Kitabı oxu: «Kognitive Psychologie»

2.2.2 Gestaltpsychologie

Die Gestaltpsychologie begründet sich als Gegenströmung zur Elementarpsychologie, zu der auch die Psychophysik ( Kap. 2.2.1) gezählt werden kann. Die Elementarpsychologie geht von der Annahme aus, dass sich Wahrnehmung in kleinste elementare Empfindungen zerlegen lässt. Allerdings besteht Wahrnehmung in unserer realweltlichen Umwelt vielmehr aus dem Zusammenspiel und der Wechselwirkung von verschiedenen elementaren Einzelempfindungen. Diese Ansicht von Wahrnehmung lässt sich treffend mit der Annahme ausdrücken, dass Wahrnehmung mehr als die Summe seiner einzelnen Teile ist. Diese Annahme betont, dass einzelne Empfindungen in verschiedener Weise miteinander interagieren können, deshalb beschreibt die Gestaltpsychologie vor allem die Rolle von Ganzheiten (d. h. Gestalten) in der Wahrnehmung. Ein Verständnis der Gestalten (und damit ein Verständnis von komplexen Reizkonfigurationen in unserer realweltlichen Umwelt) ist durch die bloße Analyse der Einzelempfindungen nicht zu erreichen. Ein populäres Beispiel für Gestalten ist das Phänomen der Scheinbewegung (Wertheimer, 1912): Werden zwei stationäre Lichtpunkte alternierend ein- und ausgeschaltet, dann entsteht der Eindruck einer Bewegung. Diese Bewegungsempfindung basiert offensichtlich nicht auf Empfindungen von Einzelteilen, da es kein Reiz gibt, der sich zwischen den stationären räumlichen Reizpositionen bewegt. Vielmehr wird eine Bewegungsempfindung hinzugefügt, ohne dass es in den einzelnen Teilen eine äquivalente Entsprechung gibt. Ein ähnliches Phänomen ist das der Scheinkontur, es hat ebenfalls keine Entsprechung in den Einzelempfindungen. In Abbildung 2.8 nehmen wir ein sogenanntes Kanisza-Viereck wahr, obwohl die Reizanordnung kein Viereck enthält – ein Befund, der sogar eine neuropsychologische Entsprechung als Aktivierung im Hinterhauptlappen hat (Maertens & Pollmann, 2005; Abb. 2.5). In einem Extrembeispiel können alle Einzelempfindungen ausgewechselt werden, ohne dass die Ganzheit ihre Gestalt verliert: Werden alle Töne einer Melodie transponiert (d. h. alle Töne einer Melodie werden um denselben Abstand erhöht oder erniedrigt), ist die Melodie trotz der Veränderung noch mühelos zu erkennen.

Abb. 2.5: Beispiel einer Scheinkontur: Man sieht ein (Kanisza-)Viereck, das in den Einzelempfindungen keine Entsprechung hat.

Die Gestaltpsychologie beschränkt sich nicht nur auf die Kritik der Elementarpsychologie, sondern die verschiedenen gestaltpsychologischen Richtungen und Schulen (z. B. Frankfurter Schule um Max Wertheimer oder die Berliner Schule um Kurt Koffka, Kurt Lewin und Wolfgang Köhler) gingen den Gesetzen nach, wie Wahrnehmung organisiert ist. Das zentrale Gesetz der Gestaltpsychologie ist die Wahrnehmungsorganisation nach dem Prägnanzprinzip. Demnach setzt sich von mehreren Möglichkeiten der Wahrnehmungsorganisation stets die Ordnung durch, welche die einfachste, einheitlichste, stabilste oder auch »beste« Gestalt ergibt (deshalb auch als »Prinzip der guten Gestalt« bezeichnet). Obwohl sehr vage formuliert, ergeben sich aus diesem Prinzip eine Reihe von Gesetzen, die spezifische Realisierungen des Prägnanzprinzips sind. Obwohl es Unterschiede in diesen spezifischen Realisierungen und ihrer Komplexität über die verschiedenen gestaltpsychologischen Richtungen und Schulen hinweg gibt, entstand in der Vergangenheit dennoch ein relativ einheitlicher Kanon von Gestaltgesetzen. Die populärsten sollen im Folgenden genannt werden.

Das Gesetzt der Nähe besagt, dass Objekte zueinander gruppiert werden, die nahe beieinander sind und sich von anderen Objekten separieren lassen ( Abb. 2.6; A). Ein Beispiel dafür sind nahe beieinander befindliche Vögel, die zu einem Vogelschwarm gruppiert und geordnet werden. Das Gesetz der Ähnlichkeit besagt, dass äußerlich ähnliche Objekte zueinander gruppiert werden. Zum Beispiel werden die Objekte in Abbildung 2.6 B eher in Spalten als in Zeilen gruppiert, da sich die Objekte innerhalb der Spalten ähnlicher sind als innerhalb der Zeilen. In unserem Eingangsbeispiel, dem Stadionbesuch, wird eine realweltliche Anwendung des Gesetzes der Ähnlichkeit demonstriert: Herr F. erkennt die Gruppe der Fans des gegnerischen Teams anhand ähnlicher Farben, Formen und Symbole auf Schals und Trikots. Das Gesetz der Geschlossenheit besagt, dass die Wahrnehmung dazu tendiert, unvollständige Objekte zu ergänzen. Obwohl es in Abbildung 2.6 C nur Anordnungen einzelner elementarer Formen (z. B. rechte Winkel, unvollständige Halbkreise) gibt, werden diese Formen zu einem Viereck oder einem Kreis ergänzt. Das Gesetz der Symmetrie besagt, dass diejenigen Objekte gruppiert werden, die um eine symmetrische Achse oder ein Zentrum organisiert werden können ( Abb. 2.6 D). Das Gesetz der Fortsetzung (auch Gesetz der Kontinuität) besagt, dass die Wahrnehmung dazu tendiert, Objekte zu einem fortlaufenden Muster zu vervollständigen. Abbildung 2.6 E zeigt ein Beispiel: Obwohl die dünnen Linien hinter dem breiten zentralen Balken nicht zueinander passen (d. h. die Fortsetzungen der Linien hinter dem Balken sind leicht seitlich versetzt), werden sie dennoch als zusammengehörig wahrgenommen. Abschließend besagt das Gesetz zur Figur-Grund-Trennung, dass die globale Gesamtstruktur auf die lokale Verteilung der Figuren und des Hintergrunds einwirkt. Die Wahrnehmung produziert also, dass sich bestimmte Flächen zu einer Figur oder einem Objekt und andere Flächen zu einem Hintergrund gruppieren. Abbildung 2.6 F zeigt ein entsprechendes Beispiel mit Figuren (Fläche 1 und 2) und Hintergrund (Fläche 3). Faktoren, die die Zuweisung einer Fläche zu Figuren begünstigen, sind eine geschlossene Kontur (z. B. die Flächen 1 und 2), eine kleine Fläche (z. B. die Flächen 1 und 2), Symmetrie (z. B. Fläche 2) oder Parallelität (z. B. Fläche 2). Bei der Zuweisung von Flächen zu Figuren können also mehrere Faktoren gleichzeitig wirken.

Insgesamt hat die Gestaltpsychologie sehr bedeutsame und gut nachvollziehbare Gestaltgesetze formuliert und beschrieben, die unsere Wahrnehmung organisieren. Allerdings bietet sie kaum eine Erklärung für die Existenz und Anwendung dieser Gesetze an. Man hat es versäumt, Kriterien zu determinieren, wann und unter welchen Bedingungen eine gute Gestalt vorliegt und ein spezifisches Gesetz angewendet wird. Beispielsweise haben wir gesagt, dass Fans einer Fußballmannschaft in ihrem Stadionblock anhand ihrer Ähnlichkeit erkannt werden. Allerdings

Abb. 2.6: Konkrete Realisierungen von Gestaltgesetzen nach dem Prägnanzprinzip. (A) Gesetz der Nähe, (B) Gesetz der Ähnlichkeit, (C) Gesetz der Geschlossenheit, (D) Gesetz der Symmetrie, (E) Gesetz der Fortsetzung, (F) Figur-Grund-Trennung

spielt natürlich auch das Gesetz der Nähe eine Rolle, da die Fans nahe beieinander lokalisiert sind. Es bleibt hier also unklar, welches Gesetz zu welchen Anteilen angewendet wird und es ist lediglich eine nachfolgende subjektive Analyse des Wahrnehmungsvorganges möglich. Der Vorwurf scheint also zumindest teilweise berechtigt zu sein, dass die Gestaltpsychologie eher beschreibend agiert und weniger die zugrundeliegenden kognitiven Mechanismen und somit die visuelle Wahrnehmung erklärt.

