Bienenhirne inspirieren intelligentere KI und Robotik

Bienen, die weltweit größten Bestäuber, sind ein wesentlicher Teil der Biodiversität, von der wir Menschen für unser Überleben direkt abhängig sind.

Diese geflügelten Insekten sind vor allem dafür bekannt, hochwertige Nahrungsmittel wie Honig sowie Bienenwachs, Propolis, Pollen und Gelée unter anderen Produkten bereitzustellen. Noch wichtiger ist, dass sie für die Bestäubung unzähliger Blütenpflanzen verantwortlich sind, einschließlich der überwiegenden Mehrheit der weltweiten Nahrungspflanzen, was den Pflanzen ermöglicht, sich zu reproduzieren und Früchte, Gemüse und Samen zu produzieren. 

Um dies zu erreichen, nutzen Bienen ihre behaarten Körper und übertragen Pollen von einer Blume zur anderen.

Während Bienen nicht die einzigen sind, die bestäuben – Vögel, Affen und sogar Menschen bestäuben ebenfalls – sind Bienen mit Abstand die häufigsten Bestäuber. Es wird geschätzt, dass über 87 % aller Blütenpflanzenarten von Tieren abhängen, wobei Bienen die wichtigste Gruppe für die Bestäubung darstellen, ein essentieller Ökosystemdienst, der für die Biodiversität und Ernährungssicherheit von entscheidender Bedeutung ist.

Bienen sind tatsächlich sehr intelligente Insekten, und Menschen untersuchen ihr Verhalten, ihre Gewohnheiten und sozialen Interaktionen, um den Zustand des Ökosystems, Umweltveränderungen zu verstehen und die Effizienz der Pflanzenbestäubung zu verbessern.

Darüber hinaus werden Bienen als Modell verwendet, um kooperatives Verhalten zu verstehen und zu kartieren, wie winzige Gehirne komplexe soziale Aufgaben koordinieren.

Wissenschaftler lassen sich ebenfalls von Bienen inspirieren, um Technologie voranzutreiben. Beispielsweise werden ihre Navigations- und Kommunikationsstrategien auf Drohnentechnologie angewendet. Das Verhalten von Bienen hat auch Robotik, Algorithmen und KI inspiriert.

In diesem Zusammenhang haben Forscher nun entdeckt, dass Bienen ihre Flugbewegungen nutzen, um Gehirnsignale zu verbessern, was ihnen ermöglicht, komplexe visuelle Muster mit hoher Genauigkeit zu lernen und zu erkennen. 

Diese bewegungsbasierte Wahrnehmung könnte laut der neuen Studie die Entwicklung der nächsten Generation von KI und Robotik revolutionieren, indem sie Effizienz über massive Rechenleistung stellt.

Bienenintelligenz: Was winzige Gehirne uns über KI lehren

Die visuellen Lernfähigkeiten von Bienen sind einfach bemerkenswert. Das wird deutlich daran, dass sie lernen können, eine Farbe mit einer Belohnung zu assoziieren sowie spezifische Merkmale zu identifizieren, um visuelle Muster zu klassifizieren. Sie haben sogar die Fähigkeit gezeigt, abstrakte Konzepte zu verstehen und Numerositätsaufgaben zu lösen, indem sie die Elemente eines Stimulus sequenziell scannen. 

Ein grundlegendes Konzept in der Kognitionswissenschaft, Numerosität, bezieht sich auf die Anzahl von Elementen in einer Menge und wird üblicherweise im Kontext der visuellen Wahrnehmung untersucht, wo es die Fähigkeit bezeichnet, schnell die Menge von Objekten in einer Szene zu erfassen, ohne zu zählen. 

Daher analysieren Numerositätsaufgaben die angeborene Fähigkeit des Gehirns, Mengen wahrzunehmen und zu schätzen.

