Clear Sky Science · de

Eine neuronale Signatur adaptiver Mentalisierung

· Zurück zur Übersicht

Wie wir in alltäglichen Spielen Gedanken lesen

Wenn Sie über den Preis eines Autos verhandeln, Poker spielen oder entscheiden, wie ehrlich Sie in einer E-Mail sein sollen, fragen Sie sich still: „Was denkt die andere Person wirklich?“ Diese Fähigkeit — herauszufinden, was andere wissen, wollen oder planen — nennt man Mentalisierung. Die hier zusammengefasste Studie stellt eine weitergehende Frage: nicht nur, ob wir Gedanken lesen können, sondern wie wir unsere Strategien des Gedankenlesens spontan anpassen, wenn andere ihre Taktik ändern. Dieses „adaptive Mentalisieren“ ist für das tägliche soziale Leben wichtig und könnte helfen, die Schwierigkeiten in Zuständen wie Autismus oder bestimmten Persönlichkeitsstörungen zu erklären.

Ein einfaches Spiel mit tiefgreifendem sozialem Denken

Um adaptives Mentalisieren zu untersuchen, nutzten die Forscher ein unscheinbares Kinderspiel: Schere–Stein–Papier, neu gestaltet als klares, zahlenbasiertes Kreisformat. Teilnehmende spielten wiederholt gegen entweder andere Menschen oder sorgfältig konstruierte Computergegner. Auf den ersten Blick ist die beste Taktik, völlig unberechenbar zu sein. In Wirklichkeit zeigen Menschen Gewohnheiten und Muster, die Chancen eröffnen, einander auszutricksen. Spieler könnten einen Schritt vorausdenken — „du wiederholst Stein, also spiele ich Papier“ — oder mehrere Schritte — „du denkst, ich erwarte Stein, also spielst du Schere, also spiele ich Stein“ — und so weiter. Die Kernfrage war, ob Menschen erkennen können, wie viele „Schritte voraus“ ihr Gegner denkt, und dann ihr eigenes Denk-Niveau hoch- oder runterschrauben, um darauf zu reagieren.

Figure 1
Figure 1.

Eine neue Methode zur Verfolgung sich ändernder Überzeugungen

Das Team entwickelte ein rechnerisches Modell namens CHASE (für Cognitive Hierarchy Assessment), um diese verborgenen Denkprozesse messbar zu machen. CHASE geht davon aus, dass Spieler nachverfolgen, wie oft jeder Zug gemacht wird, sich vorstellen, wie ein Gegner mit unterschiedlicher Raffinesse reagieren würde, und dann ihre Überzeugung darüber aktualisieren, wie raffiniert der Gegner derzeit ist. Jede neue Runde stupst diese Überzeugung an, manchmal stark, manchmal schwach, abhängig davon, wie überraschend der Zug des Gegners war. Indem die tatsächlichen Entscheidungen der Teilnehmenden in das Modell eingespeist wurden, konnten die Forschenden rundenweise abschätzen, wie stark jede Person ihre Einschätzung des Gegners revidierte. Dadurch ließen sich die grundlegende Ausführung von Aktionen und der abstraktere Prozess trennen: „Wie tief soll ich gerade über diese Person nachdenken?“

Menschen können ihre soziale Vernunft flexibel einsetzen

Über neun verschiedene Studien mit mehr als 500 Freiwilligen erklärte CHASE das Verhalten konsistent besser als klassische Lernmodelle, die eine sich ändernde Mentalisierungstiefe ignorieren. Die meisten Teilnehmenden spielten gegen alle Arten künstlicher Gegner — von einfachen Musterfolgern bis zu listigeren Strategen — über dem Zufallsniveau. Entscheidend war, dass das Modell zeigte, dass etwa vier von fünf Personen erfolgreich ihr Denkvermögen anpassten, um einen Schritt vor Gegnern mit unterschiedlichen Raffinessen zu bleiben. Dennoch variierten die Individuen stark: Einige brauchten nur wenige Runden, um den Stil des Gegners zu erfassen, andere aktualisierten ihre Überzeugungen langsamer oder verrauschter. Ein zentraler Modellparameter erfasste diese Sensitivität für neue Informationen und wirkte damit wie eine „soziale Lernrate“ dafür, wie schnell Menschen ihre Sicht auf einen anderen Geist revidieren.

Das Netzwerk im Gehirn für die Aktualisierung sozialer Einschätzungen

Bei einer Teilgruppe der Teilnehmenden zeichneten die Forschenden Gehirnaktivität mit funktioneller MRT auf, während die Personen gegen künstliche Gegner spielten. Sie suchten nach Hirnsignalen, die drei Modellbestandteile verfolgten: wie gut ein gewählter Zug voraussichtlich war, wie überraschend die Aktion des Gegners war, und wie stark der Spieler seine Überzeugung über das Denklevel des Gegners aktualisierte. Wie erwartet reagierten Regionen, die lange mit der Bewertung von Optionen in Verbindung gebracht werden, etwa der ventromediale präfrontale Kortex, auf den erwarteten Ertrag. Das Signal für die Überzeugungsaktualisierung — wie sehr ein Spieler sein Modell des Gegners änderte — war jedoch an ein breiteres „soziales Gehirn“-Netzwerk gebunden, einschließlich des temporoparietalen Übergangsbereichs, der Insula und Teilen des präfrontalen Kortex. Außerdem zeigten Menschen, die laut Modell besser darin waren, Gegnerstrategien zu erkennen, stärkere funktionelle Verbindungen zwischen diesen Regionen, insbesondere unter Einbeziehung des rechten temporoparietalen Übergangsbereichs.

Figure 2
Figure 2.

Eine neuronale Signatur flexiblen Gedankenlesens

Um zu prüfen, ob adaptives Mentalisieren einen verlässlichen Fingerabdruck im Gehirn hinterlässt, trainierte das Team maschinelle Lernverfahren auf whole-brain-Aktivitätsmustern. Ziel war es, allein aus Gehirnscans vorherzusagen, wie stark eine Person ihre Überzeugung über den Gegner in jedem Moment aktualisierte. Das resultierende multiregionale Muster sagte Überzeugungsupdates mit auffälliger Genauigkeit voraus, sowohl in der ursprünglichen Gruppe als auch in einer zweiten, demografisch vielfältigeren Stichprobe, ohne erneutes Training. Das deutet darauf hin, dass adaptives Mentalisieren von einem konsistenten, verteilten Code getragen wird und nicht von einem einzelnen „Gedankenlese-Ort“. Alltagssprachlich zeigt die Studie, dass unser Gehirn nicht nur vermutet, was andere denken — es justiert auch ständig, wie sehr es sich bemüht, vorauszudenken, und diese flexible Feinabstimmung hinterlässt eine messbare, verallgemeinerbare Spur in der Gehirnaktivität.

Zitation: Buergi, N., Aydogan, G., Konovalov, A. et al. A neural signature of adaptive mentalization. Nat Neurosci 29, 934–944 (2026). https://doi.org/10.1038/s41593-026-02219-x

Schlüsselwörter: Theorie des Geistes, soziale Entscheidungsfindung, fMRT, computational psychiatry, Scher, Stein, Papier