Was braucht ein System, um zu lernen – und um zu jagen? Diese Fragen treiben sowohl die Neurowissenschaften als auch die Entwicklung künstlicher Intelligenz an. Während moderne KI-Systeme auf Milliarden von Parametern basieren, zeigt die Natur, dass hochentwickeltes visuelles Verhalten auch mit einem Bruchteil dieser Ressourcen möglich ist.

Die Würfelqualle Tripedalia cystophora besitzt kein zentrales Gehirn – und leistet trotzdem Erstaunliches. Mit lediglich einigen Hundert Neuronen, verteilt auf vier dezentrale Sinneszentren, navigiert sie durch ihren Lebensraum und weicht Hindernissen aus. Doch Tripedalia kann mehr als reagieren: Sie lernt. In kontrollierten Experimenten haben wir gezeigt, dass die Qualle ihr Verhalten durch Erfahrung dauerhaft anpasst – assoziatives Lernen bei einem Tier ohne Gehirn. Ein Befund, der die Grenzen dessen, was wir für möglich hielten, grundlegend verschiebt.

Und als wäre das nicht genug: Tripedalia erkennt entfernte visuelle Ziele – Lichtsäulen, die schmaler sind als der Auflösungsbereich eines einzelnen Photorezeptors – und schwimmt aktiv auf sie zu. Dieses zielgerichtete Verhalten setzt voraus, dass das Tier ein Ziel als solches identifiziert, eine Entscheidung trifft, es anzusteuern, und diese Entscheidung über die gesamte Annäherung aufrechterhält. Das ist keine einfache Reiz-Reaktions-Kette – das ist visuelle Kognition.

Was bedeutet das für die KI? Ein künstlicher Software-Agent, der mit lediglich 16 simulierten Neuronen trainiert wurde, reproduziert das Ausweichverhalten der Qualle – aber noch kein System dieser Größenordnung reproduziert Lernen oder Zielerfassung. Damit stellt Tripedalia eine biologische Messlatte auf, an der wir künstliche minimale Systeme messen können: Wie viel Architektur braucht Intelligenz wirklich?

Jan Bielecki ist Neurowissenschaftler an der Christian-Albrechts-Universität zu Kiel und Projektwissenschaftler am Institut für Computational Neuroscience (AG Hilgetag) am Universitätsklinikum Hamburg-Eppendorf (UKE). Er studierte Meeresbiologie an der Universität Kopenhagen, wo er 2013 auch in Neurobiologie promovierte. Postdoktorale Stationen führten ihn an die University of California, Santa Barbara, sowie an das GEOMAR Helmholtz-Zentrum für Ozeanforschung und die Universität Kiel. Seine Forschung widmet sich dem visuellen Nervensystem der Würfelqualle Tripedalia cystophora – einem der einfachsten bekannten Nervensysteme – als Modell für assoziatives Lernen und visuelle Entscheidungsfindung. Im Rahmen des DFG-Sonderforschungsbereichs Neurotronics (SFB1461) arbeitete er an der Schnittstelle von Biologie, Computational Neuroscience und Nanoelektronik. Seine Forschungsergebnisse wurden u. a. in Current Biology publiziert.

Eine der wichtigsten Eigenschaften des Gehirns ist seine Fähigkeit zu lernen und sich an Gelerntes zu erinnern. Lernen ist – nicht nur biologisch gesehen – zentraler Bestandteil jeden Verhaltens, sondern auch unabdingbare Grundlage unserer Kultur.

Das Verständnis der Mechanismen von Lernen und Gedächtnis hat in den letzten 20 Jahren große Fortschritte gemacht. Dennoch haben es neue Technologien erst in den letzten Jahren möglich gemacht, im intakten Gehirn zu sehen, wie Gedächtnisvorgänge ablaufen: wie sich neue Verknüpfungen bilden und wie solche auch wieder abgebaut werden.

Der angekündigte Vortrag wird sich mit folgenden Fragen befassen: Was bedeutet es für uns/unser Gehirn, dass wir lernen können? Welche Veränderungen geschehen im Gehirn, wenn wir lernen, und wie können diese Veränderungen sichtbar gemacht werden? Welche Rolle spielen neue Technologien bei diesen Entdeckungen und welche Erkenntnisse sind in näherer Zukunft zu erwarten?

Tobias Bonhoeffer ist Direktor am Max-Planck-Institut für Biologische Intelligenz in Martinsried bei München. Nach seiner Promotion in Neurobiologie am Max-Planck-Institut für biologische Kybernetik (1988) widmet sich seine Forschung den zellulären Grundlagen von Lernen und Gedächtnis sowie der frühen Entwicklung des Gehirns. Er zählt zu den international führenden Forschern auf dem Gebiet der synaptischen Plastizität und entwickelte neuartige optische Verfahren, mit denen sich strukturelle Veränderungen von Synapsen im lebenden Gehirn beobachten lassen.

