Hippocampale Indexierungstheorie: Erinnern als Dekompression

[!NOTE] TL;DR: Der Hippocampus speichert keine Filme deiner Vergangenheit. Nach der hippocampal memory indexing theory hält er nur einen komprimierten Index, den ein generatives neokortikales Netz zur vollen Episode dekomprimiert. Ich zeige, was meine Präkuneus-Daten beitragen, warum Erinnern Konstruktion ist und was RAG-Systeme wie HippoRAG daraus lernen können.

Der halbe Cue

Ein Tropfen Parfüm, und ich stehe im Flur meiner Großmutter, Sommer 1999. Proust brauchte dafür eine Madeleine, ich wurde mit synthetischem Flieder bedient. Die Antwort auf diesen Mini-Cue (und das ist das Kuriose) war ein ganzer Nachmittag: Licht, Geräusch, die Türklinke, das Gesprächsthema. Kein Retrieval-System, das ich je gebaut habe, erreicht dieses Verhältnis von winziger Anfrage zu großer Antwort. Die hippocampal memory indexing theory liefert dafür seit 1986 die eleganteste Erklärung, und sie durchläuft gerade eine bemerkenswerte Renaissance, diesmal von der KI-Seite her.

Mein Beruf ist es, dieses Phänomen zu vermessen. In meiner fMRI-Studie von 2024 zeigte sich: Misst man den Einfluss, den der Präkuneus auf den medialen Temporallappen ausübt, lässt sich vorhersagen, ob eine Person ein Objekt wirklich "wiedererinnert" oder es nur als vertraut einordnet. Das subjektive Gefühl des Erinnerns entsteht also nicht im Hippocampus allein. Es entsteht in einer Wechselwirkung, und diese Wechselwirkung ist mein Thema.

Speicher oder Index

Meine Hauptfrage nach zehn Jahren Gedächtnisforschung ist schlicht: Was steht in der Gedächtnisspur, wenn nicht der Inhalt? Man stellt sich intuitiv ein Archiv vor. Der Hippocampus als Speicher, die Erinnerung als Datei, das Erinnern als Wiedergabe. Die Befundlage widerspricht dem fast überall. Patient H.M. verlor nach Entfernung seines medialen Temporallappens die Fähigkeit, neue Episoden zu bilden, während gut konsolidierte alte Erinnerungen überlebten. Wäre der Hippocampus das Archiv, wäre mit ihm das Archivgut verloren. Überlebt der Inhalt ohne das Organ, dann war das Organ nie der Speicher. Dann war es der Index. Und das Erinnern ist, wie ich gleich belege, kein Abspielen, sondern ein Rekonstruieren.

Die Spur, die nichts speichert

Im Anfang war der Index. Zumindest seit 1986, als Teyler und DiScenna vorschlugen, dass der Hippocampus keine Kopien der Erfahrung ablegt, sondern Adressen. Eine Episode aktiviert Module im gesamten Neokortex, etwa Farbe im okzipitalen und Klang im temporalen Cortex. Der Hippocampus bindet diese verteilten Muster an eine kleine, sparsame Neuronengruppe. Die Spur sagt nur: Diese Orte gehörten zusammen. Sie enthält nichts von dem, was dort lag.

Stell dir eine Bibliothek vor, die keine Bücher besitzt. In ihrem Keller liegt allein ein Verzeichnis, das angibt, in welchen fremden Häusern die Seiten liegen. Zerstörst du den Keller, verlierst du das Auffinden neuer Einträge, aber nicht die Bücher in den Häusern. So ist der Deal des Index. Teyler und Rudy haben die Theorie 2007 aktualisiert, mit einem Fazit in Richtung: gut gealtert.

Bei einem partiellen Cue, dem Duft oder der Türklinke, aktiviert die Spur über Rückprojektionen die ursprünglichen Module. Das ist pattern completion. Der Punkt, den fast alle übersehen: Die Vollständigkeit, die du dabei erlebst, wird nicht gefunden, sie wird generiert. Cengiz und Güleç Süyen haben 2025 in einem Preprint die Beweislage noch einmal durchgesehen. Ihr Befund passt besser zu generativer Rekonstruktion als zu assoziativem Nachschlagen, mit CA3 als attraktorbasiertem Komplettierer. Das Preprint diskutiert sogar eine key-value-Lesart: Der Hippocampus verwaltet die Schlüssel, der Neocortex hält die Werte bereit.

flowchart LR
    A["Erlebte Episode in verteilten neokortikalen Modulen"] -->|Kompression| B["Sparsamer Index im Hippocampus"]
    B -->|Partieller Cue| C["Pattern Completion in CA3"]
    C -->|Rückprojektion| D["Generatives neokortikales Netz"]
    D --> E["Rekonstruierte Episode mit subjektiver Qualität"]
    B -->|Replay| F["Konsolidierung als Feintuning des generativen Netzes"]
    F -->|Schemata prägen künftige Enkodierung| A

