CONNECTICUT (USA) / LONDON (IT BOLTWISE) – Forschende zeigen, dass Menschen mit langjährigem, regelmäßigem Substanzkonsum negative Konsequenzen zwar erkennen, sie aber nicht zuverlässig in die nächste Entscheidung übersetzen. In einem Experiment mit wechselnden „stabilen“ und „volatilen“ Lernregeln versagten gerade jene Teile des Entscheidungsverhaltens, die Erwartungen aus vergangenen Ergebnissen konsistent anwenden. Mathematische Modelle deuten weniger auf fehlendes Lernen als auf eine Störung beim momentanen Einsatz des gelernten Wertes hin. Damit rückt eine präzisere Interventionslogik in den Fokus: nicht nur das Wissen über Risiken, sondern die Fähigkeit, es im richtigen Moment anzuwenden.
Menschen, die über Jahre regelmäßig Alkohol oder andere Substanzen konsumieren, wirken aus der Außenperspektive „widersprüchlich“: Sie erleben spürbare Folgekosten, etwa gesundheitliche Probleme, finanzielle Belastungen oder Konflikte im sozialen Umfeld, und nutzen dennoch weiter. Eine aktuelle Studie aus der translationalen Psychiatrie liefert dafür eine neue, feinere Erklärung, die über das klassische Narrativ „zu wenig Einsicht“ hinausgeht. Im Zentrum steht nicht die Frage, ob Betroffene Informationen über negative Konsequenzen überhaupt verarbeiten können, sondern wie sie diese Kosten in einer konkreten Entscheidungssituation vergleichend gewichten – gerade dann, wenn die Regeln der Umwelt variieren.
Technisch betrachtet haben die Forschenden ihr Experiment so gestaltet, dass Lernprozesse unter Unsicherheit sichtbar werden. Die Teilnehmenden (insgesamt 137 Erwachsene aus New Haven County, Connecticut) mussten in 200 Runden zwischen zwei Karten wählen. Jede Karte zeigte einen zufälligen Geldbetrag zwischen 1 und 5 US-Dollar, der als potenzielle Verlustgröße diente. Hinter den Kulissen gab es jedoch eine feste Wahrscheinlichkeitsstruktur: Eine Karte war über Abschnitte hinweg wahrscheinlicher dafür verantwortlich, dass die Teilnehmenden Geld verloren, wenn sie die „falsche“ Karte wählten. Ein grüner Fortschrittsbalken machte kumulative Verluste erfahrbar und erlaubte, dass Lernsignale sich über Zeit aufbauten.
Besonders entscheidend ist der Wechsel zwischen zwei Lernumgebungen: In der stabilen Phase blieb die gefährlichere Karte über 100 Runden mit einer 75-prozentigen Verlustwahrscheinlichkeit konsistent, ohne dass die Teilnehmenden den Übergang angekündigt bekamen. In der volatilen Phase hingegen wechselten die Wahrscheinlichkeiten alle 25 Runden: mal war Karte A häufiger die Verlustquelle (80 %), mal Karte B (20 %). Diese Konstruktion zwingt das Gehirn zu unterschiedlichen Strategien: In stabilen Umgebungen reicht oft regelbasiertes Vertrauen in erlernte Muster, während volatilen Kontexten stärkeres Umschalten und fortlaufende Neubewertung entsprechen muss. Damit wird der Kern der Fragestellung greifbar: Wie gut wird gelerntes Wertwissen tatsächlich in Entscheidungen übertragen?
Zur Auswertung nutzten die Forschenden mathematische Modellierungen, die schrittweise erfassen, wie Personen ihren inneren Erwartungswert anpassen und wie konsistent sie gelerntes Wissen zur Auswahl der „besten“ Option einsetzen. Damit nähern sich die Modelle dem Entscheidungsprozess an, statt nur Endergebnisse zu betrachten. Die zentralen Befunde: Teilnehmende mit mehr Jahren regelmäßigen Substanzkonsums verhielten sich anders als Teilnehmende mit geringerem Konsum. Auffällig war insbesondere, dass sie nach einem erfolgreichen Vermeiden eines Verlustes weniger oft dieselbe Wahl wiederholten. Dieser Effekt blieb nicht strikt auf Situationen mit Verlust beschränkt; vielmehr wechselten sie Antworten sowohl nach Null-Verlust als auch nach Verlust, wodurch das Verhalten trotz erkennbarer Lernsignale inkonsistenter wirkte.