Seit 2002 ist er Professor an der Ludwig-Maximilians-Universität München, seit 2014 Adjunct Professor an der Norwegian University of Science and Technology (NTNU) in Trondheim sowie Honorary Professor an der University of Cape Town. Er ist Mitglied der National Academy of Sciences (USA), der Nationalen Akademie der Wissenschaften Leopoldina und der Academia Europaea. Darüber hinaus war bzw. ist er in führenden internationalen Wissenschaftsorganisationen tätig, unter anderem als Mitglied des Board of Governors des Wellcome Trust (2014–2021) und als wissenschaftlicher Berater der Chan Zuckerberg Initiative (seit 2016). Für seine wissenschaftlichen Arbeiten wurde er unter anderem mit dem Ernst-Jung-Preis für Medizin ausgezeichnet.

Prof. Dr. Daniel Haun ist Direktor der Abteilung für Vergleichende Kulturpsychologie am Max-Planck-Institut für evolutionäre Anthropologie, Leipzig

Generative KI kann Texte schreiben, Aufgaben lösen, Informationen zusammenfassen und Erklärungen liefern – oft schneller und scheinbar müheloser als wir selbst. Was bedeutet das für menschliches Lernen? Wenn KI uns immer mehr kognitive Arbeit abnimmt, verlernen wir dann am Ende selbst das Denken?

Aus Sicht der Lernpsychologie kommt es entscheidend darauf an, wie KI beim Lernen eingesetzt wird. Erfolgreiches Lernen erfordert mehr, als zu einer richtigen Antwort zu gelangen: Lernende müssen sich Ziele setzen, geeignete Strategien auswählen, ihr Verständnis überwachen, mit Schwierigkeiten umgehen und den eigenen Lernprozess reflektieren. Generative KI kann diese Prozesse des selbstregulierten Lernens unterlaufen – etwa wenn Lernende Denkprozesse an die KI auslagern und deren Antworten übernehmen, ohne sie kritisch zu prüfen. Gleichzeitig kann KI selbstreguliertes Lernen gezielt unterstützen: Sie kann bei der Formulierung von Zielen helfen, Motivation und Strategieeinsatz fördern, individuelles Feedback geben oder durch gezielte Fragen zur Reflexion des eigenen Lernprozesses anregen.

Der Vortrag zeigt anhand aktueller Forschung, unter welchen Bedingungen KI zu einem Werkzeug für vertieftes Lernen werden kann – und wann die Gefahr besteht, dass zentrale Denk- und Lernprozesse an die Technologie ausgelagert werden. Im Mittelpunkt stehen dabei kognitive Entlastung, metakognitive Überwachung und die Frage, welche Lernstrategien wir benötigen, wenn jederzeit ein leistungsfähiger digitaler Assistent zur Verfügung steht.

Dr. Henrik Bellhäuser ist Bildungspsychologe und Vertretungsprofessor für Psychologie in den Bildungswissenschaften an der Johannes Gutenberg-Universität Mainz. Seine Forschungsschwerpunkte liegen im Bereich des selbstregulierten Lernens (SRL), digitaler Lernumgebungen und des Lernens mit Künstlicher Intelligenz. Im Mittelpunkt seiner Arbeit steht die Frage, wie Lernende ihre Lernprozesse planen, überwachen und regulieren – und wie digitale Technologien sie dabei wirksam unterstützen können. Er entwickelt und evaluiert technologiebasierte Interventionen wie digitale Lerntagebücher, automatisierte Feedback-Systeme und algorithmische Verfahren zur Unterstützung von Lern- und Gruppenprozessen. Dabei verbindet er psychologische Theorien des Lernens und der Selbstregulation mit Ansätzen der Bildungstechnologie und untersucht in empirischen Studien, unter welchen Bedingungen digitale Lernunterstützung tatsächlich zu besseren Lernprozessen führt.

Prof. Dr. Stefan Theodor Kramer ist Leiter der Forschungsgruppe „Data Mining“ am Institut für Informatik der Johannes Gutenberg-Universität Mainz

Lernen ohne Wiederholen? Was Bewegung über menschliches Lernen verrät

Lernen wird aus unterschiedlichsten Perspektiven und auf Wiederholungen basierend untersucht: Gedächtnis, Spracherwerb, Motivation, Wahrnehmung oder Problemlösen beleuchten jeweils wichtige Ausschnitte eines komplexen Phänomens. Die dabei gewonnenen Erkenntnisse erlauben jedoch häufig nur mittelbare Rückschlüsse auf den Lernprozess selbst.

