Glanz: aiMOOC über GPT aiMOOC Action erstellt

2026-07-21T19:43:02Z

aiMOOC über GPT aiMOOC Action erstellt

Neue Seite

{{T}}

{{BR}}
= Hebbsche Lernregel - Psychologie =

{{BR}}
= Einleitung =

Die '''[[Hebbsche Lernregel]]''' erklärt, wie gemeinsame Aktivität von [[Neuron|Neuronen]] ihre Verbindung verändern kann. Der kanadische Psychologe [[Donald O. Hebb]] formulierte 1949 die Grundidee: Trägt ein Neuron wiederholt zur Aktivierung eines anderen Neurons bei, kann die Wirksamkeit ihrer [[Synapse]] zunehmen.

Der bekannte Merksatz lautet: '''„Neuronen, die gemeinsam aktiv sind, verbinden sich stärker.“''' Er ist nützlich, aber vereinfacht. Entscheidend sind auch die zeitliche Reihenfolge, die Stärke der Aktivität und stabilisierende Prozesse im Nervensystem.

[[Datei:Neuron synapse.svg|500px|rahmenlos|center]]

{{#ev:youtube| https://www.youtube.com/watch?v=7YSLyFF6bZo |500|center}}

{{BR}}
== Lernziele ==

Nach diesem aiMOOC kannst Du die [[Hebbsche Lernregel]] erklären, ihre mathematische Grundform anwenden, Bezüge zu [[Lernen]], [[Gedächtnis]] und [[synaptische Plastizität|synaptischer Plastizität]] herstellen sowie Grenzen des Modells beurteilen.

{{BR}}
= Ursprung der Lernregel =

[[Donald O. Hebb]] veröffentlichte die Regel 1949 in seinem Buch '''The Organization of Behavior'''. Er wollte psychologische Vorgänge mit der Arbeitsweise des Nervensystems verbinden.

Hebb beschrieb außerdem '''[[Zellverband|Zellverbände]]''': Gruppen von Neuronen, deren gemeinsame Aktivität Wahrnehmungen, Gedanken oder Erinnerungen repräsentieren könnte.

[[Datei:Hebb-Williams maze test variations - top-down view.png|500px|rahmenlos|center]]

Das [[Hebb-Williams-Labyrinth]] erinnert an Hebbs experimentelle Arbeit zu [[Lernen]], räumlicher Orientierung und Problemlösen.

{{BR}}
= Neurobiologische Grundidee =

Eine [[Synapse]] überträgt Signale von einer präsynaptischen auf eine postsynaptische Zelle. Vereinfacht gilt:

# [[Präsynaptisches Neuron]]: sendet ein Signal.
# [[Postsynaptisches Neuron]]: wird dadurch mitaktiviert.
# [[Synaptische Plastizität]]: die Verbindung verändert ihre Wirksamkeit.
# [[Assoziation]]: wiederholt gekoppelte Aktivität wird wahrscheinlicher gemeinsam abgerufen.

[[Datei:Synapse diag1.svg|500px|rahmenlos|center]]

Die Regel beschreibt keine bewusste Entscheidung des Gehirns. Sie ist ein Modell für lokale, aktivitätsabhängige Veränderungen an Verbindungen zwischen Nervenzellen.

{{BR}}
== Langzeitpotenzierung ==

Die '''[[Langzeitpotenzierung]]''', kurz '''LTP''', ist eine länger anhaltende Verstärkung synaptischer Übertragung nach bestimmten Aktivitätsmustern. Sie gilt als wichtiger experimenteller Zugang zur Erforschung von [[Lernen]] und [[Gedächtnis]].

LTP ist mit hebbschen Prinzipien vereinbar, aber nicht mit der Hebbschen Lernregel gleichzusetzen. Die tatsächlichen biologischen Mechanismen sind vielfältiger.