Somit besitzen Bienen eindeutig außergewöhnliche Fähigkeiten, was sie zu einem wertvollen Tiermodell macht, um die Prinzipien des visuellen Lernens durch Analyse ihrer Verhaltensreaktionen zu erforschen.

Aber das Problem ist, es ist immer noch nicht wirklich bekannt, wie Bienen in der Lage sind, komplexe Muster zu identifizieren und die Komplexität der sie umgebenden Welt beim Sammeln wahrzunehmen, angesichts ihrer angeblich geringen visuellen Empfindlichkeit und begrenzten neuronalen Ressourcen.

Visuelle sensorische Neuronen werden tatsächlich als evolviert angenommen, um Regularitäten in natürlichen Szenen auszunutzen. Zum Beispiel haben Studien gezeigt, dass die sensorischen Bahnen von Insekten und damit verbundene Verhaltensweisen sich dynamisch an unterschiedliche Umgebungsbedingungen anpassen. Die Reaktionen werden basierend auf Eingabedaten wie räumlicher Frequenz, Kontrast und spatiotemporalen Korrelationen angepasst. 

Bei aktiven Stichprobenstrategien, bei denen Tiere ihre Umgebung kontinuierlich scannen, um über die Zeit visuelle Informationen zu extrahieren, wurde ein solches Verhalten über Arten hinweg weit verbreitet beobachtet. 

Während Primaten Augenbewegungen nutzen, um ihre feine räumliche Auflösung zu verbessern und die Kodierung natürlicher Stimuli zu optimieren, setzen Insekten Strategien ein, die Kopf- und Körperbewegungen oder spezifische Annäherungsbahnen umfassen.

Im Fall von Bienen hängen sie wahrscheinlich von aktiver Vision und sequenziellem Sampling ab, um eine starke und belastbare neuronale Repräsentation ihrer Umgebung aufzubauen. 

Diese Strategien spielen eine Schlüsselrolle in der frühen visuellen Verarbeitung, reduzieren Redundanz und machen die Kodierung visueller Stimuli effizienter. Aber erneut ist unser Verständnis darüber, wie diese Mechanismen Bienen ermöglichen, visuelle Regularitäten zu erkennen, darstellungsbezogene Beschränkungen zu überwinden und komplexe Aufgaben zu lösen, nach wie vor unzureichend.

According to the latest study, understanding these strategies is crucial for unraveling the fundamental principles of insect vision and their broader implications for visual processing across biological and artificial systems.

Also bauen sie auf ihrer vorherigen Studie auf, in der die Flugbahnen von Bienen bei einer einfachen visuellen Aufgabe bewertet wurden¹, die Forscher nun die wichtigsten Schaltkreise untersuchen, die zur aktiven Vision bei der Erkennung achromatischer Muster beitragen.

The primary goal of the study is to determine how the scanning behavior of bees contributes to the organization and connectivity of neurons in their visual lobes.

Forscher der University of Sheffield vermuteten, dass sich Scanverhalten angepasst hat, um komplexe visuelle Merkmale so zu sampeln, dass sie effizienter in den Lobula-Neuronen kodiert werden. Dies wiederum ermöglicht einzigartige Repräsentationen, die das Lernen im winzigen Gehirn der Bienen unterstützen. Um diese Hypothese zu testen, entwickelten sie ein neuromorphes Modell der optischen Lappen der Biene.

Die Forscher integrierten Kodierungsprinzipien durch ein neuartiges Modell nicht-assoziativer Plastizität. Dies ermöglichte dem Modell, seine Konnektivität innerhalb des visuellen Lappens selbst zu organisieren, wodurch effiziente Repräsentationen der Umgebung geschaffen wurden und die Entstehung von orientationsspezifischen Zellen gefördert wurde, die für die Kodierung komplexer visueller Szenen wesentlich sind.

Der visuelle Verarbeitungsrahmen wurde weiter verbessert durch den Einsatz eines weiteren Moduls für Entscheidungsfindung, das sich von assoziativen Lernmechanismen von Insekten inspirierte.

