Die Künstliche Intelligenz hat längst Einzug in unseren Alltag gefunden. Um den wissenschaftlichen Fortschritt durch KI weiter voranzutreiben, kommt der Schnittstelle zwischen Neurowissenschaften und KI eine besondere Bedeutung zu.
Der Forschungsbereich Neuro-KI beschäftigt sich mit der Frage: Was kann KI vom Gehirn lernen?
KI/DLR Projektträger
Sprachassistenten, ChatGPT oder die Suche mit einem Internetbrowser – Künstliche Intelligenz ist längst Teil unseres Alltags. Und die Entwicklung im Bereich der Künstlichen Intelligenz, kurz KI, ist rasant. Der Anstieg der Leistungsfähigkeit von KI-Systemen sowie deren vielfältige Einsatzmöglichkeiten bieten große Chancen für die Forschung und für den medizinischen Fortschritt. KI-Systeme, die auf Basis künstlicher neuronaler Netze arbeiten, haben in verschiedenen Anwendungsbereichen bereits beeindruckende Erfolge erzielt, wie zum Beispiel in der Bilderkennung, Diagnostik oder der personalisierten Medizin. So hilft KI bereits jetzt Wissenschaftlerinnen und Wissenschaftlern dabei, Hirntumore bei Kindern auf Basis molekularer Veränderungen genauer zu bestimmen, Therapieentscheidungen zu verbessern und die Prognose von Betroffenen zuverlässiger einzuschätzen (KI-gestützte molekulare Krebsdiagnose bei Hirntumoren). Auch kann KI Forschende bei der Suche nach den Ursachen von Krankheiten, beispielsweise von Alzheimer-Demenz, unterstützen (Mit KI der Ursache von Krankheiten auf der Spur). Ein weiteres Beispiel: Mithilfe smarter Sensorik und Datenanalysen durch KI können Forschende Hinweise auf das Bestehen und den Verlauf einer Parkinson-Erkrankung ziehen (Videoporträt: Mit KI Schritt für Schritt zur Parkinson-Diagnose).
Was ist Künstliche Intelligenz?
Künstliche Intelligenz, kurz KI, – abgeleitet vom englischen Artificial Intelligence, kurz AI – ist eine Bezeichnung für Computerprogramme, die in der Lage sind, selbstständig Entscheidungen zu treffen oder Probleme zu lösen. Sie können sich dabei selbst an neue Gegebenheiten anpassen, um ihre Arbeitsaufgabe bestmöglich lösen zu können. Wie das passiert, ist unter Umständen für den Menschen nicht vollständig nachvollziehbar. Der Mensch liefert lediglich die Grundlagen: Entweder abstrakte Programmieranweisungen oder einen Datensatz, aus denen die Maschine oder das Computerprogramm selbstständig lernt.
Zurzeit sind insbesondere KI-Verfahren (als sogenannte generative KI) erfolgreich, die Zugriff auf einen riesigen Datenbestand von Texten, Bildern oder Tönen haben. Es gelingt ihnen eigenständig aus diesen Daten neue Texte, Bilder und Töne zu erzeugen, die plausibel erscheinen und so vorher nicht in der Datenmenge vorkamen.
Mehr Informationen über die Schlüsseltechnologie finden Sie in einem FAQ unter:
https://www.bmftr.bund.de/SharedDocs/FAQs/DE/20230822-faq-ki.html?nn=915598
Künstliche Intelligenz kann viel vom Gehirn lernen
Die Chancen, die KI in Medizin und Forschung eröffnet, sind noch längst nicht alle ergriffen oder erforscht. Denn KI-Systeme sind noch weit von den Fähigkeiten des menschlichen Gehirns entfernt und für viele Einsatzbereiche nicht flexibel und robust genug. Im Vergleich zu aktuellen KI-Systemen ist unser Gehirn bemerkenswert leistungsfähig und effizient. Es kann riesige Mengen unstrukturierter Informationen verarbeiten, ist in der Lage, anpassungsfähig zu lernen und kontextbezogene Informationen zu integrieren. Dabei verbraucht es nur ein Minimum an Energie. Die Leistung von KI-Systemen hingegen beruht derzeit vor allem auf dem Training mit großen Datensätzen. Dies ist mit einem extrem hohen Bedarf an Rechenleistung und Energie verbunden. Um den wissenschaftlichen Fortschritt durch KI weiter und nachhaltig voranzutreiben, ist es deshalb erforderlich, innovative, daten- und energieeffiziente Ansätze zu erforschen.