[[Datei:LTP First Stage.png|500px|rahmenlos|center]]

[[Datei:LTP exemplar.jpg|500px|rahmenlos|center]]

{{#ev:youtube| https://www.youtube.com/watch?v=-mHgPfXHzJE |500|center}}

{{BR}}
= Mathematische Darstellung =

In einem einfachen [[Künstliches neuronales Netz|künstlichen neuronalen Netz]] kann die Regel so geschrieben werden:

<math>\Delta w_{ij} = \eta \cdot a_i \cdot a_j</math>

{| class="wikitable"
! Zeichen
! Bedeutung
|-
| <math>\Delta w_{ij}</math>
| Veränderung des Verbindungsgewichts zwischen Neuron i und Neuron j
|-
| <math>\eta</math>
| [[Lernrate]]
|-
| <math>a_i</math>
| Aktivität des präsynaptischen Neurons
|-
| <math>a_j</math>
| Aktivität des postsynaptischen Neurons
|}

Sind beide Neuronen stark aktiv, wird das Gewicht in diesem einfachen Modell erhöht. Sind sie nicht gemeinsam aktiv, entsteht keine entsprechende Verstärkung.

'''Beispiel:''' Bei <math>\eta=0{,}1</math>, <math>a_i=0{,}8</math> und <math>a_j=0{,}5</math> ergibt sich <math>\Delta w_{ij}=0{,}04</math>.

{{#ev:youtube| https://www.youtube.com/watch?v=YcRh-8Gkk60 |500|center}}

{{BR}}
= Zeitliche Präzision: STDP =

Die '''[[Spike-Timing-Dependent Plasticity]]''', kurz '''STDP''', erweitert die Grundidee um die zeitliche Reihenfolge von [[Aktionspotential|Aktionspotentialen]].

Bei vielen untersuchten Synapsen gilt typischerweise:

# Feuert das präsynaptische Neuron kurz vor dem postsynaptischen Neuron, kann die Verbindung verstärkt werden.
# Feuert das postsynaptische Neuron zuerst, kann die Verbindung abgeschwächt werden.
# Das genaue Ergebnis hängt von Zelltyp, Synapse und Aktivitätsmuster ab.

[[Datei:Stdp biological.svg|500px|rahmenlos|center]]

[[Datei:STDP-Fig1.jpg|500px|rahmenlos|center]]

{{BR}}
= Zellverbände und Gedächtnis =

Ein '''[[Zellverband]]''' ist eine funktionelle Gruppe gemeinsam aktiver Neuronen. Hebbs Modell nimmt an, dass wiederholte gemeinsame Aktivität solche Verbände stabilisieren kann.

Wird später ein Teil des Musters aktiviert, könnte das gesamte Aktivitätsmuster leichter reaktiviert werden. Dieses Prinzip ist für Modelle von [[Assoziatives Gedächtnis|assoziativem Gedächtnis]], [[Engramm|Engrammen]] und [[Mustervervollständigung]] bedeutsam.

[[Datei:Neurons big1.jpg|500px|rahmenlos|center]]

[[Datei:Hippocampus.png|500px|rahmenlos|center]]

Der [[Hippocampus]] ist besonders wichtig für die Bildung neuer deklarativer Erinnerungen. Hebbsche Plastizität ist jedoch nicht auf eine einzige Hirnregion beschränkt.

{{BR}}
= Psychologische Beispiele =

{| class="wikitable"
! Beispiel
! Hebbsche Deutung
|-
| [[Klassische Konditionierung]]
| Wiederholt gekoppelte Reize aktivieren zunehmend verbundene neuronale Repräsentationen.
|-
| [[Fertigkeitserwerb]]
| Häufig gemeinsam benötigte Wahrnehmungs- und Bewegungsmuster werden leichter gemeinsam aktiviert.
|-
| [[Wiedererkennen]]
| Ein Teilreiz kann ein zuvor verbundenes Gesamtmuster reaktivieren.
|-
| [[Wortschatzlernen]]
| Klang, Schriftbild und Bedeutung werden wiederholt miteinander gekoppelt.
|}

Die Regel bedeutet nicht, dass bloße Wiederholung automatisch zu gutem Lernen führt. [[Aufmerksamkeit]], Bedeutung, Vorwissen, Rückmeldung, Schlaf und Abrufübungen beeinflussen den Lernerfolg ebenfalls.