Auditive Szenenanalyse: Raumwahrnehmung und Gestaltgesetze in der auditiven Wahrnehmung

Das obige Beispiel der Transformation von Melodien um einen konstanten Tonwert und des konstanten Erkennens dieser Melodien zeigt, dass Elemente der Gestaltpsychologie auch auf die auditive Wahrnehmung zutreffen. Genauer gesagt erkennt man auch in der sogenannten auditiven Szenenanalyse, dass Raumwahrnehmung möglich ist und Gestaltgesetze angewendet werden. Ein Beispiel für auditive Szenenanalyse: Wir können aus einer Live-Band oder einem live spielenden Orchester die einzelnen Instrumente auditiv trennen (z. B. können Schlagzeug, Bass und Gitarre beziehungsweise Geigen und Kontrabass voneinander unterschieden werden). Es ist auch möglich, aus einer Gruppe von verschiedenen gleichzeitigen Sprachsignalen einen bestimmten Sprecher zu segregieren (z. B. kann auf einer Cocktail-Party problemlos mit einem Gegenüber kommuniziert werden, obwohl im selben Raum viele andere Gespräche geführt werden und Musik läuft).

Die Fähigkeit zur auditiven Raumwahrnehmung ist erstaunlich, da auditive Reize zunächst keine räumliche Information enthalten, während visuelle Rauminformationen im Gegensatz dazu direkt aus der Verortung des Reizes auf der Retina erschlossen werden können. Allerdings findet in der auditiven Wahrnehmung, ähnlich zur visuellen Information, ein Vergleich zwischen dem linken und rechten Sinnesorgan (in der auditiven Wahrnehmung zwischen dem linken und rechten Ohr) statt. Aus diesem Vergleich können zwei Informationsarten zur räumlichen Repräsentation herangezogen werden: Die interaurale Zeitdifferenz beschreibt das Phänomen, dass der sich von einem Punkt ausbreitende Schall und die dazu gehörige Zeitdifferenz, mit der der Schall das linke und rechte Ohr erreicht, abhängig von der horizontalen Lage (dem sogenannten Azimut) der Schallquelle ist. Geht eine Schallquelle von einem Punkt aus, der gleich weit von den Ohren entfernt ist (z. B. mittig vor oder hinter einer Person), erreicht der Schall beide Ohren zum selben Zeitpunkt. Je weiter seitlich sich die Schallquelle befindet, desto ausgeprägter ist die Zeitdifferenz, mit der die Schallwellen an beiden Ohren eintreffen (maximal 0,6 bis 0,8 ms). Der interaurale Pegelunterschied ist eine zusätzliche Informationsart aus dem Vergleich des Signals in beiden Ohren. Durch eine Behinderung der Ausbreitung von Schallwellen am von der Schallquelle abgewandten Ohr (z. B. eine Behinderung durch die Kopfform) kommt es zu einer verminderten Lautstärke in diesem Ohr. Diese Lautstärkeunterschiede werden neben der interauralen Zeitdifferenz ebenfalls als Information zur räumlichen Verortung von Schallquellen auf der horizontalen Ebene herangezogen.

Die Schallwellen werden des Weiteren vor dem Erreichen des Trommelfells an den Ohrmuscheln im Außenohr und im Gehörgang reflektiert. Diese Reflektion ist abhängig vom Einfallswinkel, der zum einen aus der Vertikalebene, zum zweiten aus dem Azimut und zum dritten aus der individuellen kopfbezogenen Transferfunktion bestimmt wird. Diese Funktion ergibt sich aus der individuellen Form und Größe von Ohr und Gehörgang und führt zu einer individuellen Änderung des Frequenzspektrums durch eine räumliche Verlagerung der Schallquelle. Die individuelle Erfahrung hinsichtlich dieser systematischen Änderung stellt eine zusätzliche Informationsquelle für die auditive Raumwahrnehmung dar.

Vornehmlich an der Szenenanalyse kann verdeutlicht werden, wie der einkommende Schall so strukturiert wird, dass Zahl und Art der Schallquellen bestimmt werden können. Die wesentlichen Operationen sind dabei das Trennen von Schallanteilen aus verschiedenen Schallquellen und das Verbinden von Anteilen aus miteinander verbundenen Quellen. Ähnlich wie mit Gestaltgesetzen in der visuellen Domäne mit meist statischen Bildern gibt es auch in der auditiven Domäne Anteile, deren Verbindung durch Gestaltgesetze beschrieben werden können, hier allerdings eher dynamisch über die Zeit hinweg. Dabei geht man davon aus, dass maximal vier auditive Ströme gleichzeitig voneinander differenziert werden können (eine Beschränkung ähnlich der generellen Kapazitätsbeschränkungen im kognitiven System und im Arbeitsgedächtnis; Cowan, 2001). Es helfen Informationen aus Tonhöhe (z. B. eine tiefe männliche Sprechstimme oder eine hohe weibliche Sprechstimme), Klangfarbe (z. B. Klavier und Geige) und Ort der Schallquelle bei der Szenenanalyse (die Detektion des Ortes wurde im Kontext der auditiven Raumwahrnehmung beschrieben). Des Weiteren hilft der unterschiedliche Beginn von Tönen bei der Analyse dynamischer Szenen. Schon eine Asynchronie von zehn ms zwischen den Tonbeginnen reicht aus, um den Eindruck entstehen zu lassen, dass zwei Schallanteile von verschiedenen Quellen stammen. Außerdem gibt es in der auditiven Domäne das Prinzip der Nähe und der Ähnlichkeit (äquivalent zur visuellen Domäne). Dabei werden zeitlich nahe aufeinander folgende sowie ähnliche Töne (z. B. kleine Frequenzabstände) als zusammengehörig strukturiert und derselben Quelle in einer Szenerie zugeordnet (van Noorden, 1975).

2.3 Erklärende Perspektive auf visuelle Wahrnehmung

Der folgende Abschnitt stellt Theorien und Modelle vor, die kognitive Prozesse formulieren und damit die grundlegenden Mechanismen in der visuellen Wahrnehmung verdeutlichen. Im Unterschied zur beschreibenden Perspektive aus den vorangegangenen Abschnitten geben diese grundlegenden Mechanismen kausale Erklärungen dafür, wie visuelle Informationen über verschiedene Stufen hinweg kognitiv verarbeitet werden.

Wir werden uns grundlegende Mechanismen der kognitiven Informationsverarbeitung in der visuellen Wahrnehmung vor allem im Kontext der Erkennung dreidimensionaler komplexer Objekte anschauen. Genauer werden wir David Marrs Algorithmischen Ansatz, Irving Biedermans Recognition-by-components-Theorie sowie die Theorien zur Erkennung von Gesichtern betrachten. Die Gesamtheit dieser Theorien versucht zu erklären, wie aus einem komplexen, dreidimensionalen physischen Objekt über ansichtsvariierende, zweidimensionale Abbilder auf der Retina eine ansichtsunabhängige, formstabile Repräsentation dieser Objekte bei der Erkennung in unserem visuellen Wahrnehmungssystem entsteht (die letztgenannte Art der Repräsentation erlaubt eine Beschreibung und Erkennung eines Objekts unabhängig vom Blickwinkel zwischen Betrachter und Objekt).

2.3.1 Marrs algorithmischer Ansatz

Ein genereller Erklärungsversuch auf die Frage nach der Entstehung ansichtsunabhängiger, visueller Repräsentationen aufgrund der Wahrnehmung komplexer, dreidimensionaler Objekte ist die Annahme, dass zunächst ein dreidimensionales, ansichtsunabhängiges Modell des Objekts konstruiert wird. Dieses Modell wird dann mit Gedächtnisrepräsentationen verglichen, die ebenfalls in ansichtsunabhängiger Form abgelegt sind. Die entscheidende Frage ist allerdings: Wie entstehen dreidimensionale, ansichtsunabhängige Objektmodelle?

