Es gibt eine Fülle populärwissenschaftlicher Darstellungen zum „autistischen Gehirn“ — und einen eklatanten Mangel an erkenntnistheoretischer Strenge darüber, was die Neurowissenschaften tatsächlich über Autismus wissen. Man spricht von Konnektivität, synaptischem Pruning, mangelnder Empathie, dysfunktionaler Amygdala — als wären diese Erklärungen gesichert, konsensfähig, endgültig. Sind sie nicht.
Dieser Artikel ist das Ergebnis einer langen, sorgfältigen Syntheseleistung: die Gesamtheit der vorgeschlagenen neurobiologischen Mechanismen zur Erklärung von Autismus durchzugehen, sie derselben Prüfung auf Strenge zu unterziehen — woher weiß man das? mit welchen Methoden? mit welchen Grenzen? — und eine ehrliche Kartierung dessen zu erstellen, was solide ist, was fragil ist, und was man schlicht noch nicht weiß.
Dieser Text knüpft an unseren Artikel über ADHS als phänotypisches Syndrom an. Er greift die zentrale Idee auf und vertieft sie: Phänotyp ist nicht Ätiologie. Was man beobachtet, sagt nichts darüber aus, was die Ursache ist. Und im Fall von Autismus ist der Abstand zwischen beidem schwindelerregend.
- Die Zuverlässigkeit der Messungen: das grundlegende Problem
- Genetische und molekulare Ebene
- Zelluläre Ebene
- Ebene der Schaltkreise und Netzwerke
- Systemische Ebene
- Kritische Synthese: was trägt, was nicht trägt
- Die Theorie des prädiktiven Gehirns: der kohärenteste Rahmen
- ADHS und Autismus: wenn der Phänotyp die Ätiologie verdeckt
- Fazit: wir wissen nicht, was ein autistisches Gehirn ist
- Literaturverzeichnis
Die Zuverlässigkeit der Messungen: das grundlegende Problem
Bevor man die Mechanismen selbst betrachtet, muss eine vorgelagerte Frage gestellt werden, die die Popularisierung systematisch vermeidet: Sind die Werkzeuge, mit denen wir das autistische Gehirn untersuchen, zuverlässig? Das ist die Frage, die insbesondere Albert Moukheiber in seiner erkenntnistheoretischen Kritik der Neurowissenschaften stellt — und eine Frage, die jede ehrliche Leserin und jeder ehrliche Leser während dieses gesamten Artikels im Kopf behalten sollte.
Die fMRT: Korrelationen, keine Ursachen
Die funktionelle MRT ist das wichtigste Werkzeug der kognitiven Neurowissenschaftsforschung. Sie misst Veränderungen des Blutflusses im Gehirn (BOLD-Signal — Blood Oxygen Level Dependent), die mit der neuronalen Aktivität korrelieren. Was sie nicht misst: die neuronale Aktivität selbst. Was sie nicht sagt: warum ein Bereich aktiv ist, was genau er tut, und schon gar nicht, ob diese Aktivierung Ursache oder Folge eines mentalen oder verhaltensbezogenen Zustands ist.
Mehrere strukturelle Verzerrungen schwächen fMRT-Studien zu Autismus. Die erste, wahrscheinlich schwerwiegendste, ist der Bewegungsbias: Autistische Menschen bewegen sich im Scanner im Durchschnitt mehr. Bewegung erzeugt jedoch Artefakte, die wie eine Unterkonnektivität über weite Distanzen aussehen — genau das, was viele Studien zu messen vorgeben. Dieses von Power et al. (2012) rigoros identifizierte Problem hat einen erheblichen Teil der Literatur infrage gestellt, die veröffentlicht wurde, bevor strenge Korrekturmethoden standardisiert waren.
