Wenn soziale Intelligenz nicht statisch ist

Menschen versuchen in sozialen Situationen ständig einzuschätzen, was andere wissen, wollen oder als Nächstes tun werden. Diese Fähigkeit wird in der Forschung meist unter dem Begriff Mentalisierung gefasst. Gemeint ist damit die Fähigkeit, aus Verhalten auf innere Zustände wie Absichten, Überzeugungen oder Erwartungen zu schließen. Eine neue Studie in Nature Neuroscience argumentiert nun, dass dieser Prozess im Alltag nicht als starre Einzelleistung verstanden werden sollte. Entscheidend sei vielmehr, dass Menschen ihre Annahmen über andere fortlaufend aktualisieren, also ihre soziale Schlussfolgerung dynamisch an die wahrgenommene Raffinesse des Gegenübers anpassen. Genau diese Form der flexiblen sozialen Anpassung bezeichnen die Forschenden als adaptive Mentalisierung.

Die Arbeit stammt von einem Forschungsteam um Niklas Buergi, Gökhan Aydogan, Arkady Konovalov und Christian C. Ruff und wurde am 9. März 2026 veröffentlicht. Im Kern verbindet sie Computermodelle, Verhaltensdaten und funktionelle Magnetresonanztomografie, also fMRT. Das Ziel war nicht nur zu zeigen, dass Menschen ihre sozialen Strategien flexibel anpassen können, sondern auch, ob sich dafür ein belastbares Muster in der Hirnaktivität identifizieren lässt. Nach Darstellung der Autorinnen und Autoren ist genau das gelungen: Sie berichten eine verteilte neuronale Signatur, mit der sich vorhersagen lässt, wie stark Personen ihre Annahmen über die „gedankliche Tiefe“ ihres Gegenübers aktualisieren.

Das Neue an der Studie: Nicht nur was wir denken, sondern wie wir umdenken

Bisherige Forschung zur sozialen Kognition untersucht häufig relativ statische Formen der Mentalisierung, etwa klassische False-Belief-Aufgaben. Solche Paradigmen sind für grundlegende Theory-of-Mind-Fragen nützlich, erfassen aber nur begrenzt, wie sich reale soziale Interaktion verändert, wenn sich das Gegenüber ebenfalls laufend anpasst. Die neue Studie setzt deshalb bei einer anderen Frage an: Wie wählt das Gehirn im Verlauf einer Interaktion jeweils die passende soziale Strategie aus? Genau an diesem Punkt sehen die Autorinnen und Autoren eine Forschungslücke.

Diese Verschiebung ist wissenschaftlich relevant, weil soziale Interaktionen oft rekursiv sind. Menschen denken nicht nur „Was wird die andere Person tun?“, sondern unter Umständen auch „Was denkt die andere Person, dass ich tun werde?“ oder sogar noch eine Ebene darüber. Solche verschachtelten Überlegungen sind aus Spieltheorie, Sprachforschung und sozialer Neurowissenschaft bekannt. Die nun vorgelegte Studie versucht, diese Dynamik in einem kontrollierten Paradigma messbar zu machen und zugleich die dazugehörigen neuronalen Prozesse zu isolieren.

So wurde getestet: Ein strategisches Spiel mit wechselnd raffinieren Gegnern

Für die Untersuchung rekrutierte das Team insgesamt 553 Personen, die zusammen mehr als 11.000 Entscheidungen trafen. Davon stammten 506 Teilnehmende aus der Hauptstudie an der Universität Zürich; 50 von ihnen absolvierten die Aufgabe im fMRT. Die übrigen nahmen an Verhaltensvarianten des Experiments teil. Hinzu kam eine Replikationsstichprobe mit 47 weiteren Personen, die aus der Kontrollgruppe einer separaten klinischen Studie stammte. Die Hauptstichprobe war also vergleichsweise groß für eine Kombination aus Modellierung und Bildgebung, die fMRT-Teilstichprobe selbst blieb aber mit 50 Personen im üblichen, eher moderaten Bereich.

