Am 22. Januar 2026 fand in den Räumlichkeiten der Banque centrale du Luxembourg (BCL) ein Forschungsworkshop zu Large Language Models (LLMs) in der geldpolitischen Analyse statt. Ziel des Workshops war es, aktuelle Forschungsansätze zur Analyse geldpolitischer Kommunikation und Erwartungen mithilfe moderner KI-basierter Sprachmodelle zu diskutieren.
Einen Beitrag aus dem universitären Kontext präsentierten Leonie Streit, Felix Betz und Jonas Dix von der Seniorprofessur für Volkswirtschaftslehre, Geld und internationale Wirtschaftsbeziehungen von Prof. Dr. Peter Bofinger. In ihrem Vortrag „Identifying Monetary Policy Shocks in Newspapers using GPT“ stellten sie einen Ansatz vor, mit dem sich geldpolitische Schocks automatisiert aus Zeitungsartikeln identifizieren lassen. Grundlage der Analyse ist der Einsatz von Large Language Models, die umfangreiche Textkorpora systematisch auswerten. Der Ansatz eröffnet neue Möglichkeiten, Medienberichterstattung gezielt als Datenquelle für die geldpolitische Forschung zu nutzen.
Der Workshop brachte darüber hinaus Expertinnen und Experten aus führenden geldpolitischen Institutionen zusammen. Fiorella De Fiore von der Bank for International Settlements (BIS) analysierte in ihrem Vortrag „Monetary Policy in the News: Communication Pass-Through and Inflation Expectations“, wie geldpolitische Kommunikation über Medienkanäle an Haushalte und Märkte weitergegeben wird und welche Auswirkungen dies auf Inflationserwartungen hat.
Sarah Arndt von der Europäischen Zentralbank (ECB) zeigte in ihrem Beitrag „Different Newspapers – Different Inflation Perceptions“, dass unterschiedliche mediale Darstellungen derselben geldpolitischen Maßnahmen zu divergierenden Inflationswahrnehmungen führen können. Damit unterstrich sie die Bedeutung von Medienvielfalt für die Transmission geldpolitischer Signale.
Einen stärker anwendungsorientierten Ansatz präsentierte Dimitrios Kanelis von der Deutschen Bundesbank mit dem Projekt Monetary-Intelligent Language Agent (MILA). Der Beitrag veranschaulichte, wie KI-gestützte Sprachagenten Zentralbanken künftig bei der Analyse, Strukturierung und Interpretation großer Textmengen unterstützen können.
Der Workshop verdeutlichte insgesamt, dass Large Language Models zunehmend eine zentrale Rolle in der modernen geldpolitischen Forschung spielen – insbesondere an der Schnittstelle von Ökonomie, Kommunikation und Künstlicher Intelligenz. Der enge Austausch zwischen Wissenschaft und Zentralbanken bot dabei wichtige Impulse für zukünftige Forschungs- und Anwendungsfelder.