David Marrs theoretischer Ansatz zur Objekterkennung ist eingebunden in seinen algorithmischen Ansatz (Marr, 1982). In diesem Ansatz beginnt die Objekterkennung mit dem Erstellen einer zweidimensionalen Repräsentation des retinalen Bildes durch Merkmalsextraktion in einer so genannten Primärskizze. In dieser Skizze werden Hell-Dunkel-Verteilungen und Konturen von Objekten (d. h. Figuren) repräsentiert. Diese Konturen werden verwendet, um Kanten und Oberflächen und somit Grenzen zwischen den Objekten und dem Hintergrund abzuleiten. Das Gruppieren von Konturen findet nach den Prinzipien statt, die wir bereits im Kontext der Gestaltpsychologie gesehen haben. Aus der Primärskizze wird dann in einem weiteren Schritt eine Repräsentation entwickelt, in der die Objekte in einer Szene durch Hinzufügen von Tiefeninformationen mit ihren Orientierungen und Entfernungen vom Betrachter aus kodiert sind. Diese Repräsentation wird als 2 ½-D-Skizze bezeichnet und ist eine ansichtsabhängige Repräsentation einer betrachteten Szenerie. Repräsentationen der betrachteten Szenerie würden sich auf dieser Stufe der Verarbeitung jedes Mal ändern, wenn sich die räumlichen Positionen von Objekt und Betrachter zueinander verändern. Erst die sogenannte 3D-Modell-Repräsentation, die aus der 2 ½-D-Skizze erstellt wird, erlaubt eine ansichtsunabhängige Repräsentation eines betrachteten Objekts. In dieser Repräsentation werden Objekte als strukturelle Liste elementarer, dreidimensionaler Komponenten repräsentiert, in der die räumliche Anordnung der Einzelkomponenten zueinander spezifiziert ist. Diese elementaren Teilkomponenten kennzeichnen sich dadurch, dass ihre Hauptachse ansichtsunabhängig und somit von verschiedenen Blickwinkeln relativ leicht zu bestimmen ist.

Abbildung 2.7 zeigt den Versuch, den Informationsfluss der visuellen Wahrnehmung im Kontext von Marrs algorithmischem Ansatz schematisch zu illustrieren ( Abb. 2.7). Die Wahrnehmung beginnt mit dem Extrahieren von Lichtenergie aus der Umgebung auf der Retina. Aus den extrahierten visuellen »Rohinformationen« im Retina-Abbild werden wiederum einzelne Merkmale extrahiert und eine Primärskizze erstellt. Diese Merkmale werden mit Tiefeninformationen kombiniert. Aus dieser Kombination kann ein Betrachter die Lage und Orientierung von Objekten im Raum und somit die 2 ½-D-Skizze erstellen. Mit der Erstellung von ansichtsunabhängigen Teilkomponenten ergibt sich ein 3D-Modell. Schließlich wird dieses 3D-Modell mit Gedächtnisrepräsentationen abgeglichen, das führt zum Erkennen von Objekten. Das Ergebnis dieser Stufe ist uns in der Wahrnehmung zugänglich. Dieses Schema der Objekterkennung macht deutlich, dass eine umfassende Informationsverarbeitung notwendig ist, bevor uns wahrgenommene Objekte zugänglich sind.

Wir haben gesehen, dass dem Erkennen von komplexen dreidimensionalen Objekten eine umfassende Informationsverarbeitung mit verschiedenen Verarbeitungsstufen vorausgeht. Charakteristisch für diese Verarbeitung ist, dass Objekte nicht als Ganzes erkannt werden, sondern auf einer bestimmten Stufe der Verarbeitung in Teilkomponenten zerlegt werden (z. B. wird die 3D-Modell-Repräsentation in Teilkomponenten zerlegt). Diese Zerlegung in Teilkomponenten ist bereits bei Modellen zum Erkennen von einfachen, zweidimensionalen Objekten, wie Zahlen, Symbolen oder Buchstaben zu finden. Nach dem Modell der Merkmalsanalyse werden Objekte als Kombination elementarer Merkmale angesehen. Im Fall des Alphabets können Buchstaben aus horizontalen, vertikalen, schrägen und gekrümmten Linien kombiniert werden.

Abb. 2.7: Informationsfluss von der Aufnahme visueller Informationen im Retinaabbild bis zur Erkennung komplexer dreidimensionaler Objekte nach Marr und Nishihara (1978)

Zum Beispiel kann man den Großbuchstaben A aus zwei schrägen Linien (/ \) und einer horizontalen Linie (-) kombinieren. Befunde aus Verhaltensexperimenten zeigen, dass Merkmale als Komponenten bei der Mustererkennung fungieren. So werden zum Beispiel in einer Studie von Kinney, Marsetta und Showman (1966) systematische Falscherkennungen sichtbar, wenn der Buchstabe G erkannt werden soll: Wird dieser Buchstabe nur sehr kurzfristig dargeboten, klassifizieren Probanden den Buchstaben G häufig falsch. Von diesen Falschklassifikationen wurden 72,4 % als C und 20,7 % als O kategorisiert. Das zeigt, dass ein überwiegender, systematischer Teil der Falscherkennungen sehr ähnliche Buchstaben mit ähnlichen Merkmalen war. Ein solches Ergebnismuster ist zu erwarten, wenn der Erkennungsprozess von Objekten nach der Merkmalsanalyse verläuft. Es ist keine zuverlässige Unterscheidung bei Buchstaben mit ähnlichen Merkmalen möglich, wenn bei kurzen Darbietungen nicht alle Merkmale extrahiert werden können.

2.3.2 Biedermans Recognition-by-components-Theorie

Die Merkmalsanalyse und auch die zuvor ausgeführte Objekterkennung bei Marr unterspezifiziert allerdings, wie Merkmale und Teilkomponenten beschaffen sind und welche Menge und Identität diese Elemente haben. Eine Weiterentwicklung besonders in der Erkennung komplexer dreidimensionaler Objekte findet man in der Recognition-by-components- Theorie von Biederman (Biederman, 1987). Dieser Ansatz geht von einer begrenzten Menge elementarer geometrischer Komponenten (sogenannte Geons) aus. Durch diese Geons lassen sich zumindest grobe Formen bekannter Objekte zusammensetzen. In Abbildung 2.8 ist eine Auswahl von Geons und Beispiele ihrer offensichtlichen Kombinationen in erkennbaren Objekten illustriert ( Abb. 2.8). Im Kontext der Recognition-by-components-Theorie wird angenommen, dass sowohl die Repräsentation eines aktuell wahrgenommenen Objekts als auch die dazugehörige Gedächtnisrepräsentation aus strukturellen Beschreibungen der jeweiligen räumlichen Anordnungen der relevanten Geons bestehen. Es ist von essentieller Bedeutung, dass Geons sogenannte »nicht zufällige« Merkmale aufweisen, durch die sie ansichtsunabhängig erkennbar sind. Abgesehen von ganz extremen Ansichten weisen zweidimensionale Projektionen von Geons immer charakteristische Merkmale auf.

Abb. 2.8: Geons und ihre Kombinationen zu bekannten Objekten

Eine zentrale Vorhersage von Biedermans Theorie (Biederman, 1987) ist, dass die Objekterkennung maßgeblich davon abhängt, ob Geons, aus denen Objekte bestehen, erkennbar sind. Diese Erkennbarkeit hängt wiederum von der Verfügbarkeit der nicht zufälligen Merkmale der Geons ab. Biederman untersuchte diese Vorhersage anhand von Objekten, wie sie in Abbildung 2.9 illustriert sind ( Abb. 2.9). Die entscheidenden Versuchsbedingungen bestanden darin, dass einerseits Strichzeichnungen so gestalten wurden, dass eine Rekonstruktion von Geons weiterhin möglich ist (recoverable; mittlere Spalte (b) in Abbildung 2.9), andererseits Strichzeichnungen so gestaltet wurden, dass eine Rekonstruktion von Geons erschwert möglich ist (non-recoverable; rechte Spalte (c) in Abbildung 2.9). Die letztgenannten Strichzeichnungen wurden in einer Art erstellt, dass Merkmale von Geons gelöscht wurden, die die kritischen, nicht zufälligen Merkmale dieser Geons darstellen. Die Ergebnisse zeigen: Besonders bei längeren Intervallen konnten Versuchspersonen die Objekte mit recoverable Geons nahezu perfekt erkennen, dagegen war die Erkennung deutlich beeinträchtigt, wenn Geons non-recoverable waren. Der Autor schlussfolgerte daraus, dass Versuchspersonen nicht in der Lage sind, Geons zu erkennen, wenn kritische Teile dieser Komponenten fehlen, und dass durch das erschwerte Erkennen der Geons auch die Erkennung von ganzen, zusammengesetzten Objekten erschwert ist.

Abb. 2.9: Schematische Darstellung von Reizmaterial, wie es für Experimente zur Erkennung unvollständiger Objekte benutzt wurde (mittlere (b) und rechte (c) Spalte). Die linke Spalte (a) zeigt die vollständigen Strichzeichnungen (aus Biederman, 1987, S. 135, Abb. 16).

