English Abstract: Assumptions that are sufficient to identify local average treatment effects (LATEs) generate necessary conditions that allow instrument validity to be refuted. The degree to which instrument validity is violated, however, probably varies across subpopulations. In this paper, we use causal forests to search and test for such local violations of the LATE assumptions in a data-driven way. Unlike previous instrument validity tests, our procedure is able to detect local violations. We evaluate the performance of our procedure in simulations and apply it in two different settings: parental preferences for mixed-sex composition of children and the Vietnam draft lottery.German Abstract: Annahmen zur Identifizierung von Local Average Treatment Effects (LATEs) generieren notwendige Bedingungen in den Daten, die es erlauben, die Validität von Instrumentalvariablen (IV) zu widerlegen. Die Stärke einer möglichen Invalidität variiert sehr wahrscheinlich in Subpopulationen. In diesem Papier verwenden wir einen Causal Forest, um datengetrieben nach solch lokalen Verletzungen der LATE-Annahmen zu suchen und zu testen. Im Gegensatz zu früheren Testverfahren, kann unser Verfahren lokale Verletzungen erkennen. Wir zeigen dies in Simulationen und in zwei Anwendungen
