![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/4.4_MIMo_A4_300dpi_mod_scharf_hell-354x500.jpg\")
Bild: Dominik Mattern et al., Journal of temporary stand-ins, (2024) https:\/\/ieeexplore.ieee.org\/document\/10382408<\/figcaption><\/figure>\n\n\n\n
Wie lernt ein Kleinkind, Objekte zu erkennen? Eine Banane von einem Auto zu unterscheiden, aber auch \u00adverschiedene Autos \u2013 farbig, in allen Gr\u00f6\u00dfen, Formen und Abstraktionen \u2013 als solche einzuordnen und sp\u00e4ter auch zu benennen? Dazu muss unser Gehirn das Wissen um das Aussehen mit vielen anderen Zusammenh\u00e4ngen verkn\u00fcpfen sowie mit dem Namen des Objekts.<\/p>\n\n\n\n
Im zweiten Lebensjahr beginnen Kinder Wortbedeutungen zu verstehen und zuzuordnen. Dabei spielen Objekte und Sprache eine wichtige Rolle. Triesch und sein Team imitieren \u00addiesen Lernprozess in einer Art Computerspiel: In einem \u00bbWohnraum\u00ab mit mehreren Gegenst\u00e4nden lernt ein \u00bbKind\u00ab verschiedene Objekte kennen, die eine Bezugsperson im simulierten Zwiegespr\u00e4ch benennt.<\/p>\n\n\n\n
Die Arbeitsgruppe Triesch hat mit dem Team von Prof. Gemma Roig vom Institut f\u00fcr Informatik der Goethe-Universit\u00e4t ein Computer\u00admodell entwickelt, das nachempfindet, wie ein S\u00e4ugling lernt: das Aussehen eines einzelnen Objekts, einer ganzen Kategorie von Objekten, den zugeh\u00f6rigen Begriff und den Kontext. Eine Computergrafik simuliert die Seherfahrung eines Kleinkinds in einer virtuellen Wohnung. Trieschs Postdoc Arthur Aubret programmiert die Umgebung, die Handlungen und Experimente. So kann er Einfl\u00fcsse systematisch variieren, etwa dass die Bezugsperson oft oder selten etwas sagt.<\/p>\n\n\n\n
\u00bbH\u00e4ufig richtet das Kind in dem Moment, wenn die Bezugsperson etwas sagt, n\u00e4mlich gerade gar nicht die Aufmerksamkeit auf das Objekt\u00ab, so Triesch. Etwa in der H\u00e4lfte der Zeit schaut das Kind auf etwas ganz anderes, haben Forschende festgestellt. Aubret hat dies auf das Computermodell \u00fcbertragen. Trotzdem funktioniert der Lernprozess. Dabei ist er viel komplexer, als man auf den ersten Blick meinen k\u00f6nnte: Das Kind erforscht das Objekt von verschiedenen Seiten, um seine Dreidimensionalit\u00e4t kennenzulernen \u2013 sich also zu merken, wie ein Auto von vorne, unten, oben und seitlich aussieht. Zudem kann ein gleichbenanntes Objekt aus unterschiedlichen Materialien bestehen \u2013 Metall, Plastik, Stoff, Holz \u2013 sowie sich in Form und Gr\u00f6\u00dfe unterscheiden. Das Gehirn muss also eine Klassenzugeh\u00f6rigkeit schaffen \u2013 in diesem Fall mit dem \u00dcberbegriff \u00bbAuto\u00ab.<\/p>\n\n\n\n
20 Jahre FIAS<\/strong> Wie ein Spielzeugauto r\u00e4umlich aussieht, lernt ein Kind, indem es das Spielzeug von verschiedenen Seiten erforscht. \u00bbSpannend ist, dass die Menge der Informationen in einem Bild ungeheuer hoch sein kann\u00ab, erkl\u00e4rt Triesch. Zum einen k\u00f6nnen andere Dinge im Sichtfeld sein, Spielzeug oder M\u00f6bel beispielsweise. Und w\u00e4hrend das Kind spielt, kommentiert die Bezugsperson zwar manch-mal \u2013 \u00bboh, wie sch\u00f6n, da hast du einen Ball\u00ab \u2013, redet aber h\u00e4ufig auch \u00fcber andere Objekte. Das scheint den Lernprozess kaum zu st\u00f6ren, so die Erkenntnis der Forschenden. Die Inter\u00adaktion ist wichtig, aber wenn die Aufmerksamkeit hier und da auf das falsche Objekt gerichtet wird, hat das keinen starken negativen Einfluss. \u00bbUnd mehr Zuwendung, also st\u00e4ndig alles zu kommentieren, f\u00f6rdert den Lernprozess kaum\u00ab, so Triesch.