OSAKA / LONDON (IT BOLTWISE) – Forschende der University of Osaka zeigen mit fMRI und Representational Similarity Analysis, dass das Gehirn Antagonismen deutlich stärker kodiert als Freundschaften. Teilnehmende sahen Episoden eines juristischen Dramas und wurden vor sowie nach dem Anschauen gescannt. Die Muster der neuronalen Aktivität konzentrierten sich besonders in der linken anterioren Supramarginalwindung und im rechten medialen präfrontalen Kortex. Die Ergebnisse liefern Ansatzpunkte, wie Künstliche Intelligenz soziale Konfliktdynamiken besser erkennen und navigieren kann.
Wenn Menschen Figuren in Serien bewerten, entsteht im Kopf schnell ein Lageplan: Wer steht wofür, wer blockiert wen, und wo kippt eine Beziehung von Kooperationsbereitschaft in offenen Widerstand? Genau dieses intuitive „Who-is-against-whom“-Denken untersucht jetzt eine Studie der University of Osaka. Der Kernbefund wirkt zunächst überraschend: Das Gehirn bildet antagonistische Beziehungen nicht nur ab, sondern verstärkt sie als steuerndes Strukturmerkmal des sozialen Kartenbilds. Damit wird aus Unterhaltung im Negativ- und Konfliktmodus mehr als nur Zeitvertreib – sie wird zur experimentellen Vorlage für soziale Kognition.
Technisch setzt das Forschungsteam auf ein designstarkes Vorher-Nachher-Experiment. Insgesamt nahmen 21 Studierende teil und sahen sechs Episoden einer juristischen Drama-Serie mit acht wiederkehrenden Hauptfiguren (SUITS). Während der Scans betrachteten die Teilnehmenden zunächst statische Bildmotive der Gesichter dieser Figuren, bevor sie den Handlungsbogen verstanden. Nach dem Serienkonsum wiederholten die Forschenden die fMRI-Messungen erneut – nun im Kontext des bereits gelernten Beziehungsgeflechts. Diese Trennung isoliert, welche neuronalen Repräsentationen sich durch das Erlernen der sozialen Rollen und Konfliktlagen verändern.
Für die Auswertung kam Representational Similarity Analysis (RSA) zum Einsatz, also eine Methode, die Muster in den multivariaten Aktivierungsdaten vergleicht. Die Teilnehmenden bewerteten nach der Sichtung alle Figurenpaare nach Beziehungsstärke und ordneten sie in affiliative versus antagonistische Konstellationen ein. Die Analyseschritte verknüpften dann diese subjektiven Ratings mit den Bilddaten des Gehirns: Welche Charakterpaar-Beziehungen korrespondieren mit besonders ähnlichen bzw. Unterscheidbaren Aktivierungsmustern? Entscheidend ist das Asymmetrie-Ergebnis: Antagonistische, feindselige Paarungen zeigten robuste, statistisch gut fassbare Cluster in spezifischen Hirnregionen, während freundliche, affiliative Beziehungen unter den gleichen RSA-Kriterien weniger klar abbildbar waren.
Die räumliche Verankerung der „Bad-Blood“-Signaturen fiel besonders stark aus. Die Muster antagonistischen Sozialverhaltens konzentrierten sich laut Studie im linken anterioren Gyrus supramarginalis sowie im rechten medialen präfrontalen Kortex. Der linke anteriore supramarginale Bereich wird häufig mit der Verarbeitung sozialer Affekte, mit Grenzen des Empfindens und mit Perspektivübernahme in Verbindung gebracht; der mediale präfrontale Kortex gilt als zentrale Schaltstelle für Social Cognition und Mentalizing. Ergänzend zeigte eine univariate Analyse eine erhöhte Aktivität in der Precuneus-Region nach der Serie, was auf eine stärkere Abrufbereitschaft narrativer personenspezifischer Informationen hindeuten kann, jedoch ohne die gleichen repräsentationalen RSA-Effekte für zwischenmenschliche Relationen.
Historisch betrachtet ist dieser Ansatz eine Brücke zwischen klassischer Sozialnetzwerkforschung und moderner Neurokognition. Frühere Arbeiten haben soziale Strukturen oft auf „connected vs. Not connected“ oder auf Positionen in Gruppen reduziert, also eher graphentheoretisch gedacht. Das Problem dabei: Reale Beziehungen tragen Valenz, Risiko und emotionale Bedeutung – Freundschaft, Vertrauen, Wettbewerb und Feindseligkeit. Der „Narrative Sandbox“-Gedanke greift genau diese Lücke: Durch die wiederholte Beobachtung komplexer Figureninteraktionen im Verlauf mehrerer Episoden entsteht ein natürlicheres Trainingssignal, als es typische Laboraufgaben bieten. Als Referenz wird die Veröffentlichung in Communication Psychology geführt, DOI: 10.1038/s44271-026-00491-y.
