Intrinsische kausale Beiträge werden durch strukturerhaltende Interventionen quantifiziert, um die 'intrinsic' Teile des Beitrags eines Knotens auf einen Zielknoten in einem DAG zu beschreiben.
Ein Rahmen für interventional Fairness auf teilweise bekannten kausalen Graphen wird vorgestellt, um Fairness zu erreichen und Datenutilität zu maximieren.
Funktionale Abhängigkeiten können die Identifizierung kausaler Effekte verbessern und die Anzahl der benötigten Variablen reduzieren.
Eine kombinatorische Definition ermöglicht die Untersuchung von Verallgemeinerungseffekten von Kontrafaktischen.