2026/07/01 by Michael Gaebler, Sebastian Ocklenburg, Anne Saulin +7
Psychology · Neuroscience · #Cognitive Abilities and Testing #Psychology, Coaching, and Therapy #EEG and Brain-Computer Interfaces
paper · doi:10.1026/0033-3042/a000767
Zusammenfassung: Die Biologische Psychologie und Neuropsychologie (BNP) untersucht die biologischen Grundlagen psychischer Prozesse – von molekularen Mechanismen bis hin zu endokrinen Regulationssystemen. Sie steht dabei in einer wechselseitigen Beziehung zur künstlichen Intelligenz (KI): BNP-Forschung inspirierte frühe KI-Modelle, während KI heute zunehmend die BNP beeinflusst. Dieser Beitrag beleuchtet KI aus Sicht der BNP entlang dreier Dimensionen: Grundlagen, Anwendungen und Grenzen. Als Analysewerkzeug ermöglicht NeuroKI/NeuroAI in der BNP-Forschung die Auswertung hochdimensionaler, multimodaler biologischer Datensätze sowie eine individualisiertere Diagnostik. Künstliche neuronale Netze dienen darüber hinaus als mechanistische Modelle neuronaler Informationsverarbeitung: Das Feld der NeuroAI vergleicht interne Repräsentationen von Gehirn und künstlichen neuronalen Netzen systematisch, um wechselseitig bessere Modelle und empirisch prüfbare Hypothesen zu entwickeln. Im Bereich der Anwendungen eröffnet KI als Stimulusgenerator, Interaktionspartner und Schnittstelle in körpernahen Technologien (z.B. Brain-Computer-Interfaces) neue experimentelle und therapeutische Möglichkeiten. In der BNP-Lehre kann KI als Coding-Assistent und individueller Tutor den Kompetenzerwerb beschleunigen. Gleichzeitig bestehen zentrale Grenzen und Risiken: mangelnde Transparenz (Black Box), Bias in Trainingsdaten, eingeschränkte Reproduzierbarkeit sowie ethische Fragen zu Autonomie, Verantwortlichkeit und Nachhaltigkeit. In der Lehre droht zudem ein Verlust wissenschaftlicher Kernkompetenzen. Die BNP kann umgekehrt zur menschenzentrierten KI-Entwicklung beitragen, indem biopsychologische Erkenntnisse zu kognitiven Grenzen, interindividuellen Unterschieden, Stressreaktivität und Embodiment in KI-Design und -Regulierung einfließen und allzu einfache Analogien zwischen biologischer und künstlicher Intelligenz korrigiert werden.