fMRT kritisch lesen: Was bunte Hirnscans zeigen und was sie verschweigen
- Benjamin Metzig
- 17. Juni
- 6 Min. Lesezeit
Wer fMRT kritisch lesen will, kennt diesen Moment: Noch bevor man die Überschrift ganz verstanden hat, liegt schon das leuchtende Gehirn im Blickfeld. Orange Flecken, blaue Umrisse, vielleicht ein Pfeil auf eine Region links oben. Das Bild wirkt wie ein Beweisstück. Genau darin liegt seine Stärke und sein Problem. Ein fMRT-Bild kann hochinformativ sein. Es kann aber auch mehr Eindeutigkeit suggerieren, als die Methode tatsächlich hergibt.
Kernaussagen
fMRT zeigt keine Gedanken direkt, sondern statistisch ausgewertete Veränderungen eines indirekten physiologischen Signals.
Leuchtende Aktivierungen belegen für sich genommen keine klar identifizierte Emotion, Absicht oder Charaktereigenschaft.
Zwischen Messung und Bild liegen viele Entscheidungen: Vorverarbeitung, Modelle, Schwellenwerte und Korrekturen für sehr viele Vergleiche.
Selbst bei identischen Daten können unterschiedliche Analysewege zu unterschiedlichen Ergebnissen führen.
Gute Neuroimaging-Forschung wird nicht wertlos, wenn man diese Grenzen kennt. Sie wird erst dadurch lesbar.
Was ein fMRT-Bild überhaupt misst
Das Missverständnis beginnt oft beim Signal selbst. Funktionelle MRT misst nicht elektrische Aktivität von Nervenzellen in Echtzeit und fotografiert erst recht keine Gedanken. Sie erfasst Veränderungen im sogenannten BOLD-Signal, also Verschiebungen im Verhältnis von oxygeniertem und desoxygeniertem Hämoglobin. Wie Elizabeth Hillman in ihrem Überblick zur BOLD-Signal-Kopplung beschreibt, hängt dieses Signal an neurovaskulärer Kopplung: an der Weise also, wie neuronale Aktivität, Energiebedarf, Blutfluss und Sauerstoffversorgung zusammenlaufen.
Das ist keine Kleinigkeit. Es bedeutet, dass ein fMRT-Bild immer schon eine Übersetzung ist. Gemessen wird nicht „Denken“, sondern eine physiologische Spur, die unter geeigneten Bedingungen mit neuronaler Aktivität zusammenhängt. Diese Spur ist wissenschaftlich enorm nützlich, aber sie ist weder direkt noch selbsterklärend.
Wer wissenschaftliche Bilder generell für unmittelbarer hält, als sie sind, landet schnell bei demselben Problem, das Wissenschaftswelle schon bei wissenschaftlicher Visualisierung und bei wissenschaftlichen Bildern als Beweisformen beschrieben hat: Ein Bild verdichtet Erkenntnis, aber es ersetzt nicht die Kette von Entscheidungen, die zu ihm geführt hat.
Warum Aktivierung noch keine Bedeutung ist
Der zweite Denkfehler folgt fast automatisch: Wenn ein Bereich „aufleuchtet“, müsse er genau die mentale Funktion tragen, über die im Artikel gerade gesprochen wird. Diese Art Schluss nennt Russell Poldrack in seiner viel zitierten Analyse Reverse Inference. Das Problem ist einfach formuliert: Aus der Aktivierung einer Hirnregion lässt sich nicht ohne Weiteres auf einen ganz bestimmten mentalen Zustand zurückschließen.
Der Grund ist banal und tiefgreifend zugleich. Hirnregionen sind selten monothematisch. Wenn etwa ein Areal in sehr verschiedenen Aufgaben, Reizlagen oder Entscheidungsprozessen beteiligt sein kann, dann ist seine Aktivierung kein sauberer Etikettendrucker für „Angst“, „Empathie“, „Moral“ oder „Lüge“. Eine Studie kann zeigen, dass unter bestimmten Bedingungen ein Muster mit einer Aufgabe zusammenhängt. Sie zeigt damit noch nicht automatisch, dass dasselbe Muster außerhalb dieses Designs denselben mentalen Gehalt trägt.