Das zweite Problem sind die kleinen Stichproben. Eine Metaanalyse von Button et al. (2013), veröffentlicht in Nature Reviews Neuroscience, zeigte, dass die mediane statistische Power neurowissenschaftlicher Studien bei etwa 8 bis 31 % liegt — was bedeutet, dass die Mehrheit der veröffentlichten Ergebnisse eine hohe Wahrscheinlichkeit hat, falsch-positiv zu sein. Der Publikationsbias verstärkt dieses Problem: Positive Studien werden veröffentlicht, negative Studien bleiben in der Schublade.
Das dritte Problem ist die Vielzahl der Vergleiche: Eine fMRT-Studie kann Tausende gleichzeitiger statistischer Tests erzeugen (einen pro Voxel). Ohne angemessene Korrektur — die nicht immer angewendet wird — sind falsch-positive Ergebnisse unvermeidlich. Es ist buchstäblich möglich, im Gehirn eines toten Lachses „signifikante Hirnaktivität“ zu finden, wie Craig Bennett in einem berühmt gewordenen Experiment gezeigt hat.
Post-mortem-Studien: biologisch direkt, statistisch fragil
Studien an post-mortem Gehirnen ermöglichen direkte anatomische Messungen — Synapsen zählen, Zelldichten messen, molekulare Marker analysieren. Sie sind biologisch direkter als die fMRT. Doch sie leiden unter ernsten Einschränkungen, die die populärwissenschaftliche Literatur fast systematisch ignoriert.
Die Stichproben sind winzig. Die Referenzstudie zum synaptischen Pruning (Tang et al., 2014) untersuchte 26 Gehirne. Die Studie zu den Patches kortikaler Desorganisation (Stoner et al., 2014) untersuchte 11 Gehirne. Bei solchen Fallzahlen lassen sich die Ergebnisse möglicherweise nicht replizieren — und oft replizieren sie sich nicht.
Die für die Post-mortem-Forschung verfügbaren Gehirne autistischer Menschen sind eine hochselektierte Untergruppe — oft Menschen mit schweren Ausprägungen, mehrfachen Komorbiditäten, langer medikamentöser Behandlung. Sie repräsentieren nicht das autistische Spektrum in seiner Vielfalt. Zudem verändern Faktoren wie Todesursache, die Zeitspanne zwischen Tod und Gewebefixierung sowie frühere pharmakologische Behandlungen die Zellmorphologie erheblich — und diese Faktoren werden selten ausreichend rigoros kontrolliert.
Purkinje-Zellen zum Beispiel sind besonders anfällig für perimortale Hypoxie. Eine scheinbare Verringerung ihrer Anzahl kann ein Artefakt der Sterbeumstände sein — kein entwicklungsbedingter Unterschied. Ein Bias, den Studien selten an erster Stelle erwähnen.
Das Problem der untersuchten Population
Die große Mehrheit der neurowissenschaftlichen Autismusstudien wurde an Populationen weißer Männer durchgeführt, oft mit durchschnittlichem oder überdurchschnittlichem IQ, oft rekrutiert in englischsprachigen Ländern. Autistische Frauen, autistische Menschen mit intellektueller Beeinträchtigung, People of Color, nicht-westliche Kulturen — sind massiv unterrepräsentiert. Verallgemeinerungen auf „Autismus“ als universelle Kategorie aus diesen Stichproben sind erkenntnistheoretisch problematisch.
Moukheiber erinnert an ein grundlegendes, in der Popularisierung der Neurowissenschaften oft vergessenes Prinzip: Eine Korrelation zwischen einer Hirnmessung und einem Verhalten begründet weder die kausale Richtung noch die Allgemeingültigkeit des Ergebnisses noch seine funktionelle Bedeutung. Die Feststellung, dass „Bereich X aktiver“ oder „Volumen Y verringert“ ist bei autistischen Menschen, sagt nicht, was dieser Bereich tut, warum er unterschiedlich ist, noch ob dieser Unterschied eine Ursache oder eine Anpassung ist. Diese Vorsicht gilt für sämtliche Mechanismen, die wir im Folgenden untersuchen.
