In Laboren in Oxford und Cambridge zeichnen Forscher die elektrische Aktivität des Gehirns von Freiwilligen auf, die einfach mit geschlossenen Augen liegen und keine Aufgaben lösen. Anstelle traditioneller Experimente mit Stimuli und Reaktionen wenden die Wissenschaftler maschinelle Lernalgorithmen auf diese „freien“ Signale an. Die resultierenden Muster ermöglichen es nicht nur, die Gehirnaktivität zu erfassen, sondern auch vorherzusagen, woran eine Person in einem bestimmten Moment denkt – ob an ein bevorstehendes Treffen oder an ein bereits stattgefundenes Gespräch.
Ein Übersichtsartikel in Nature Reviews Neuroscience, veröffentlicht am 15. Juli 2026, wurde von Andrea Luppi und seinen Kollegen aus Oxford, Cambridge, Montreal und Dublin verfasst. Luppi, ein Wellcome Early Career Fellow am St. John's College Cambridge, ist der Erst- und Korrespondenzautor der Arbeit.
Der Artikel behauptet, dass die spontane Gehirnaktivität kein Hindernis mehr für das Verständnis des Bewusstseins darstellt. Die Autoren zeigen, wie datengesteuerte Ansätze (data-driven approaches) aussagekräftige Informationen aus Signalen extrahieren, die Forscher zuvor einfach als Rauschen abgetan hatten. Die Arbeit integriert Daten aus EEG, fMRT und vergleichende Analysen der Gehirnaktivität von Menschen, Mäusen und Makaken, enthält jedoch keine neuen Experimente – es handelt sich um eine systematische Übersicht, die bereits veröffentlichte Studien zusammenfasst. Die Autoren berichten über das Fehlen von Interessenkonflikten; die Finanzierung erfolgte über Standard-Universitätsstipendien.
Traditionelle Theorien des Bewusstseins, wie die Global Workspace Theory, basierten auf Studien mit externen Reizen, bei denen die Aufmerksamkeit des Menschen auf die Außenwelt gerichtet ist. Spontane Aktivität stellt das übliche Szenario in Frage: Benötigt man wirklich einen separaten Mechanismus für den „inneren“ Denkmodus? Predictive Processing (prädiktive Verarbeitung), eine alternative Theorie, legt nahe, dass das Gehirn ständig Vorhersagen über die Umwelt generiert.
Die Daten von Luppi und seinen Kollegen zeigen, dass diese Vorhersagen auch dann strukturiert und kognitiv bedeutsam bleiben, wenn eine Person keine externen Inputs erhält – das Gehirn modelliert, analysiert und prognostiziert weiter. Die Übersicht selbst liefert jedoch keine endgültige Antwort auf die grundlegende Frage: Ist eine solche strukturierte spontane Aktivität ausreichend für das Auftreten phänomenalen Bewusstseins (subjektiver Erfahrung) oder spiegelt sie lediglich funktionale Informationsverarbeitung ohne begleitende Wahrnehmung wider.
Methodische Einschränkungen sind offensichtlich: Die meisten Studien wurden an kleinen Stichprobengrößen durchgeführt, und die Algorithmen des maschinellen Lernens wurden auf Daten trainiert, die in völliger Ruhe gesammelt wurden, wo die Kontrolle über Gedanken und Aufmerksamkeit der Freiwilligen minimal ist. Die Autoren räumen ehrlich ein, dass die Übertragung dieser wissenschaftlichen Ergebnisse in die klinische Praxis – von der Steuerung der Anästhesie bei Operationen bis zur Diagnose von Bewusstseinsstörungen – zusätzliche sorgfältige Überprüfungen und Validierungen an größeren Patientengruppen erfordert.
Um den Kern des Ansatzes besser zu verstehen, stellen Sie sich einen Zug vor, der ohne festen Fahrplan auf Schienen fährt. Früher untersuchten die Ingenieure nur die Stopps an den Bahnhöfen – Momente, in denen der Zug hält oder anfängt zu fahren. Jetzt analysieren sie, wie der Waggon zwischen den Bahnhöfen fährt: seine Geschwindigkeit, Schwankungen, die Interaktion der Systeme. Auf ähnliche Weise ermöglichen datengesteuerte Methoden, nicht nur Pausen im Denken zu erkennen, sondern auch, wie spontane Gehirnaktivität nachfolgende Reaktionen „leitet“ und seine Bereitschaft für neue Aufgaben formt.
Wenn sich dieser Ansatz in der Neurowissenschaft durchsetzt, wird sich nicht nur die experimentelle Praxis der Forscher ändern, sondern auch unser grundlegendes Verständnis davon, was als „Norm“ für ein gesundes Gehirn gilt. Studien weisen bereits auf eine Verringerung der Einzigartigkeit und Komplexität der funktionellen Konnektivität unter Anästhesie und bei Frühgeborenen hin – Muster, die als Biomarker des Bewusstseinszustands dienen könnten.