Obwohl die Recognition-by-components-Theorie sehr gut belegbare Aussagen zur Bedeutsamkeit von Geons in der Erkennung von komplexen Objekten trifft, liefert die Literatur zumindest Einschränkungen hinsichtlich der Ansichtsunabhängigkeit der Erkennung von Objekten. Im Kontext von Biedermans Theorie wird angenommen, dass Objekte nur unterschiedlich schwer zu erkennen sind, wenn die verwendete Ansicht mit einer schlechteren Erkennbarkeit der Geons einhergeht. Allerdings gibt es Befunde, die zeigen, dass bekannte Objekte schwieriger zu erkennen sind, wenn sie in einer ungewöhnlichen Perspektive dargestellt sind, ohne dass die Geon-Erkennung erschwert ist. Empirische Evidenz für diese Annahme geben Studien, in denen Versuchspersonen systematisch nur bestimmte Ansichten eines Objekts als typische (sogenannte kanonische) Ansichten wählen (Palmer, Rosch & Chase, 1981). Außerdem sind Reaktionszeiten in Benennungsaufgaben niedriger, je ähnlicher die dargebotene Ansicht eines Objekts der kanonischen Ansicht ist (Palmer et al., 1981). Solche Befunde können durch Theorien erklärt werden, nach denen die Objekterkennung nicht nur ansichtsunabhängig erfolgt, sondern teilweise auf ansichtsabhängigen Repräsentationen beruht oder die Objekterkennung einen Vergleich zwischen Objektansicht und Objektrepräsentation verwendet, der bei stärkerer Abweichung zwischen Ansicht und Repräsentation zeitaufwändiger und fehlerbehafteter ist (Tarr & Bülthoff, 1998).

2.3.3 Gesichtserkennung

In Marrs Algorithmischem Ansatz, in der Merkmalsanalyse und in Biedermans Recognition-by-components-Theorie werden die Komponenten, Einzelmerkmale oder Geons bei der Objekterkennung hervorgehoben. Diese Ansätze lassen aber offen, ob die Bedeutsamkeit dieser Elemente in gleichem Maße für alle Objekte in der Erkennung gelten, ob sich diese Bedeutsamkeit mit Erfahrung verändern kann und welche alternativen Informationen bei der Objekterkennung herangezogen werden könnten.

Eine besondere Klasse von Objekten im Bereich der Objekterkennung sind menschliche Gesichter. Auf einer beschreibenden Ebene kann die besondere Stellung von Gesichtern gezeigt werden, wenn man folgende Eigenschaften der Gesichtserkennung betrachtet: Es ist relativ zuverlässig, dass aus Gesichtern eine große Menge von Personeninformationen gezogen werden können, wie Geschlecht, Alter, ethnische Zugehörigkeit, emotionaler Zustand und gesundheitlicher Status (Bruce & Young, 1986; Calder, Rhodes, Johnson & Haxby, 2011). Außerdem kann eine relativ große Anzahl von Gesichtern identifiziert werden, trotz einer hohen strukturellen Ähnlichkeit zwischen den verschiedenen Gesichtern (d. h. alle Gesichter kombinieren die Elemente Auge, Nase, Mund etc. in gleicher räumlicher Weise). Die Frage bleibt aber offen, ob Gesichter auf besondere Weise wahrgenommen und erkannt werden. Das Phänomen der Prosopagnosie ist ein erster Befund, der für eine Besonderheit von Gesichtern in der Objekterkennung spricht (Damasio, Damasio, & Van Hoesen, 1982; McNeil & Warrington, 1993). Prosopagnosie tritt durch bestimmte Hirnschädigungen auf und geht mit dem selektiven Verlust der Fähigkeit der Gesichtserkennung und genauer der Gesichtsidentifikation einher. Das Erkennen anderer Objektklassen ist weitgehend ungestört. Des Weiteren zeigt sich bei verschiedenen Aufgaben in bildgebenden Verfahren in Personen ohne Prosopagnosie, dass eine erhöhte Aktivität und ein spezifisches Aktivierungsmuster im Gyrus fusiformis ( Kap. 2.1.3) im inferioren Temporallappen beim Erkennen von Gesichtern im Vergleich zu anderen Objektklassen (z. B. Häuser) zu finden ist (Haxby et al., 2001).

Eine weitere Besonderheit der Gesichtserkennung deutete sich bereits in den ersten experimentellen Studien an. Die Identifikation von Gesichtern ist besonders in einer aufrechten Orientierung genau. Diese Genauigkeit wird allerdings deutlich reduziert, wenn Gesichter in einer weniger typischen, invertierten Orientierung (»auf dem Kopf stehend«) präsentiert werden. Diese Reduktion (d. h. Inversionseffekt) kann man in dieser Ausprägung nicht in anderen Objektklassen finden (Yin, 1969). Um zu untersuchen, welche Arten von Informationen beim Erkennen von aufrechten Gesichtern von Bedeutung sind und der Verlust welcher Informationsart bei Inversion eines Gesichts zum Inversionseffekt und damit zur schwierigeren Erkennung von Gesichtern führt, wurden neben Einzelkomponenten ( Abb. 2.10; A) vor allem die Bedeutsamkeit von konfiguralen Informationen untersucht ( Abb. 2.10; B). Einzelkomponenten in Gesichtern sind beispielsweise Auge, Nase und Mund und die konfiguralen Informationen repräsentieren die räumlichen Relationen zwischen diesen Einzelkomponenten (z. B. liegen die Augen oberhalb der Nase; Abstand zwischen den Augen; Maurer, Le Grand, & Mondloch, 2002). Die Identifikation von Gesichtern in aufrechter und invertierter Orientierung wurde anhand von Gesichtern untersucht, die entweder auf Basis der Farbe, der Einzelkomponenten oder der Konfigurationen (d. h. Auge-Mund-Abstand) erkannt werden konnten (Leder & Bruce, 2000). Die Leistung in der Identifikation zeigte kaum einen Inversionseffekt, wenn die Identifikation aufgrund der Farbe von Einzelkomponenten möglich war, somit scheinen Informationen aus Gesichtskomponenten unabhängig von ihrer Orientierung zu sein. Allerdings wurde die Identifikation in der invertierten im Vergleich zur aufrechten Bedingung beeinträchtigt, wenn die Identifikation von Gesichtern aufgrund der konfiguralen Information möglich war. Dieser Inversionseffekt demonstriert, dass konfigurale Informationen essentiell für die Erkennung von Gesichtern in ihrer typischen aufrechten Orientierung sind. In der invertierten Bedingung sind diese Informationen nicht mehr erkennbar und damit sind die Gesichter schlechter zu identifizieren. Aus dieser Beeinträchtigung in der Verarbeitung konfiguraler Informationen ist somit auch die Bedeutsamkeit des Inversionseffekts in Gesichtern im Vergleich zu anderen Objektklassen zu erklären (Yin, 1969).

Abb. 2.10: Illustrationen von Informationen in Gesichtern. (A) Beispiel für Informationen aus Einzelkomponenten, (B) Beispiel für konfigurale Informationen, (C) holistische Informationen ohne klare Details

Neben konfiguralen Informationen in Gesichtern wird in der Literatur die Bedeutsamkeit von holistischen Informationen für die Erkennung von Gesichtern diskutiert. Ein holistischer Verarbeitungsmodus ermöglicht das Erkennen bestimmter Objekte als undifferenzierte Ganzheit (vergleichbar mit der Gestaltpsychologie, Kap. 2.2.2). Damit werden die Objekte nicht durch Analyse der Komponenten in diesem Verarbeitungsmodus erkannt, wie das in Marrs Algorithmischem Ansatz oder Biedermans Recognition-by-components-Theorie der Fall ist. Vorstellbar wird holistisches Erkennen beim Identifizieren von Gesichtern aus großen Entfernungen, aus denen Einzelkomponenten weniger scharf erkannt werden können. Das Erkennen beruht hier eher auf der Gesamtheit der erkannten Informationen. Illustriert wird das holistische Erkennen in Abbildung 2.10 C, in der eher ganzheitliche Informationen anstatt Einzelkomponenten erkennbar sind ( Abb. 2.10; C). Hinweise darauf, dass die Erkennung von Gesichtern in besonders holistischer Weise erfolgt, stammen aus verschiedenen Untersuchungsparadigmen. Zum Beispiel haben Versuchspersonen in einer Studie von Tanaka und Farah (1993) Darstellungen von Gesichtern und Häusern gelernt (z. B. »Das ist das Gesicht von Larry.«, »Das ist das Haus von Joe.«). In einem anschließenden Test wurde ihnen dann entweder die zuvor gelernten Reize zum Erkennen präsentiert (z. B. »Ist das das Gesicht von Larry?«, »Ist das das Haus von Joe?«) oder es wurden isolierte Komponenten der gelernten Reize präsentiert (z. B. »Ist das die Nase von Larry?«, »Ist das die Tür von Joes Haus?«). Im Vergleich mit der Leistung der gelernten Reize zeigte sich eine Beeinträchtigung des Erkennens der Einzelkomponenten lediglich bei den Gesichtern, aber nicht bei den Häusern. Dieses Ergebnis zeigt die besondere Abhängigkeit des Erkennens einzelner Gesichtskomponenten von der holistischen Ganzheit des Gesichts.