Erinnern als Dekompression

Spens und Burgess haben im Juni 2026 in Nature Communications ein Rechenmodell vorgelegt, das den Gedanken auf den Punkt bringt. Episoden liegen im Hippocampus komprimiert: Der Neocortex erfasst die Gist, und nur die unvorhersehbaren Details wandern zusätzlich in die Spur. Während des Replay trainiert diese komprimierte Sequenz ein generatives Netz im Neocortex. Abruf heißt dann: Das generative Netz entpackt die Spur zurück zu einer vollständigen Episode. Recall ist Dekompression. Wie eine gepackte Datei enthält die Spur nicht das Bild, sondern die Anweisung, aus der ein Bild erst entsteht, wenn der passende Dekompressor läuft. Der Dekompressor ist das gelernte Weltmodell.

Tarder-Stoll, Sekeres, Levine und Moscovitch haben im Januar 2026 in Physiological Reviews (Band 106, Seiten 841-889) die psychologische Seite ergänzt. Mehrere Repräsentationen einer einzigen Episode, präzise Details und Gist, werden gleichzeitig enkodiert. Ihr relatives Gewicht entscheidet am Abruf, ob das Gedächtnis eher reproduziert oder eher rekonstruiert. Ranganath und Ritchey ziehen daraus im Annual Review of Psychology (Oktober 2026 online) zwei Modi: einen generativen, der schemabasiert inferiert, und einen kontextuellen, der an episodische Ankerpunkte bindet. Beides läuft auf demselben kortiko-hippokampalen Geflecht, nur mit anderer Gewichtung. Zur breiteren Architektur dieser Rekonstruktion habe ich an anderer Stelle bereits mehr geschrieben.

Konsolidierung ohne Übergabe

Die Standardtheorie der Systemkonsolidierung erzählt eine Übergabe (zuerst Hippocampus, dann Neocortex, wie eine Staffel). Horner widerspricht im November 2025 in Trends in Cognitive Sciences, und zwar mit Daten. Sein Vorschlag: ein dreidimensionaler Zustandsraum. Die ersten beiden Achsen messen, wie stark der hippokampale und der nicht-hippokampale Mechanismus die Reaktivierung jeweils tragen, die dritte misst die episodische Spezifität. Beide Beiträge sind unabhängig und additiv. Erinnerungen können sich in diesem Raum frei bewegen, auch zurück. Es gibt keine Einbahnstraße.

Kolibius, Josselyn und Hanslmayr (Trends in Cognitive Sciences, März 2025) erklären damit zugleich, wie aus Index-Neuronen Konzept-Neuronen werden. Neuronen werden nach ihrer momentanen Erregbarkeit einer Spur zugeteilt. Überlappen sich Episoden im selben Freund, im selben Café, dann reift jener Anteil der Index-Neuronen, der alle teilte, zu einer Zelle heran, die nur noch für den Freund feuert. Wie ein Trampelpfad, der durch häufiges Begehen zur Straße wird, tunen sich Zellen auf das wiederkehrende Element ein. Albesa-González und Clopath zeigen 2025 in einem Preprint die Gegenrichtung: Semantisches Wissen prägt die Enkodierung neuer Episoden und lässt konzeptähnliche Zellen im medialen Temporallappen entstehen. Theves schließlich (Trends in Cognitive Sciences, September 2026) wagt den Schritt zur Vorstellungskraft. Dieselbe Indexierung, so sein Argument, erzeugt auch neuartige kortikale Zustände. Erinnern und Imaginieren laufen auf demselben Mechanismus, nur mit anderem Vorzeichen. Das Zusammenspiel der Systeme über Zeit habe ich hier vertieft.

Der Präkuneus als Zeuge

Hier setze ich meine eigenen Daten ein, denn sonst bleibt Rekonstruktion Behauptung. In unserer Studie von 2020 (Journal of Neuroscience) beurteilten Teilnehmer die zeitliche Reihenfolge von Filmszenen. Die Aktivierung im Präkuneus hing davon ab, ob zwei Szenen derselben Handlungslinie oder verschiedenen angehörten. Das Verhalten auch. Das passt nicht zu einem chronologischen Wiedergabepuffer. Es passt zu einer Rekonstruktion, die innerhalb einer filmspezifischen Wissensstruktur sucht, begleitet von einem kontextunabhängigen linearen Signal für zeitliche Distanz im selben Areal.

2021 prüften wir (Scientific Reports) das Abrufen der Reihenfolge über drei Encodierungskontexte: Handy-Fotos über bis zu drei Wochen, virtuelle Stadt über 45 Minuten, Laborsequenz über 15 Minuten. Der Abruf war skaleninvariant, aber nicht rein chronologisch. Die Spur ist also mehrdimensional. Und 2024 (Scientific Reports) zeigte die effektive Konnektivität: Der Einfluss des Präkuneus auf den medialen Temporallappen vermittelt die subjektive Qualität des Wiedererinnerns. Der Präkuneus arbeitet dabei wie ein Restaurator, der aus Fragmenten ein Gemälde rekonstruiert, wobei sein Farbkanon aus ähnlichen, bereits bekannten Gemälden stammt. Rekonstruktives Gedächtnis ist also nicht auf den Temporallappen beschränkt. Es rekrutiert mediale parietale Areale als Teil eines großräumigen Netzwerks.

