In seiner Forschung entwickelt Prof. Runge Theorie, Methoden und Software zur kausalen Inferenz – mit einem starken Anwendungsfokus. Kausale Inferenz ergänzt klassische Methoden der Statistik, des maschinellen Lernens und der Künstlichen Intelligenz, indem sie über bloße Korrelationen hinausgeht und es ermöglicht, Ursache-Wirkungs-Beziehungen aus Daten zu lernen. Damit trägt die Kausale Inferenz zum Prozessverständnis in vielen datengetriebenen Feldern bei, von den Erdsystemwissenschaften und Neurowissenschaften zur Ökonomie und Stadtforschung.
Kausale Inferenz schafft aber auch die Grundlage für robuste, interpretierbare und wissenschaftlich fundierte KI-Systeme, die nicht nur Vorhersagen unter bisher nicht gesehenen Bedingungen ermöglichen, sondern auch komplexe Zusammenhänge erklären und Entscheidungen begründen können.