Forschung

Trotz der vielfachen Forschung zur Korruptionsbekämpfung gibt es wenig klare Befunde, die wirksame Maßnahmen nahelegen. Ein Grund besteht darin, dass Korruptionsbekämpfung primär auf Abschreckung, Strafen und Kontrollen setzt. Dabei wird übersehen, dass Amtsträger und Geschäftspersonen reziproke Beziehungen aufbauen und teilweise eine intrinsische Motivation zu verantwortungsvollem und ehrlichem Handeln haben. Ein umfassender, verhaltensorientierter Ansatz muss daher Maßnahmen identifizieren, mit denen neben Abschreckung gleichzeitig eine Stärkung der intrinsischen Motivation zur Verantwortung und eine Eindämmung der Reziprozität erzielt werden.

Für das Projekt wird ein neuartiges experimentelles Design zur Untersuchung menschlichen Verhaltens im Labor verwendet. Dabei werden vier prominente Maßnahmen der Korruptionsbekämpfung auf ihre Wirkung getestet: Die Bestrafung der Vorteilsgewährung, Vorteilsannahme, Amtsmissbrauch und die Nichtigkeit des Grundvertrags.

Der Mehrwert des Projekts relativ zur bestehenden Forschung besteht darin, dass die potentiell korrupte Beziehung realitätsnah als Grauzone zwischen Erpressung, Bestechung und Amtsmissbrauch modelliert wird und im Design die intrinsische Neigung eines Amtsträgers zu verantwortlichem Handeln und die Neigung zu Reziprozität eine prominente Rolle einnehmen. Damit geht das Projekt weit über den derzeitigen Stand der Forschung hinaus und ermöglicht die Identifikation von wirksamen Maßnahmen der Korruptionsbekämpfung.

Hier geht es zur Seite der DFG.

Im Rahmen des vom Bundesministerium für Bildung und Forschung zur digitalen Hochschulbildung geförderten Projekts DeepWrite werden KI-basierte Assistenzsysteme interdisziplinär erforscht und entwickelt, mit denen die Schreib- und Argumentationskompetenzen in den Fächern Jura und Wirtschaft gefördert werden sollen. Es zielt darauf ab, die von Studierenden produzierten Texte sowohl in Bezug auf die argumentative Struktur also auch die Qualität automatisiert zu bewerten.

Mit dem am Lehrstuhl entwickelten Hörsaaltool classEx beteiligen wir uns hieran. Ziel ist es, classEx soweit aufzurüsten, dass dort Freitextfragen im Hörsaal oder online gleichzeitig von vielen Studierenden beantwortet werden können. Hieraus werden Trainingsdaten generiert, mit denen die künstliche Intelligenz aufgebaut werden kann. Der Lehrstuhl beteiligt sich dabei zudem am Aufbau einer Wissendatenbank für wirtschaftswissenschaftliche Lehrinhalte.