Genetische und molekulare Ebene
2.1 — Synaptische Gene: Neuroliginе, SHANK, Neurexine
Synapsen sind komplexe molekulare Strukturen, deren Bildung und Stabilität von präzisen Adhäsions- und Gerüstproteinen abhängen. Die Hypothese: Mutationen in den Genen, die diese Proteine codieren, stören die Synaptogenese und tragen zu autistischen Merkmalen bei.
Die drei am meisten untersuchten Familien sind die Neuroligine (NLGN3, NLGN4 — postsynaptische Proteine), die Neurexine (NRXN1 — präsynaptische Partner) und die SHANK-Proteine (SHANK2, SHANK3 — Gerüstproteine der postsynaptischen Dichte). Seltene Mutationen in diesen Genen wurden bei autistischen Menschen in großen Sequenzierungsstudien identifiziert (Simons Simplex Collection, SPARK). Mausmodelle mit diesen Mutationen reproduzieren soziale Defizite und repetitive Verhaltensweisen.
Was solide ist: Der biologische Zusammenhang zwischen diesen Proteinen und der synaptischen Funktion ist gut etabliert. Die Mutationen existieren und sind bei Autismus statistisch überrepräsentiert. Was fragil ist: Diese Mutationen erklären zusammengenommen weniger als 5 % der Autismusfälle. Ihre Penetranz ist unvollständig — man kann die Mutation tragen, ohne autistisch zu sein. Und sie sind nicht spezifisch für Autismus: Dieselben Mutationen sind mit Schizophrenie und intellektueller Beeinträchtigung assoziiert. Der Zusammenhang zwischen „gestörter Synapse“ und „autistischem Profil“ bleibt mechanistisch weitgehend ungeklärt.
2.2 — mTOR-Signalweg: ein solider Mechanismus für eine kleine Untergruppe
mTOR ist eine zentrale Kinase, die Proteinsynthese, Zellwachstum und Autophagie reguliert — einschließlich des synaptischen Prunings. In zwei seltenen genetischen Erkrankungen — der tuberösen Sklerose (Mutationen in TSC1/TSC2) und dem PTEN-Syndrom — ist mTOR überaktiviert, was die synaptische Beschneidung verringert. Etwa 50 % der Menschen mit tuberöser Sklerose erhalten eine Autismus-Diagnose. mTOR-Hemmer (Rapamycin, Everolimus) verbessern bestimmte Symptome in diesen syndromalen Formen teilweise.
Das ist einer der mechanistisch am besten belegten Mechanismen bei Autismus. Aber tuberöse Sklerose und PTEN machen zusammen wahrscheinlich 1 bis 2 % der Autismusfälle aus. Testet man mTOR-Hemmer beim allgemeinen idiopathischen Autismus, sind die Ergebnisse null. Von diesen seltenen syndromalen Formen auf Autismus im Allgemeinen zu extrapolieren, ist ein in der Popularisierung häufiger Kategorienfehler.
2.3 — Chromatin-Gene: CHD8 und ARID1B
Proteine des Chromatin-Remodelings — die den Zugang zu Genen während der Entwicklung regulieren — sind mit Autismus assoziiert. CHD8 ist eines der am häufigsten de novo mutierten Gene bei Autismus, mit einem recht kohärenten klinischen Phänotyp (Makrozephalie, große Körpergröße, gastrointestinale Störungen). ChIP-seq-Techniken zeigen, dass CHD8 die Promotoren Hunderter anderer Gene reguliert, von denen viele selbst mit Autismus assoziiert sind — was es zu einem „Master-Regulator“ des neuronalen genetischen Programms machen würde.
Die Assoziation ist statistisch robust. Doch diese Mutationen sind selten (ein Bruchteil eines Prozents der Fälle), und der Zusammenhang zwischen globaler transkriptioneller Dysregulation und spezifischem autistischem Phänotyp bleibt eine Blackbox.