„Man steigt niemals zweimal in denselben Fluss“ – bereits Heraklit beschrieb vor über 2000 Jahren die permanente Veränderung unserer Welt. Dennoch blieb eine naheliegende Konsequenz für die Gestaltung des Lernens erstaunlich wenig beachtet: Auch der Lernende ist beim nächsten Versuch nicht mehr derselbe. Zwar versucht er, einen angestrebten neuen Zustand wiederholt zu erzeugen, doch jede vermeintliche Wiederholung beginnt unter veränderten Bedingungen.

Systemtheorie und Systemdynamik eröffnen hierfür einen übergreifenden Zugang. Lernen lässt sich als Veränderung von Zuständen und grundlegende Veränderung als Phasenübergang betrachten. Gerade Bewegungen erlauben, solche Prozesse mit biomechanischen Verfahren unmittelbar zu messen und metrische von topologischen Veränderungen zu unterscheiden. Neurophysiologische Erkenntnisse über menschliche Sensorsysteme und Messungen der Gehirnaktivität erweitern diesen Zugang vom beobachtbaren Verhalten bis zur neuronalen Ebene.

Der Vortrag fragt deshalb, ob Wiederholung tatsächlich der Schlüssel zum Lernen ist – oder ob gerade Variabilität, Fluktuationen sowie sich ständig verändernde innere und äußere Bedingungen ermöglichen, dass qualitativ Neues entsteht.

Wolfgang Schöllhorn studierte Physik, Sportwissenschaft, Pädagogik und Gehirnphysiologie und promovierte in Biomechanik. Nach Professuren in Leipzig und Münster ist er seit 2007 Professor für Trainings- und Bewegungswissenschaft an der Johannes Gutenberg-Universität Mainz. Gastprofessuren und Forschungsaufenthalte führten ihn unter anderem nach Kanada, Taiwan, Österreich und Spanien. Seine Forschung verbindet naturwissenschaftliche, neurophysiologische und pädagogische Perspektiven mit Erfahrungen aus Leistungssport und Trainertätigkeit. Im Zentrum stehen Individualität, Nicht-Wiederholbarkeit menschlicher Bewegung und die Bedingungen, unter denen Neues entsteht. Diese Verbindung unterschiedlicher Perspektiven übertrug er auch auf die akademische Ausbildung und initiierte mehrere internationale Masterstudiengänge. Einer davon ermöglichte Studierenden, neben westlichen wissenschaftlichen Ansätzen an Universitäten für Traditionelle Chinesische Medizin in Shanghai sowie Ayurveda und Yoga in Karnataka, Indien, andere Zugänge zu Gesundheit, Bewegung und Lernen kennenzulernen und wissenschaftlich zu untersuchen. Damit verbindet Schöllhorn interdisziplinäre Forschung mit dem Anspruch, wissenschaftliche Grenzen auch in Ausbildung und Praxis zu überschreiten.

Motivation als Schlüssel zum erfolgreichen Lernen

Warum fällt es manchmal leicht, sich für eine Lernaufgabe anzustrengen – und manchmal schwer? Dieser Vortrag gibt einen Einblick in die psychologischen Grundlagen von Motivation und Emotion beim Lernen. Zunächst wird geklärt, was Motivation eigentlich ist. Anschließend werden zentrale Einflussfaktoren vorgestellt und gezeigt, wie sich günstige Motivationslagen gezielt einstellen können, darunter der subjektive Wert einer Lernaktivität, die Erwartung, erfolgreich zu sein, oder eine selbst- statt fremdbestimmte Motivation. Auch lernwirksame Emotionen wie Neugier, Überraschung, Verwirrung und Langeweile werden thematisiert und deren Entstehung erklärt. Abschließend geht es um aktuelle Fragen der Motivationsforschung: Können Lernsituationen gleichzeitig motivierend und unmotivierend sein? Und wie stark schwankt eigentlich Motivation?

Prof. Dr. Julia Dietrich ist seit 2024 Professorin für Empirische Bildungsforschung an der Katholischen Universität Eichstätt-Ingolstadt. Nach der Promotion im Fach Entwicklungspsychologie an der Universität Erfurt war Julia Dietrich Postdoctoral Fellow an der Universität Helsinki. Danach folgte eine Tätigkeit als wissenschaftliche Mitarbeiterin an der Friedrich-Schiller-Universität Jena, wo sie im Jahr 2022 im Fach Psychologie habilitierte. Ihre Forschungsthemen sind: heterogene Lern- und Entwicklungsprozesse und Methoden zu deren Erfassung; individualisiertes Lernen und Digitalisierung; Motivation, Selbstregulation und Identität; Übergänge im Bildungssystem und von dort in den Beruf; Effekte verschiedener Lern- und Entwicklungsumwelten auf schulische und außerschulische Entwicklung.

Prof. Dr. Jan Born ist Direktor des Instituts für Medizinische Psychologie und Verhal­tens­neurobiologie am Universitätsklinikum Tübingen

Prof. Dr. Ben Godde ist Professor für Neurowissenschaften an der School of Business, Social & Decision Sciences der Constructor University Bremen