Die Simulationen der Forscher zeigen, dass ein kleiner Teil der Lobula-Neuronen, die empfindlich auf spezifische Orientierungen und Geschwindigkeiten reagieren, komplexe visuelle Umgebungen in Repräsentationen komprimieren kann, die als Feuerraten ausgedrückt werden. Diese seltenen Repräsentationen unterscheiden effektiv zwischen Plus- und Multiplikationsmustern, was die breitere Anwendbarkeit des Modells hervorhebt.

Die in der Studie gewonnenen Erkenntnisse können unser Verständnis der biologischen Vision und Kognition voranbringen und die Entwicklung neuartiger rechnerischer Modelle für visuelle Erkennungsaufgaben inspirieren, wie die Studie feststellt.

Wie bieneninspirierte Vision Robotik und KI gestaltet

Die neueste Studie, eine Zusammenarbeit mit der Queen Mary University of London und veröffentlicht in der Zeitschrift eLife, beschrieb ein digitales Modell des Miniaturgehirns einer Biene².

Sie nutzt die überraschende Art und Weise, wie diese Insekten ihr Gehirn und ihren Körper kombinieren, um Technologie voranzubringen und zukünftige Roboter intelligenter und effizienter zu machen. Ähnlich wie Bienen ihre Flugbewegungen einsetzen, um klare Gehirnsignale zu erzeugen und komplexe visuelle Aufgaben zu vereinfachen, kann die nächste Generation von Technologie ebenfalls relevante Informationen durch Bewegung sammeln, anstatt auf enorme Rechenleistung zu setzen.

Die Studie hat schließlich gezeigt, dass selbst winzige Insektengehirne in der Lage sind, komplexe visuelle Aufgaben zu lösen. 

Die Tatsache, dass wenige Gehirnzellen so viel leisten können, bedeutet, dass Intelligenz nicht nur eine Gehirnfrage ist, sondern das Ergebnis von Gehirn, Körper und Umwelt, die zusammenarbeiten. 

Der Aufbau eines digitalen Modells des Bienenhirns half Forschern zu entdecken, dass die Art und Weise, wie Bienen ihren Körper während des Fluges bewegen, ihre visuelle Eingabe formt. Diese Bewegungen erzeugen zudem einzigartige elektrische Signale in ihren Gehirnen, die es ihnen ermöglichen vorhersehbare Merkmale in ihrer Umgebung einfach und effizient zu identifizieren.

Dies zeigt die bemerkenswerte Genauigkeit von Bienen beim Erlernen und Erkennen komplexer visueller Muster während des Fluges.

“In dieser Studie haben wir erfolgreich gezeigt, dass selbst die kleinsten Gehirne Bewegung nutzen können, um die Welt um sie herum wahrzunehmen und zu verstehen. Das zeigt uns, dass ein kleines, effizientes System – das Ergebnis von Millionen Jahren Evolution – Berechnungen durchführen kann, die weitaus komplexer sind, als wir bisher für möglich gehalten haben.”

– Der leitende Autor der Studie, Professor James Marshall, Direktor des Centre of Machine Intelligence an der University of Sheffield

Durch die Nutzung der besten Naturdesigns für Intelligenz, bemerkte Marshall, ebnet dies den Weg für „die nächste Generation von KI, die Fortschritte in der Robotik, selbstfahrenden Fahrzeugen und realem Lernen vorantreibt“.

Wie bereits erwähnt, baut diese Studie auf ihrer vorherigen Forschung darüber auf, wie Bienen aktive Vision nutzen, wobei ihre Bewegungen helfen, visuelle Informationen zu sammeln und zu verarbeiten. Die neueste Arbeit wirft einen tieferen Blick auf die zugrunde liegenden Gehirnmechanismen, die ihr Verhalten beim Fliegen und Untersuchen spezifischer Muster steuern.