2.4 — Ionenkanäle
Die neuronale Erregbarkeit hängt von der zeitlichen Präzision der Ionenflüsse ab. Mutationen in SCN2A (Natriumkanal) gehören zu den häufigsten De-novo-Mutationen bei Autismus mit intellektueller Beeinträchtigung. SCN1A ist die Hauptursache des Dravet-Syndroms, mit häufiger autistischer Komorbidität. Die Komorbidität Autismus-Epilepsie (20–30 % der Fälle) ist nicht zufällig und weist auf diese Erregbarkeitsmechanismen hin.
Die Hauptlimitation ist die Bidirektionalität: Je nach genauer Mutation kann die Wirkung ein Funktionsgewinn oder -verlust sein, mit gegensätzlichen Auswirkungen auf die Erregbarkeit. Das ist nicht spezifisch für Autismus — dieselben Gene sind bei reiner Epilepsie und anderen neuroentwicklungsbezogenen Störungen beteiligt.
2.5 — De-novo- vs. vererbte Varianten: die genetische Architektur von Autismus
Das ist weniger ein Mechanismus als ein grundlegender genetischer Rahmen. Große Sequenzierungsstudien haben gezeigt, dass die genetische Architektur von Autismus hybrid ist: seltene De-novo-Varianten mit starkem Individualeffekt koexistieren mit Hunderten häufigen Varianten mit sehr schwachem Individualeffekt, deren Summe (polygener Score) signifikant zum Risiko beiträgt.
Dieser Rahmen erklärt mehrere Beobachtungen: warum Autismus trotz reduzierter Fruchtbarkeit in bestimmten Untergruppen in der Bevölkerung fortbesteht (De-novo-Varianten erneuern sich); warum eineiige Zwillinge nicht immer beide autistisch sind (Mosaikismus, Epigenetik); und warum Autismus so heterogen ist (Hunderte verschiedener Gene können beteiligt sein).
Die Grenze: Die identifizierten Varianten erklären nur einen Bruchteil der geschätzten Erblichkeit (60–90 % in Zwillingsstudien). Der Rest wird als „fehlende Erblichkeit“ bezeichnet — man weiß nicht, wo sie sich befindet.
Zelluläre Ebene
3.1 — Defizitäres synaptisches Pruning
Das Gehirn produziert in der Kindheit einen Überschuss an Synapsen und beschneidet dann einen großen Teil davon in der späten Kindheit und der Adoleszenz. Die Hypothese: Bei Autismus wäre diese Beschneidung unzureichend, was zu viele aktive Synapsen belässt und ein überlastetes Netzwerk erzeugt.
Die Referenzstudie (Tang et al., 2014, Neuron) verglich post-mortem präfrontale Kortizes autistischer Jungen und Kontrollen in zwei Altersgruppen. Sie fand, dass autistische Gehirne im Jugendalter etwa 50 % mehr Synapsen aufwiesen als die Kontrollen — die Kontrollen hatten massiv beschnitten, die autistischen Gehirne deutlich weniger. Anomale Autophagie-Marker (p62, LC3) deuten auf einen Mechanismus hin, der den mTOR-Signalweg betrifft.
Die Einschränkungen sind erheblich: 26 Gehirne, nur präfrontaler Kortex, verwirrende Todesursachen, frühere Medikation, die die synaptische Morphologie beeinflussen kann. Unabhängige Replikation ist selten. Die Richtung des Effekts ist nicht universell — andere Studien finden in bestimmten Regionen einen verstärkten synaptischen Verlust. Und man weiß nicht, ob reduziertes Pruning autistische Merkmale verursacht oder eine Folge oder ein Epiphänomen davon ist.
