Hirn-KI wächst mit den Daten, nicht mit der Größe – anders als ChatGPT

Darum geht es

Bei Sprachmodellen wie ChatGPT galt jahrelang eine einfache Faustregel: mehr Parameter, mehr Rechenleistung, besseres Modell. Diese sogenannten Skalierungsgesetze beschreiben, wie die Leistung gleichmäßig mit Modellgröße, Datenmenge und Rechenaufwand steigt. Mit ihnen begründet die KI-Branche ihre Milliardeninvestitionen. Inzwischen bauen Forschungsgruppen und Firmen dieselbe Art von Modellen für das Gehirn. Diese Neuro-Foundation-Models sind große Grundmodelle, die mit Aufzeichnungen von Hirnaktivität vortrainiert werden. Danach sollen sie zum Beispiel vorhersagen, wie Nervenzellen auf ein Video reagieren.

Mehrere Studien aus diesem Jahr zeigen dabei ein anderes Muster: Größere Modelle bringen hier wenig oder gar nichts, mehr Aufnahmen dagegen schon. Das US-Portal TechTimes hat das am 11. November zugespitzt: Mehr Rechenleistung helfe nicht, nur mehr Daten. Am selben Tag berichtete das Fachmagazin The Transmitter über eine Debatte zur Zukunft dieser Modelle. Beide Berichte kündigen ein Streitgespräch an: Bing Wen Brunton (University of Washington) und Patrick Mineault (Amaranth Foundation) sollen am 15. November auf der Jahrestagung der Society for Neuroscience in Washington auftreten, die vom 14. bis 18. November läuft. Dazu erscheint ein Pro-und-Contra-Beitrag der beiden im Journal of Neuroscience. Im öffentlichen Tagungsprogramm konnten wir die Sitzung nicht selbst finden, die Angabe stammt aus den beiden Berichten.

Wir haben die Studien nebeneinandergelegt. Unsere These: Der Engpass der Hirn-KI sind die Daten. Das erklärt, warum gerade so viel Geld in Hirnscans fließt. Und es erklärt, warum Hersteller von Schlaf-Stirnbändern die Aufnahmen ihrer Kunden für wertvoll halten.

Befund 1: OmniMouse stößt bei 80 Millionen Parametern an eine Grenze

Die sauberste Messung kommt aus dem Labor von Andreas Tolias (Stanford, Enigma Project). Das Modell OmniMouse wurde auf der KI-Konferenz ICLR 2026 vorgestellt. Es lernt aus Kalzium-Bildgebung, bei der aktive Nervenzellen unter dem Mikroskop aufleuchten. Die Aufnahmen stammen aus dem Sehzentrum von 73 Mäusen und umfassen 323 Sitzungen und mehr als 150 Milliarden „neuronale Tokens“, also Datenpunkte, vergleichbar den Textbausteinen eines Sprachmodells. Die Zahl der erfassten Neuronen schwankt je nach Fassung: Die arXiv-Version nennt 2,3 Millionen, die ICLR-Zusammenfassung 3,1 Millionen. Das Modell sagt Reaktionen auf Filme voraus, liest Verhalten wie Pupillengröße und Laufgeschwindigkeit aus der Hirnaktivität ab und schreibt Aktivität in die Zukunft fort.

Getestet wurden Größen von 1 bis 300 Millionen Parametern. Als Maß dient die Korrelation zwischen Vorhersage und tatsächlicher Messung pro Durchgang (1 wäre perfekt):

Jenseits von etwa 80 Millionen Parametern waren die Gewinne laut Paper minimal. Die Fehlerkurven sättigten oder das Modell lernte Daten auswendig. Mit mehr Sitzungen wurden dagegen alle Modelle besser, die großen sogar stärker. Die Autoren folgern, Hirnmodelle seien „datenlimitiert, nicht rechen- oder parameterlimitiert“. Sprunghafte neue Fähigkeiten bei noch mehr Daten halten sie für möglich, belegt haben sie das nicht.