Für den Markt ist die Implikation klar: KI-Systeme, die soziale Dynamiken modellieren, stehen oft vor einem blinden Fleck bei Konflikt- und Spannungsbildern. Social-Graph-Ansätze – etwa in Teilen moderner Empfehlungs- und Werbe-Ökosysteme – erkennen Beziehungen häufig über Interaktionssignale wie Follows, Likes oder Klickpfade. Sie sind jedoch deutlich schlechter darin, „warum“ eine Beziehung kippt, welche emotionale Valenz dahinter steckt und wie Antagonismus als Navigationsanker genutzt wird. Branchenanalysten sehen daher zunehmend die Notwendigkeit von KI-Modellen, die nicht nur Nähe oder Verbindung schätzen, sondern relationale Zustände mit Risiko- und Zielkonflikten verknüpfen, also Konflikt als modellierbares Signal behandeln.
Ein weiterer Blickwinkel kommt aus dem Wettbewerb: Plattformen wie Meta treiben seit Jahren Social-Graph- und Interaktionsmodelle, während OpenAI und andere Akteure ihre KI-Systeme stärker auf kontextsensitives Verstehen und Dialogführung trimmen. Diese Fortschritte sind wertvoll, aber die Studie legt nahe, dass „soziale Karte“ nicht allein als abstrakter Graph funktioniert, sondern als mehrdimensionales Repräsentationsproblem mit besonders hervorstechenden Konfliktkoordinaten. Genau hier könnte der neurokognitive Befund als Trainings- oder Bewertungsheuristik dienen: Modelle, die adversarial tension ähnlich wie das Gehirn priorisieren, könnten robustere Schlussfolgerungen über Rollen, Interessen und potenzielle Konflikteskalationen liefern.
Der praktische Transfer Richtung KI-Entwicklung ist dabei nicht als 1: 1-Kopie der Hirnareale zu verstehen. Vielmehr geht es um ein Architekturprinzip: Wenn die menschliche Repräsentation antagonistische Beziehungen stärker und verlässlicher ablegt, sollte man in KI-Lernzielen und Modellfeatures Konfliktzustände höher gewichten oder explizit als latente Variablen führen. In der Praxis könnten Entwickler dafür Trainingsdaten aus Dialogen, Game-Logs oder narrativen Interaktionen nutzen und dabei Valenz und Spannungsmarker stärker als „Hilfslabel“ einbetten. So lässt sich, konzeptionell, eine Art „tension-first social encoding“ implementieren, das bei Bedarf auf Kontext und Metadaten kalibriert wird.
Regulatorisch und datenschutztechnisch bleibt das Thema zugleich anspruchsvoll. Soziale Beziehungsmuster sind hochsensibel, weil sie Rückschlüsse auf Vertrauen, Risiko und potenzielle Konfliktdynamiken erlauben können. In Europa würde jede Nutzung solcher Signale in der Regel in den Rahmen von DSGVO und möglicherweise weiterer sektorspezifischer Vorgaben fallen, insbesondere wenn personenbezogene Daten verarbeitet werden oder Profiling stattfindet. Hinzu kommt: fMRI-Studien liefern zwar wertvolle Erkenntnisse, sind aber nicht direkt auf Unternehmensdaten übertragbar. Für die KI-Praxis bedeutet das, dass man erkenntnisgeleitete Modelle entwickeln kann, ohne private Inhalte unnötig zu speichern – etwa durch Anonymisierung, strikte Zweckbindung und durch föderierte oder datensparsame Trainingsverfahren.
Mit Blick nach vorn dürfte die Forschung in zwei Richtungen beschleunigen. Erstens wird das Verständnis „story-latenter“ sozialer Lernprozesse wichtiger: Wenn Narrative Antagonismen besonders stark als Anker setzen, dann sind Serien, Rollenspiele und interaktive Simulationen nicht nur Datenquellen, sondern Werkzeuge, um KI-Modelle für soziale Kontextwahrnehmung zu evaluieren. Zweitens entsteht eine neue Kategorie von Benchmarks, die nicht nur Beziehungskanten prüfen, sondern deren Valenz, Stabilität und Wechselwirkung messen. Für Entwickler ergibt sich damit eine klare Handlungsoption: KI-gestützte Systeme sollten Spannungs- und Konfliktmuster gezielt erfassen, bevor sie Empfehlungen oder Handlungspläne ableiten – genau dort, wo das Gehirn offenbar am verlässlichsten strukturiert.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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: Antagonismus prägt die KI-taugliche soziale Repräsentation im Gehirn" 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: Antagonismus prägt die KI-taugliche soziale Repräsentation im Gehirn" 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: Antagonismus prägt die KI-taugliche soziale Repräsentation im Gehirn« bei Google Deutschland suchen, bei Bing oder Google News!