LONDON (IT BOLTWISE) – Eine neue Studie verknüpft neurophysiologische Messungen mit Verhaltenstests und kommt zu dem Schluss, dass sich Anpassung in veränderlichen Situationen bei Autismus nicht primär über Fehlerhäufigkeit, sondern über Feedback-Sensitivität erklärt. In einem Hör- und Entscheidungsparadigma zeigten autistische Erwachsene deutlich schwächere neuronale Reaktionen auf negative Rückmeldungen. Gleichzeitig reagierten sie weniger stark auf Schwankungen ihrer subjektiven Entscheidungssicherheit. Damit fehlt eine wichtige Basis für schnelles, trial-by-trial-Update von Erwartungen und Handlungsstrategien.
Die Frage, warum Anpassung an wechselnde Anforderungen im Alltag so schwerfallen kann, wird in der Forschung seit Jahren vor allem über das beobachtbare Verhalten diskutiert. Was dabei häufig im Hintergrund bleibt: Welche Rechen- und Signalverarbeitungsschritte entscheidet das Gehirn eigentlich dafür, ob es aus Feedback lernt und Verhalten in Echtzeit neu ausrichtet? Eine jetzt veröffentlichte neuroimaging- und verhaltensbasierte Arbeit in der Journal of Neuroscience stellt genau diese Brücke her. Die Ergebnisse legen nahe, dass viele autistische Erwachsene weniger stark auf zwei zentrale Informationsquellen reagieren: auf die korrigierende Rückmeldung von außen und auf innere Signale zur eigenen Entscheidungssicherheit.
Im Kern kombiniert das Studiendesign eine präzise Aufgabe mit gleichzeitiger elektrophysiologischer Auswertung. Die Teilnehmenden absolvierten einen perceptual pitch discrimination task: Sie mussten subtile Frequenzverschiebungen zwischen akustischen Tönen erkennen und erhielten unmittelbar visuelles Feedback, ob ihre Antwort richtig oder falsch war. Gleichzeitig wurden Event-Related Potentials (ERPs) aufgezeichnet, also spannungsbasierte EEG-Ableitungen, die zeitlich an Ereignisse wie eine Rückmeldung gekoppelt sind. Entscheidend ist dabei das Muster der sogenannten feedback-related negativity (FRN), die in der EEG-Forschung als Signal dafür gilt, wie stark das Gehirn explizit negative gegenüber positiven Rückmeldungen verarbeitet.
Bei der Auswertung zeigte sich eine klare Gruppendifferenz: Autistische Teilnehmende wiesen im Vergleich zu neurotypischen Kontrollpersonen attenuierte neuronale Amplituden auf, wenn negative Rückmeldungen auftraten. Praktisch bedeutet das nicht, dass die Fehlerquote im Versuch zwingend höher gewesen sein muss. Im Gegenteil: Die Studie berichtet für die Aufgabe eine vergleichbare Genauigkeit zwischen beiden Gruppen, während die neuronale „Fehler“- oder Korrektursensitivität geringer ausfiel. Anders gesagt: Selbst wenn die Aufgabe zuverlässig „zeigt“, dass eine Antwort falsch war, registriert das autistische Gehirn diese Korrektur weniger stark auf der Ebene des in ERPs sichtbar gemachten Outcome-Evaluationssignals. Das macht die Rückmeldung biologisch weniger salient – und damit potenziell weniger handlungsleitend.
Besonders interessant wird es, wenn man die Rolle von interner Gewissheit betrachtet. In typischen kognitiven Modellen gilt: Das Gehirn verbindet Feedback mit einer metakognitiven Einschätzung, wie sicher eine Entscheidung subjektiv war. Fühlt sich jemand sehr sicher, stellt sich dann aber heraus, dass die Entscheidung falsch war, müsste daraus eigentlich ein stärkerer Rechen- und Update-Impuls entstehen. Die Studie prüft genau diese Kopplung, indem sie Aufgabe und Schwierigkeit variiert und so die Bedingungen für unterschiedliche Erwartungsgrade schafft. Während neurotypische Teilnehmende offenbar sowohl die Rückmeldungsverarbeitung als auch nachfolgende Entscheidungen spürbar über task difficulty und subjektive certainty modulierten, blieb bei autistischen Teilnehmenden die Verhaltensänderung nach einfachen, erfolgreichen Trials deutlich schwächer.