“In unserer vorherigen Arbeit waren wir fasziniert zu entdecken, dass Bienen einen cleveren Scan-Shortcut einsetzen, um visuelle Rätsel zu lösen. Aber das zeigte uns nur, was sie tun; für diese Studie wollten wir verstehen, wie.”

– Leitender Autor, Dr. HaDi MaBouDi von der University of Sheffield

Die fortgeschrittenen visuellen Musterlern fähigkeiten von Bienen wurden tatsächlich seit langem verstanden. Dies umfasst ihre Fähigkeit, zwischen menschlichen Gesichtern zu unterscheiden, jedoch nicht wie sie die Welt mit solcher Effizienz navigieren.

“Unser Modell des Bienenhirns zeigt, dass seine neuronalen Schaltkreise optimiert sind, visuelle Informationen nicht isoliert, sondern durch aktive Interaktion mit seinen Flugbewegungen in der natürlichen Umgebung zu verarbeiten.”

– MaBouDi

Und das, bemerkte er, unterstützt die Theorie, dass Intelligenz aus dem Zusammenspiel von Gehirn, Körper und Umwelt entsteht.

“Wir haben gelernt, dass Bienen, obwohl ihre Gehirne nicht größer als ein Sesamkorn sind, die Welt nicht nur sehen – sie formen aktiv das, was sie sehen, durch ihre Bewegungen. Es ist ein schönes Beispiel dafür, wie Handlung und Wahrnehmung tief miteinander verwoben sind, um komplexe Probleme mit minimalen Ressourcen zu lösen. Dies ist etwas, das erhebliche Auswirkungen sowohl für die Biologie als auch für die KI hat.”

– MaBouDi

Das Modell, das durch kollaborative Anstrengungen erstellt wurde, zeigt, dass die Neuronen einer Biene stark auf spezifische Bewegungen und Richtungen abgestimmt werden, während ihr Gehirn sich langsam durch wiederholte Exposition gegenüber verschiedenen Stimuli anpasst. Das verbessert ihre Reaktionen, ohne dass sie auf Assoziationen oder Verstärkung angewiesen sein müssen.

Das bedeutet, dass das Gehirn einer Biene sich einfach durch Beobachtung im Flug an seine Umgebung anpasst, ohne sofortige Belohnungen zu benötigen.

All dies geschieht mit nur wenigen Neuronen, was sowohl Energie als auch Rechenleistung spart und ihr Gehirn unglaublich effizient macht. Um das Modell zu testen, setzte das Team es den gleichen visuellen Herausforderungen aus, denen echte Bienen gegenüberstehen. In diesem Fall musste das rechnerische Modell zwischen einem Pluszeichen und einem Multiplikationszeichen unterscheiden.

Beim Nachahmen der Strategie echter Bienen, indem nur die untere Hälfte der Muster gescannt wurde, zeigte das Modell eine deutlich verbesserte Leistung. 

Darüber hinaus demonstrierte das Modell erfolgreich, wie Bienen menschliche Gesichter erkennen können, indem sie nur ein kleines Netzwerk künstlicher Neuronen verwenden, und betonte die Vielseitigkeit und die Stärke ihrer visuellen Verarbeitung.

„Wissenschaftler sind fasziniert von der Frage, ob die Gehirngröße die Intelligenz bei Tieren vorhersagt. Solche Spekulationen ergeben jedoch keinen Sinn, wenn man nicht die neuronalen Berechnungen kennt, die einer bestimmten Aufgabe zugrunde liegen“, sagte Professor Lars Chittka, Professor für sensorische und verhaltensökologische Forschung an der Queen Mary University of London. „Hier bestimmen wir die minimale Anzahl von Neuronen, die für schwierige visuelle Diskriminierungsaufgaben erforderlich ist, und stellen fest, dass die Zahlen erstaunlich klein sind, selbst für komplexe Aufgaben wie die Erkennung menschlicher Gesichter. Somit sind Insektenmikrogehirne zu fortgeschrittenen Berechnungen fähig.“

Also fügt diese Studie dem Hinweis hinzu, dass Tiere nicht nur passiv Informationen empfangen. Tatsächlich arbeiten sie aktiv damit.