{{BR}}
= Anwendungen in künstlichen neuronalen Netzen =

Hebbsche Verfahren gehören zum '''[[Unüberwachtes Lernen|unüberwachten Lernen]]'''. Das System benötigt dabei nicht zwingend eine vorgegebene richtige Antwort, sondern verändert Gewichte anhand gemeinsamer Aktivität.

Anwendungen finden sich in Modellen des [[Assoziativspeicher|Assoziativspeichers]], der [[Mustererkennung]], der [[Merkmalsextraktion]] und in hebbschen Varianten künstlicher neuronaler Netze.

Die meisten modernen [[Deep Learning|Deep-Learning-Systeme]] werden jedoch mit anderen Verfahren trainiert, etwa mit [[Backpropagation]]. Biologische und künstliche Lernverfahren dürfen daher nicht gleichgesetzt werden.

{{BR}}
= Grenzen der einfachen Regel =

Die einfache Hebbsche Lernregel erklärt nur einen Ausschnitt biologischen Lernens.

# [[Instabilität]]: Gewichte könnten ohne Begrenzung immer weiter wachsen.
# [[Sättigung]]: Sehr starke Verbindungen lassen sich nicht unbegrenzt verstärken.
# [[Vergessen]]: Die Grundform enthält keinen ausreichenden Mechanismus zum Abschwächen.
# [[Konkurrenz]]: Neuronale Repräsentationen müssen sich voneinander unterscheiden können.
# [[Homöostatische Plastizität]]: Das Nervensystem benötigt ausgleichende Prozesse.
# [[Neuromodulation]]: Botenstoffe, Motivation und Belohnung beeinflussen Plastizität.

Erweiterungen wie die [[Ojas Lernregel]], [[Langzeitdepression]], STDP und homöostatische Mechanismen begrenzen oder ergänzen das einfache Modell.

[[Datei:Heterosynaptic Plasticity-1.jpg|500px|rahmenlos|center]]

{{#ev:youtube| https://www.youtube.com/watch?v=uxkZ0bcj4kg |500|center}}

{{BR}}
= Merksätze =

{| class="wikitable"
|-
| '''Kernidee'''
| Gemeinsame, wiederholte Aktivität kann synaptische Verbindungen stärken.
|-
| '''Präzisierung'''
| Nicht nur Gleichzeitigkeit, sondern auch Reihenfolge und Kontext sind wichtig.
|-
| '''Psychologische Bedeutung'''
| Die Regel verbindet neuronale Plastizität mit Lernen, Assoziation und Gedächtnis.
|-
| '''Grenze'''
| Reales Lernen benötigt mehr als eine einzige lokale Verstärkungsregel.
|}

{{BR}}
= Interaktive Aufgaben =

{{BR}}
== Quiz: Teste Dein Wissen ==

{{MC}}

'''Wer formulierte die Hebbsche Lernregel?'''
(Donald O. Hebb)
(!Iwan Pawlow)
(!Burrhus Skinner)
(!Jean Piaget)

{{E}}
<br>

{{MC}}

'''Welche Aussage trifft die Kernidee der Hebbschen Lernregel?'''
(Gemeinsame Aktivität kann eine neuronale Verbindung stärken)
(!Jede neuronale Verbindung wird durch Ruhe verstärkt)
(!Lernen geschieht ausschließlich durch Belohnung)
(!Synapsen bleiben nach der Geburt unverändert)

{{E}}
<br>

{{MC}}

'''Wie heißt die Kontaktstelle zwischen zwei Nervenzellen?'''
(Synapse)
(!Hormon)
(!Reflex)
(!Kortex)

{{E}}
<br>

{{MC}}

'''Wovon hängt die Gewichtsänderung in der einfachen Hebb-Formel ab?'''
(Vom Produkt der beiden Aktivitäten und der Lernrate)
(!Nur vom Alter der lernenden Person)
(!Nur von der Zahl der Nervenzellen)
(!Nur von der Dauer des Schlafs)