Diese Beobachtung wird in der Arbeit als Abwesenheit eines „Success Bias“ beschrieben: Neurotypische Personen neigen dazu, nach einem leichten Erfolg ihre nachfolgenden Entscheidungen systematisch zu verankern – im Versuch konkret an den Pitch-Beziehungen der vorangegangenen leichten Trials. Autistische Teilnehmende zeigten dagegen weniger Einfluss früherer leichter Erfolge auf ihre nächsten Entscheidungen. Damit wirkt es so, als würde die trial-by-trial-Mechanik, die sonst Korrekturen und Stimmigkeitsupdates steuert, nicht nur bei negativen Rückmeldungen abgeschwächt, sondern auch beim Zusammenspiel aus internal confidence und external feedback entkoppelt. Die Autoren fassen das als dualen Feedback-Defizit-Mechanismus: sowohl die äußere Information („du liegst falsch“) als auch die innere Evidenz („ich war überzeugt“) scheint weniger sensitiv in die adaptive Aktualisierung einzuspeisen.
Für den technischen und neurobiologischen Unterbau ist damit eine weitere Richtung vorgezeichnet. Die Arbeit nennt die anterior cingulate cortex (ACC) als möglichen Schaltpunkt, weil dieser Frontalkortex-Bereich mit Conflict Monitoring, error-related negativity und reinforcement learning in Verbindung gebracht wird. Wenn das ACC-Computing die Abweichungsbewertung und damit das Update in Konfliktsituationen stärker mitträgt, könnte eine verringerte Signalstärke im FRN-Kontext auf eine andere Gewichtung der Outcome-Kontingenzen hindeuten. Die Studie geht sogar über Beobachtungen hinaus: In der Zusammenführung mehrerer Effekte konnten die Daten autistische und neurotypische Teilnehmende mit etwa 80% Genauigkeit unterscheiden. Dass solche Klassifikationen funktionieren, spricht für reproduzierbare, quantifizierbare Muster in Feedback-Potenzialen und in der Aktualisierung von Entscheidungspräferenzen.
Aus Sicht der Anwendung in Bildung, Training und beruflicher Integration ist weniger entscheidend, „ob“ jemand Fehler macht, sondern wie schnell und zuverlässig Korrekturen in Strategiewechsel übersetzt werden. Wenn das Gehirn negative Feedbacksignale und interne Gewissheitssignale weniger stark als Update-Treiber nutzt, dann kann das Lern- und Anpassungstempo in komplexen, sozial oder sensorisch variablen Umgebungen sinken – selbst bei grundsätzlich vorhandener Genauigkeit in der jeweiligen Aufgabe. Die Studie kündigt an, künftig die lokalere kortikale Verschaltung hinter diesen Outcome-Dynamiken zu untersuchen. Für betroffene Personen und für Unterstützungsformate könnte das langfristig heißen: Feedback-Design und Lernumgebungen müssten die Feedbacksalienz und das Zusammenspiel mit subjektiver Unsicherheit stärker berücksichtigen, statt ausschließlich auf Wiederholung oder Aufgabenraster zu setzen.
🔥 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 "Autismus: Warum das Gehirn Korrekturen und innere Gewissheit weniger stark verarbeitet" 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 "Autismus: Warum das Gehirn Korrekturen und innere Gewissheit weniger stark verarbeitet" 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: »Autismus: Warum das Gehirn Korrekturen und innere Gewissheit weniger stark verarbeitet« bei Google Deutschland suchen, bei Bing oder Google News!