Befund 2: Bei BrainLM schneidet das größere Modell schlechter ab

Ein Preprint vom 29. Mai 2026 (Marraffini und Kollegen) prüft drei Hirn-Foundation-Models für fMRI. Diese Methode misst über den Sauerstoffgehalt des Bluts, welche Hirnregionen gerade arbeiten. Untersucht wurden BrainLM, Brain-JEPA und BrainMass. BrainLM wurde mit rund 6.700 Stunden fMRI aus der UK Biobank und dem Human Connectome Project (HCP) vortrainiert. Die Modelle sollten aus den Aufnahmen die kognitive Leistung einzelner Menschen vorhersagen. Als Vergleich diente eine schlichte Regression auf funktioneller Konnektivität, also der Information, welche Hirnregionen im Gleichtakt schwanken. Sie kommt mit rund 80.000 Parametern und ohne Grafikkarte aus.

Ergebnis (Korrelation): Auf dem HCP-Datensatz erreichte BrainLM-111M mit seinen internen Merkmalen 0,050, die 650M-Version nur 0,003. Auf dem niederländischen Datensatz AOMIC standen 0,126 gegen 0,065. Die einfache Konnektivitäts-Regression kam laut Tabelle auf 0,39 bzw. 0,31. Kein Foundation Model schlug sie.

Wichtig für unsere These: Die Autoren sehen die Ursache nicht im Datenmangel, sondern im Vortrainingsziel. Die Modelle lernen die lautesten Signalanteile, zerstören dabei aber feinere statistische Strukturen, die mit kognitiver Leistung zusammenhängen. Ein ähnliches Bild liefert CortexMAE der Gruppe MedARC (ICML 2026): Die Rekonstruktion der Daten wird nach einem sauberen Potenzgesetz besser. Bei der Vorhersage persönlicher Eigenschaften schlägt aber kein Modell die einfache Konnektivitäts-Basislinie.

Die Gegenbelege und was sie tatsächlich messen

Es gibt Studien, die Skalierungsgewinne melden. Liest man genauer, verschiebt sich das Bild:

Unsere Einschätzung: Wo das Wachstum mit der Modellgröße schön aussieht, wird meist der Fehler beim Vortraining gemessen, also wie gut das Modell verdeckte Teile der Aufnahme ergänzt. Bei Aufgaben mit praktischem Nutzen wie Anfallserkennung oder Vorhersage von Eigenschaften flachen die Kurven schnell ab. Die Gegenbelege widerlegen die These also nicht, sie verfeinern sie.

Vorhersagen heißt nicht verstehen

Daniel Yamins (Stanford) gibt laut The Transmitter zu bedenken: Bessere Vorhersage macht die inneren Schichten eines Modells nicht hirnähnlicher. Brunton argumentiert, dass viele verschiedene Modelle dieselben Aufnahmen gleich gut erklären können. Ein Transformer, der fallende Äpfel perfekt vorhersagt, könne trotzdem keine Rakete konstruieren. Als Beispiel nennt sie ein Experiment, in dem das Nervennetz eines Wurms an einen simulierten Fliegenkörper angeschlossen wurde: Die Fliege lief, mit einem zufälligen Netz aber genauso gut. John Krakauer (Johns Hopkins) spricht von einem „zweiten Gehirn, das man erst verstehen muss“. Selbst Tolias warnt, Modelle könnten „auch halluzinieren“. Ihr Wert liege in überprüfbaren Entdeckungen. Ein Beispiel ist die Vorhersage seines Labors, dass erweiterte Pupillen Sehneuronen empfindlicher für UV-Licht machen. Das wurde später im Tier bestätigt.

Mineault hält die Kritik für verfrüht. Auch Sprachmodelle hätten neue Fähigkeiten erst ab einer gewissen Größe gezeigt. Grace Lindsay (NYU) stützt indirekt die Datenthese:

„Keine Leistung, die wir sehen, ist die Spitzenleistung, die ein Modell erreichen könnte. Mehr Daten sollten helfen.“

Warum gerade alle Hirndaten sammeln

Eine Meta-Studie von 2025 (Banville und Kollegen) hat 8 Datensätze mit 84 Menschen und 498 Stunden ausgewertet. Die Entschlüsselung von Bildern aus Hirnsignalen wuchs dabei log-linear mit der Aufnahmezeit, ohne Plateau. Entscheidend waren die Stunden pro Person. Doppelt so viele Teilnehmer (24 statt 48) brachten keinen signifikanten Gewinn. Auch Metas Modell TRIBE v2 wird laut Paper mit mehr Trainingsdaten „ohne Plateau“ besser. Trainiert wurde es mit 451,6 Stunden von nur 25 Personen. Die oft genannten 720 Personen umfassen auch die Testdaten, insgesamt rund 1.118 Stunden.