Gerade populäre Berichte schieben hier oft zu viel Bedeutung in zu kleine Unterschiede. Das ist ein ähnlicher Fehler wie bei scheinbar sprechenden Zahlen: Auch dort sehen Muster oft klarer aus, als sie methodisch sind. Wissenschaftswelle hat das schon bei Scheinkorrelationen und bei Datenkompetenz herausgearbeitet. Bei Hirnscans kommt nur noch der Reiz des Körperinneren dazu.
Wie aus einem Signal eine dramatische Karte wird
Zwischen Rohdaten und dem Bild in der Pressemitteilung liegt eine lange Kette technischer Entscheidungen: Bewegungskorrektur, räumliche Glättung, Vergleichsmodelle, Kontraste, Signifikanztests, Schwellenwerte. Häufig zeigt die fertige Karte außerdem kein „rohes Gehirn“, sondern einen statistisch gemittelten Gruppenvergleich. Am Ende erscheint also eine Aktivierungskarte, die so wirkt, als hätte die Maschine eine Tatsache sichtbar gemacht. In Wahrheit sieht man das Ergebnis vieler methodischer Setzungen.
Besonders heikel wird das, weil fMRT-Analysen typischerweise sehr viele Voxels gleichzeitig prüfen. Damit steigt das Risiko, aus reinem Zufall irgendwo scheinbar signifikante Effekte zu finden. Berühmt wurde das Problem durch den posthum gescannten Lachs von Bennett und Kollegen: Ohne angemessene Korrektur für multiple Vergleiche schien sogar ein toter Fisch auf soziale Bilder zu „reagieren“. Die Pointe der Studie war nicht, fMRT lächerlich zu machen, sondern die Statistik sichtbar zu machen, die im Bild selbst unsichtbar bleibt.
Noch ernster fiel Jahre später die Bilanz von Eklund, Nichols und Knutsson aus. Sie zeigten, dass verbreitete clusterbasierte Verfahren in der Praxis teils deutlich zu hohe False-Positive-Raten lieferten. Das heißt nicht, dass tausende Neuroimaging-Studien wertlos wären. Es heißt aber sehr wohl, dass die Autorität der Karte von Annahmen abhängt, die mitgeprüft werden müssen.
Merksatz: Ein fMRT-Bild ist nie nur Messung.
Es ist Messung plus Modell plus Statistik plus Darstellung.
Warum selbst dieselben Daten nicht dieselbe Geschichte erzählen
Auch dort, wo sauber gearbeitet wird, bleibt ein weiterer Punkt: Komplexe Datenanalysen lassen Spielräume. Welche Vorverarbeitung wird gewählt? Welche Kovariaten werden berücksichtigt? Welche Region-of-interest-Definition gilt? Welche Schwelle wird gesetzt? Diese Fragen sind nicht bloß technisches Beiwerk. Sie beeinflussen das Ergebnis.
Wie stark das sein kann, zeigte die Nature-Studie von Botvinik-Nezer et al.. Sie ließen 70 Teams denselben fMRT-Datensatz zu denselben Hypothesen auswerten. Keine zwei Teams verwendeten identische Pipelines. Das Resultat war nicht Chaos, aber deutliche Variabilität in den Befunden. Dass es trotz ähnlicher Zwischenschritte zu unterschiedlichen Endaussagen kommen konnte, ist kein Randproblem. Es ist ein Hinweis darauf, dass Neuroimaging-Befunde immer auch von Auswertungsentscheidungen mitgeprägt werden.
Genau deshalb reagierte die Fachcommunity nicht nur defensiv, sondern institutionell. Der COBIDAS-Bericht der OHBM bündelt Best Practices für Transparenz, Reporting, Datenfreigabe und Reproduzierbarkeit. Das ist ein wichtiger Punkt für die Einordnung: Gute Neurowissenschaft lernt aus methodischer Kritik. Sie lebt nicht davon, Unschärfen zu verbergen, sondern davon, sie dokumentierbar zu machen.
Wer das mit anderen Messverfahren vergleicht, sieht schnell, dass das kein Sonderfall des Gehirns ist. Auch bei EEG gilt: Das Signal ist nicht die Bedeutung. Darum ist der interne Anschluss zu Gehirnwellen-Entzauberung hier mehr als ein Nachbarlink. Er zeigt dieselbe Grundregel in einer anderen Technik.
