Dennis L.
Ein digital gekoppeltes Fruchtfliegenhirn soll zeigen, wie aus reiner Verdrahtung Verhalten entsteht. Dafür werden Connectom, virtuelle Umgebung und Körpermodell in einen sensorimotorischen Regelkreis gebracht. Im Zentrum stehen Zeitfenster von 15 ms und die Frage, ob anatomische Struktur bereits als Controller taugt. Der Schritt wirkt klein, berührt aber ein zentrales Problem der Hirnforschung.
Das Verhalten eines Tieres entsteht nicht allein im Gehirn. Zwischen Sinnesorganen, Nervenzellen, Muskeln und Umwelt läuft ein fortlaufender Regelkreis, in dem Signale aufgenommen, verarbeitet und wieder in Bewegung übersetzt werden. Genau deshalb reicht es in der modernen Hirnforschung meist nicht mehr, nur einzelne Zellen oder isolierte Schaltkreise zu betrachten. Wer verstehen will, wie ein Organismus tatsächlich läuft, fliegt, tastet oder frisst, muss das Nervensystem als gekoppeltes System aus Wahrnehmung, Verarbeitung und Aktion untersuchen. Besonders interessant ist dabei die Frage, ob die Verdrahtung eines Gehirns bereits so viel Information enthält, dass daraus in einer Simulation sinnvolles Verhalten entstehen kann. Solche Modelle arbeiten nicht mit Bewusstsein oder Absicht, sondern mit mathematischen Beschreibungen von Neuronen, Synapsen und Rückkopplung. Entscheidend ist, ob aus Struktur tatsächlich Funktion wird und ob eine Nervensimulation unter realistischen Bedingungen mehr leisten kann als eine statische Karte.
Die Fruchtfliege eignet sich für solche Versuche besonders gut, weil ihr Gehirn klein genug für eine vollständige Rekonstruktion und zugleich komplex genug für überraschend vielseitiges Verhalten ist. Das Insekt navigiert, reagiert auf Gerüche und Geschmack, putzt seinen Körper und steuert fein abgestimmte Bewegungen mit hoher zeitlicher Präzision. Genau an dieser Stelle beginnt die eigentliche Herausforderung für die Forschung. Ein Connectom zeigt zunächst nur, welche Nervenzellen über Synapsen miteinander verbunden sind. Daraus folgt aber noch nicht automatisch, wie aus Aktivitätsmustern zielgerichtete Bewegung entsteht. Dafür braucht es ein verkörpertes Modell, in dem sensorische Reize in neuronale Aktivität eingehen und motorische Ausgänge wieder auf einen Körper zurückwirken. Erst eine solche virtuelle Umgebung erlaubt es, Hypothesen zur Sensorimotorik unter kontrollierten Bedingungen zu testen, statt Verhalten nur nachträglich zu beschreiben.
Im Mittelpunkt der neuen Arbeit steht ein aktueller Preprint zum Fly-connectomic Graph Model, in dem die bekannte Verschaltung des adulten Fliegengehirns nicht nur gespeichert, sondern als gerichteter Rechengraph für Steuerungsaufgaben genutzt wird. Der Ansatz behandelt die Verdrahtung also nicht bloß als Archiv, sondern als operative Architektur. Sensorische Eingänge werden entlang biologisch motivierter Flussrichtungen in das Modell eingespeist und in motorische Ausgänge übersetzt. Die Autoren beschreiben dafür einen Message Passing Ansatz, der die statische Topologie des Gehirns in eine dynamische Rechenstruktur überführt. Für die eigentliche Nervensimulation ist das wichtig, weil damit nicht einfach irgendein künstliches Netz trainiert wird, sondern eines, dessen Grundgerüst direkt aus dem Connectom stammt. Nach Darstellung der Arbeit verbessert diese Struktur sowohl die Dateneffizienz als auch die Leistung gegenüber umverdrahteten oder zufällig aufgebauten Vergleichsmodellen. Das Fruchtfliegenhirn wird damit zu einem Controller, der nicht frei erfunden, sondern anatomisch vorgegeben ist.