Als Aufgabe diente eine angepasste Variante von Stein-Schere-Papier. Das Spiel wurde so umgesetzt, dass sich aus dem Verhalten des Gegners unterschiedlich komplexe Strategien ableiten ließen. Teilnehmende spielten wiederholt entweder gegen Menschen oder gegen künstliche Gegner, deren Verhalten auf einem vereinfachten Modell beruhte. Entscheidend war, dass diese künstlichen Gegner verschiedene Stufen strategischer Raffinesse simulieren konnten. Zugleich prüfte das Team in einer Art Turing-Test, ob Versuchspersonen zwischen menschlichen und künstlichen Gegnern unterscheiden konnten. Laut Studie war das nicht der Fall; die Einschätzungen unterschieden sich statistisch nicht. Das ist methodisch wichtig, weil sonst bloße Erwartungen über den Gegnertyp die Ergebnisse hätten verzerren können.

CHASE soll den Moment des sozialen Umdenkens sichtbar machen

Herzstück der Arbeit ist ein neues Computermodell mit dem Namen CHASE, kurz für „Cognitive Hierarchy Assessment“. Das Modell soll in jedem einzelnen Spieldurchgang schätzen, auf welchem strategischen Niveau sich der Gegner gerade bewegt und wie stark die spielende Person ihre Annahmen darüber aktualisiert. Dazu kombiniert CHASE drei Prozesse: erstens die Beobachtung einfacher Verhaltensmuster eines nichtstrategischen Gegners, zweitens rekursive Schlussfolgerungen über verschiedene Ebenen strategischen Denkens und drittens eine bayesianische Integration neuer Information über die Zeit.

Besonders wichtig ist dabei eine Größe, die das Team als „belief update“ beschreibt, also als Aktualisierung der Überzeugung darüber, wie sophistiziert der Gegner vorgeht. Formal berechnet wird diese Veränderung über die Kullback-Leibler-Divergenz zwischen zwei aufeinanderfolgenden Wahrscheinlichkeitsverteilungen. Das klingt abstrakt, ist aber inhaltlich gut greifbar: Je stärker neue Züge des Gegners die eigene Einschätzung über dessen Denkweise verändern, desto größer fällt dieses Update aus. Damit versucht das Modell, genau den Moment zu erfassen, in dem jemand sozial umdenkt.

Die Ergebnisse: Viele Menschen passen sich flexibel an

Im Verhalten zeigte sich zunächst, dass viele Teilnehmende tatsächlich nicht starr bei einer festen Strategie blieben. Stattdessen passten sie ihre Schlussfolgerungen an die wechselnde Komplexität des Gegenübers an. Die Autorinnen und Autoren berichten dabei deutliche individuelle Unterschiede: Manche Personen reagierten sensibler auf Hinweise zur Strategie des Gegners als andere. Genau diese Unterschiede sind für die Studie zentral, weil sie sich später mit Unterschieden in Hirnaktivität und funktioneller Vernetzung verknüpfen lassen.

Im Modellvergleich schnitt CHASE den Angaben zufolge besser ab als bestehende Alternativen. Das stützt die Annahme, dass adaptive Mentalisierung im experimentellen Kontext nicht bloß als einfache Reiz-Reaktions-Anpassung verstanden werden sollte. Stattdessen spricht das Muster dafür, dass Menschen zumindest in diesem Paradigma fortlaufend Hypothesen über die Denkstrategie des Gegenübers bilden und revidieren. Das ist ein wichtiger Unterschied, weil die Studie damit nicht nur allgemeine Lernprozesse, sondern speziell soziale Inferenzprozesse modellieren will.