<\/p>\n\n\n\n Besonders fasziniert ist der Wissenschaftler von den Konzepten, die sich in unserem Kopf formen: Die Zuordnung von \u00c4hnlichem, r\u00e4umlich oder zeitlich Zusammengeh\u00f6rigem ist \u00addeutlich anspruchsvoller als das, was K\u00fcnstliche Intelligenz bislang zu leisten vermag. Das Hirn verkn\u00fcpft ein flexibles Aussehen zudem mit einem Wort und legt somit die Grundlage f\u00fcr Sprache und Kommunikation. Wie wichtig das f\u00fcr unsere Sozialisation ist, hat Peter Bichsel schon vor \u00fcber 50 Jahren in seiner Kurzgeschichte \u00bbEin Tisch ist ein Tisch\u00ab dargestellt: Dort erfindet ein einsamer Mann seine eigenen Benennungen und wird damit zum Au\u00dfen\u00adseiter.<\/p>\n\n\n\n Das lernende Kleinkind-Gehirn verkn\u00fcpft benachbarte Dinge als \u00e4hnlich und verbindet das Sehen (und F\u00fchlen, Riechen) mit dem H\u00f6ren: Das deutsche Wort \u00bbbe-greifen\u00ab beschreibt diesen Vorgang recht bildlich. \u00bbUnser Computer\u00admodell ist nicht genaue Realit\u00e4t\u00ab, schr\u00e4nkt Triesch ein, \u00bbaber die Mechanismen bilden die Prozesse hinreichend ab.\u00ab Sie bauen die Interaktionen nach, die zu den entsprechenden Verkn\u00fcpfungen f\u00fchren. Und sie erlauben zu verstehen, wie diese Prozesse im Gehirn funktionieren.<\/p>\n\n\n\n Zudem erkennt das Gehirn h\u00f6here Strukturen, etwa dass bestimmte Ger\u00e4te in die K\u00fcche oder ins Bad geh\u00f6ren. Eine Gabel und ein Teller haben f\u00fcr uns den gleichen Kontext: Sie geh\u00f6ren in die K\u00fcche. Wenn unser Gehirn Gegenst\u00e4nde aufgrund ihrer Bedeutung und Funktion zueinander in Beziehung setzt, nennt man das eine \u00bbsemantische Verwandtschaft\u00ab. Aber wie lernt unser Gehirn diese Zusammenh\u00e4nge?<\/p>\n\n\n\n \u00bbDen verbindenden Zusammenhang von Objekten, also etwa K\u00fcche oder Schlafzimmer, speichert das Computermodell \u00e4hnlich wie beim Menschen in h\u00f6heren Schichten des Netzwerks\u00ab, schreibt das Autorenteam. Die Identit\u00e4t oder Kategorie eines Objekts spiegeln hingegen Schichten auf niedriger Ebene besser wider. Dieses mehrschichtige Modell ahmt die hierarchische Informationsverarbeitung der Sehrinde (visueller Cortex) nach: Fr\u00fche Schichten entsprechen dabei fr\u00fchen Verarbeitungsstufen im Gehirn und sp\u00e4te den h\u00f6herstrukturierten. Sowohl das Computermodell als auch das menschliche Gehirn nutzen daf\u00fcr zwei sich erg\u00e4nzende Lernstrategien: Die Verkn\u00fcpfung von Bild und Sprache stellt sicher, dass verschiedene Objekte derselben Kategorie \u00e4hnlich dargestellt werden.<\/p>\n\n\n\n \u00bbMit diesem Wissen k\u00f6nnte man Computer bauen, die autonomer lernen \u2013 eben wie ein Kleinkind\u00ab, hofft Triesch. Bislang basiert KI auf Unmengen von Daten, die im Internet hinterlegt und mittlerweile fast ersch\u00f6pfend ausgewertet sind. Dieses passive Lernen aus Daten unterscheidet sich vom aktiven Lernen eines Kleinkinds, das aus wenigen Informationen, eigener Beobachtung und Kommen\u00adtaren von Bezugspersonen ein komplexes Verst\u00e4ndnis der Welt entwickelt. Es speichert nicht nur das Aussehen eines Objekts, sondern auch Kategorien und Bedeutungszusammenh\u00e4nge gemeinsam mit dem dazugeh\u00f6rigen Wort. Triesch sieht dies als eine Grundlage f\u00fcr die Entwicklung zuk\u00fcnftiger Generationen von Robotern, die \u00e4hnlich wie Kinder lernen, in ihrer Welt zurechtzukommen und mit uns dar\u00fcber zu kommunizieren.<\/p>\n\n\n\n Zur Person<\/strong> Die Autorin<\/strong>