Damit ein solcher Controller mehr tut als Signale zu sortieren, braucht er einen Körper. Die anatomische Grundlage dafür liefert die vollständige Verdrahtungskarte des adulten Fruchtfliegengehirns, die 139.255 Neuronen und 54,5 Millionen Synapsen umfasst. An diese Struktur wird ein biomechanisches Modell der Fruchtfliege gekoppelt, das in der aktuellen Demonstration auf NeuroMechFly basiert und 87 unabhängige Gelenke in einer präzisen 3D Geometrie abbildet. Sensorische Reize aus der virtuellen Umgebung werden in neuronale Aktivität übersetzt und in Schritten von 15 ms mit dem Körper rückgekoppelt. Nach Angaben der Entwickler kann der virtuelle Körper so Geschmacksreize, Berührung, Teile der visuellen Verarbeitung und einfache Verhaltensbausteine wie Annäherung, Putzen oder Fressen in einen geschlossenen Regelkreis einbinden. Gerade diese Verkörperung ist der methodische Kern. Erst wenn ein Fruchtfliegenhirn Signale nicht nur verarbeitet, sondern an einen Körper bindet, wird aus Verdrahtung beobachtbare Sensorimotorik.
So beeindruckend die Demonstration ist, sie markiert noch keinen vollständigen digitalen Organismus. Mehrere Grenzen sind offen benannt und wissenschaftlich entscheidend. Die aktuelle Kopplung nutzt nicht die komplette biologische Motorhierarchie der Fliege, sondern eine kleine Auswahl absteigender Ausgangssignale als praktische Schnittstelle zwischen Gehirnmodell und Körpermodell. Einige visuelle Eingaben sind bislang eher vorbereitend integriert und beeinflussen das Verhalten noch nicht in vollem Umfang. Hinzu kommt, dass das zugrunde liegende leaky integrate-and-fire-Modell zwar biologisch plausibler ist als ein rein abstraktes Rechennetz, aber keine umfassenden Plastizitätsregeln für langfristiges Lernen oder Gedächtnis enthält. Auch das Connectom selbst beschreibt vor allem die Verschaltung, nicht automatisch die exakten biophysikalischen Eigenschaften jeder Synapse. Ein virtueller Körper kann daher schon heute glaubwürdige Bewegungsabläufe erzeugen, ohne dass damit jede interne Berechnung des echten Tieres vollständig getroffen wäre. Genau dieser Unterschied zwischen Verhaltensähnlichkeit und biologischer Vollständigkeit bleibt für die Einordnung zentral.
Trotz dieser Einschränkungen ist der Schritt wissenschaftlich relevant, weil er eine Brücke zwischen Anatomie, KI und Verhaltensbiologie schlägt. Bisher endeten viele Connectom Projekte bei der Kartierung. Hier beginnt stattdessen die Phase, in der ein Connectom als funktionelles Arbeitsmodell benutzt wird. Das ist nicht nur für Grundlagenforschung interessant. Solche Systeme könnten künftig helfen, Hypothesen über sensorische Integration, Entscheidungsfindung und motorische Steuerung schneller gegeneinander zu testen, weil sich Eingänge, Zeitauflösung und Umweltbedingungen systematisch variieren lassen. Für die Informatik ist das ebenso wichtig, weil die Arbeit zeigt, dass biologisch gewachsene Netzarchitekturen als Vorlage für robuste Steuerung in verkörperten Systemen dienen könnten. Das Fruchtfliegenhirn wird damit nicht zum Beweis für Maschinenbewusstsein, wohl aber zu einem ernstzunehmenden Testfeld für embodied AI. Gerade in der Kombination aus Connectom, virtueller Umgebung und präzisem Körpermodell verschiebt sich die Frage von Kann man ein Gehirn kartieren zu Was lässt sich aus seiner Struktur tatsächlich vorhersagen.
arXiv, Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly; doi:10.48550/arXiv.2602.17997
Nature, Neuronal wiring diagram of an adult brain; doi:10.1038/s41586-024-07558-y
