Auch wenn die so genannten Vision Foundation Modelle, Computermodelle für die automatisierte Bilderkennung, in den vergangenen Jahren enorme Fortschritte gemacht haben – sie unterscheiden sich immer noch deutlich vom menschlichen visuellen Verständnis. Zum Beispiel erfassen sie in der Regel keine mehrstufigen semantischen Hierarchien und haben Schwierigkeiten, mit Beziehungen zwischen semantisch verwandten, aber visuell unähnlichen Objekten. In einem gemeinsamen Projekt mit Google DeepMind haben Wissenschaftler:innen der TU Berlin, des MPI CBS und des MPI für Bildungsforschung einen neuen Ansatz „AligNet“ entwickelt, der erstmals menschliche semantische Strukturen in neuronale Bildverarbeitungsmodelle integriert und damit das visuelle Verständnis der Computermodelle dem des Menschen annähert. Die Ergebnisse wurden jetzt unter dem Titel „Aligning Machine and Human Visual Representations across Abstraction Levels“ in dem renommierten Fachmagazin Nature veröffentlicht.

Eine neue Software ermöglicht Gehirnsimulationen, die sowohl detailliert die Prozesse im Gehirn imitieren als auch anspruchsvolle kognitive Aufgaben lösen können. Entwickelt wurde das Programm von einem Forschungsteam am Exzellenzcluster „Maschinelles Lernen: Neue Perspektiven für die Wissenschaft“ der Universität Tübingen. Die Software bildet damit die Grundlage für eine neue Generation von Gehirnsimulationen, die tiefere Einblicke in die Funktionsweise und Leistungsfähigkeit des Gehirns ermöglichen. Die Arbeit der Tübinger Forschenden wurde in der Fachzeitschrift Nature Methods veröffentlicht.

KI-Modelle sind in der Lage, Regeln der menschlichen Sprache herzuleiten, ohne dass sie mit expliziten Informationen über Grammatik und Wortklassen versorgt werden. Das haben Forscher der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) in einem Experiment nachgewiesen. Damit stützen sie die Theorie der kognitiven Linguistik, nach der – im Gegensatz zur Theorie der Universalgrammatik – das Verständnis für syntaktische Konstruktionen nicht angeboren ist, sondern beim Sprachgebrauch erlernt wird. Die Ergebnisse der Studie sind im renommierten Sammelband Recent Advances in Deep Learning Applications: New Techniques and Practical Examples veröffentlicht worden.

Forschenden am Göttingen Campus ist es erstmals gelungen, die winzigen Synapsen im Innenohr – die Kontaktstellen zwischen den Haarsinneszellen und den Hörnervenzellen – auf molekularer Ebene zu untersuchen. Sie konnten zeigen, dass sich Ionenkanäle und weitere synaptische Proteine, die für das Hören essentiell sind, in spezifischen Mustern organisieren. Diese Anordnung sorgt für eine optimierte Weiterleitung der Hörinformationen an das Gehirn. Diese Erkenntnisse könnten dazu beitragen, Therapien für Hörstörungen mit synaptischer Ursache zu entwickeln. Die Ergebnisse sind in der Fachzeitschrift Science Advances erschienen.

Wir möchten Sie auf die nächste Einreichungsfrist für Vorschläge für das Programm „Collaborative Research in Computational Neuroscience“ der National Science Foundation (NSF), USA, und mehrerer internationaler Partnerorganisationen aufmerksam machen. Die Frist endet bereits am 12. November 2025!

Stellen Sie sich vor, Sie unterhalten sich auf einer Party und versuchen, Ihrer Freundin zuzuhören, die Ihnen von ihrem Tag erzählt, während andere Leute gleichzeitig reden, lachen und feiern – schwierig, nicht wahr? Die Herausforderung, einem Sprecher zuzuhören, wenn mehrere Personen gleichzeitig sprechen, wird als Cocktailparty-Problem bezeichnet. Forscher:innen des Max-Planck-Instituts für Kognitions- und Neurowissenschaften und der Universität Leipzig haben in Zusammenarbeit mit Kolleg:innen des Max-Planck-Instituts für Empirische Ästhetik und der Universität Lübeck untersucht, was im Gehirn passiert, wenn wir versuchen, uns auf einen Sprecher zu konzentrieren und einen anderen zu ignorieren. In der neuen Studie, die jetzt im Journal of Neuroscience veröffentlicht wurde, zeigen sie, dass die Verarbeitung sowohl der Stimme, der wir Aufmerksamkeit schenken, als auch der Stimme, die wir ignorieren, eine entscheidende Rolle dabei spielt, wie gut wir Sprache verstehen.

Vom dualen System zum Netzwerk: Forschungsteam aus Chemnitz, Santiago de Chile und Magdeburg hat eine neue Sicht auf die Handlungssteuerung im Gehirn und ihren Nutzen für die Entwicklung neuroinspirierter KI.

Forschende des Deutschen Primatenzentrums (DPZ) – Leibniz-Institut für Primatenforschung in Göttingen haben herausgefunden, dass sich das Gehirn großflächig über mehrere Hirnregionen neu organisiert, wenn es lernt, Bewegungen mit Hilfe einer Gehirn-Computer-Schnittstelle in einer virtuellen Umgebung auszuführen. So konnte gezeigt werden, wie sich das Gehirn anpasst, wenn es motorische Prothesen steuert. Die Erkenntnisse helfen nicht nur, die Entwicklung von Gehirn-Computer-Schnittstellen voranzutreiben, sondern verbessern auch unser Verständnis der grundlegenden neuronalen Prozesse, die dem motorischen Lernen zugrunde liegen (PLOS Biology).

Der weltweit anerkannte Experte für maschinelles Lernen und neuronale Netze, BIFOLD Co-Direktor und Professor an der TU Berlin, Prof. Dr. Klaus‑Robert Müller, wurde von der IEEE Computational Intelligence Society (CIS) mit dem „Neural Network Pioneer Award 2026“ ausgezeichnet. Der Preis würdigt seine „Beiträge zu der Theorie und Praxis des kern-basierten Lernens“. Unter kern-basiertem Lernen versteht man ein zentrales Verfahren des maschinellen Lernens, das Muster in Daten mit Hilfe spezieller mathematischer Funktionen erkennt.

Ein Team des Universitätsklinikums der Technischen Universität München hat einem vom Hals abwärts gelähmten Mann eine Hirn-Computer-Schnittstelle eingesetzt. Der fünfstündige Eingriff war der erste seiner Art in Europa. Das Gerät ermöglicht Forschung, die Betroffenen in Zukunft mehr Teilhabe, Unabhängigkeit und Lebensqualität eröffnen könnte. Konkret will das Team den 25-Jährigen in die Lage versetzen, sein Smartphone und einen Roboterarm allein mit seinen Gedanken zu steuern.