3.2 — Ungleichgewicht Exzitation/Inhibition (E/I)
Das Gehirn hält ein Gleichgewicht zwischen erregenden Signalen (Glutamat) und hemmenden Signalen (GABA) aufrecht. Die E/I-Hypothese (Rubenstein und Merzenich, 2003) postuliert, dass Autismus aus einem zugunsten der Erregung verschobenen Ungleichgewicht resultiert. Das ist heute einer der am häufigsten zitierten theoretischen Rahmen.
Die konvergierenden Argumente sind zahlreich: Viele mit Autismus assoziierte Gene konvergieren zu diesem Ungleichgewicht (Neuroligine, SHANK, SCN1A über die hemmenden Interneuronen). Die Magnetresonanzspektroskopie (MRS) findet in bestimmten Regionen bei autistischen Menschen reduzierte GABA-Werte. EEG-Marker (Gamma-Power) deuten auf eine übermäßige kortikale Erregbarkeit hin. Die sensorische Überempfindlichkeit ist als erhöhte kortikale Erregbarkeit interpretierbar.
Doch die MRS misst Gesamtkonzentrationen in einem Gewebewürfel, nicht die tatsächliche synaptische Übertragung. Die Richtung des Ungleichgewichts ist nicht universell — manche Studien finden in bestimmten Regionen eine reduzierte Erregbarkeit. Das Paradox der Interneuronen (SCN1A reduziert die Hemmung über die Interneuronen, nicht direkt die Erregung) zeigt, dass das Ungleichgewicht von beiden Seiten kommen kann. Und pharmakologische Studien mit GABAergen Modulatoren (Arbaclofen) sind insgesamt gescheitert — was die starke Version der Hypothese schwächt.
3.3 — Anomalien der Mikroglia
Die Mikroglia — residente Immunzellen des Gehirns — spielt über einen Komplementierungsmechanismus (Erkennung von durch C1q und C3 markierten Synapsen zur Phagozytose) eine aktive Rolle beim synaptischen Pruning. Post-mortem-Studien (Vargas et al., 2005; Morgan et al., 2010) finden in autistischen Gehirnen eine Mikroglia in anomalem Aktivierungszustand — veränderte Morphologie, erhöhte Dichte im präfrontalen Kortex und im Kleinhirn.
Pro-inflammatorische Zytokine (IL-6, IL-1β, TNF-α) sind in der Zerebrospinalflüssigkeit und im Hirngewebe mancher autistischer Menschen erhöht. PET-Studien mit Tracern der mikroglialen Aktivierung zeigen in bestimmten Regionen eine erhöhte Aktivierung. Mausmodelle mit ausgedünnter Mikroglia entwickeln soziale Defizite.
Die Einschränkungen sind ernst: Die Mikroglia ist extrem empfindlich gegenüber dem Sterbezustand (sie degeneriert rasch nach dem Tod), was Aktivierungsartefakte erzeugen kann. Ursache/Folge ist nicht geklärt. „Aktivierte Mikroglia“ ist eine Vereinfachung — es existiert ein Kontinuum funktioneller Zustände, die klassische Marker nicht unterscheiden. Und eine mikrogliale Neuroinflammation wird bei vielen anderen neurologischen und psychiatrischen Erkrankungen beobachtet.
3.4 — Gestörte neuronale Migration
Die Studie von Stoner et al. (2014, NEJM) an 11 Gehirnen autistischer Kinder identifizierte fokale Kortex-Patches, in denen die Schichtenorganisation gestört war — Neuronen am falschen Ort, falsche molekulare Schichtmarker. Diese Patches befanden sich im präfrontalen und temporalen Kortex. Transkriptomische Analysen zeigen, dass bei Autismus differenziell exprimierte Gene sich in Prozessen anreichern, die im zweiten Schwangerschaftstrimester aktiv sind — dem Fenster maximaler Migration.