Wir haben nun gesehen, dass das Erkennen von Gesichtern nicht nur auf Basis von Einzelkomponenten, sondern auch durch Verarbeitung von konfiguralen und holistischen Informationen erfolgt. Außerdem zeigen sich im Gyrus fusiformis besondere neuronale Aktivitätsstärken und -muster bei der Gesichtserkennung. Ausführlich diskutiert wurde allerdings die Frage, wie spezifisch sind diese Besonderheiten für Gesichter beziehungsweise lassen sich diese Besonderheiten auch in anderen Objektklassen wiederfinden. Als ein gemeinsames entscheidendes Kriterium über verschiedene Objektklassen hinweg wurde eine ausgesprochene Expertise für die betrachtenden Personen diskutiert. Beispielsweise zeigte sich eine vergleichbare Aktivitätserhöhung im Gyrus fusiformis auch bei Experten für Autos, Vögel oder Schachpositionen, wenn ihnen entsprechende Reize präsentiert werden (Bilalić, 2016; Gauthier, Skudlarski, Gore & Anderson, 2000). Konsistent mit diesen Befunden zeigt sich, dass mit extensivem Training beim Erkennen von Fantasiefiguren (sogenannten Greebles) eine stärkere Aktivierung des Gyrus fusiformis als beim Erkennen von Gesichtern erreicht werden kann (Gauthier, Tarr, Anderson, Skudlarski & Gore, 1999). Des Weiteren zeigt sich ein ähnlicher Inversionseffekt beim Erkennen von Gesichtern von Menschen und Hunden bei Hundeexperten (Diamond & Carey, 1986). Ein Inversionseffekt dieser Art tritt bei Personen ohne »Hunde«-Expertise ausschließlich bei menschlicher Gesichtserkennung, aber nicht bei Gesichtserkennung von Hunden auf. Zusammenfassend sind die Phänomene im Bereich der Gesichtserkennung (z. B. Inversionseffekt, Aktivität im Gyrus fusiformis) also nicht auf die spezifischen Objekte beziehungsweise Gesichter zurückzuführen, sondern sie sind generalisierbar auf Objektklassen, in den Personen eine außergewöhnliche Erfahrung und Leistung (d. h. Expertise) besitzen.

Schon im Bereich der neuronalen Verschaltung auf frühen Ebenen der visuellen Verarbeitung haben wir gesehen, dass es wechselseitige neuronale Verbindungen zwischen Strukturen gibt, die im Laufe der visuellen Verarbeitung früher rekrutiert werden und es gibt Strukturen, die später rekrutiert werden (beschrieben wurden bereits die wechselseitigen Verbindungen zwischen den Neuronen auf den Sehbahnen und dem primären visuellen Kortex). Allerdings sind solche wechselseitigen Verbindungen nicht nur auf relativ frühen und basalen Ebenen der Verarbeitung zu finden, sondern es gibt auch im Kontext der Objekterkennung Beispiele von wechselseitigen Verbindungen zwischen unterschiedlichen neuronalen Strukturen und kognitiven Komponenten. Evidenz für diese Wechselseitigkeit zeigt sich in sogenannten Adaptationseffekten der visuellen Objektwahrnehmung auf Gedächtnisrepräsentationen dieser Objekte. Ein früher Befund solcher Adaptationseffekte zeigt, dass (1) das Betrachten einer horizontalen (Adaptations-)Ellipse zum subjektiven Eindruck einer vertikalen Ellipse führt, wenn nachfolgend ein (Test-)Kreis präsentiert wird. (2) Das Betrachten einer linksorientierten (Adaptations-)Linie führt dagegen zum subjektiven Eindruck einer rechtsorientierten Linie, wenn nachfolgend eine vertikale (Test-)Linie präsentiert wird ( Abb. 2.11; Köhler & Wallach, 1944). Allerdings gibt es neuere Befunde, die solche Adaptationseffekte von einfachen auf komplexere Formen übertragen konnten:

1. Betrachten Versuchspersonen bekannte Gesichter mit stark reduzierten Auge-Mund-Abständen, dann werden nachfolgend nicht veränderte Gesichter als Gesichter mit erweiterten Auge-Mund-Abständen eingeschätzt ( Abb. 2.11; der umgekehrte Fall nach Adaptation mit stark erweiterten Auge-Mund-Abständen ist analog).

2. Betrachten Versuchspersonen ältere Gesichter, dann werden nachfolgend neutrale Gesichter als jüngere Gesichter eingeschätzt (auch hier ist ebenfalls der umgekehrte Fall nach Adaptation mit jüngeren Gesichtern möglich; Strobach & Carbon, 2013; Webster & MacLeod, 2011).

Obwohl in allen Fällen von Adaptationseffekten in einfachen und komplexen Objekten der Adaptationseffekt im Testbild nicht dasselbe Ausmaß erreicht wie im Adaptationsbild, zeigen solche Effekte, dass Wahrnehmungen nicht nur von Objektrepräsentationen beeinflusst werden. Diese Befunde zeigen auch, dass sich Objektrepräsentationen flexibel an veränderte Wahrnehmungseindrücke in der sich dynamisch verändernden Umwelt adaptieren können.

Abb. 2.11: Illustrationen von Adaptationsbildern, Testbildern und den resultierenden Adaptationseffekten am Beispiel der Form und Orientierung einfacher Objekte (erste Zeile) und konfiguralen Informationen in komplexen Objekten (d. h. bekannten Gesichtern; zweite Zeile)

Zusammenfassung und Ausblick

Sensorische Informationen werden über ein komplexes physiologisches System wahrgenommen. Für die visuelle und auditive Wahrnehmungsdomäne wurden in diesem Kapitel die unterschiedlichen Verarbeitungsschritte von einer wahrnehmungsnahen Verarbeitung mit der Verarbeitung einzelner Objektelemente (z. B. Farbe von visuellen Objekten oder Tonhöhe in auditiven Objekten) zur Verarbeitung in komplexen Zusammenhängen (z. B. die Verarbeitung von komplexen Objekten wie Gesichter) nachgezeichnet. Neben dieser physiologischen Perspektive auf Wahrnehmung wurden die Psychophysik und die Gestaltpsychologie in der beschreibenden Perspektive behandelt. Vor allem im Kontext der physiologischen Perspektive gibt es zukünftig ein hohes Potential, die erklärenden Mechanismen und Beiträge der physiologischen Verarbeitung zu spezifizieren. Diese Erklärungen wurden von kognitiven Theorien zur Objekterkennung, z. B. Marrs algorithmischer Ansatz, Biedermans Recognition-by-components-Theorie und den Theorien zur Gesichtserkennung im Kontext der erklärenden Perspektive demonstriert. Allerdings bieten auch diese Theorien zukünftige Potentiale ihrer Spezifizierung und ihrer Integration in physiologische Perspektiven. Des Weiteren wird sich sehr wahrscheinlich der Trend zu einer Integration von Betrachtungen einer Wahrnehmung in Kombination mit motorischen Handlungen fortsetzen (Kunde, 2017).

