Wenn es um die Funktionsweise unseres Gehirns geht, sind noch viele Fragen offen. Ein Aspekt zeichnet sich aber immer deutlicher ab: „Das menschliche Gehirn ist eine Vorhersagemaschine – es antizipiert kontinuierlich Sinnesreize, Worte, Ereignisse und ganz allgemein zukünftige Zustände“, erklären Nikola Kölbl von der Universität Erlangen-Nürnberg und ihre Kollegen. Diese Fähigkeit zur Vorwegnahme möglicher Entwicklungen befähigt uns zur schellen Reaktion und sicherte unseren frühen Vorfahren das Überleben.
Blick ins Gehirn beim Hörbuchhören
Doch ob unser Gehirn dieses vorhersagende Kodieren auch für die Sprachverarbeitung nutzt, ist bislang unklar. „Trotz jahrzehntelanger Forschung sind die neuronalen Mechanismen hinter der Extraktion und Repräsentation von Wortbedeutungen noch immer nicht ganz verstanden“, erklären Kölbl und ihr Team. Durch die Fortschritte in der künstlichen Intelligenz ist dieses Thema erneut in den Fokus gerückt, denn es wirft die Frage auf, wie ähnlich sich Große Sprachmodelle wie GPT, Gemini oder Claude und unser Gehirn bei der Sprachverarbeitung sind.
Um dies zu klären, haben Kölbl und ihre Kollegen untersucht, wie das menschliche Gehirn gehörte Sprache verarbeitet – und ob es dabei mit Vorhersagen und Wahrscheinlichkeiten arbeitet. Dafür analysierten sie die Reaktionen des Gehirns von 29 Testpersonen, während diese einem Hörbuch lauschten. „In unserer Studie haben wir die natürliche, kontinuierliche Sprache eines Hörbuchs mit simultanen elektro- und magnetoenzephalografischen Messungen kombiniert“, erläutert Seniorautor Patrick Krauss von der Universität Erlangen-Nürnberg.
Der Clou dabei: Das Team verglich die Hirnaktivität der Testpersonen direkt mit den Vorhersagewahrscheinlichkeiten mehrerer großer Sprachmodelle wie Llama, GPT-4o und BERT für dieselben Texte.
Wahrscheinlichkeit bestimmt Hirnaktivität
Und tatsächlich: Die Auswertungen ergaben überraschend deutliche Parallelen zwischen KI und menschlichem Gehirn. Denn auch unser Denkorgan versucht schon beim Zuhören, die nächsten Wörter zu antizipieren, wie die Hirnaktivität der Testpersonen verriet: Je wahrscheinlicher ein Wort im jeweiligen Kontext dann ist, desto schwächer fällt die neuronale Reaktion während der Verarbeitung des gehörten Wortes aus. Demgegenüber lösen unerwartete Wörter stärkere neuronale Antworten aus.
„Dies passt zu der Annahme, dass das Gehirn stärker arbeiten muss, wenn es unerwarteten Wörtern begegnet“, erklärt das Team. Gleichzeitig zeigten die Daten, dass die Hirnaktivität in den sprachverarbeitenden Hirnregionen schon kurz vor Beginn des nächsten Wortes ansteigt. Dies spricht dafür, dass das Gehirn auf Basis der schon gehörten Wörter semantische Vorhersagen trifft – es ermittelt, welches Wort am wahrscheinlichsten als Nächstes folgen könnte. „Damit konnten wir nachweisen, dass das Gehirn Sprache aktiv vorhersagt“, sagt Krauss.
Parallelen von Gehirn und KI
Das bedeutet: Im Hinblick auf die Sprachverarbeitung funktionieren unser Gehirn und gängige KI-Modelle gar nicht so unterschiedlich. Beide nutzen auf Gelerntem beruhende Wahrscheinlichkeiten, um die Wortfolge vorherzusagen. „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.
Damit untermauern die Studienergebnisse zentrale Annahmen der kognitiven Neurowissenschaft und liefern gleichzeitig eine Erklärung dafür, warum KI-Sprachmodelle in vielen Anwendungen so leistungsfähig sind.
Wie weit reichen die Ähnlichkeiten?
Allerdings: „Die Tatsache, dass Gehirn und Sprachmodelle zu ähnlichen Ergebnissen kommen, bedeutet nicht automatisch, dass sie gleich funktionieren“, sagt Kölbls Kollege Achim Schilling. Denn künstliche Intelligenz beruht auf mathematischen Informationsverarbeitungseinheiten, deren Architektur zwar dem menschlichen Gehirn nachempfunden ist, die aber mit Algorithmen und Zahlenwerten statt mit Zellen, biochemischen und elektrischen Signalen arbeiten.
„Die spannende Frage ist, warum zwei so unterschiedliche Systeme dennoch auf so identische sprachliche Organisationsformen konvergieren – und ebenso, wo die Grenzen dieser Konvergenz liegen“, sagt Krauss. „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.“
Quelle: Nikola Kölbl (Friedrich-Alexander-Universität Erlangen-Nürnberg) et al., NeuroImage, 2026; doi: 10.1016/j.neuroimage.2026.121966