Das passt zu den neuen Großprojekten. Meta finanziert mit 15 Millionen Dollar das Digital Brain Project, das 15.000 Stunden Hirnaktivität beim Computerspielen sammeln soll. Koordiniert wird es von der Fondation Rothschild in Paris mit der Université de Montréal. Neun Teams wurden laut The Transmitter bisher gefördert, darunter Harvard/MGH, Columbia und Georgia Tech. TechTimes schreibt, das Geld gehe an Stanford. Das ist laut einer korrigierten Fassung von The Transmitter und der Projektseite falsch. Stanford betreibt ein eigenes Digital Brain Project: rund 14.000 Stunden mit 7-Tesla-fMRI und tragbarer Magnetenzephalografie, die Magnetfelder der Hirnströme misst, von etwa 100 Menschen über fünf Jahre. Yamins, der daran beteiligt ist, sagt:

„Auch wenn unser Ziel ein Modell ist, besteht unsere Haupttätigkeit im Datensammeln.“

Brunton fragt dagegen: „Was ist der Beleg, dass das funktioniert, außer dass wir es hoffen?“

Die Verbindung zu den Schlaf-Stirnbändern

Damit wird klar, warum unser Bericht über EEG-Stirnbänder kein Randthema ist. Beim EEG messen Elektroden auf der Kopfhaut die elektrischen Spannungen der Hirnströme. Laut einer Recherche von Science haben Consumer-Neurotech-Firmen zig Millionen Stunden solcher Aufnahmen gesammelt. Neun Firmen sagen öffentlich, dass sie Hirn-Foundation-Models bauen. Interaxon (Muse) hat nach eigener Aussage 50.000 Stunden Kundendaten zum Training genutzt und nennt Hirndaten laut einer Zusammenfassung der Recherche den „wertvollsten Teil der Firma“. Muse gibt an, über eine Milliarde Minuten gesammelt zu haben, umgerechnet rund 16 Millionen Stunden. Piramidal kommt auf über 4 Millionen Stunden aus offenen Datensätzen und von Kliniken.

Zum Vergleich: Selbst das ehrgeizige Meta-Projekt zielt auf 15.000 Stunden. Unsere Einschätzung: Wenn Daten der Engpass sind, haben Firmen mit Kundenaufnahmen einen enormen Anreiz, sie zu nutzen. Das gilt besonders für nächtliche Messungen, die viele Stunden pro Person liefern. Die Forschung zeigt aber auch, dass Stunden allein nicht reichen. Consumer-Geräte haben ein bis sechs Elektroden, klinische 19 bis 25. Außerdem weiß niemand, was der Mensch gerade gesehen oder getan hat. Von Science befragte Fachleute bezweifeln, dass sich daraus ein brauchbares Modell bauen lässt.

Einordnung

Die Datenlage ist bemerkenswert einheitlich: Bei Hirnmodellen lohnen sich mehr Parameter früh nicht mehr, mehr Aufnahmen dagegen weiter. Das ist das Gegenteil der Sprachmodell-Geschichte, in der Text billig und massenhaft verfügbar ist. TechTimes weist darauf hin, dass eine Stunde Hirnaufnahme um Größenordnungen teurer ist als Text. Fortschritt kostet hier also vor allem Messzeit im Scanner, nicht Rechenzeit.

Vorsicht ist trotzdem angebracht. Viele der Arbeiten sind Preprints ohne Begutachtung. Sie messen unterschiedliche Dinge mit unterschiedlichen Methoden, und eine fMRI-Stunde ist nicht mit einer Stunde Stirnband-EEG vergleichbar. Der BrainLM-Befund spricht vor allem gegen Größe, nicht automatisch für mehr Daten, denn die Autoren machen das Trainingsziel verantwortlich. Offen ist auch, wie viele Daten genug sind. Das kann laut The Transmitter selbst bei Stanford niemand sagen. Ob Mineault mit seinen „Sprüngen ab einer gewissen Menge“ recht behält, wird sich erst mit Projekten wie Metas 15.000 Stunden zeigen. Bis dahin bleibt festzuhalten: Wer Hirndaten besitzt, besitzt den knappsten Rohstoff dieser Forschung. Umso wichtiger ist es, dass Nutzer von Stirnbändern wissen, wofür ihre Nächte verwendet werden.