3 Aufmerksamkeit: Einführung und selektive Aufmerksamkeit

Herr F. schaut in den ersten Minuten gebannt auf das Fußballspiel und verfolgt genau die Passkombinationen der Heimmannschaft. Die Mannschaft spielt den Ball gekonnt immer wieder nach vorn an den Reihen des Gegners vorbei. Herr F. ist in der Lage, dem Spiel aufmerksam zu folgen, obwohl im Stadion sicher viele andere interessante Dinge zu sehen und zu hören sind: Die Zuschauer in der Reihe vor Herrn F. unterhalten sich angeregt, der Zuschauer neben Herr F. schwenkt unaufhörlich eine große Fahne und feuert die Spieler an und andere Fangruppen zeigen ihre einstudierten Choreografien und Fangesänge. Das alles nimmt Herr F. lediglich als undifferenzierte Seh- und Geräuschkulisse wahr. Plötzlich ein Pfiff des Schiedsrichters. Das Spiel wird unterbrochen und der Schiedsrichter läuft an die Seitenlinie zu einem am Boden liegenden Spieler der Heimmannschaft. Obwohl der Ort des Geschehens nahe an der Zuschauertribüne vor Herrn F. und damit für ihn gut sichtbar ist, hat Herr F. nicht gesehen, was geschehen ist. Gespannt schauen er und die anderen Zuschauer auf die Reaktion des Schiedsrichters: Er zeigt einem Gegenspieler die Rote Karte. Doch was war eigentlich passiert? Nur wenige der umstehenden Zuschauer haben gesehen, dass es eine Tätlichkeit und damit zu Recht die Rote Karte gab. Nachdem sich die Aufregung etwas gelegt hat, holt Herr F. wie gewohnt und ohne erkennbaren äußeren Anlass sein Smartphone aus der Tasche. Er sieht, dass er trotz Vibrationsalarm einen Anruf verpasst hat. Sein Rückruf kann aber warten und das Smartphone verschwindet wieder in der Tasche.

Wir beschäftigen uns in diesem Kapitel mit dem Thema Aufmerksamkeit. Bevor wir zu einer Erklärung dieser Domäne und seiner Phänomene kommen, wollen wir aus der Beschreibung des Stadionbesuchs und des Fußballspiels relevante Fragen zur Aufmerksamkeit ableiten:

• Wie ist es Herrn F. möglich, seine Aufmerksamkeit, trotz der Überfülle an externen Reizen und sensorischen Stimuli im Stadion, selektiv auf das Spiel zu fokussieren?

• Wie konnte es passieren, dass Herr F. die gut sichtbare Tätlichkeit im Spiel verpasst hat?

• Wie konnte Herr F. während des Beobachtens des Fußballspiels den Anruf verpassen und damit einen Fehler bei einer zweiten simultanen Aufgabe, die Registrierung von potentiellen Signalen des Smartphones, machen?

• Und warum hat Herr F. routinemäßig auf sein Smartphone geschaut?

Diese Fragen bestimmen die Struktur der folgenden Kapitel. In diesem Kapitel beschäftigen wir uns allgemein mit dem Thema Aufmerksamkeit und speziell damit, wie Aufmerksamkeit selektiv auf bestimmte Reize und Informationen ausgerichtet sein kann. Im darauffolgenden Kapitel ( Kap. 4) werden wir zu klären versuchen, welche Charakteristika Aufmerksamkeit hat, wenn mehr als eine Aufgabe gleichzeitig ausgeführt werden muss und damit die Aufmerksamkeit geteilt ist. Danach werden wir uns solche Situationen anschauen, bei denen durch Routinen, Erfahrung, Übung und Automatisierung keine Aufmerksamkeit mehr benötigt wird.

3.1 Selektive Aufmerksamkeit

Ständig wirkt eine Vielzahl visueller und auditiver Reize ( Kap. 2) und Reize anderer Modalitäten auf unsere Sinnesorgane und unser Wahrnehmungssystem ein. Allerdings wird selektiv nur ein kleiner Ausschnitt dieser Reizmenge bewusst als bedeutungsrelevante Information und für eine Weiterverarbeitung zur Verfügung gestellt. Diese Weiterverarbeitung ermöglicht es beispielsweise, die inhaltliche Bedeutung von Reizen zu analysieren und damit potentielle (Handlungs-)Interaktionen mit unserer Umwelt zu initiieren. Bezogen auf unser Beispiel erlaubt die selektive Aufmerksamkeit, dass Herr F. dem Fußballspiel und den Passkombinationen der Heimmannschaft so fokussiert folgen kann.

In einer so eindrucksvollen wie auch bekannten Laborsituation zeigten Simon und Chabris (1999) ihren Versuchspersonen ein Video, auf dem nichts anderes zu sehen war als zwei Basketballteams mit je drei Spielern. Die Mannschaften waren durch weiße bzw. schwarze T-Shirts zu erkennen und spielten vor einem neutralen Hintergrund. Während sich die Mannschaft mit den weißen T-Shirts unter die Mannschaft mit den schwarzen T-Shirts mischt und sich dabei ständig den Ball zuspielt, sollten Versuchspersonen die Ballpässe der erstgenannten Mannschaft zählen. Am Ende des Videos wurden die Versuchspersonen nach der Anzahl der Pässe gefragt. Die meisten Versuchspersonen gaben mit 14 Pässen die richtige Anzahl an. Anschließend wurden die Versuchspersonen gefragt, ob sie auch einen Gorilla gesehen hätten, der von rechts nach links durch das Bild gegangen sei. Tatsächlich verpassten etwa 50 % der Versuchspersonen den Gorilla, sie haben ihn nicht bemerkt. Sie verpassten den Gorilla sogar dann, wenn sich ihr Blick für etwa eine Sekunde auf den Gorilla richtete (Memmert, 2006). Die eindrucksvolle Demonstration des »Gorilla«-Videos wird in der kognitiven Psychologie inattentional blindness genannt und kann etwa mit Blindheit bei Unaufmerksamkeit übersetzt werden. (Das erwähnte »Gorilla«-Video, andere »Gorilla«-Videos und verschiedene Videos zur inattentional blindness sind unter http://www.theinvisiblegorilla.com/videos.html#studyvids zu finden). Inattentional blindness zeigt, dass die selektive Aufmerksamkeit es erlaubt, aus der Gesamtmenge der eingehenden Informationen die relevante Teilmenge zu selektieren; beispielsweise wird die Menge von Informationen selektiert, die für das Zählen der Basketball-Pässe notwendig sind. Diese Teilmenge von Informationen wird mit den im Gedächtnis gespeicherten Informationen verknüpft, um dann ein effizientes und störungsfreies Handeln zu ermöglichen. Allerdings führt inattentional blindness auch zu einer zeitweisen Unfähigkeit, Informationen außerhalb der relevanten Teilmenge zu verarbeiten.

Die Unfähigkeit zur effizienten Selektion von irrelevanten Informationen wird neben dem Phänomen der inattentional blindness auch im Phänomen change blindness (Wechselblindheit) eindrucksvoll gezeigt: Wenn Versuchspersonen beispielsweise den Unterschied zwischen zwei sehr detailreichen Bilder erkennen müssen, benötigen sie viele Wechsel zwischen den Bildern, um erst dann die oft deutlichen Unterschiede zu erkennen (Rensink, O'Regan & Clark, 1997). Essentiell für dieses Phänomen ist, dass die Wahrnehmung durch kurze Blinks (z. B. ein grauer Bildschirm) unterbrochen und somit eine ständige Neuausrichtung der Aufmerksamkeit benötigt wird. Die praktische Anwendung von change blindness ist beispielsweise aus Suchbildern in Zeitungen bekannt, bei denen eine Reihe von Unterschieden gefunden werden müssen.

Prinzipiell bringen diese Demonstrationen keine ganz neuen Erkenntnisse, denn William James machte bereits 1890 folgende Aussage über Aufmerksamkeit (James, 1890): »It is the taking possession of the mind, in clear and vivid form, of one out of several possible objects or trains of thought. Focalisation, concentration of consciousness are of its essence. It implies withdrawal from some things in order to deal effectively with other« (S. 403 f). Und auch mehr als ein Jahrhundert später wird die Fähigkeit der selektiven Aufmerksamkeit betont, bestimmte sensorische Reize mit der Intention auszuwählen, bestimmte Informationen der Steuerung von Denken und Handlungen zugänglich zu machen: »Research on attention is concerned with selective processing of incoming sensory information. To some extent, our awareness of the world depends on what we choose to attend, not merely on the stimulation entering our senses« (Driver, 2001, S. 53). Innovativ wäre allerdings auch noch heute die Aussage: »Everyone knows what attention is« (James, 1890, S. 403). Dabei bleibt offen, wie das kognitive Verarbeitungssystem das Problem löst, die richtigen Informationen zur richtigen Zeit vom richtigen Objekt und der richtigen Objekteigenschaft auszuwählen und für eine effiziente Koordination von Handlungen bereit zu stellen (Neumann, 1987; Styles, 2006). Um diese Fragen beantworten zu können, werden wir uns jeweils die wichtigsten experimentellen Paradigmen und deren Befunde dazu anschauen. Anschließend werden die theoretischen Ansätze zur Erklärung dieser Befunde dargestellt.

