Die Freie Energie nach Karl Friston (engl. free energy principle) erklärt ein wichtiges Prinzip des Lernens: inwiefern stimmt unsere Erwartung mit der beobachteten Realität überein?
Unser Gehirn versucht, die Überraschung zu minimieren, also den Unterschied zwischen Vorhersage und Beobachtung. In diesem Zuge geschieht lernen: wir passen unser inneres Modell an, um in Zukunft bessere Vorhersagen zu treffen. Stattdessen könnten wir auch aktiv durch unser Handeln Einfluss nehmen auf die Ergebnisse.
Dafür zeige ich hier zunächst ein interaktives Tool und hinterher noch mehr Einordnung für Lernprozesse.
Free Energy — Interaktives Lernwerkzeug
Wie reagiert dein Gehirn?
Free Energy — das Maß für Überraschung
Free Energy (F) misst, wie stark das innere Modell von der Realität abweicht. Sie ist groß, wenn Prior und Beobachtung weit auseinanderliegen, und klein, wenn sie übereinstimmen. Das Gehirn minimiert Free Energy ständig — entweder durch Lernen (Modell anpassen) oder durch Handeln (Welt anpassen). Beide Strategien führen zum selben Ziel: weniger Überraschung.
Der Posterior ist dabei der "beste Kompromiss": Er gewichtet Prior und Beobachtung nach ihrer jeweiligen Präzision. Ein unsicherer Prior → Beobachtung gewinnt mehr Einfluss. Ein unsicherer Sensor → Prior dominiert.
Das innere Modell
Deine Erwartung, bevor du eine Beobachtung machst. Basiert auf vergangenen Erfahrungen. Schmale Kurve = starke Überzeugung. Breite Kurve = viel Unsicherheit.Die Beobachtung
Was deine Sinne melden. Auch die Sinne haben Rauschen (Sensorunsicherheit). Das Gehirn gewichtet sie daher nach ihrer Zuverlässigkeit.Die aktualisierte Schätzung
Präzisionsgewichteter Kompromiss aus Prior und Beobachtung. Je präziser der Sensor, desto mehr zieht der Posterior zur Beobachtung hin.Prediction Error
Die Differenz zwischen Erwartung und Beobachtung. Treibt den gesamten Lernprozess. Große Abweichung → großer Fehler → viel Lernpotenzial.Formeln mit aktuellen Werten
Schauen wir uns im Folgenden noch an, welche Relevanz das für Lernen und menschliche Entwicklung hat.
Warum ist das wichtig?
Das Free-Energy-Principle ist mehr als ein Gehirnmodell. Es beschreibt ein Grundmuster von Lernen, Entwicklung und Anpassung:
Erwartung → Beobachtung → Vorhersagefehler → Anpassung.
Genau dieses Muster finden wir in künstlicher Intelligenz, menschlichem Lernen, Organisationsentwicklung und Gamification wieder.
1. Bedeutung für KI
KI-Systeme arbeiten mit Wahrscheinlichkeiten. Sie bilden Vorhersagen, vergleichen diese mit Daten und verbessern daraus ihr Modell. Auch Sprachmodelle erzeugen keine Wahrheit im philosophischen Sinn, sondern berechnen wahrscheinliche Fortsetzungen aus Mustern.
Das Free-Energy-Principle hilft, KI nicht als „denkendes Wesen“, sondern als Vorhersage-System zu verstehen: Ein Modell wird besser, wenn es Fehler erkennt, Feedback verarbeitet und seine internen Gewichtungen anpasst.
Weiterlesen: Interview mit der KI über die Zukunft der Menschheit und KI im Business Development.
2. Bedeutung für Lernen
Lernen entsteht nicht durch reine Informationsaufnahme. Lernen entsteht, wenn eine Erwartung nicht ganz zur Erfahrung passt — und das System diese Abweichung verarbeiten kann.
- Zu wenig Vorhersagefehler: Langeweile, Routine, kein Lernimpuls.
- Zu viel Vorhersagefehler: Überforderung, Stress, Abwehr.
- Passender Vorhersagefehler: Neugier, Korrektur, Entwicklung.
Gute Didaktik gestaltet deshalb nicht nur Inhalte, sondern produktive Irritation: Aufgaben, Feedback und Erfahrungen, die herausfordern, aber nicht überfordern.
Weiterlesen: 21st Century Learning Design, 21st Century Skills und Lernerfolg durch Gamification.
3. Bedeutung für Organisationsentwicklung und Personalentwicklung
Auch Organisationen haben innere Modelle: Annahmen darüber, was möglich ist, was gefährlich ist, wer entscheiden darf, wie Erfolg aussieht und welche Veränderung realistisch ist.
Transformation scheitert oft nicht an fehlender Information, sondern an alten Vorhersagemodellen:
- „Das funktioniert bei uns nicht.“
- „Dafür haben wir keine Zeit.“
- „Führung muss Kontrolle behalten.“
- „Fehler sind gefährlich.“
Aus Sicht des Free-Energy-Principle ist Widerstand kein irrationales Störverhalten. Widerstand ist oft ein Versuch, Unsicherheit zu reduzieren. Gute Organisationsentwicklung erzeugt deshalb nicht maximale Irritation, sondern dosierte Lernschleifen: Hypothesen, Experimente, Feedback, Anpassung.
Weiterlesen: Organisationsentwicklung, Agile Organisationsentwicklung, Organisationsdesign, Flow Teams und OKRs.
4. Bedeutung für Gamification
Gute Spiele sind Maschinen für produktive Vorhersagefehler.
Ein Spiel stellt eine Erwartung auf: „Ich schaffe den nächsten Schritt.“ Dann liefert es eine Herausforderung, unmittelbares Feedback und eine sichtbare Veränderung des Fortschritts. Genau dadurch bleibt das System lernbereit.
- Level dosieren Schwierigkeit.
- Punkte machen Feedback sichtbar.
- Quests geben Richtung.
- Badges markieren Entwicklung.
- Story gibt Bedeutung.
Gamification ist deshalb nicht einfach Spielerei. Richtig verstanden ist sie didaktisches Predictive Processing: Lernende handeln, bekommen Feedback, korrigieren ihr Modell und erleben Fortschritt.
Weiterlesen: Lernerfolg durch Gamification, 10 Gamification Principles, Gamification-Elemente und Links zu Gamification & Lerndesign.
Kurz gesagt
Das Free-Energy-Principle zeigt: Lernen ist kein passives Speichern von Informationen, sondern ein aktiver Prozess der Modellkorrektur. Menschen, Teams, Organisationen und sogar KI-Systeme entwickeln sich, indem sie Erwartungen bilden, Fehler wahrnehmen und ihre Modelle anpassen.
Die Kunst guter Entwicklung liegt darin, Vorhersagefehler so zu gestalten, dass sie nicht lähmen, sondern neugierig machen.