Ein Forschungsteam der Korea Advanced Institute of Science and Technology (KAIST) unter der Leitung von Professor Dae-Soo Kim hat ein künstliches Intelligenz-Modell namens BehaVERT entwickelt, das tierische Bewegungen in eine sprachähnliche Struktur übersetzt. Die Ergebnisse wurden im International Journal of Computer Vision veröffentlicht. Das System analysiert die Skelettpositionen von Mäusen – einschließlich Schnauze, Ohren, Rücken, Gliedmaßen und Schwanz – und zerlegt sie in verhaltensbezogene Tokens. Ein auf der BERT-Architektur basierender Transformer lernt daraus nicht nur isolierte Aktionen zu klassifizieren, sondern erfasst deren kontextuelle Abfolge und semantische Bedeutung, ähnlich wie natürliche Sprachmodelle. Durch selbstüberwachtes Lernen ohne manuelle Annotationen erreichte BehaVERT bei fünf internationalen Benchmark-Datensätzen, die soziale Interaktion, Mehrkörpermotion und autistische Verhaltensmuster abdecken, state-of-the-art Ergebnisse. Besonders bemerkenswert ist die Fähigkeit des Modells, biologisch relevante Muster autonom zu erkennen. Bei der Analyse von Shank3B-Knockout-Mäusen, einem etablierten Modellsystem für Autismus, fokussierte die KI eigenständig auf Defizite bei oralem Kontaktverhalten. Dieser Befund korreliert mit bisherigen neurobiologischen Erkenntnissen, wonach autistische Modellmäuse trotz intakter Annäherungsinstinkte soziale Interaktionen signifikant reduzieren. Die Interpretabilität des Modells erlaubt es Forschern nachzuvollziehen, welche Bewegungskomponenten die Entscheidung der KI prägen. Darüber hinaus ordnet BehaVERT verhaltensrelevante Merkmale wie Mobilität, Aufmerksamkeit und soziale Einbindung in einen strukturierten Repräsentationsraum. Ein mit Ratten-Daten trainiertes Modell ließ sich zudem nahtlos auf Mausdaten übertragen, was die Validität eines artübergreifenden verhaltensbasierten Grundlagenmodells untermauert. Das interdisziplinäre Team, dessen erste Autorin Dr. Seungjae Shin ursprünglich aus den Biowissenschaften stammt und sich KI-Architekturen eigenständig aneignete, betont den Paradigmenwechsel von rein klassifizierenden zu interpretierbaren Verhaltensanalysetools. Die Entwicklung eröffnet neue Anwendungsfelder in der Arzneimittelforschung, psychiatrischen Diagnostik und Verhaltensgenetik. Professor Kim verweist darauf, dass BehaVERT nicht nur als analytisches Werkzeug dient, sondern die Grundlage für eine neue Generation von Verhaltensfoundation-Modellen bildet. Durch die Kombination von Transformers mit selbstüberwachtem Lernen in der Neurobiologie liefert das System präzise Einblicke in komplexe Verhaltensdynamiken und beschleunigt künftig die Identifikation therapeutischer Ansätze.