ISTARI versorgt die deutsche Regierung während COVID-19 mit wirtschaftlichen Echtzeit-Informationen.
Zusammenfassung
Wir haben ein innovatives Zeitreihen-Analyse-Framework entwickelt, das Echtzeit-Webdaten, Unternehmensbefragungen und Kreditratings integriert. Durch den Einsatz fortschrittlicher Natural Language Processing (NLP)-Techniken auf Unternehmenswebsites konnten wir der deutschen Regierung ermöglichen, die sektorbezogenen Auswirkungen der COVID-19-Pandemie schnell zu identifizieren und zu verstehen. Dieser hochmoderne Ansatz lieferte zeitnahe und umsetzbare Erkenntnisse, wodurch gezieltere und effektivere wirtschaftspolitische Maßnahmen ergriffen werden konnten – eine entscheidende Unterstützung für die Entscheidungsfindung während der COVID-19-Krise.
Was war die Herausforderung?
Wie können politische Entscheidungsträger fundierte Entscheidungen treffen, wenn traditionelle Datenquellen zu langsam auf sich schnell entwickelnde Wirtschaftskrisen reagieren? Zu Beginn der COVID-19-Pandemie stand das Bundesministerium für Wirtschaft und Energie genau vor diesem Problem. Offizielle Statistiken und Umfragen waren nicht in der Lage, die schnellen und unterschiedlichen Auswirkungen der Pandemie auf verschiedene Branchen zeitnah abzubilden. Dies führte dazu, dass Entscheidungsträger nur verzögert und mit aggregierten Informationen arbeiteten. Es bestand ein dringender Bedarf an Echtzeit- und detaillierten Einblicken, um die Entscheidungsfindung effektiv zu unterstützen.
Wie haben wir geholfen?
Im ersten Schritt analysierten wir über eine Million deutsche Unternehmenswebsites, um Erwähnungen von COVID-19 zu identifizieren. Mithilfe unserer fortschrittlichen NLP-Modelle kategorisierten wir diese Erwähnungen in verschiedene Kontexte – darunter Herausforderungen, Anpassungsmaßnahmen oder allgemeine Informationsverbreitung. So konnten wir frühzeitig erfassen, wie sich die verschiedenen Wirtschaftssektoren an die Krise anpassten.
Zusätzlich ergänzten gezielte Umfragen die Echtzeit-Webdaten um detaillierte Einblicke auf Unternehmensebene. Darüber hinaus integrierten wir Kreditrating-Daten, um die langfristige finanzielle Stabilität der Unternehmen zu bewerten. Durch die Verknüpfung früher Web-Indikatoren mit späteren Kreditrating-Änderungen konnten wir aufzeigen, wie erste Anzeichen wirtschaftlicher Schwierigkeiten eine spätere finanzielle Solvenz vorhersagen. Wie in unserer Forschung hervorgehoben wurde:
„Wir zeigen, dass die klassifizierten Textfragmente als Frühindikatoren für Kreditrating-Abstufungen von Unternehmen dienen, die durch den wirtschaftlichen Schock negativ betroffen sind. Diese Erkenntnisse stellen eine wertvolle Ergänzung des Informationsstands von Entscheidungsträgern dar und liefern empirische Belege zur Rechtfertigung schneller und gezielter Maßnahmen.“
Unsere nahezu in Echtzeit ermittelten Einschätzungen zur Betroffenheit von Unternehmen wurden durch Kreditratings bestätigt, die ein Jahr später verfügbar wurden.
Das vollständige Paper finden Sie hier: https://doi.org/10.1371/journal.pone.0263898
Welchen Mehrwert konnten wir schaffen?
Durch die regelmäßige Bereitstellung von Echtzeit-Analysen konnten wir politischen Entscheidungsträgern ermöglichen, schnell und präzise zu handeln. Unsere Zeitreihenanalysen zeigten auf, welche Branchen am stärksten betroffen waren, sodass wirtschaftliche Hilfsmaßnahmen gezielt eingesetzt werden konnten, um maximale Wirkung zu erzielen und Ressourcen optimal zu nutzen. Dies steigerte nicht nur die Effizienz der politischen Maßnahmen, sondern minimierte auch unnötige fiskalische Belastungen, sodass die Unterstützung sowohl zeitnah als auch wirkungsvoll war.