{{E}}
<br>

{{MC}}

'''Was bezeichnet der Faktor Eta in der Hebb-Formel?'''
(Die Lernrate)
(!Das Aktionspotential)
(!Die Gedächtnisspanne)
(!Die Reaktionszeit)

{{E}}
<br>

{{MC}}

'''Was ist eine Langzeitpotenzierung?'''
(Eine länger anhaltende Verstärkung synaptischer Übertragung)
(!Eine kurzfristige Unterbrechung aller Nervensignale)
(!Eine Verkleinerung des gesamten Gehirns)
(!Eine bewusste Lernstrategie)

{{E}}
<br>

{{MC}}

'''Was berücksichtigt die Spike-Timing-Dependent Plasticity besonders?'''
(Die zeitliche Reihenfolge neuronaler Aktivität)
(!Die Farbe eines Reizes)
(!Die Größe des Schädels)
(!Die Anzahl der Sinnesorgane)

{{E}}
<br>

{{MC}}

'''Was ist ein Zellverband im Sinne Hebbs?'''
(Eine funktionelle Gruppe gemeinsam aktiver Neuronen)
(!Eine einzelne Muskelzelle)
(!Eine Gruppe identischer Hormone)
(!Ein Bereich ohne synaptische Verbindungen)

{{E}}
<br>

{{MC}}

'''Welche Grenze besitzt die einfache Hebbsche Lernregel?'''
(Synaptische Gewichte können ohne Begrenzung wachsen)
(!Sie erlaubt grundsätzlich keine Gewichtsänderung)
(!Sie funktioniert nur bei Pflanzen)
(!Sie beschreibt ausschließlich bewusste Entscheidungen)

{{E}}
<br>

{{MC}}

'''Welche Situation veranschaulicht hebbsches Lernen am besten?'''
(Wiederholt gekoppelte Reize werden leichter miteinander assoziiert)
(!Ein Reiz wird niemals gemeinsam mit einem anderen verarbeitet)
(!Eine Information wird ohne neuronale Aktivität gespeichert)
(!Eine Verbindung wird unabhängig von Erfahrung zufällig gelöscht)

{{E}}
<br>

{{BR}}
== Memory ==

<div class="memo-quiz">
{|
|-
| Hebbsche Lernregel || Aktivitätsabhängige Verstärkung
|-
| Synapse || Kontaktstelle zwischen Zellen
|-
| Langzeitpotenzierung || Anhaltende Zunahme der Übertragungsstärke
|-
| Spike-Timing-Dependent Plasticity || Zeitabhängige synaptische Veränderung
|-
| Zellverband || Gemeinsam aktive Neuronengruppe
|-
| Lernrate || Stärke eines Lernschritts
|}
{{E}}
<br>

{{BR}}
== Drag and Drop ==

<div class="lueckentext-quiz">

{| class="wikitable"
! Ordne die richtigen Begriffe zu.
! Hebbsches Lernen
|-
| '''Präsynaptische Aktivität'''
| Aktivität der sendenden Nervenzelle
|-
| '''Postsynaptische Aktivität'''
| Aktivität der empfangenden Nervenzelle
|-
| '''Synaptisches Gewicht'''
| Stärke einer neuronalen Verbindung
|-
| '''Gemeinsame Aktivierung'''
| Grundlage der hebbschen Verstärkung
|-
| '''Homöostatische Plastizität'''
| Stabilisierung der Netzwerkaktivität
|}
{{E}}

<br>
<br />

{{BR}}
== Kreuzworträtsel ==

<div class="kreuzwort-quiz">
{|
|-
| Hebb || Wie lautet der Nachname des Psychologen, der die Lernregel formulierte?
|-
| Synapse || Wie heißt die Kontaktstelle zwischen Nervenzellen?
|-
| Plastizitaet || Wie heißt die Veränderbarkeit neuronaler Strukturen und Funktionen?
|-
| Hippocampus || Welche Hirnstruktur ist für die Bildung neuer deklarativer Erinnerungen besonders wichtig?
|-
| Lernrate || Welcher Parameter bestimmt die Größe eines Lernschritts?
|-
| Neuronen || Welche Zellen übertragen und verarbeiten Signale im Nervensystem?
|}
{{E}}
<br>