Wie lässt sich das einordnen – und warum ist das für die Praxis relevanter als eine rein „sensitivitätsbasierte“ Erklärung? Aus Expertensicht formuliert Sonia G. Ruiz, dass die Resultate zwar mit früheren Befunden kompatibel sind, aber eine spezifische Lücke schließen: Betroffene könnten Informationen über Kosten durchaus aufnehmen, übersetzten sie jedoch nicht konsistent in unmittelbare Handlungsentscheidungen. Das passt zu dem Gedanken, dass es weniger um Lernunfähigkeit geht, sondern um eine Interferenz während der Entscheidung selbst. In einem stark ähnlichen Umfeld sind auch Wettbewerbsansätze in der Therapielandschaft zu verorten: Während klassische kognitive Verhaltenstherapie (KVT) stark auf Risikoerkenntnis und Strategien zur Verhaltenssteuerung setzt, zielen neuere, stärker prozessbasierte Interventionen darauf, die „Anwendung zur richtigen Zeit“ zu trainieren – also den Übergang von Wissen zu Verhalten im Moment zu verbessern.
Aus Markt- und Strategiebezug der Forschung lässt sich daraus ableiten, warum sich die letzten Jahre von globalen „Belohnungs-/Vermeidungs“-Erklärungen hin zu präziseren, modellbasierten Phänotypen verschieben. Branchenbeobachter erwarten, dass sich die evidenzbasierte Abhängigkeitstherapie künftig stärker über Mechanismen validiert, nicht nur über Symptomreduktion. Hier liefern computergestützte Aufgaben mit veränderlichen Regeln eine Art „Mechanikmessung“: Man kann prüfen, ob jemand Risiken erkennt, aber dabei inkonsistent handelt, selbst wenn die Wahrscheinlichkeiten objektiv lernen lassen. Dieser Mechanismus ist ein wertvoller Vergleichspunkt für laufende Entwicklungsprogramme, die therapeutische Bausteine auf spezifische Lern-/Entscheidungsprofile zuschneiden möchten.
Wichtig ist zugleich die regulatorisch relevante und methodische Einordnung. Die Studienautoren warnen explizit davor, die Ergebnisse als unmittelbare klinische Vorhersage zu missbrauchen. Zudem unterscheidet sich die experimentelle Aufgabenwelt deutlich von realen Substanzkontexten: In dem Task ging es um monetäre Kosten, nicht um Substanzfolgen; außerdem bildete die Studie ein globales Schweremaß aus Vergangenheit und aktuellem Konsum, wodurch neurobiologische Unterschiede zwischen „aktivem“ und „vergangenem“ Konsum möglicherweise verwischt werden. Für Forschung und spätere Anwendungen bedeutet das: Wenn Mechanismen wie Arbeitsgedächtnis-Engpässe oder emotionale Zustände in zukünftigen Aufgaben adressiert werden, müssen Datenerhebung und Ergebnisweitergabe besonders sauber nach Datenschutzprinzipien erfolgen, zum Beispiel durch minimale Datenspeicherung, strikte Zugriffskontrollen und transparente Einwilligungsprozesse.
Für den Ausblick nennt Ruiz zwei unmittelbare nächste Schritte: Erstens sollen Belohnungsanteile in die Entscheidungsmatrix integriert werden, weil Alltagsentscheidungen selten nur „Kosten gegen Kosten“ abgleichen, sondern simultan Nutzen und Risiko. Zweitens wollen Forschende langfristig untersuchen, wie Menschen sich an Entscheidungsrahmen orientieren – etwa ob eine Situation als fair empfunden wird oder ob eigene Wahl überhaupt Einfluss auf den Ausgang hat. Für Unternehmen und Entwickler im Gesundheitsdaten-Ökosystem ist das eine Signalwirkung: Interventions-Design kann künftig stärker auf Mechanismen und dynamische Kontexte ausgerichtet werden, etwa über lernbasierte Trainingsprogramme, die an die individuelle „Regelübertragung“ anknüpfen. Solche Systeme würden nicht lediglich Inhalte ausspielen, sondern die Fähigkeit verbessern, gelernten Wert im jeweiligen Moment stabil anzuwenden.
💳 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 zu Substanzkonsum: Warum negative Folgen die Entscheidungen nicht zuverlässig steuern" 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 zu Substanzkonsum: Warum negative Folgen die Entscheidungen nicht zuverlässig steuern" 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 zu Substanzkonsum: Warum negative Folgen die Entscheidungen nicht zuverlässig steuern« bei Google Deutschland suchen, bei Bing oder Google News!