Am Hertie-Institut für klinische Hirnforschung (HIH) in Tübingen geht es um eine Frage, die beim Blick auf verschwommene Fotos schnell praktisch wird: Warum erkennt der Mensch einen Gegenstand oft noch, während künstliche Bilderkennung längst danebenliegt? Forschende haben untersucht, welche Prinzipien des menschlichen Sehens künstliche Systeme robuster machen können.

Im Mittelpunkt standen zwei Eigenschaften des Gehirns. Bei der Top-down-Rückkopplung senden höhere Hirnareale Informationen an frühere Verarbeitungsstufen zurück. Dazu kommt die neuronale Variabilität – zufällige Schwankungen in der Aktivität von Nervenzellen. Beides klingt zunächst nach Unruhe im System. Zusammen kann daraus aber Stabilität entstehen.

Rückkopplung allein reicht nicht

Das Forschungsteam um Erstautor Dr. Antonino Greco und Studienleiter Prof. Markus Siegel trainierte künstliche neuronale Netze zur Bilderkennung. Verglichen wurden Modelle mit und ohne Rückkopplung. Die neuronale Variabilität simulierten die Forschenden, indem sie während des Trainings einzelne Netzwerkeinheiten zufällig und vorübergehend deaktivierten.

Das Ergebnis war ziemlich eindeutig: Rückkopplung allein verbesserte die Bilderkennung kaum. Erst die Kombination mit dem Training durch zufällige Aktivitätsschwankungen machte die Netzwerke deutlich widerstandsfähiger – gegen Bildrauschen, gegen gezielte Veränderungen, die Fehlklassifikationen auslösen können, und gegen Bilder, die von den Trainingsbedingungen abwichen.

Den Analysen zufolge verhindert die zufällige Variabilität, dass einzelne Netzwerkeinheiten beim Lernen zu stark voneinander abhängig werden. Die Netzwerkaktivität wird dadurch unregelmäßiger. Die Rückkopplung nutzt wiederum Informationen höherer Verarbeitungsebenen, um die gemeinsame Aktivität des Netzwerks in stabileren und kompakteren Mustern zu organisieren. Zwei Mechanismen also, unterschiedliche Aufgaben, die sich ergänzen.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Zwischen Hirnforschung und künstlicher Intelligenz

Die Studie verbindet Hirnforschung und künstliche Intelligenz im Bereich NeuroAI. Die Ergebnisse könnten zur Entwicklung robusterer künstlicher Sehsysteme beitragen und zugleich helfen, die Informationsverarbeitung im Gehirn besser zu verstehen. Weitere Beteiligte waren Marco D’Alessandro und Giovanni Pezzulo vom italienischen Forschungsrat in Rom sowie Karl J. Friston vom University College London.

Entstanden ist die Arbeit im Rahmen des von der Deutschen Forschungsgemeinschaft geförderten Sonderforschungsbereichs 1233 „Robust Vision“. Veröffentlicht wurden die Ergebnisse in der Fachzeitschrift Patterns von Cell Press. Der Originaltitel lautet „Robust inference via top-down feedback and neural variability in recurrent vision models“, die DOI ist 10.1016/j.patter.2026.101693.

Der bereitgestellte Text aus der zweiten Quelle enthält komprimierte beziehungsweise binäre PDF-Daten und keinen lesbaren Nachrichtenartikel. Eine sachliche Zusammenfassung daraus ist deshalb nicht möglich.

Was NeuroAI darüber hinaus verspricht

Wie weit das Feld reicht, zeigt das Projekt NEO an der Schnittstelle von Neurowissenschaften und Künstlicher Intelligenz. KI-Systeme werden heute unter anderem für Bilderkennung, Diagnostik, Robotik, Neurorehabilitation, neurohybride Schnittstellen und personalisierte Therapien eingesetzt. Moderne KI kann große Mengen unstrukturierter Informationen verarbeiten, Muster erkennen und daraus lernen. Umgekehrt dienen die Informationsverarbeitung im Gehirn und biologische neuronale Netzwerke als Vorbild für leistungsfähigere und energieeffizientere KI-Systeme.

NEO untersucht dabei nicht nur technische Möglichkeiten, sondern auch ethische, rechtliche und gesellschaftliche Fragen. Zu Beginn analysiert das Projekt den Forschungsstand und bestehende rechtliche Rahmenwerke zur KI-Ethik. Gearbeitet wird nach den Prinzipien der empirischen Bioethik und des Embedded-Ethics-Ansatzes: Stakeholder-Interviews sollen ethische Herausforderungen erfassen und normativ untersuchen, während ethische Überlegungen frühzeitig in Forschung und Technologieentwicklung einfließen.

Ethikerinnen und Ethiker kooperieren eng mit Wissenschaftlerinnen und Wissenschaftlern, Ingenieurinnen und Ingenieuren sowie Klinikern, unter anderem bei Besuchen in Forschungslaboren in Jülich und Berlin. Untersucht werden auch Computersysteme aus biologisch inspirierten oder organischen Materialien, die direkt mit dem Nervensystem verbunden werden können. Der Ansatz umfasst den gesamten Forschungszyklus – von präklinischen Studien bis zur klinischen Anwendung.

Workshops, Fokusgruppen und Stakeholder-Interviews sollen praktische ethische Herausforderungen von NeuroAI sichtbar machen. Im Zentrum stehen der Schutz sensibler Gesundheitsdaten, das Vertrauen der Anwenderinnen und Anwender in neue Technologien und die Gestaltung von Einwilligungsprozessen. Die Projektergebnisse sollen als Grundlage für einen harmonisierten Governance-Rahmen und ein praxisorientiertes ethisches Toolkit dienen.

Das Projekt trägt den vollständigen Titel „NEO – NeuroAI ELSA Observatorium: Kollaborative Ethik und Governance für verantwortungsvolle neuromorphe und KI-gestützte Technologien in den Biomedizinischen Wissenschaften“. Das Projektvolumen beträgt 1.083.148, die Laufzeit reicht von 2026 bis 2029. Koordiniert wird NEO von Prof. Dr. Marcello Ienca an der Technischen Universität München, Institut für Geschichte und Ethik der Medizin.

Projektpartner sind Prof. Dr. Surjo Soekadar von der Charité – Universitätsmedizin Berlin, Klinik für Psychiatrie und Psychotherapie, Prof. Dr. Francesca Santoro vom Forschungszentrum Jülich, Institut für Biologische Informationsprozesse, sowie Prof. Dr. Ruth Horn von der Universität Augsburg, Lehrstuhl für Ethik in der Medizin.

Für die Forschung in Tübingen bleibt der Ausgangspunkt zunächst ein anderer: ein künstliches Auge, das sich von Bildstörungen nicht so leicht aus dem Takt bringen lässt. Der Blick reicht dabei vom Netzwerk im Rechner zurück bis zu den Nervenzellen im Gehirn – und von dort weiter in Labore, Kliniken und die Debatten darüber, was solche Systeme dürfen sollen.