Das ist biologisch präzise und zeitlich kohärent. Aber 11 Gehirne sind wenig. Die Patches existieren auch in nicht-autistischen Gehirnen. Die klinische MRT kann sie in vivo nicht erkennen (unzureichende Auflösung). Und die Migration kann durch sehr unterschiedliche Ursachen — genetische und umweltbedingte — gestört werden, die nicht spezifisch für Autismus sind.
3.5 — Anomalien der Purkinje-Zellen und Rolle des Kleinhirns
Die Verringerung der Purkinje-Zellzahl bei Autismus ist einer der am häufigsten replizierten post-mortem anatomischen Befunde — ursprünglich von Bauman und Kemper in den 1980er-1990er Jahren berichtet und in mehreren unabhängigen Studien bestätigt (Reduktion um 20 bis 40 % in den betroffenen Regionen). Das Kleinhirn wird heute als Beitragender zur sozialen Kognition und zur Aufmerksamkeit anerkannt, nicht nur zur Motorik — was das zerebelläre kognitiv-affektive Syndrom (Schmahmann) bei Erwachsenen mit erworbenen Kleinhirnläsionen bestätigt. Studien, die die mit Autismus assoziierten Gene genetisch gezielt in Purkinje-Zellen ausschalten, erzeugen bei Mäusen soziale Defizite.
Doch Purkinje-Zellen sind besonders anfällig für perimortale Hypoxie — eine scheinbare Reduktion kann ein Artefakt sein. Nicht alle Studien finden eine Reduktion. Und der genaue Mechanismus, über den ein Purkinje-Verlust sich in Schwierigkeiten der sozialen Reziprozität übersetzt, bleibt spekulativ.
3.6 — Neuroinflammation
Ein neuroinflammatorischer Zustand — mikrogliale Aktivierung, astrozytäre Reaktivität, pro-inflammatorische Zytokine — ist in autistischen Untergruppen dokumentiert, insbesondere durch die Post-mortem-Studien von Vargas et al. und Metaanalysen zu peripheren Zytokinen (Masi et al., 2015). Das Modell der maternalen Immunaktivierung (MIA) — bei dem eine Entzündungsreaktion während der Schwangerschaft autistische Merkmale bei den Nachkommen erzeugt — ist eines der robustesten Tiermodelle, mit einem plausiblen Mechanismus, der IL-6 und IL-17 involviert.
Die zentrale Einschränkung bleibt die umgekehrte Kausalität: Ein sich atypisch entwickelndes Gehirn kann eine sekundäre Entzündungsreaktion erzeugen. Es gibt keine universelle inflammatorische Signatur bei Autismus. Und eine Neuroinflammation wird bei praktisch allen neurologischen und psychiatrischen Erkrankungen beobachtet — es ist ein allgemeiner pathologischer Mechanismus, kein spezifischer Marker.
Ebene der Schaltkreise und Netzwerke
4.1 — Lokale vs. weiträumige Konnektivität
Die Hypothese von Marcel Just (Anfang der 2000er-Jahre) postuliert, dass sich Autismus durch eine erleichterte Kommunikation zwischen nahen Hirnregionen und eine reduzierte Kommunikation zwischen entfernten Regionen auszeichnet. Sie stützt sich auf fMRT-Studien funktioneller Konnektivität, DTI-Studien (weiße Substanz) und EEG-Analysen der Phasenkohärenz.
Die Ergebnisse sind tiefgreifend heterogen: Manche Studien finden eine weiträumige Überkonnektivität in bestimmten Netzwerken. Die Richtung hängt vom Netzwerk, vom Alter, vom Profil der Teilnehmenden ab. Das Bewegungsproblem im Scanner (siehe Abschnitt I) stellt einen Teil der früheren Studien infrage. Das ist eher ein nützlicher heuristischer Rahmen als eine gesicherte neurologische Wahrheit.
