Wie steuern KI-Videos gezielt einzelne Hirnregionen?

KI-generierte Videos, die eine gezielte Hirnregion maximal aktivieren

Michael Dobler

Autor Dr. Web

10. Juli 2026

4 Min. Lesezeit

Aufmerksamkeit ist die knappste Ressource im Netz, und ein Team der Schweizer Hochschule EPFL in Lausanne hat sie erstmals rechnerisch ausgereizt. Sein Verfahren erzeugt Videos, die eine einzelne Region im visuellen Kortex so stark aktivieren wie kein von Hand gestalteter Reiz zuvor.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

KI-generierte Videos, die eine gezielte Hirnregion maximal aktivieren, klangen bis vor Kurzem nach Science-Fiction. Das Projekt namens NEvo setzt genau das im Rechner um und ersetzt das Bauchgefühl der Neurowissenschaftler durch einen Suchalgorithmus, der so lange optimiert, bis die vorhergesagte Hirnaktivität ihr Maximum erreicht.

Das Wichtigste in Kürze

Ein Team der EPFL hat mit NEvo ein Verfahren vorgestellt, das KI-Videos gezielt auf einzelne Hirnregionen optimiert.
Die Clips erreichen im Modell im Schnitt 95,8 Prozent der Aktivierung handgebauter Referenzvideos, bei bewegungssensiblen Arealen sogar mehr.
Der Ansatz belegt rechnerisch, wie sich Aufmerksamkeit maximieren lässt, und rückt nah an das, was Empfehlungsalgorithmen und Werbung längst versuchen.
Der EU AI Act verbietet seit Februar 2025 KI, die das Verhalten mit manipulativen Techniken spürbar verzerrt: für DACH-Anbieter ein früher Warnhinweis.

Wie bringt NEvo eine einzelne Hirnregion zum Feuern?

Ein Angelköder aus einer Filmspule mit Drillingshaken und Anhänger vor weißem Hintergrund — Digitales Vorhersagemodell des Sehsystems, trainiert mit fMRT-Daten, schätzt Reaktionen visueller Kortexareale auf Videos

Am Anfang steht ein digitaler Zwilling des Sehsystems. Dieses Vorhersagemodell wurde an fMRT-Daten trainiert und schätzt für jedes beliebige Video, wie stark ein bestimmtes Areal im visuellen Kortex darauf reagiert.

Auf diesen Zwilling setzt eine evolutionäre Suche auf. Ein Team um die EPFL-Forscher Amir Zamir und Martin Schrimpf variiert strukturierte Bildbeschreibungen aus Bedeutung, Bewegung und Ereignis, schickt sie durch einen Video-Generator und behält jene Clips, die die vorhergesagte Aktivierung am stärksten anheben.^[1]

In zwei Stufen prüft das System zunächst 400 Standbilder, dann 200 bewegte Varianten. Getestet wurden sechs Areale, darunter die Gesichtsregion FFA, das Bewegungsareal MT und die soziale Region pSTS. Die Grundlagen solcher Modelle vertieft unser Leitfaden zu KI-Tools im Unternehmen.

Superstimulus statt Zufall: Was daran neu ist

Handgebaute Reizvideos waren in der Hirnforschung bisher mühsame Handarbeit. NEvo dreht das um und erreicht im Schnitt 95,8 Prozent der Wirkung dieser Referenzclips, im Bewegungsareal MT übertrifft die Optimierung sie sogar deutlich.

Damit entsteht rechnerisch ein Superstimulus, also ein Reiz, der stärker zieht als alles natürlich Vorkommende. In der Diskussion auf Hacker News wird eingewandt, dass Empfehlungsalgorithmen genau das längst tun, nur ohne Blick ins Gehirn. Wie stark KI-Inhalte die Feeds bereits fluten, zeigt unsere Analyse dazu, dass KI-Inhalte inzwischen überall auf Social Media stehen.

Der Unterschied liegt in der Zielgenauigkeit. Bisher haben Systeme auf Klicks und Verweildauer optimiert, also auf beobachtetes Verhalten. NEvo optimiert auf die vorhergesagte neuronale Antwort selbst, eine Ebene tiefer als jeder KI-Bildgenerator, der heute Werbemotive ausspielt.

Sobald sich Aufmerksamkeit rechnerisch maximieren lässt, wird sie zur Ware, und die Grenze zwischen Gestaltung und Manipulation verschwimmt. Genau hier muss die europäische Regulierung ansetzen, bevor solche Verfahren aus dem Labor in die Werbeauslieferung wandern.
— Markus Seyfferth, Chefredakteur Dr. Web

95,8 %

der Wirkung handgebauter Referenzvideos erreichen die KI-Clips im Modell im Schnitt

99,8 %

der Aktivierung natürlicher Videos aus dem Referenzdatensatz

6 Areale

getestet: unter anderem Gesichter (FFA), Bewegung (MT) und soziale Reize (pSTS)

2 Sek.

kurze Clips, optimiert in zwei Stufen aus 400 Bild- und 200 Videovarianten

So entsteht ein Clip für eine einzelne Hirnregion

Digitaler Zwilling

Ein an fMRT-Daten trainiertes Modell schätzt, wie stark ein Areal auf jedes Video reagiert.

Evolutionäre Suche

Der Algorithmus variiert Bildbeschreibungen aus Bedeutung, Bewegung und Ereignis.

Maximaler Reiz

Ein Video-Generator baut die Clips, bis die vorhergesagte Aktivierung ihr Maximum erreicht.

Was bedeutet das für Werbung und Regulierung im DACH-Raum?

Noch handelt es sich um Vorhersagen eines Modells, nicht um bestätigte Wirkung an echten Probanden. Die Autoren betonen selbst, dass die gefundenen Muster am Menschen erst validiert werden müssen, und auch Beobachter haben die veröffentlichten Beispielclips als eher unspektakulär beschrieben.

Für Entscheider zählt trotzdem die Richtung. Sobald Systeme Inhalte auf maximale Aufmerksamkeit trimmen, berührt das den EU AI Act, der seit Februar 2025 KI mit manipulativen oder unterschwelligen Techniken verbietet, wenn sie das Verhalten spürbar verzerrt und Schaden anrichtet.

Das Verfahren reiht sich in einen Trend ein, bei dem KI immer tiefer in die Wahrnehmung zielt, von generierten Werbemotiven bis zu synthetischen Stimmen. Einen Überblick über diese Entwicklung bietet die KI-Themenseite von Dr. Web, samt der viel diskutierten KI-Leseliste zu den Grundlagen des Fachs.

Planen Sie Werbe- oder Content-Systeme mit KI-Optimierung, sollten Sie den Optimierungszweck dokumentieren und rein auf Reizmaximierung ausgerichtete Ziele frühzeitig ausschließen, bevor Aufsichtsbehörden die Grenze ziehen. Die Kombination aus digitalem Zwilling und automatischer Reizsuche zeigt, wie schnell aus einem Forschungswerkzeug ein Manipulationsinstrument werden kann.