Das intelligente Gehirn verbraucht weniger Energie, nicht mehr

Eine halbe Stunde lang bekam eine Gruppe von Menschen eine kleine Dosis radioaktiver Glukose gespritzt und wurde gebeten, Denkaufgaben zu lösen. Je besser sie das taten, desto weniger leuchtete ihr Gehirn im Scanner.

Die Personen mit höheren Punktzahlen strengten sich nicht im faulen Sinn des Wortes weniger an: Ihre Gehirne schienen weniger Treibstoff zu brauchen, um am selben Ziel anzukommen. Daraus entstand die Hypothese der neuronalen Effizienz, einer der meistzitierten Gedanken über die Biologie der Intelligenz. Dieser Artikel erzählt den Befund so, wie Arthur Jensen ihn darstellt, und danach, was die spätere Forschung daran eingeschränkt hat, und das ist nicht wenig.

Das Experiment: radioaktive Glukose und ein Matrizentest

Der Psychologe Arthur Jensen trägt diese Arbeit in The g Factor (1998) zusammen, seiner Synthese über die Wissenschaft hinter dem allgemeinen Intelligenzfaktor (g). Das fragliche Experiment nutzt eine Technik namens PET (Positronen-Emissions-Tomographie):

• In die Blutbahn wird eine kleine Menge eines radioaktiven Glukose-Isotops gespritzt.
• Die Person verbringt etwa 30 Minuten damit, einen nonverbalen Denktest zu lösen, die Raven-Matrizen, einen der Tests mit der höchsten g-Ladung, die es gibt.
• Der Scanner erfasst, in welchen Hirnregionen mehr Glukose verstoffwechselt wurde, also wo mehr neuronale Energie verbraucht wurde.

Der Forscher Richard Haier, eine Referenz auf diesem Gebiet, fand etwas, das der Intuition auf den ersten Blick widerspricht: Die während der Aufgabe verbrauchte Glukosemenge korrelierte negativ mit der erzielten Punktzahl, mit Werten zwischen -0,7 und -0,8. Je höher die Punktzahl, desto weniger Energie wurde für dieselbe Art von Problem verbraucht.

Ein Detail, das das Buch nur am Rand erwähnt und das schwer wiegt: Die ursprüngliche Studie von Haier und seinem Team (1988) wurde mit acht Personen durchgeführt. Bei so kleinen Stichproben kann eine Korrelation zufällig sehr hoch ausfallen, und deshalb galt der Befund als Ausgangspunkt, nicht als Schlussfolgerung.

Warum “mehr Leistung” die falsche Metapher ist

Es ist verlockend, sich ein intelligentes Gehirn als größeren Motor vorzustellen, der mehr Treibstoff verbrennt und deshalb mehr leistet. Die ersten PET-Daten wiesen genau in die entgegengesetzte Richtung:

• Ein effizienteres Gehirn scheint weniger Stoffwechselaktivität zu brauchen, um zum selben richtigen Ergebnis zu gelangen.
• Diese umgekehrte Beziehung zeigt sich in fast der gesamten Hirnrinde, ist aber in den Temporalregionen ausgeprägter.
• Jensen fasst es mit einem einfachen Gedanken zusammen: g scheint mit der Effizienz der neuronalen Verarbeitung zusammenzuhängen, nicht mit ihrem Umfang.

In Jensens Version arbeitet ein fähigeres Gehirn nicht härter: Es leistet mehr pro Einheit Energie, die es verbraucht.

Das Experiment, das alles in Bewegung brachte: Tetris spielen lernen

Am interessantesten ist nicht eine Momentaufnahme, sondern das, was passiert, wenn jemand in etwas besser wird. Haier und sein Team wiederholten den PET-Scan mit einer Gruppe von Personen, während sie Tetris spielen lernten, ein Videospiel, das schnelle Informationsverarbeitung, Hand-Auge-Koordination und Planung im Moment verlangt.

• In den ersten Partien verbrauchte Tetris-Spielen relativ viel Hirnglukose.
• Nach Übungseinheiten von 30 bis 45 Minuten, bis zu fünfmal pro Woche, über 4 bis 8 Wochen verbesserte sich das Können deutlich.
• Gleichzeitig sank der Glukoseverbrauch des Gehirns während des Spiels, und die Korrelation zwischen dieser Stoffwechselaktivität und dem g-Faktor schwächte sich ab.

Das Ausmaß dieser Einsparung korrelierte seinerseits mit den Punktzahlen im Raven-Test: Wer mit höheren Werten startete, gewann durch die Übung am meisten Energieeffizienz.

Das reifende Gehirn wird auch günstiger im Unterhalt

Dasselbe Muster, so berichtet Jensen, zeigt sich auch in der normalen Entwicklung jedes Menschen. PET-Studien in verschiedenen Altersgruppen zeigen, dass der Glukoseverbrauch des Gehirns von der Kindheit bis zur Reife fortlaufend abnimmt, gerade während die geistige Leistungsfähigkeit weiter wächst.

Eine plausible Erklärung, die das Buch anführt, ist das sogenannte neuronale Pruning (neural pruning): der spontane Abbau, vor allem in den ersten Lebensjahren, von synaptischen Verbindungen, die sich als nicht nützlich erweisen.