4.2 — Default-Mode-Netzwerk (DMN)
Das Default-Mode-Netzwerk — im Ruhezustand aktiv, während kognitiver Aufgaben deaktiviert — ist an Mentalisierung und sozialer Kognition beteiligt. Studien funktioneller Ruhekonnektivität zeigen bei Autismus eine atypische Synchronisation zwischen seinen Knotenpunkten. Während Theory-of-Mind-Aufgaben ist seine Aktivierung reduziert oder räumlich atypisch, korreliert mit der Mentalisierungsleistung.
Doch die Studien finden mal eine Hypo-, mal eine Hyperkonnektivität. Das Bewegungsproblem im Scanner ist hier kritisch. Und es stellt sich eine grundlegende konzeptuelle Frage: Mentalisieren autistische Menschen schlechter, oder anders? Wenn sie andere kognitive Strategien anwenden — analytischer, weniger intuitiv —, spiegelt ihr DMN diesen Stilunterschied wider, nicht notwendigerweise ein Defizit.
4.3 — Salienznetzwerk und Amygdala
Das Salienznetzwerk (anteriore Insula, anteriorer cingulärer Kortex) erkennt, was in der Umgebung relevant ist, und lenkt die Aufmerksamkeit. Die Hypothese: Es würde sozialen Reizen bei Autismus weniger Salienz zuweisen. Eye-Tracking-Daten — weniger spontane Orientierung zu Gesichtern bereits in den ersten Lebensmonaten — gehören zu den robustesten und frühesten Daten bei Autismus. Doch der Schluss von diesem Verhalten auf die anteriore Insula ist indirekt, und die fMRT-Daten sind heterogen.
Die Amygdala zeigt atypische Reaktionen auf Gesichter und Blicke. Eine anfängliche Hyperreaktivität, die zu aktiver Vermeidung führt, versöhnt die widersprüchlichen Ergebnisse von Hyper- und Hypoaktivierung. Ein beschleunigtes frühes amygdaläres Wachstum, gefolgt von einer Normalisierung, ist eines der faszinierendsten Ergebnisse. Doch die Verwechslung mit komorbider Angst (40–50 % bei Autismus) ist allgegenwärtig und wird selten rigoros kontrolliert.
4.4 — Multisensorische Integration
Das ist einer der Bereiche, in denen die Verhaltensdaten am robustesten sind. Das erweiterte zeitliche Integrationsfenster — das Intervall, in dem auditive und visuelle Reize als gleichzeitig wahrgenommen werden — ist in mehreren unabhängigen Studien bei Autismus signifikant breiter. Der McGurk-Effekt (automatische audiovisuelle Verschmelzung von Sprache) ist reduziert, im Einklang mit einer weniger automatischen audiovisuellen Integration. Diese Ergebnisse haben direkte Implikationen für das Verständnis von Sprachverarbeitungsschwierigkeiten im natürlichen Kontext.
Die Einschränkungen: Die Heterogenität der sensorischen Profile ist extrem. Das erweiterte zeitliche Fenster wird auch bei Schizophrenie und Sprachstörungen beobachtet. Der reduzierte McGurk-Effekt könnte eine andere kognitive Strategie widerspiegeln statt einer Unfähigkeit zur automatischen Integration.
Systemische Ebene
5.1 — Darm-Hirn-Achse: übermäßig medial vermittelt, fragile Daten
Gastrointestinale Störungen sind bei Autismus häufiger (30–70 % je nach Kriterien). Unterschiede in der Zusammensetzung des Darmmikrobioms werden in metagenomischen Sequenzierungsstudien berichtet. Tiermodelle (Hsiao et al., 2013, Cell) zeigen, dass Manipulationen des Mikrobioms das Sozialverhalten von Mäusen verändern. Eine Pilotstudie zur FMT (Stuhltransplantation, Kang et al., 2017) berichtete von Verhaltensverbesserungen.