3.1.1 Aufmerksamkeitsfilter und ihre Theorien

In der Literatur gibt es verschiedene Theorien, die beschreiben, durch welche Mechanismen, Informationen beziehungsweise Verarbeitungsstufen relevante Informationen selektiert und irrelevante Informationen herausgefiltert werden. Dabei unterscheiden sich die Theorien besonders in den Annahmen darüber, welche Informationen relevant für das Filtern der Aufmerksamkeit sind und auf welcher Verarbeitungsstufe dieser Aufmerksamkeitsfilter somit ansetzt. Wir werden diese Theorien in der Reihenfolge betrachten, mit der sie den Ort der Filterung im Verarbeitungsstrom ansetzen: Wir beginnen mit Theorien, die eher einen frühen Aufmerksamkeitsfilter setzen, und fahren dann mit Theorien fort, die eher einen späten Filter setzen. Abschließend werden wir uns Möglichkeiten eines Kompromisses in dieser theoretischen »früh versus spät«-Kontroverse anschauen.

3.1.2 Filtertheorie der frühen Selektion

Donald Broadbent integrierte Befundmuster aus verschiedenen Paradigmen der selektiven Aufmerksamkeit in einer Filtertheorie der frühen Selektion. Als erste Annäherung kann diese Theorie Aufmerksamkeitsselektion und -filterung durch einen frühen, wahrnehmungsnahen Filter erklären. Das wohl bekannteste Paradigma zum Nachweis dieser frühen Selektion ist das Paradigma des dichotischen Hörens (Cherry, 1953). Dieses Paradigma – vor allem zur Untersuchung auditiver selektiver Aufmerksamkeit – sah wie folgt aus: Dem linken und dem rechten Ohr einer Versuchsperson wird per Kopfhörer gleichzeitig je eine Nachricht (z. B. ein gesprochener Text) präsentiert. Die Instruktion in diesem Paradigma ist zunächst, eine Nachricht (z. B. die Nachricht auf dem linken Ohr) zu beachten. Um dieses Beachten zu gewährleisten, sollten die Versuchspersonen diese Nachricht »beschatten«, d. h. laut nachsprechen. Dieses Nachsprechen wird von den Versuchspersonen subjektiv als relativ einfach eingeschätzt; ähnlich einfach kann Herr F., trotz der umliegenden Seh- und Geräuschkulisse, ohne Probleme dem Fußballspiel folgen oder können Personen auf Cocktail-Partys einem Gesprächspartner folgen, obwohl laute Musik und andere Gespräche stören könnten. Die beschattete Nachricht kann außerdem fehlerfrei nachgesprochen werden, obwohl sie monoton und ohne emotionale und grammatikalische Betonung dargeboten wird. Die Versuchspersonen können gewöhnlich den Inhalt der Nachricht auf dem beschatteten Ohr wiedergeben. Im Paradigma des dichotischen Hörens war nun am Ende des Experiments von großem Interesse, welche Anteile die Versuchspersonen von der nicht beschatteten Nachricht wiedergeben können. Im Ergebnis sind Versuchspersonen prinzipiell in der Lage, oberflächliche Informationen der Nachricht wiederzugeben: Zum Beispiel können sie zuverlässig sagen, ob die vorgespielten Informationen ein gesprochener Text ist, ob ein Wechsel des Geschlechts der Stimme von der eines Mannes zu der einer Frau erfolgt oder ob es einen Wechsel von einem gesprochenen Text zu einem 400-Hertz-Ton gibt. Allerdings können keine zuverlässigen Angaben zu eher inhaltlichen Informationen einer gesprochenen Nachricht gegeben werden. So bemerken Versuchspersonen in der Regel nicht, wenn ein englischer Sprecher eine Nachricht in verschiedenen Sprachen (z. B. Englisch und Deutsch) spricht oder wenn die gesprochenen Texte vorwärts und rückwärts präsentiert werden.

Ein weiteres Set von Befunden im Kontext der Filtertheorie der frühen Selektion kommt von Broadbend (1954) selbst. Im Paradigma des dichotischen Hörens wurden Versuchspersonen kontrolliert simultan auf dem linken Ohr und dem rechten Ohr Sequenzen von Ziffernpaaren präsentiert (z. B. linkes Ohr: 2, 6, 4; rechtes Ohr: 5, 1, 9). Die Versuchspersonen hatten die Aufgabe, nach Beendigung der Präsentation die Ziffern möglichst vollständig wiederzugeben. Wenn die Versuchspersonen die Ziffern über das linke und rechte Ohr paarweise wiedergeben sollten (d. h. 2-5, 6-1, 4-9), war die Anzahl der Fehler höher als im Vergleich zur »ohrenweisen« Wiedergabe der Ziffern (d. h. 2-6-4, 5-1-9). Wenn die Versuchspersonen keine Vorgabe zum Wiedergeben der Zahlen bekamen und in einer freien Reihenfolge wiedergeben konnten, wurde eine ohrenweise gegenüber einer paarweisen Wiedergabe bevorzugt. Insgesamt zeigt diese Reihe von Broadbend’s Befunden, dass Versuchspersonen fehlerhafter und seltener zwischen verschiedenen Quellen von sensorischen Eingangsinformationen (d. h. den Ohren) wechseln und dass diese sensorischen Quellen effektive Hinweise für die Selektion von Aufmerksamkeit liefern.

Neben dem dichotischen Hörparadigma zur Untersuchung der auditiven selektiven Aufmerksamkeit sind Befunde aus Untersuchungen zum sogenannten Paradigma der psychologischen Refraktärperiode (PRP) konsistent mit der Filtertheorie der frühen Selektion (Vince, 1948; Welford, 1952; 1967; siehe auch zu geteilter Aufmerksamkeit Kap. 4 und exekutiven Funktionen Kap. 7). In diesem Paradigma müssen Versuchspersonen auf zwei Stimuli (S1 und S2) reagieren, die kurz nacheinander dargeboten werden ( Abb. 3.1 A). Zum Beispiel kann in Aufgabe 1 ein hoher oder tiefer Ton (S1) präsentiert werden, auf den mit dem linken Mittel- oder Zeigerfinger reagiert werden muss. Der Stimulus von Aufgabe (S2) wird nach einem zeitlich variablen Intervall (einer sogenannten Stimulus Onset Asynchrony, SOA) nach S1 präsentiert. S2 ist beispielsweise ein großes oder kleines Quadrat, auf das mit dem rechten Zeige- bzw. Mittelfinger reagiert werden soll. Versuchspersonen werden instruiert, auf beide Aufgaben schnell und fehlerfrei zu reagieren und dabei Priorität auf die Reaktion auf S1 zu legen. Die Reaktionszeit auf S1 wird typischerweise als unabhängig vom SOA angesehen. Das wichtigste Befundmuster des PRP-Paradigmas ist aber die Abhängigkeit der Reaktionszeit auf S2 vom SOA: Je kürzer das SOA ist (und je mehr sich die Verarbeitungsströme auf den ersten und den zweiten Stimulus zeitlich überlappen), desto länger ist die Reaktionszeit; idealerweise sind dabei die Veränderungen im SOA und der Reaktionszeit identisch. Das bedeutet, dass die Verkürzung im SOA um 1 ms zu einer Verlängerung der Reaktionszeit um 1 ms führt ( Abb. 3.1; B). Diese Reaktionszeitverlängerung mit Verkürzung im SOA wird als PRP-Effekt bezeichnet. Dieser Effekt wird durch eine kapazitätslimitierte Stufe (d. h. bottleneck oder Flaschenhalsstufe) im Verarbeitungssystem erklärt: Die Verarbeitung des ersten Reizes muss abgeschlossen sein, bevor die Verarbeitung des zweiten Reizes beginnen kann. Da zwar beide Reize registriert und wahrgenommen werden, sie aber anschließend nur seriell weiterverarbeitet werden, betrachtet man den PRP-Effekt als Evidenz für die Verarbeitung nach einem »Alles-oder-Nichts-Prinzip«. Dieses Prinzip der menschlichen Informationsverarbeitung ist konsistent mit der Annahme einer frühen Filterung und Selektion von Reizen für die Aufmerksamkeit. Die Weiterverarbeitung des zweiten Stimulus kann erst nach Beendigung der Verarbeitung des ersten Stimulus (wieder-)einsetzen.