Welche Hirnregionen beteiligt sind

In den fMRT-Daten identifizierte das Team ein verteiltes Netzwerk, dessen Aktivität und Konnektivität die Anpassung dieser mentalisierungsbezogenen Überzeugungen widerspiegeln soll. Besonders hervorgehoben wird der rechte temporoparietale Übergang, kurz rTPJ. Diese Region gilt seit Jahren als zentraler Kandidat für Theory-of-Mind-Prozesse, also für das Nachdenken über andere Köpfe. Die neue Studie argumentiert allerdings nicht einfach, dass TPJ-Aktivität gleich Mentalisierung bedeutet. Genau das sei nach bisherigem Forschungsstand zu unspezifisch. Stattdessen verknüpft sie konkrete modellbasierte Signale des sozialen Überzeugungsupdates mit Aktivitätsmustern im rTPJ sowie weiteren Regionen, darunter anteriore Insula, ventrolateraler und dorsolateraler präfrontaler Kortex sowie Bereiche des medialen Frontalkortex.

Zusätzlich analysierte das Team die funktionelle Konnektivität, also die Frage, wie stark der rTPJ mit anderen Regionen des sozialen Gehirnnetzwerks zusammenarbeitet. Dabei zeigte sich, dass ein Modellparameter namens gamma, der die Sensitivität gegenüber Informationen über die Strategie des Gegenübers abbilden soll, mit stärkerer Vernetzung des rTPJ innerhalb dieses Netzwerks zusammenhing. In der Replikationsstichprobe ließen sich 9 von 11 ursprünglich signifikanten ROI-Zusammenhängen erneut beobachten. Das spricht für eine gewisse Robustheit des Befunds, auch wenn nicht alle Effekte vollständig repliziert wurden.

Eine neuronale Signatur, die Verhalten vorhersagen kann

Der vielleicht stärkste Befund der Arbeit ist der Versuch, aus Hirnaktivität vorhersagen zu können, wie stark Personen ihre mentalisierungsbezogenen Überzeugungen aktualisieren. Dazu trainierten die Forschenden einen multivariaten Decoder auf dem Hauptdatensatz und testeten ihn anschließend an einer unabhängigen Replikationsstichprobe, ohne das Modell neu zu trainieren. Im Hauptdatensatz berichten sie eine Korrelation von r = 0,82 zwischen vorhergesagtem und beobachtetem Ausmaß der belief updates, in der Replikationsstichprobe noch r = 0,67. Für Bildgebungsstudien sind das auffällige Werte. Sie bedeuten nicht, dass individuelle Gedanken gelesen würden, wohl aber, dass die gemessenen Aktivitätsmuster systematisch mit dem Ausmaß des sozialen Umdenkens zusammenhängen.

Gerade diese Out-of-sample-Vorhersage ist aus methodischer Sicht bemerkenswert. Viele neurokognitive Studien zeigen Effekte nur innerhalb desselben Datensatzes, in dem das Modell entwickelt wurde. Hier wird zumindest ein erster Schritt in Richtung Generalisierbarkeit unternommen. Das erhöht die wissenschaftliche Relevanz des Befunds, auch wenn echte klinische oder alltagsnahe Anwendungen damit noch nicht erreicht sind.

Was die Studie für die Forschung bedeuten könnte

Die Autorinnen und Autoren betonen selbst, dass Störungen der Mentalisierung in verschiedenen neuropsychiatrischen Kontexten eine Rolle spielen. In der Arbeit wird daher ausdrücklich auf ein mögliches Potenzial für Diagnostik und Intervention verwiesen. Gemeint ist nicht, dass sich daraus sofort ein klinisches Werkzeug ableiten ließe. Aber das Modell könnte perspektivisch helfen, soziale Anpassungsfähigkeit systematischer zu messen als mit klassischen Einmal-Tests. Für Forschungsfelder wie Autismus, Schizophrenie oder andere Störungen sozialer Kognition wäre das prinzipiell interessant. Diese Schlussfolgerung ist allerdings derzeit noch eine Forschungsoption, keine gesicherte Anwendung.

