BERLIN / LONDON (IT BOLTWISE) – Eine neue Längsschnittstudie zeigt, wie das Gehirn durch tausende Übungsdurchläufe die Verarbeitung von Aufgaben physisch verlagert: weg vom präfrontalen „Bottleneck“ in den temporalen Kortex. Dadurch entsteht eine Form von „echtem Multitasking“, die nicht nur aus schnellem Hin- und Herschalten besteht. Die Arbeit liefert zudem eine anatomische Erklärung, warum Gewohnheiten und Zwänge oft dem bewussten Eingreifen entgleiten. Für KI-Teams ist vor allem relevant, wie sich kontinuierliches Lernen im Prinzip modularer und ressourcenschonender gestalten lässt als bisher.
Wer zwischen Kalender, E-Mail und Teilaufgaben jongliert, glaubt oft, das Gehirn müsse „nur“ schnell genug umschalten. Eine aktuelle Längsschnittstudie aus der Neuroforschung stellt dieses Bild jedoch auf den Kopf: Nach intensiver Erfahrung kann das Gehirn die interne Aufgabenverarbeitung so umbauen, dass zwei Leistungen parallel laufen, ohne dass der präfrontale Kortex als überlastete Engstelle dauerhaft dazwischenfunkt. Laut den Forschern bedeutet „true multitasking“ in diesem Kontext nicht bloß hohe Taktung, sondern eine strukturelle, messbare Verlagerung der zuständigen Schaltkreise. Gleichzeitig eröffnet die Beobachtung neue Perspektiven auf Automatisierung, Suchtmechanismen und auch auf KI-Architekturen für kontinuierliches Lernen.
Technisch betrachtet beginnt die Geschichte im präfrontalen Kortex: In frühen Lernphasen sind exekutive Areale besonders aktiv, weil das Gehirn neue Kategorien oder Regeln zunächst bewusst modellieren muss. Genau diese Phase gilt als Engpass, denn komplexe Entscheidungen brauchen Aufmerksamkeit, Arbeitsgedächtnis und Zielunterdrückung. Die Studie nimmt sich die Frage vor, was nach Wochen intensiver Übung passiert, wenn ein Verhalten nicht mehr „gedacht“, sondern zunehmend „getan“ wird. Dafür kombinierten die Wissenschaftler fMRI und EEG, also Verfahren für räumlich feinere Aktivitätsmuster beziehungsweise zeitlich aufgelöste Dynamik, und machten die Lernkurve sichtbar, indem sie Gehirnscans vor und nach dem Training verglichen.
Als Experiment dienten Trainingsdurchläufe in einer Smartphone-App: Teilnehmende sortierten über mehr als 30.000 Bilder in zwei Kategorien, etwa indem sie subtile Unterschiede an verformten Autoreizen erkennen mussten. Die Forscher strukturierten das Training über fünf bis zehn Wochen und teilten die Auswertung in frühe Lernschritte (nach einigen Stunden bis wenigen Wochen) und späte Expertise-Phasen. Dabei zeigte sich zunächst die erwartbare Aktivitätslage im präfrontalen Bereich. Entscheidend wurde es später: Dann fanden sich Hinweise darauf, dass die Kategorieentscheidungen zunehmend im temporalen Kortex stattfinden—einem Areal, das stärker mit Objektverarbeitung, Gedächtnisbindung und erkennungsnahen Repräsentationen verbunden ist. Zusätzlich sank die funktionelle Kopplung zwischen ventralem visuell-temporalem Kortex und präfrontalen Netzwerken.
Aus Sicht der Modellbildung wirkt das wie ein „Offloading“ gelernter Routinen: Die zeitliche Logik und die visuellen Erkennungsprozesse übernehmen vermehrt die spätere, automatisierte Entscheidung, während der präfrontale Kortex freier bleibt. Genau diese Entkopplung liefert die Grundlage dafür, warum parallele Aufgaben besser gelingen, sobald die zweite Aufgabe gleichzeitig mit der automatisierten Kategorieklassifikation bearbeitet wird. Historisch knüpft das an Jahrzehnte von Lernforschung an, die lange auf kurze Paradigmen fokussierte und „Bottleneck“-Theorien betonte. Der neue Beitrag ist die explizite Längsschnittperspektive mit Trainingstempo und dem Nachweis, dass sich Netzwerkkonnektivität mit der Expertise verschiebt. Damit wird auch der Mythos herausgefordert, Multitasking funktioniere primär über schnelles Hin-und-Her.
