Gehirn und KI arbeiten mit Vorhersagen in der Sprachverarbeitung

Gehirn berechnet ähnlich der KI die Wahrscheinlichkeit von Wortfolgen voraus

Nürnberg/Germany, 29. Mai 2026. – Ob Menschen mit einem angeborenen grammatikalischen Grundgerüst zu Welt kommen, oder ob sich Sprache aufgrund von Erfahrung und bei Nutzung entwickelt, darüber sind sich linguistische Denkschulen noch nicht einig. Die Sprache und die Erforschung der Sprache ist komplex. Was sich in früher Zeit der Evolution entwickelt hat, kann heute mittels hochmodernen Technologien und Modellrechnungen in weitaus kürzerer Zeit erforscht werden und hebt ganz aktuell das Bewusstsein über die Sprache hervor. Mit er Erforschung der Sprache sollen bestmöglichen und an der Natur nachempfundene KI-Sprachmodelle, Large Language Models entwickelt werden.

Bereits beim zuhören versucht das Gehirn, die nächsten Worte zu antizipieren. Forschende der Universitäten Erlangen und Heidelberg haben die in einer Studie ermittelt. Dazu wurden 3 Methoden kombiniert.

Eine natürliche Hörsituation, hochauflösende Messungen der Hirnaktivität und ein KI-Sprachmodell als Referenz. Je wahrscheinlicher ein Wort im jeweiligen Kontext war, desto schwächer fiel die neuronale Reaktion bei seiner Verarbeitung aus. Gleichzeitig zeigten die Daten bereits vor Wortbeginn eine erhöhte Voraktivierung, was für ein voraussagendes, prädiktives Gehirn spricht.

„In unserer Studie haben wir die natürliche, kontinuierliche Sprache eines Hörbuchs mit simultanen elektro- und magnetoenzephalographischen Messungen kombiniert und die Hirnaktivität der Probanden direkt mit den Vorhersagewahrscheinlichkeiten großer Sprachmodelle verglichen – und das mit einer zeitlichen Auflösung im Millisekundenbereich“, erläutert Patrick Krauss, der einer der Autoren im interdisziplinären Forschungsteam ist. Das Team besteht aus Forschenden um PD Dr. Patrick Krauss, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), und PD Dr. Achim Schilling, Universität Heidelberg, ergeben.


Vorhersagen messbar

Die Messergebnisse deuten darauf hin, dass das Gehirn bereits vor dem eigentlichen Wortbeginn aktiv wird. Die neuronale Reaktion fiel umso geringer aus, je wahrscheinlicher ein Wort im jeweiligen Kontext war. Demgegenüber lösten unerwartete Wörter stärkere neuronale Antworten aus. „Damit konnten wir nachweisen, dass das Gehirn Sprache aktiv vorhersagt. Diese Vorhersagen lassen sich messen und folgen ähnlichen Mustern wie in modernen Sprachmodellen“, erklärt Patrick Krauss.

Sprachmodelle basieren auf künstlichen neuronalen Netzen. Es handelt sich dabei um mathematische Informationsverarbeitungseinheiten, deren Architektur dem menschlichen Gehirn nachempfunden ist. Während biologische Nervensysteme mit elektrischen oder chemischen Signalen arbeiten, berechnen Sprachmodelle bzw. deren Algorithmen Zahlenwerte.

„Besonders überrascht hat uns, dass sich zwischen Gehirn und Sprachmodellen nicht nur ähnliche Vorhersagen zeigen. Es verdichten sich Hinweise darauf, dass beide Systeme Sprache intern auf vergleichbare Weise organisieren“, sagt Krauss.

Ähnliche Prinzipien

Damit untermauern die Studienergebnisse zentrale Annahmen der kognitiven Neurowissenschaft und liefern gleichzeitig eine Erklärung dafür, warum KI-Sprachmodelle in vielen Anwendungen so leistungsfähig sind.

„Die Tatsache, dass Gehirn und Sprachmodelle zu ähnlichen Ergebnissen kommen, bedeutet nicht automatisch, dass sie gleich funktionieren. Aber sie kann auf ähnliche Prinzipien der Informationsverarbeitung hinweisen“, betont Achim Schilling. „Die spannende Frage ist, warum zwei so unterschiedliche Systeme dennoch auf so identische sprachliche Organisationsformen konvergieren – ebenso wo die Grenzen dieser Konvergenz liegen“, ergänzt Patrick Krauss.

Im nächsten Schritt möchte das Forschungsteam herausfinden, ob die gefundenen Prinzipien robust sind und sich auf konkrete Anwendungen übertragen lassen. „Wenn wir besser verstehen, wie Gehirn und Sprachmodelle Sprache repräsentieren und vorhersagen, könnten daraus langfristig neue Ansätze für Diagnostik, personalisierte Therapien, Gehirn-Computer-Schnittstellen oder besser erklärbare KI entstehen.“

Direkt zur Studie:
https://doi.org/10.1016/j.neuroimage.2026.121966

Originalpublikation:
https://doi.org/10.1016/j.neuroimage.2026.121966