Wissenschaftlich interessant ist außerdem die Brückenfunktion der Studie. Sie verbindet theoretische Ansätze aus Verhaltensökonomie und Spieltheorie mit sozialer Neurowissenschaft. Damit liefert sie ein Beispiel dafür, wie sich soziale Intelligenz nicht nur mit Beschreibungen, sondern mit expliziten mathematischen Modellen untersuchen lässt. Für die Kognitionsforschung ist das attraktiv, weil sich so präzisere Hypothesen über Mechanismen formulieren und testen lassen.

Was man nicht aus den Daten herauslesen sollte

Trotz der Stärke des Ansatzes hat die Arbeit klare Grenzen. Die Interaktion fand in einem stark vereinfachten Spielkontext statt. Auch wenn wiederholte strategische Spiele mehr Dynamik abbilden als klassische Theory-of-Mind-Aufgaben, bleiben sie weit entfernt von realen sozialen Situationen, in denen Sprache, Emotion, Status, Beziehungsgeschichte und kulturelle Erwartungen gleichzeitig eine Rolle spielen. Ob die gefundene neuronale Signatur in komplexeren Alltagssituationen ähnlich stabil wäre, ist offen.

Hinzu kommt, dass fMRT keine direkte Kausalität nachweist. Die Daten zeigen Zusammenhänge zwischen modellierten Überzeugungsupdates und Hirnaktivität, aber nicht, dass genau diese Regionen allein den Prozess verursachen. Außerdem bestand die fMRT-Hauptstichprobe ausschließlich aus Männern, während die breitere Verhaltensstichprobe gemischter war. Das schränkt die Generalisierbarkeit der Bildgebungsbefunde zumindest teilweise ein. Die Replikationsstichprobe war laut Artikel soziodemografisch diverser, blieb mit 47 Personen aber ebenfalls überschaubar.

Ein weiterer methodischer Punkt betrifft das Modell selbst. CHASE ist ein theoretisch motiviertes Werkzeug, kein direkter Blick in kognitive Prozesse. Seine Aussagekraft hängt also davon ab, ob die getroffenen Annahmen über strategisches Denken und bayesianische Aktualisierung den tatsächlichen mentalen Prozessen der Teilnehmenden ausreichend nahekommen. Dass das Modell besser abschneidet als Alternativen, ist ein starkes Argument, ersetzt aber keine unabhängige Validierung in anderen Paradigmen.

Transparenz, Datenlage und Interessenkonflikte

Positiv fällt auf, dass die Studie Open Access erschienen ist und dass Verhaltensdaten sowie Analysecode öffentlich zugänglich gemacht wurden. Vorverarbeitete neuronale Daten sind laut Artikel auf Anfrage verfügbar. Das erleichtert Nachprüfbarkeit und Anschlussforschung. Bei den Interessenkonflikten geben die Autorinnen und Autoren an, dass keine konkurrierenden Interessen bestehen. Es handelt sich nicht um einen Preprint, sondern um einen begutachteten Fachartikel in Nature Neuroscience.

Einordnung

Der wichtigste Beitrag dieser Arbeit liegt weniger in der schlichten Aussage, dass Menschen über andere nachdenken, als in der präziseren These, dass das Gehirn fortlaufend modelliert, auf welcher strategischen Ebene sich das Gegenüber gerade bewegt. Die Studie liefert dafür ein formales Modell, Verhaltensdaten aus einer relativ großen Gesamtkohorte und eine erste replizierte neuronale Signatur. Das ist ein substanzieller Fortschritt für die Forschung zu sozialer Kognition. Zugleich wäre es verfrüht, daraus schon ein allgemeines Maß sozialer Intelligenz oder gar ein klinisch einsatzfähiges Diagnoseinstrument abzuleiten. Im Moment ist die Arbeit vor allem eines: ein methodisch ambitionierter und inhaltlich überzeugender Schritt hin zu einer dynamischeren Neurowissenschaft des sozialen Denkens.

Empathie messen: Spiegelneuronen, Hype & harte Daten

Code trifft Gefühl: Kann Künstliche Intelligenz wirklich Empathie lernen?

Die kalte Logik der Manipulation: Einblicke in die Psyche von Psychopathen