Der Gedanke dahinter: Weniger überflüssige Verbindungen erlauben eine sauberere Verarbeitung mit weniger verschwendeter Energie. Jensen fügt hinzu, dass ein unzureichendes Pruning während der frühen Reifung mit bestimmten Formen geistiger Behinderung in Verbindung gebracht wird.

Weniger aktive Neuronen zu haben, zum richtigen Zeitpunkt der Entwicklung, ist nicht immer ein Verlust. Manchmal ist es die notwendige Voraussetzung dafür, dass der Rest des Systems besser funktioniert.

Was danach kam: Effizienz hat Bedingungen

In den beiden folgenden Jahrzehnten prüften Dutzende Studien mit PET, funktioneller Magnetresonanztomographie und EEG die Hypothese. Aljoscha Neubauer und Andreas Fink von der Universität Graz sichteten diese Literatur 2009 und kamen zu einem differenzierteren Schluss als die ursprüngliche Schlagzeile:

• Die meisten frühen Studien bestätigten die Hypothese, spätere fanden jedoch widersprüchliche Ergebnisse und mehrere Einflussgrößen: Geschlecht, Art der Aufgabe, ihre Komplexität und die Hirnregion.
• Effizienz zeigt sich vor allem, wenn die Aufgabe für die Person von geringer oder mittlerer Schwierigkeit ist, und hauptsächlich in frontalen Arealen.
• Bei sehr komplexen Aufgaben kehrt sich das Muster um: Fähigere Personen scheinen mehr kortikale Ressourcen einzusetzen, und die Korrelation zwischen Aktivierung und Fähigkeit wird positiv.
• Auch Übung zählt: Die Effizienz hängt von Menge und Qualität des Lernens ab, wie schon die Tetris-Studie nahelegte.

Parallel dazu sichteten Rex Jung und Haier selbst (2007) 37 Bildgebungsstudien und schlugen die Parieto-Frontale Integrationstheorie (P-FIT) vor: Intelligenz hinge weniger davon ab, wie viel Energie das Gehirn insgesamt verbraucht, als davon, wie gut ein Netzwerk aus frontalen und parietalen Regionen miteinander kommuniziert. Das ist eine Verschiebung des Blicks, vom Gesamtverbrauch zur Organisation des Netzwerks.

Deshalb stimmt der Titel dieses Artikels nur mit Kleingedrucktem: Das fähigere Gehirn verbraucht weniger Energie bei Aufgaben, die es gut bewältigen kann, nicht immer und nicht bei jedem Problem.

Was dieser Befund verändert (und was nicht)

Nichts davon macht Hirneffizienz zu etwas, das man zu Hause messen könnte, und Tetris-Übung nicht zu einer Abkürzung zu einem höheren IQ.

• Der Energieaufwand, ein Problem zu lösen, und die Fähigkeit, es zu lösen, sind verschiedene Dinge: Hier hängen sie zusammen, sie werden nicht gleichgesetzt.
• Übung senkt bei jedem Menschen die Energiekosten jeder Aufgabe, die sich automatisiert, auch wenn der Ausgangspunkt variiert.
• Die neuronale Effizienz ist eines der am besten untersuchten biologischen Korrelate des g-Faktors, aber kein allgemeines Gesetz: Sie hängt von der Schwierigkeit der Aufgabe, der Hirnregion und der Übung ab.

Was dieser Befund tatsächlich hinterlässt, ist ein interessanteres Bild davon, was ein “leistungsfähiges Gehirn” bedeutet: nicht das, das immer am meisten arbeitet, sondern das, das weiß, wann es wenig und wann es viel verbrauchen soll.

Wenn dich derselbe Gedanke aus einem anderen Blickwinkel interessiert, erklärt was dein Gehirn in einer Fünftelsekunde entscheidet, wie selbst die einfachste Reaktionsgeschwindigkeit, gemessen in Millisekunden, mit derselben Variable zusammenhängt.

Quellen

• Jensen, A. R. (1998). The g Factor: The Science of Mental Ability. Praeger.
• Haier, R. J. (1993). Cerebral glucose metabolism and intelligence. In P. A. Vernon (Hrsg.), Biological Approaches to the Study of Human Intelligence (S. 317-373). Ablex.
• Haier, R. J., Siegel, B. V., Nuechterlein, K. H., Hazlett, E., Wu, J. C., Paek, J., Browning, H. L. und Buchsbaum, M. S. (1988). Cortical glucose metabolic rate correlates of abstract reasoning and attention studied with positron emission tomography. Intelligence, 12(2), 199-217. doi:10.1016/0160-2896(88)90016-5
• Haier, R. J., Siegel, B., Tang, C., Abel, L., & Buchsbaum, M. S. (1992). Intelligence and changes in regional cerebral glucose metabolic rate following learning. Intelligence, 16(3-4), 415-426. doi:10.1016/0160-2896(92)90018-M
• Jung, R. E. und Haier, R. J. (2007). The Parieto-Frontal Integration Theory (P-FIT) of intelligence: Converging neuroimaging evidence. Behavioral and Brain Sciences, 30(2), 135-154. doi:10.1017/S0140525X07001185
• Neubauer, A. C. und Fink, A. (2009). Intelligence and neural efficiency. Neuroscience & Biobehavioral Reviews, 33(7), 1004-1023. doi:10.1016/j.neubiorev.2009.04.001