{{BR}}
== LearningApps ==

<iframe> https://learningapps.org/index.php?s=Hebbsche+Lernregel+Psychologie </iframe>

{{BR}}
== Lückentext ==

<quiz display=simple>
{'''Vervollständige den Text.'''<br>
|type="{}"}
Die Hebbsche Lernregel wurde von Donald O. { Hebb } formuliert.
Die Verbindung zwischen zwei Nervenzellen heißt { Synapse }.
Gemeinsame neuronale Aktivität kann die Verbindungsstärke { erhöhen }.
Die mathematische Größe für die Verbindung heißt synaptisches { Gewicht }.
Der Faktor Eta wird als { Lernrate } bezeichnet.
Eine länger anhaltende synaptische Verstärkung heißt { Langzeitpotenzierung }.
Die zeitliche Reihenfolge von Aktionspotentialen wird bei der { STDP } berücksichtigt.
Eine gemeinsam aktive Neuronengruppe bezeichnete Hebb als { Zellverband }.
Stabilisierende Gegenprozesse werden als homöostatische { Plastizität } bezeichnet.
</quiz>

<br>

{{BR}}
= Offene Aufgaben =

{{BR}}
=== Leicht ===

# [[Skizze einer Synapse]]: Zeichne zwei Neuronen mit einer Synapse und markiere, an welcher Stelle sich die Übertragungsstärke verändert.
# [[Alltagsassoziation]]: Beschreibe ein Alltagsbeispiel, bei dem zwei Reize durch wiederholte gemeinsame Erfahrung miteinander verbunden werden.
# [[Erklärvideo]]: Produziere ein einminütiges Video, in dem Du den Merksatz der Hebbschen Lernregel mit einer eigenen Analogie erklärst.
# [[Medienanalyse]]: Wähle eine Abbildung dieses aiMOOCs und erläutere, welche Aspekte der Lernregel sie zeigt und welche sie nicht zeigt.

{{BR}}
=== Standard ===

# [[Gewichtssimulation]]: Berechne für fünf selbst gewählte Aktivitätspaare die Gewichtsänderung mit der einfachen Hebb-Formel und stelle die Ergebnisse in einer Tabelle dar.
# [[Konditionierung]]: Entwickle ein Modell, das erklärt, wie ein neutraler Reiz durch wiederholte Kopplung mit einem bedeutsamen Reiz eine Reaktion auslösen kann.
# [[Infografik]]: Gestalte eine Infografik zu Hebbscher Lernregel, Langzeitpotenzierung und Spike-Timing-Dependent Plasticity.
# [[Vergleich von Lerntheorien]]: Vergleiche die Hebbsche Lernregel mit klassischer Konditionierung oder operanter Konditionierung und arbeite Gemeinsamkeiten sowie Unterschiede heraus.

{{BR}}
=== Schwer ===

# [[Modellkritik]]: Prüfe, welche Annahmen der einfachen Hebb-Formel biologisch plausibel sind und welche wichtigen Prozesse fehlen.
# [[Stabilitätsproblem]]: Erkläre mathematisch oder anhand einer Simulation, weshalb unbegrenztes hebbsches Lernen zu immer größeren Gewichten führen kann, und entwickle eine Begrenzung.
# [[Forschungsdesign]]: Entwirf eine Untersuchung, mit der der Einfluss zeitlich versetzter Reize auf das Lernen geprüft werden könnte, und berücksichtige Kontrollbedingungen sowie ethische Anforderungen.
# [[Neurodidaktik]]: Bewerte kritisch die Aussage, Unterricht müsse nur häufige Wiederholungen anbieten, weil dadurch neuronale Verbindungen gestärkt würden.

