Eine aktuelle Studie am McGovern-Institut für Hirnforschung des MIT widerlegt die lange vertretene Annahme, dass abstraktes Denken und logisches Schlussfolgern auf der natürlichen Sprache basieren. Forschende um Evelina Fedorenko und Hope Kean haben in der Fachzeitschrift PNAS nachgewiesen, dass das Gehirn für logische Operationen auf ein eigenständiges Netzwerk zurückgreift, das strikt von der Sprachverarbeitung getrennt ist. Die Untersuchungen kombinierten funktionelle Magnetresonanztomografie an gesunden Probanden mit logischen Rätseln, die für Patienten mit schwerer Aphasie konzipiert wurden. Letztere hatten durch Schlaganfälle Schäden in den sprachverarbeitenden Hirnarealen erlitten und waren sowohl im Sprachverständnis als auch in der Sprachproduktion erheblich beeinträchtigt. Trotz dieser Einschränkungen lösten sie komplexe Induktionsaufgaben, wie das Erkennen verborgener Regeln in Zahlenreihen oder geometrischen Mustern, genauso erfolgreich wie eine Kontrollgruppe. Ihre Erkenntnisse kommunizierten sie erfolgreich durch Gestik oder Skizzen. Dies belegt, dass symbolische Regelinduktion ohne linguistische Kapazitäten möglich ist. Parallel dazu kartierten die Forschenden die Hirnaktivität gesunder Teilnehmer während logischer Tests. Die Aufnahmen zeigten eine klare funktionale Trennung: Sprachzentren blieben während induktiver und deduktiver Schlussfolgerungen inaktiv. Stattdessen aktivierte sich das sogenannte Multiple-Demand-Netzwerk, das für komplexe Problemlösungen zuständig ist. Überraschenderweise zeigte sich, dass dieses Netzwerk primär bei der Induktion, nicht jedoch bei der deduktiven Logik aktiv war. Die Ergebnisse widerlegen die jahrtausendealte philosophische und linguistische These von einer engen Verknüpfung von Sprache und Denken. Sie stützen vielmehr die Auffassung, dass das Gehirn kognitive Funktionen modular organisiert. Für die klinische Praxis haben die Erkenntnisse erhebliche Relevanz: Sie untermauern, dass ein Verlust der Sprachfähigkeit nicht mit einem Verlust der Intelligenz gleichzusetzen ist. Menschen mit Aphasie oder Entwicklungsstörungen im Sprachbereich behalten ihre Fähigkeit zum abstrakten, logischen Denken. Die Forschenden betonen, dass dies in der öffentlichen Wahrnehmung und in der medizinischen Aufklärung stärker berücksichtigt werden muss. Darüber hinaus bieten die Befunde neue Ansatzpunkte für die Entwicklung künstlicher Intelligenz. Aktuelle Large Language Models wie ChatGPT oder Claude simulieren menschliche Reasoning-Fähigkeiten primär durch textbasierte Trainingsdaten und -ausgaben. Da das menschliche Gehirn Sprache und logisches Argumentieren jedoch in separaten Netzwerken verarbeitet, könnte die gezielte Entkopplung dieser Komponenten in neuronalen Architekturen die Entwicklung robusterer KI-Systeme vorantreiben. Die Studie markiert damit einen entscheidenden Schritt zum besseren Verständnis der kognitiven Architektur des Menschen und öffnet ein neues Forschungsfeld an der Schnittstelle von Neurowissenschaften und Maschinellem Lernen.