Für den Markt- und Tech-Kontext ist die Brücke zur KI-Entwicklung klar: Viele heutige Systeme kämpfen damit, alte Fähigkeiten effizient zu nutzen, ohne dass Training neue Kompetenzen überschreibt oder Ressourcen ineffizient blockiert. Branchenanalysen und Expertenberichte deuten deshalb auf einen zunehmenden Fokus auf „modulares Lernen“, Replay-Mechanismen und Architekturen, die Wissensblöcke getrennt halten. Wettbewerber wie Google DeepMind und OpenAI arbeiten ebenfalls an Ansätzen, die Wissen über längere Zeiträume besser konsistent integrieren sollen—wenn auch auf andere Art als im menschlichen Gehirn. Der Gedanke „Freiräume im Regelzentrum“ korrespondiert dabei mit dem Engineering-Ziel, Aufmerksamkeits- und Kontextkapazitäten gezielt zu entlasten, statt jede neue Aufgabe immer wieder vollständig zu replizieren.
Aus Unternehmenssicht liegt der Mehrwert weniger in einem simplen „KI lernt wie Menschen“, sondern in konkreten Designprinzipien für produktive Workflows. Wenn Aufgaben in getrennte Netzmodule migrieren, lassen sich parallele Prozesse leichter orchestrieren: Ein System könnte beispielsweise zwischen erkannter visueller Musterlogik und kontextualer Entscheidungslogik trennen, sodass eine etablierte Erkennung nicht jedes Mal die gleiche „Entscheidungsrechenzeit“ beansprucht. Ein ähnlicher Punkt taucht in der Bildklassifikation medizinischer Workflows auf, etwa wenn Radiologinnen und Radiologen nach jahrzehntelanger Praxis bestimmte Muster automatisierter einordnen. Die Studie nennt hier sinngemäß den Effekt, dass Klassifikationen „ohne extensive deliberation“ gelingen. Als technische Vergleichslinie könnte man sagen: Cloud-basierte Modelle optimieren häufig Gesamtdurchsatz, während on-device oder pipeline-basierte Systeme Entlastung durch Zwischenschritte und Caching erzielen—beides sind Wege, Aufmerksamkeit zu sparen.
Regulatorisch und datenschutzrechtlich bleibt wichtig, dass fMRI/EEG-Studien und App-Trainingsdaten besonders sensibel sind. Auch wenn es sich im beschriebenen Setup um Lern- und Trainingsdaten handelt, entstehen durch Longitudinaldesigns und Smartphone-Interaktionen personenbezogene Datenschatten: Nutzungsverhalten, Zeitstempel, Gerätebezug und potenziell Rückschlüsse auf kognitive Eigenschaften. Für Unternehmen, die aus solchen Ergebnissen lernen wollen, bedeutet das: Die technische Machbarkeit muss mit strikter Datenminimierung, Zweckbindung und transparenter Einwilligung zusammenspielen. Zudem ist der sichere Umgang mit Biometrie-nahem Material zentral, selbst wenn die Daten nicht als „Gesundheitsdaten“ etikettiert sind. In der Praxis sollten deshalb Governance-Prozesse, Aufbewahrungsfristen und Kontrollmechanismen (z. B. Zugriffskonzepte) frühzeitig mitgedacht werden.
Der Zukunftsteil der Arbeit betont schließlich die offenen Fragen: Welche Signale „triggern“ die neuronale Migration, und wo liegen die Grenzen der Parallelität? Genau hier wird die Studie besonders anschlussfähig für reale Nutzungsszenarien. Die Forschenden argumentieren, dass Aufgaben nur dann sicher parallel laufen, wenn sie nicht um dieselben sensorischen oder verhaltensrelevanten Mechanismen konkurrieren—ein Argument, das gut mit dem alltagsnahen Bild „Aufmerksamkeit ist nicht beliebig teilbar“ korrespondiert. Für die Weiterentwicklung von KI heißt das: Nicht jede Kombination von Aufgaben ist gleich „kompatibel“, und Training muss so gestaltet werden, dass getrennte Repräsentationen stabil bleiben. Praktisch könnten Entwickler damit neue Trainingspläne definieren, in denen erst erkannte Routinen „verfestigt“ werden, bevor man komplexe Kontextentscheidungen im gleichen System stärker priorisiert.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Studie zeigt: Gehirn schaltet „echtes Multitasking“ durch Training um" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Studie zeigt: Gehirn schaltet „echtes Multitasking“ durch Training um" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Studie zeigt: Gehirn schaltet „echtes Multitasking“ durch Training um« bei Google Deutschland suchen, bei Bing oder Google News!