auf Effekte, die sich zufällig gegenseitig aufheben. Die Annahme der kausalen Suffizienz besagt, dass keine unbeobachtete Variable zwei beobachtete Variablen verursacht.

Selbst unter allen drei Annahmen lassen sich die Kantenrichtungen anhand von Beobachtungsdaten nicht immer erkennen. Die Kette X → Y → Z, die umgekehrte Kette X ← Y ← Z und die Gabel X ← Y → Z implizieren alle dasselbe Unabhängigkeitsmuster: Sobald Y bekannt ist, werden X und Z unabhängig, sodass sie sich durch keine Menge an Beobachtungsdaten unterscheiden lassen. Beim Collider X → Y ← Z ist das anders. X und Z sind zunächst unabhängig, werden aber abhängig, sobald Y bekannt ist – ein Kennzeichen, das die Richtung beider Pfeile eindeutig festlegt.

Algorithmen geben daher eine Markov-Äquivalenzklasse zurück: einen teilweise gerichteten Graphen, dessen gerichtete Kanten feststehen und dessen ungerichtete Kanten in beide Richtungen zeigen können. Dieselbe Eigenschaft erklärt eine klassische Quelle für Datensatzverzerrung: Wenn man nach einem Collider filtert oder für ihn korrigiert, entsteht zwischen seinen Ursachen eine Abhängigkeit, die in der Gesamtpopulation nicht vorhanden ist.

Entdeckungsalgorithmen#

Die meisten Methoden gehören zu drei Familien. Constraint-basierte Algorithmen wie PC, benannt nach Peter Spirtes und Clark Glymour, die ihn 1991 veröffentlichten, beginnen mit einem vollständig verbundenen ungerichteten Graphen. Sie entfernen Kanten zwischen Variablen, die sich bei einem Test als bedingt unabhängig erweisen, und richten anschließend Collider aus. FCI erweitert diesen Ansatz auf Umgebungen mit verborgenen Störvariablen. Bewertungsbasierte Algorithmen wie die Greedy Equivalence Search (GES) durchsuchen Graphen nach dem besten Wert, zum Beispiel nach dem Bayes'schen Informationskriterium. NOTEARS formuliert die Zyklenfreiheit als glatte Nebenbedingung, sodass sich die Suche mithilfe von Gradientenabstieg als kontinuierliche Optimierung durchführen lässt. Funktionale Methoden wie LiNGAM gehen von linearen Beziehungen mit nicht gaußschem Rauschen aus. Dadurch ist die Richtung jeder Kante eindeutig bestimmbar, auch bei nur zwei Variablen.

Bibliotheken für kausale Entdeckung akzeptieren außerdem zeitliche Reihenfolgen, physikalische Einschränkungen und Fachwissen als Hintergrundregeln, die bestimmte Kanten verbieten oder erfordern. Dadurch verkleinert sich der Suchraum, und Kanten, deren Richtung sich nicht allein aus den Daten ableiten lässt, können ausgerichtet werden. Die quelloffene Bibliothek causal-learn implementiert alle drei Familien. Dieses Beispiel erzeugt Daten aus einem bekannten Collider und rekonstruiert ihn mit PC:

import numpy as np
from causallearn.search.ConstraintBased.PC import pc

rng = np.random.default_rng(0)
n = 5000

# Grundwahrheit: Sowohl Regen als auch eine Veranstaltung im Stadion verursachen Verkehrsstaus
rain = rng.normal(size=n)
event = rng.normal(size=n)
congestion = rain + event + rng.normal(scale=0.5, size=n)

# PC testet bedingte Unabhängigkeit, um den Graphen allein aus den Daten zu rekonstruieren
data = np.column_stack([rain, event, congestion])
result = pc(data, alpha=0.05, node_names=["rain", "event", "congestion"], show_progress=False)
print(result.G)

Die Ausgabe listet zwei gerichtete Kanten auf: rain --> congestion und event --> congestion. PC richtet beide Kanten aus, weil Regen und Veranstaltung unabhängig sind, aber abhängig werden, sobald die Verkehrsdichte bekannt ist. Wäre die wahre Struktur eine Kette von Regen über Verkehrsdichte bis zu Verspätungen gewesen, wären die Kanten ungerichtet zurückgegeben worden.

Anwendungsbereiche der kausalen Entdeckung#

Die Biologie lieferte einen frühen Meilenstein. Karen Sachs und Kollegen erlernten 2005 anhand von Einzelzellmessungen ein Signalnetzwerk aus 11 Proteinen und Phospholipiden und rekonstruierten dabei die meisten bekannten Verbindungen. Die Forschenden bestätigten in anschließenden Laborexperimenten eine neu vorhergesagte Verbindung. In der Klimaforschung finden Zeitreihenmethoden wie PCMCI, entwickelt von Jakob Runge und in das Paket Tigramite eingebunden, kausale Verbindungen zwischen Klimavariablen. Sie berücksichtigen Verzögerungen und Autokorrelationen und eignen sich daher gut für die Zeitreihenanalyse. Das PyWhy-Ökosystem kombiniert Werkzeuge zur Entdeckung mit DoWhy für den nächsten Schritt: die Schätzung der Effektgröße, sobald der Graph feststeht.

Die Computer Vision kann die Variablen liefern. Die Objektzählung mit Ultralytics YOLO26 zählt Fahrzeuge und Fußgänger, die in Verkehrsvideos eine Linie oder Region überqueren. Die in Zeitabständen protokollierten Zählungen lassen sich vor dem Einsatz eines Entdeckungsalgorithmus mit Wetterdaten, Veranstaltungsplänen und Ampelschaltungen zusammenführen.

Kausale Entdeckung und verwandte Begriffe#

• Kausales Repräsentationslernen: Lernt sowohl die kausalen Variablen selbst aus Rohdaten wie Pixeln als auch den Graphen zwischen ihnen. Die kausale Entdeckung geht von bereits gemessenen Variablen aus.
• Erklärbare KI (XAI): Erklärt, welche Eingaben die Vorhersage eines Modells beeinflusst haben, ohne zu behaupten, dass eine Änderung der Eingabe das Ergebnis in der realen Welt verändern würde.
• Merkmalsentwicklung: Wählt Eingaben aus und erstellt sie, um die Vorhersage zu verbessern. Dazu gehören auch Variablen, die lediglich mit dem Zielwert korreliert sind. Ein Kausalgraph identifiziert die Variablen, deren Änderung den Zielwert verschieben würde.