{{:Offene Aufgabe - MOOC erstellen}}

{{BR}}
= Lernkontrolle =

# [[Transfer auf Fremdsprachenlernen]]: Erkläre, wie Klang, Schriftbild und Bedeutung eines neuen Wortes miteinander verbunden werden können, und leite daraus eine begründete Lernstrategie ab.
# [[Fallanalyse Gedächtnis]]: Eine Person erkennt ein Lied bereits nach wenigen Tönen. Erkläre den Vorgang mithilfe von Zellverbänden und Mustervervollständigung.
# [[Timing und Lernen]]: Vergleiche zwei Trainingssituationen, in denen Reize gleichzeitig oder zeitlich versetzt auftreten, und begründe mögliche Unterschiede mit STDP.
# [[Netzwerkstabilität]]: Entwickle zwei Mechanismen, die verhindern, dass alle häufig aktiven Verbindungen unbegrenzt stärker werden.
# [[Biologie und KI]]: Beurteile, inwiefern die einfache Hebb-Formel als Modell biologischen Lernens und als Verfahren für künstliche neuronale Netze geeignet ist.
# [[Grenzen des Merksatzes]]: Analysiere, weshalb „Neuronen, die gemeinsam feuern, verdrahten sich gemeinsam“ als Einstieg hilfreich, wissenschaftlich aber unvollständig ist.

<br>
<br>

{{BR}}
= Lernnachweis =

Für einen überzeugenden Lernnachweis sind folgende Leistungen wichtig:

# [[Begriffssicherheit]]: Du verwendest Synapse, Plastizität, Lernrate, Zellverband, LTP und STDP fachlich korrekt.
# [[Modellverständnis]]: Du erklärst den Zusammenhang zwischen gemeinsamer Aktivität und veränderter Verbindungsstärke.
# [[Mathematische Anwendung]]: Du berechnest einfache Gewichtsänderungen und deutest das Ergebnis.
# [[Transferleistung]]: Du wendest die Lernregel auf ein neues psychologisches Beispiel an.
# [[Kritische Reflexion]]: Du benennst Grenzen der einfachen Regel und begründest notwendige Erweiterungen.
# [[Darstellung]]: Du präsentierst Zusammenhänge nachvollziehbar, quellenbewusst und mit einer geeigneten Visualisierung.

<br>
<br>

{{BR}}
= OERs zum Thema =

<iframe> https://de.m.wikipedia.org/wiki/Hebbsche_Lernregel </iframe>

# [https://commons.wikimedia.org/wiki/Category:Synaptic_transmission Wikimedia Commons: Synaptische Übertragung]
# [https://commons.wikimedia.org/wiki/Category:Synaptic_plasticity Wikimedia Commons: Synaptische Plastizität]
# [https://de.wikipedia.org/wiki/Neuronale_Plastizität Wikipedia: Neuronale Plastizität]
# [https://de.wikipedia.org/wiki/Donald_O._Hebb Wikipedia: Donald O. Hebb]

<br>

{{BR}}
= Verknüpfte Lernbereiche =

{| align=center
{{:D-Tab}}
'''[[Hebbsche Lernregel - Psychologie]]'''
# [[Lernen]]
# [[Gedächtnis]]
# [[Neuropsychologie]]
# [[Synaptische Plastizität]]
# [[Langzeitpotenzierung]]
# [[Spike-Timing-Dependent Plasticity]]
# [[Klassische Konditionierung]]
# [[Künstliches neuronales Netz]]
|}

[[Kategorie:Psychologie]]
[[Kategorie:Neuropsychologie]]
[[Kategorie:Lernen]]
[[Kategorie:Gedächtnis]]
[[Kategorie:Klasse 11-13]]
[[Kategorie:Studium]]

{{BR}}
= aiMOOC-Projekte =

[[Kategorie:AI_MOOC]] [[Kategorie:GPT aiMOOC]]
{{MT}}

Hebbsche Lernregel - Psychologie - Versionsgeschichte

Glanz: aiMOOC über GPT aiMOOC Action erstellt