Der Schnittstelle zwischen Neurowissenschaften und KI, der Neuro-KI, kommt hierbei eine besondere Bedeutung zu – sie birgt großes Synergiepotential. Denn die Prinzipien, wie das Gehirn Informationen verarbeitet sowie die biologischen Grundlagen des Lernens und der Wahrnehmung, können eine Inspirationsquelle für innovative KI-Systeme sein. Erkenntnisse aus den Neurowissenschaften können dazu beitragen, neuartige Algorithmen und Architekturen zu liefern, um Ansätze der KI und des maschinellen Lernens weiterzuentwickeln.
Das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) fördert deshalb seit 2025 mit bis zu 13,9 Millionen Euro elf Pilotprojekte an der Schnittstelle zwischen Neurowissenschaften und KI. Im Vordergrund steht dabei die Frage: Wie können Erkenntnisse aus den Neurowissenschaften die Weiterentwicklung von KI-Systemen beeinflussen? Die Projekte werden an konkreten Beispielen aufzeigen, wie die Funktionsprinzipien des Gehirns oder Methoden der Neurowissenschaften für die Weiterentwicklung von KI-Systemen genutzt werden können. Zudem wird auch untersucht, welche Möglichkeiten sich durch KI für den Fortschritt in der Hirnforschung und den Neurowissenschaften ergeben. Zusätzlich fördert das BMFTR die interdisziplinäre Zusammenarbeit und übergreifende Vernetzung der Projekte.
Drei Beispiele aus der Förderung:
Das Pilotprojekt DeepSync verfolgt das Ziel, neue KI-Architekturen zu entwickeln, die von neurobiologischen Prinzipien der Signalweiterleitung über Schwingungen und Synchronisation inspiriert sind. Das Projekt vereint die Expertise von Forschenden aus der KI-Forschung sowie der klinischen und kognitiven Neurowissenschaft. Durch die Übertragung dieser neurobiologischen Mechanismen in künstliche neuronale Netze sollen Grenzen heutiger Verfahren in der Datenverarbeitung überwunden werden.
Das interdisziplinäre Verbundprojekt CHAIS hat sich etwa zum Ziel gesetzt, eine neue, intelligente und alltagstaugliche KI-Lösung zu entwickeln, die beispielsweise in Hörgeräten zum Einsatz kommen könnte. Diese KI soll in der Lage sein, verschiedene Sinne wie Hören und Sehen miteinander zu kombinieren, um Gespräche klarer herauszufiltern. Inspirieren lassen sich die Forschenden dabei von der menschlichen Fähigkeit, in einer lauten Umgebung gezielt einem Gespräch folgen zu können, dem so genanntem Cocktailparty-Phänomen.
Das Verbundprojekt NAILit hingegen lässt sich von den Lernprozessen sozialer Tiere inspirieren. Die Tiere passen ihr Verhalten ständig an ihre Umwelt sowie an Handlungen und deren Ergebnisse an. Um die zugrunde liegenden neuronalen Mechanismen besser zu verstehen, wird das Forschungsprojekt Daten über die Gehirnaktivität und das Verhalten von Tieren mit KI-Methoden analysieren. Die Erkenntnisse werden anschließend auf neue KI-Architekturen und Trainingsalgorithmen überführt. Die entwickelten Algorithmen sollen dann für die Vorhersage von Krankheitsverläufen im psychiatrischen Bereich erprobt werden.
Die gesamte Liste der geförderten Projekte, finden Sie unter: Interdisziplinäre Pilotprojekte zum Thema „Neurobiologisch inspirierte Künstliche Intelligenz“ (Neuro-KI)