Abb. 3.1: (A) Darstellung einer Aufgabe 1 und einer Aufgabe 2 im Kontext des Paradigmas der Psychologischen Refraktärperiode (PRP). (B) Exemplarische Reaktionszeiten in Aufgabe 1 und Aufgabe 2 (inklusive PRP-Effekt). RZ = Reaktionszeit, RZ 1 = Reaktionszeit in Aufgabe 1, RZ 2 = Reaktionszeit in Aufgabe 2, SOA = Stimulus Onset Asynchrony

Was sind nun die wesentlichen Eigenschaften der Filtertheorie der frühen Selektion und wie lassen sich die oben beschriebenen Befunde damit erklären? Nach der Filtertheorie der frühen Selektion ( Abb. 3.2 A) gelangen verschiedene Eingangsreize gleichzeitig und parallel über das Wahrnehmungssystem in einen sensorischen Speicher ( Kap. 5). Nur einer der eingehenden Reize, z. B. eine Nachricht, passiert auf Basis seiner physikalischen Merkmale (z. B. der Reizort in Richtung des linken Ohrs) den Aufmerksamkeitsfilter. Dieser Reiz wird weiterverarbeitet, beispielsweise hinsichtlich seiner Bedeutung oder einer möglichen Interaktion mit der Umwelt. Die anderen eingehenden Reize passieren nicht den Aufmerksamkeitsfilter, sondern werden von diesem Filter blockiert und nur kurzfristig weiter im sensorischen Speicher gehalten. Wenn keine nachfolgende Rückorientierung zu diesen gehaltenen Informationen durch die Aufmerksamkeit erfolgt, zerfallen diese Informationen und die dazugehörigen Gedächtnisspuren im sensorischen Speicher. Broadbent (1958) nimmt an, dass dieser frühe Filter der Aufmerksamkeit anhand physikalischer Eigenschaft notwendig ist, um ein kapazitätslimitiertes, strikt seriell ablaufendes Verarbeitungssystem jenseits des Filters vor Überlastung zu schützen. Jenseits des Filters findet die gründliche, bewusste und inhaltliche Verarbeitung von nur einem Reiz statt. Zusammengefasst hat die Filtertheorie der frühen Selektion also folgende Grundannahmen:

• Der Ort der Filterung von eingehenden Reizen befindet sich relativ früh im Verarbeitungsstrom, deshalb wird die Theorie auch Filtertheorie der frühen Selektion bezeichnet.

• Die Selektion erfolgt eher aufgrund oberflächlicher, physikalischer Eigenschaften (z. B. Ohr, Reizort, Stimmfrequenz eines Sprechers).

• Die Weiterverarbeitung erfolgt nach dem »Alles-oder-Nichts-Prinzip«: Eingehende Reize werden entweder selektiert oder bleiben im Filter »hängen« und stehen so für keine oder nur eine spätere Weiterverarbeitung zur Verfügung.

• Eine inhaltliche, handlungsrelevante Weiterverarbeitung von Reizen in einem zentral-kognitiven Verarbeitungsschritt (z. B. zum Verstehen der Bedeutung einer Nachricht) ist kapazitätslimitiert und damit seriell. Wegen des seriellen Charakters ist die Filtertheorie der frühen Selektion ein sogenanntes Ein-Kanal-Modell, da auf der zentralen Stufe nur ein Kanal der Weiterverarbeitung zur Verfügung steht.

3.1.3 Attenuationtheorie und Filtertheorie der späten Selektion

Bei näherer Betrachtung zeigt sich, dass die extremen Annahmen der Filtertheorie der frühen Selektion nicht aufrechterhalten werden können. Man stelle sich vor, ein anderer Zuschauer würde mit Herrn F. spontan ein Gespräch während des Spiels beginnen. Allerdings entsprechen die physikalischen Eigenschaften seiner Nachrichten nicht den »Einstellungen« des Aufmerksamkeitsfilters von Herrn F. Dieser Filter ist auf visuelle Reize an einem Ort direkt vor ihm (d. h. das Fußballspiel) ausgerichtet. Auditive Reize aus einer seitlichen Richtung würden abgeblockt und herausgefiltert werden. Außerdem könnten bestimmte, überlebenswichtige Nachrichten oder Reizwörter (z. B. Hilferufe, Feueralarm, der eigene Name) bei einer frühen Aufmerksamkeitsselektion nicht durch den Filter gelangen und weiterverarbeitet werden. Neben diesen anekdotischen Überlegungen existiert eine Reihe von empirischen Befunden, die inkonsistent mit den Annahmen der Filtertheorie der frühen Selektion sind und damit zu einer Revision dieser Theorie geführt haben.

Die erste Revision ist die Attenuationtheorie von Anne Treisman (1960; Abb. 3.2 B). Diese Theorie nimmt an, dass eingehende Reize nicht nach einem »Alles-oder-Nichts-Prinzip« hinsichtlich ihrer physikalischen Eigenschaften gefiltert werden, sondern dass die Weiterleitung von nicht beachteten Informationen lediglich abgeschwächt oder gedämpft (engl. attenuate) erfolgt. Es wird hier also ein »Mehr-oder-Weniger-Prinzip« angenommen, d. h. der Aufmerksamkeitsfilter erhöht den Input von beachteten Informationen (Informationen mit bestimmten physikalischen Eigenschaften) durch ein Herabsetzen ihrer Aktivationsschwelle. Für nicht beachtete Informationen wird diese Schwelle erhöht. Somit können immerhin auch nicht beachtete Reize durch den Aufmerksamkeitsfilter gelangen, die eine besonders hohe Aktivation besitzen; solch eine hohe Aktivation kann beispielsweise durch den eigenen Namen ausgelöst werden. Diese Annahmen setzen voraus, dass unter bestimmten Umständen auch nicht beachtete Informationen inhaltlich und damit verhaltensrelevant verarbeitet werden können. Empirische Evidenz für diese Annahmen stammt aus Studien, die einen Durchbruch von nicht beachteten Informationen durch den Aufmerksamkeitsfilter zeigen konnten. Beispielsweise berichtet Moray (1959) aus einem Experiment mit dem Paradigma des dichotischen Hörens, dass Instruktionen auf dem nicht-beschatteten Ohr während des Beschattens aufgenommen werden konnten, wenn sie durch den Namen der Versuchsperson angekündigt wurden.

Die Filtertheorie der frühen Selektion (Broadbent, 1958) und die Attenuationtheorie (Treisman, 1960) verwenden beide eine frühe Selektion und Filterung von Reizen, da beide grundsätzlich eine Auswahl von relevanten Reizen aufgrund der oberflächlichen, physikalischen Eigenschaften annehmen; der entscheidende Unterschied zwischen diesen Theorien ist das »Alles-oder-nichts-Prinzip« bzw. das »Mehr-oder-weniger-Prinzip« der Filterung.

Im Gegensatz zu einer frühen Selektion haben Deutsch und Deutsch (1963) ein anderes Extrem in der Lokalisation eines Aufmerksamkeitsfilters vorgeschlagen. Nach deren Filtertheorie der späten Selektion erfolgt die Selektion im Verlauf des Verarbeitungsstromes erst kurz vor der Ebene der Ausgabekomponenten (d. h. der Reaktionen) des kognitiven Systems ( Abb. 3.2 C). Diese späte Aufmerksamkeitsselektion bedeutet, dass alle eingehenden Informationen (egal ob später beachtet oder nicht) zunächst auf einer Wahrnehmungsstufe verarbeitet werden, um dann vollständig einer zentralen Verarbeitungsstufe zur Abspeicherung im Gedächtnis, zur Erschließung von Bedeutung oder zur Determination einer motorischen Reaktion zugeführt zu werden. Die Frage lautet aber: Nach welchem Mechanismus werden nun relevante Reize ausgewählt? Nach der Filtertheorie der späten Selektion erfolgt eine Weiterverarbeitung dann nur für jene Reize, die für eine aktuelle Aufgabe oder Situation inhaltlich am relevantesten sind. Diese Art der Selektion setzt einen effizienten Prozess der Gewichtung aller Eingangsreize nach ihrer inhaltlichen Relevanz voraus. An diesem Punkt wird schnell sichtbar, dass ein seriell arbeitender Gewichtungsprozess nicht in der Lage ist, in kurzer Zeit die vielen erforderlichen Vergleiche hinsichtlich ihrer Relevanz zu ziehen. Alternativ zu einer seriellen Gewichtung schlagen Deutsch und Deutsch vor, dass die zentrale inhaltliche Analyse der Reize parallel erfolgt. Das bedeutet, dass von allen Reizen nur derjenige weiterverarbeitet wird, der über alle Reize hinweg die höchste Relevanz besitzt.