Bienen insbesondere verfügen über höherwertige visuelle Verarbeitung, und das Modell zeigt, wie verhaltensgesteuertes Scannen komprimierte, erlernbare neuronale Codes erzeugen kann.

“Zusammen unterstützen diese Erkenntnisse ein einheitliches Rahmenwerk, in dem Wahrnehmung, Handlung und Gehirndynamik gemeinsam evolvieren, um komplexe visuelle Aufgaben mit minimalen Ressourcen zu lösen – und bieten kraftvolle Einblicke sowohl für die Biologie als auch für die KI.”

– Professor Mikko Juusola, Professor für Systemneurophysiologie an der School of Biosciences und dem Neuroscience Institute der University of Sheffield

Klicken Sie hier, um zu erfahren, wie KI helfen kann, Honigbienen vor asiatischen Hornissen zu schützen.

Wischen zum Scrollen →

Investitionen in KI-Technologie

In der Welt von KI und Robotik ist Qualcomm (QCOM ) ein bekanntes Unternehmen, das neuromorphe und Edge‑KI Technologien erforscht hat. 

Vor über einem Jahrzehnt brachte Qualcomm die Qualcomm Zeroth Prozessoren heraus, um menschliche Wahrnehmung und Lernen nachzuahmen, so wie biologische Gehirne es tun. Neben biologisch inspiriertem Lernen war das Ziel, die Effizienz zu replizieren, mit der unser Gehirn Informationen kommuniziert, und die neue Verarbeitungsarchitektur namens Neural Processing Unit (NPU) zu standardisieren.

Seine KI‑gesteuerte Robotics RB6 Plattform treibt hingegen die nächste Generation von Robotik und intelligenten Maschinen an, darunter Lieferroboter, autonome mobile Roboter (AMRs), UAM‑Flugzeuge, Fertigungsroboter, autonome Verteidigungslösungen und vieles mehr. Die Plattform liefert energieeffizientes, fortschrittliches Edge‑KI Computing und Videoverarbeitung mit 5G‑Konnektivität für Roboter

Primär ist Qualcomm an der Entwicklung grundlegender Technologien für die Funkindustrie beteiligt, einschließlich 3G, 4G, 5G, drahtloser Konnektivität, und Hochleistungs‑ sowie energieeffizienter Computertechnik.

Klicken Sie hier, um alles über Investitionen in künstliche Intelligenz (KI) zu erfahren.

Qualcomm (QCOM )

Betrachtet man die Marktperformance von Qualcomm, so werden die Aktien des Unternehmens mit einer Marktkapitalisierung von 171,67 Milliarden $ derzeit bei 159,54 $ gehandelt, bis jetzt ein Anstieg von 3,6 % in diesem Jahr.

Obwohl die Leistung in diesem Jahr enttäuschend war, folgt sie dem Anstieg von QCOM über 215 $ im Juni des Vorjahres. Das EPS (TTM) liegt bei 10,36, das KGV (TTM) bei 15,36 und die Eigenkapitalrendite (ROE) (TTM) bei 44,62 %, während die Aktionäre von einer Dividendenrendite von 2,24 % profitieren.

Finanziell meldete der Hersteller von Funkchips einen Umsatzanstieg von 10 % auf 10,4 Milliarden $ für das dritte Geschäftsjahr, das am 29. Juni 2025 endete.

Angetrieben durch Stärke in den Bereichen Handys, IoT und Automotive, stiegen die QCT-Umsätze um 11 % gegenüber dem Vorjahr auf 9 Milliarden $, und die EBT-Umsätze sprangen um 22 % auf 2,7 Milliarden $. Die kombinierten QCT Automotive- und IoT-Umsätze lagen hingegen um 23 % gegenüber dem Vorjahr bei 2,7 Milliarden $.

