Forschende der Georgetown University haben nachgewiesen, dass das menschliche Gehirn durch intensive Übung seine neuronale Struktur physisch umorganisiert, um tatsächlich parallele Aufgabenbewältigung zu ermöglichen. Die Ergebnisse, am 4. Juni im Journal of Cognitive Neuroscience veröffentlicht, widerlegen die langjährige Annahme, Menschen könnten nur schnell zwischen Aufgaben alternieren statt sie simultan auszuführen. Unter der Leitung von Professor Dr. Maximilian Riesenhuber und Dr. Patrick Cox konnte gezeigt werden, dass hochgradig automatisierte Fertigkeiten von der präfrontalen Cortex, die für exekutive Kontrollfunktionen zuständig ist, in die Temporalcortex verlagert werden. Dieser Verschiebungsprozess entlastet das kognitive Kapazitätslimit und schafft echte Parallelverarbeitung. Im Rahmen der Studie führten Probanden über fünf bis zehn Wochen hinweg mehr als 30.000 Bildklassifizierungsaufgaben mittels einer Smartphone-App durch. Magnetresonanztomographie und EEG-Messungen vor und nach der Trainingsphase offenbarten eine klare Verlagerung der Aktivitätsmuster. Zu Beginn der Lernphase dominierte die präfrontale Cortex die Verarbeitung, was aufgrund ihrer sequenziellen Arbeitsweise traditionell als Hauptlimitierung für Multitasking galt. Nach abgeschlossener Routineaktivität übernahm hingegen die Temporalcortex die Aufgabe, die für das Wiedererkennen komplexer Objekte zuständig ist. Die Forschenden stellten fest, dass die neu etablierten neuronalen Pfade in der Temporalcortex direkte Verbindungen zu reaktionssteuernden Arealen bildeten, wodurch der präfrontale Kortex umgangen wurde. Je stärker die Aufgabe von der präfrontalen Region entlastet wurde, desto besser verlief die gleichzeitige Ausführung einer zweiten Aufgabe. Diese Erkenntnis hat weitreichende Konsequenzen für die Neurowissenschaften, die Verhaltensforschung und die KI-Entwicklung. Die Verlagerung automatisierter Prozesse in weniger bewusst kontrollierte Hirnareale erklärt, warum etablierte Gewohnheiten sich nur schwer durch reine Willensanstrengung umgehen lassen. Für die künstliche Intelligenz liefert das Modell einen möglichen Lösungsansatz für das Stabilitäts-Plastizitäts-Dilemma: Während aktuelle KI-Systeme neue Fähigkeiten oft auf Kosten bereits erworbener Wissens integrieren, ermöglicht die menschliche Gehirnarchitektur durch das Auslagern von Routineaufgaben eine kontinuierliche Lernfähigkeit ohne Verlust früherer Kompetenzen. Die Forschenden planen, die genauen Signalmechanismen der neuronalen Umstrukturierung zu untersuchen und zu klären, welche Aufgabentypen sich grundsätzlich parallel verarbeiten lassen. Die Ergebnisse unterstreichen, dass echtes Multitasking kein kognitiver Mythos, sondern das Ergebnis spezifischer neuroplastischer Anpassungen ist, die durch gezielte Wiederholung trainiert werden können.