Warum die Öffentlichkeit aus Hirnbildern gern mehr macht
Dass fMRT-Bilder so schnell überdeutet werden, liegt nicht nur an schlechter Statistik. Es liegt auch an ihrer kulturellen Rolle. In ihrer Analyse zu Neuroimaging und Medien sprechen Racine und Kollegen von „Neuro-Realism“: Brain-Scans verleihen psychologischen Aussagen eine Art zusätzliche Wirklichkeit. Was vorher als Verhalten, Selbstauskunft oder Deutung erschien, wirkt plötzlich wie hartes Material.
Das passt gut zur Bildlogik moderner Medien. Ein leuchtender Schnitt durchs Gehirn verspricht Objektivität, Lokalisierung und technische Präzision in einem Zug. Aus „Menschen berichten X“ wird „das Gehirn zeigt X“. Aus einem Wahrscheinlichkeitsbefund in einer kleinen Stichprobe wird schnell eine Geschichte über Wesen, Charakter oder Gesellschaft.
Gerade deshalb sollte man die Methode weder mystifizieren noch kleinreden. fMRT ist stark, wenn Fragestellung, Design, Statistik und Interpretation zusammenpassen. Sie ist schwach, wenn das Bild den Text autorisiert, obwohl die Argumentation diese Autorität gar nicht trägt.
Fünf Fragen für den nächsten bunten Gehirnscan
Wenn künftig irgendwo steht, eine Studie habe im Gehirn Liebe, Aggression, Ehrlichkeit oder politische Haltung sichtbar gemacht, helfen fünf einfache Fragen:
Was wurde tatsächlich gemessen? Ging es um das BOLD-Signal als indirekte Spur, oder klingt der Text so, als sei Denken direkt fotografiert worden?
Welche Aufgabe oder welcher Vergleich lag zugrunde? Ohne Kontrastbedingung sagt eine Aktivierungskarte fast nichts.
Ist die Deutung enger als der Befund? Eine Region kann beteiligt sein, ohne exklusiv für genau diese mentale Funktion zu stehen.
Wie robust ist die Statistik? Wurden Korrekturen, Stichprobe und Analyseweg nachvollziehbar gemacht?
Ist das Bild Beleg oder Kulisse? Trägt die Studie die Geschichte wirklich, oder macht das Bild vor allem Eindruck?
Diese Fragen zerstören die Faszination nicht. Sie machen sie erwachsener. Denn das eigentlich Erstaunliche an Neuroimaging ist nicht, dass das Gehirn bunt dargestellt werden kann. Erstaunlich ist, wie viel sich aus einer indirekten physiologischen Spur herausarbeiten lässt, wenn man die methodischen Zwischenschritte ernst nimmt.
Schluss
Man liest fMRT-Bilder am besten nicht wie Fenster, sondern wie Karten. Karten sind nützlich, verdichtet, orientierend und oft erstaunlich präzise. Aber sie sind nie das Gelände selbst. Sie beruhen auf Auswahl, Maßstab und Zweck. Genau so verhält es sich auch mit dem leuchtenden Gehirn in der Wissenschaftsmeldung.
Wer das verstanden hat, muss Hirnscans nicht entzaubern. Es reicht, ihnen die falsche Magie zu nehmen. Dann bleibt etwas Besseres übrig: eine starke Methode, die nicht deshalb vertrauenswürdig ist, weil sie bunt aussieht, sondern weil ihre Grenzen mitgedacht werden.
Autorenprofil
Benjamin Metzig ist Gründer, Autor und redaktionell Verantwortlicher von Wissenschaftswelle.de. Wissenschaftswelle ist ein persönlich geführtes redaktionelles Wissensprojekt, das komplexe Themen aus unterschiedlichen Fachbereichen sorgfältig recherchiert, strukturiert und verständlich aufbereitet. Moderne Recherche-, Analyse- und KI-Werkzeuge dienen dabei als Unterstützung, während Auswahl, Einordnung, Ton, Quellenbewertung und Veröffentlichung redaktionell bei Benjamin Metzig verantwortet bleiben. Mehr zum Profil: Autorenprofil von Benjamin Metzig.
Es scheint, dass der Gesamtansatz systematisch und gut fundiert ist. Das Argument baut schrittweise auf soliden Grundlagen auf. Die Website verankert die Analyse in einem breiteren Informationsrahmen. Verhaltensindikatoren werden den Engagement-Daten auf Plattformebene zugeordnet.