Der nicht‑GAAP‑EPS des Unternehmens stieg um 19 % gegenüber dem Vorjahr auf 2,77 $.

Laut CEO Cristiano Amon:

“Ein weiteres Quartal starken Wachstums bei QCT Automotive und IoT-Umsätzen bestätigt weiter unsere Diversifizierungsstrategie und unser Vertrauen in die Erreichung unserer langfristigen Umsatzziele. Unsere Führungsposition im KI‑Processing, bei Hochleistungs‑ und energieeffizienter Computertechnik sowie bei fortschrittlicher Konnektivität positioniert uns als bevorzugte Branchenplattform, während KI am Edge skaliert.”

Im Quartal hat Qualcomm 3,8 Milliarden $ an Aktionäre zurückgezahlt, darunter 967 Millionen $ bzw. 0,89 $ pro Aktie an Bardividenden und 2,8 Milliarden $ an Aktienrückkäufen.

Zuletzt hat Qualcomm den Dragonwing Q-6690 für seine Unternehmenskunden eingeführt, weniger als sechs Monate nach der Vorstellung der Dragonwing-Produktreihe. Das Unternehmen behauptet, dass der Chip das weltweit erste mobile Prozessor mit integrierten ultra‑hochfrequenten RFID‑Funktionen ist.

Mit seinen industriellen und eingebetteten IoT-, Netzwerk- und Mobilfunkinfrastruktur‑Lösungen will das Unternehmen diese nutzen, um Komplexität zu vereinfachen, die Betriebseffizienz zu optimieren und intelligentere Entscheidungen zu ermöglichen.

Inmitten dessen hat das saudi‑arabische KI‑Unternehmen Humain begonnen, seine ersten Rechenzentren in Riad und Dammam zu bauen, für die es eine Partnerschaft mit Qualcomm und AMD, Cisco und Groq eingegangen ist. Das Unternehmen plant, bis zum Ende dieses Jahrzehnts 1,9 GW an Rechenzentrumskapazität zu errichten.

Neueste Qualcomm (QCOM) Aktiennachrichten und Entwicklungen

Fazit

Tiere haben die Technologie seit langem inspiriert, und jetzt zeigen uns Bienen, dass Intelligenz nicht von der Gehirngröße abhängt, sondern von Effizienz, Anpassungsfähigkeit und der nahtlosen Integration von Körper, Gehirn und Umwelt. Diese Lehren könnten das KI‑Design transformieren.

KI ist eines der fortschrittlichsten und am schnellsten wachsenden Felder der Gegenwart, das erhebliche Aufmerksamkeit, Kapital und Entwicklung anzieht. Das Skalieren riesiger Modelle ist jedoch teuer, energieintensiv und nicht nachhaltig. Hier bietet bieneninspirierte Forschung eine Alternative: kleine, effiziente neuronale Netze, die mit weniger mehr erreichen.

Durch das Studium der aktiven Vision und kompakter neuronaler Strategien von Bienen können wir futuristische KI und Robotik entwickeln, die schneller und leistungsfähiger sind.

Klicken Sie hier, um zu erfahren, ob robotische Bestäuber eine Rolle in der vertikalen Landwirtschaft spielen können.

Referenzen:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Aktive Vision von Bienen bei einer einfachen Musterunterscheidungsaufgabe. eLife, 14, e106332, veröffentlicht am 20. Februar 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. Ein neuromorphes Modell der aktiven Vision zeigt, wie spatiotemporale Kodierung in Lobula-Neuronen die Mustererkennung bei Bienen unterstützen kann. eLife, 14, e89929, veröffentlicht am 1. Juli 2025. https://doi.org/10.7554/eLife.89929