2024 feierte das Frankfurt Institute for Advanced Studies<\/a> sein 20-j\u00e4hriges Bestehen. Gegr\u00fcndet wurde es als gemeinn\u00fctzige Stiftung b\u00fcrgerlichen Rechts von der Goethe-Universit\u00e4t. Seinen Sitz hat es in einem Geb\u00e4ude auf dem Campus Riedberg der Universit\u00e4t, das von der Stiftung Giersch errichtet wurde. Das interdisziplin\u00e4re theoretische Forschungsinstitut wollte von Anfang an \u00bbdas Verbindende in der Vielfalt erschlie\u00dfen\u00ab. Das zeichnet das kleine und dadurch flexible Stiftungsinstitut bis heute aus: Seine rund 80 Wissenschaftlerinnen und Wissenschaftler stammen aus verschiedenen Disziplinen und arbeiten beim FIAS unter einem Dach.
Die Erfolge des FIAS k\u00f6nnen sich sehen lassen: Die Forschenden haben die computergest\u00fctzten Neurowissenschaften entscheidend vorangebracht. Theorien und Simulationen von molekularen und zell\u00fcbergreifenden Netzwerken erlauben Aussagen \u00fcber Zellbewegungen, Signalprozesse und Interaktionen von Zellen bis zu Computermodellen von Infektionskrankheiten und deren \u00dcbertragung. Physikerinnen und Physiker beschreiben kleinste und extrem dichte Materieformen, Gravitationswellen und Neutronensterne und liefern wichtige Daten zu Klima, Erdbeben und Strom\u00fcbertragung. Am FIAS entwickelte Hochleistungscomputer geh\u00f6ren zu den energieeffizientesten Systemen weltweit.<\/p>\n\n\n\n![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/4.4_shutterstock_2575920527-500x281.jpg\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/4.4_shutterstock_2575920529-500x281.jpg\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/4.4_shutterstock_2575920531-500x281.jpg\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/4.4_shutterstock_2577295555-500x281.jpg\")
<\/figure>\n<\/div>\n<\/div>\n\n\n\n
Fotos: R_yuliana\/Shutterstock<\/em><\/p>\n\n\n\nSchubladendenken ist wichtig f\u00fcr das Gehirn<\/h3>\n\n\n\n
Moderne KI aus dem menschlichen Lernprozess entwickeln<\/h3>\n\n\n\n
![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/Triesch_Jochen_c_privat-500x500.jpg\")
Jochen Triesch, Jahrgang 1969, studierte Physik an der Ruhr-Universit\u00e4t Bochum und der University of Sussex in England und promovierte am Institute for Neural Compu\u00adtation der RUB. Anschlie\u00dfend arbeitete er als Postdoc am Department of Computer Science and Center for Visual Science der University of Rochester in New York und dann als Assistant Professor des Department of Cognitive Science an der University of California in San Diego. 2005 startete er als Fellow beim FIAS. Zwei Jahre sp\u00e4ter nahm er einen Ruf auf die Johanna Quandt-Professur f\u00fcr Theoretical Life Sciences an und wurde Senior Fellow und Mitglied des Vorstands. Dar\u00fcber hinaus ist er seit 2007 als Professor an den Fachbereichen Physik sowie Informatik und Mathematik der Goethe-Universit\u00e4t t\u00e4tig. Von 2012 bis 2017 war er stellvertretender FIAS-Vorstandsvorsitzender.
triesch@fias.uni-frankfurt.de<\/a><\/p>\n\n\n\n![\"\"](\"https:\/\/aktuelles.uni-frankfurt.de\/wp-content\/uploads\/2025\/07\/Stoeriko_Anja_c_privat-500x500.jpg\")
Anja St\u00f6riko, Jahrgang 1965, ist promovierte Molekularbiologin. Sie arbeitet als freie Journalistin und Redakteurin sowie als Presse- und \u00d6ffentlichkeits\u00adreferentin des FIAS.
stoeriko@fias.uni-frankfurt.de<\/a><\/p>\n\n\n\n