Der künstliche Index

Was passiert, wenn man dieses Modell in Maschinen übersetzt? Die naheliegende Entsprechung: Explizites Gedächtnis (Vektor-Index, Knowledge Graph) spielt den Hippocampus, parametrisches Wissen des LLM spielt den Neocortex, Replay wird zu Fine-Tuning. HippoRAG (NeurIPS 2024) hat genau das gebaut: Ein LLM extrahiert aus dem Korpus ein schemafreies Knowledge Graph als künstlichen Index, und Personalized PageRank übernimmt die pattern completion. Die Zahlen sind konkret. Auf 2WikiMultiHopQA liegt die Verbesserung beim R@5 bei rund 20 Prozentpunkten, auf MuSiQue bei etwa 3. Misst man, wie oft alle unterstützenden Dokumente auf einmal gefunden werden, wächst die Lücke zur Baseline auf 38 Prozentpunkte (2Wiki) respektive 6 (MuSiQue). Der Online-Prozess ist dabei um etwa eine Größenordnung günstiger und 6-13-mal schneller als iteratives Retrieval wie IRCoT.

{
  "type": "bar",
  "data": {
    "labels": ["MuSiQue", "2WikiMultiHopQA"],
    "datasets": [
      { "label": "Verbesserung R@5 (Prozentpunkte)", "data": [3, 20], "backgroundColor": ["#3b82f6", "#3b82f6"] },
      { "label": "Lücke vollständiges Top-5-Retrieval (Prozentpunkte)", "data": [6, 38], "backgroundColor": ["#f59e0b", "#f59e0b"] }
    ]
  },
  "options": {
    "responsive": true,
    "plugins": { "title": { "display": true, "text": "HippoRAG vs. Standard-RAG-Baselines: Multihop-Retrieval (NeurIPS 2024)" } },
    "scales": { "y": { "title": { "display": true, "text": "Prozentpunkte" } } }
  }
}

Eine Halluzination liest sich in diesem Licht als pattern completion auf einen falschen Index: Das Modell ergänzt die Lücke mit dem, was sein Weltmodell ohnehin erwartet. Was die Übersetzung nicht leistet: Embeddings binden kein was, wo und wann. Sie haben keine Adresse, nur Ähnlichkeit. Inhaltsadressierbarer Speicher, etwa Hopfield-artige Attraktornetze, löst pattern separation, was der Index nicht tut. Und die Industrie hat den Hippocampus entdeckt, ohne dass er es bemerkt hat: Es existiert inzwischen HippoRAG 2, und AWS beschrieb im Juli 2026 eine Referenzarchitektur mit Bedrock und Neptune. Wie Gitterzellen und Embeddings räumliche Struktur in Repräsentationen bringen, passt übrigens gut in dieses Bild.

Grenzen der Übersetzung

Nun die Ehrlichkeit. Erstens: Effektive Konnektivität aus fMRI ist Korrelation, keine Kausalität. Eine iScience-Studie von 2026 (Ye und Kollegen) hat zwar gezeigt, dass inhibierende Stimulation des Präkuneus die Repräsentation zeitlicher Distanzen abschwächt. Aber das ist ein Hinweis, kein Beweis. Zweitens: Rechenmodelle wie das von Spens und Burgess idealisieren. Die Kompression im Gehirn ist verlustbehaftet, neuromoduliert und verkörpert, kein sauberes Diagramm. Drittens: Zwei der 2025er Quellen (Cengiz und Güleç Süyen; Albesa-González und Clopath) sind Preprints, ihre Schlüsse bleiben vorläufig. Viertens: Obwohl die Analogie funktional trägt, ist sie nicht mechanistisch. Der Hippocampus lernt mit lokalen Hebb'schen Regeln, ein LLM mit Backpropagation, und das ist kein Detail. Ich habe übrigens selbst zwei Jahre lang nach einem Wiedergabe-Signal gesucht, bevor ich akzeptiert habe, dass meine Daten von Rekonstruktion erzählen. Klassiker.

Das Prinzip, das bleibt

Allgemein gesprochen gilt: Ein Gedächtnis, das Speichern und Erzeugen trennt, ist reicher als eines, das nur speichert. Der Index liefert die Adresse, das generative Modell liefert die Welt, die Erinnerung entsteht dazwischen. Wer nur den Index kennt, kennt Verweise; wer nur das Modell kennt, kennt den Durchschnitt.

Wenn du für dein Team eine RAG- oder Agentenarchitektur planst, die episodisch lernt statt nur nachzuschlagen, kontaktiere mich.