Die Darm-Hirn-Achse bei Autismus ist das am stärksten medial vermittelte und am stärksten überinterpretierte Feld. Die umgekehrte Kausalität ist das zentrale Problem: Autistische Menschen haben oft sehr eingeschränkte Ernährungsrepertoires (eine Folge ihrer sensorischen Besonderheiten und ihrer Routinen). Eine verarmte Ernährung verändert das Mikrobiom. Die Dysbiose ist wahrscheinlich zu einem großen Teil eine Folge autistischer Ernährungsgewohnheiten — keine Ursache autistischer Merkmale. Es gibt keine universelle mikrobiomische Signatur von Autismus. Die laufenden großen randomisierten kontrollierten Studien liefern deutlich bescheidenere Ergebnisse als die unkontrollierten Pilotstudien. Diese Hypothese hat eine Industrie nicht validierter Nahrungsergänzungsmittel und Diäten hervorgebracht — oft kostspielig, manchmal schädlich.
5.2 — Periphere Immunologie
Anomalien der NK-Zellen und T-Lymphozyten werden berichtet. Pro-inflammatorische Zytokine sind im Blut erhöht. Der am besten dokumentierte Mechanismus ist der der mütterlichen Autoantikörper gegen das fetale Gehirn (MAR-Autismus): Manche Mütter autistischer Kinder produzieren Antikörper, die fetale Hirnproteine erkennen (LDHA, LDHB, STIP1, CRMP1). Prospektive Studien verbinden ihr Vorhandensein mit einem erhöhten Autismusrisiko, und Tierversuche reproduzieren atypisches Verhalten. Das ist einer der kausal am besten begründeten Mechanismen — aber er betrifft 10 bis 23 % der Mütter autistischer Kinder, nicht das gesamte Spektrum. Studien skandinavischer Register bestätigen den Zusammenhang zwischen mütterlichen Autoimmunerkrankungen und Autismusrisiko.
5.3 — HPA-Achse und Stressreaktionen
Die HPA-Achse reguliert die Cortisol-Reaktion. Studien bei Autismus zeigen tiefgreifend heterogene Ergebnisse — manche finden einen Hypercortisolismus, andere einen Hypocortisolismus, wieder andere keinen Unterschied. Eine häufig beobachtete Dissoziation zwischen hoher Verhaltensangst und abgeschwächter Cortisolreaktion ist schwer zu interpretieren.
Die wichtigste konzeptuelle Einschränkung: Eine autistische Person, die täglich sensorisch aggressiven Umgebungen, unvorhersehbaren sozialen Interaktionen und einem chronischen Gefühl der Unzulänglichkeit ausgesetzt ist, wird wahrscheinlich Anomalien der HPA-Achse entwickeln — nicht weil Autismus diese Anomalien biologisch „verursacht“, sondern weil die mit Autismus verbundenen Lebensbedingungen objektiv stressreich sind. Zwischen Autismus als biologischer Ursache und Autismus als sozialer Bedingung, die biologischen Stress erzeugt, wird selten explizit unterschieden.
5.4 — Mitochondriale Dysfunktion
Mitochondriale Dysfunktionen — reduzierte ATP-Produktion, oxidativer Stress, Anomalien der Atmungskette — sind bei etwa 5 % der autistischen Menschen dokumentiert (Rossignol und Frye, 2012). Diese Untergruppe zeigt oft charakteristische Merkmale: entwicklungsbedingte Regression nach Fieber, Ermüdbarkeit, Hypotonie. Biochemische Marker (Laktat, Acylcarnitine) und Post-mortem-Studien bestätigen dieses Signal in dieser spezifischen Untergruppe. Das ist real und klinisch bedeutsam — aber nicht auf die verbleibenden 95 % verallgemeinerbar.
5.5 — Oxytocinerges System
Oxytocin ist an sozialen Verhaltensweisen beteiligt. Reduzierte Plasmaspiegel, Varianten des OXTR-Gens und eine erhöhte Methylierung seines Promotors sind in mehreren Studien mit Autismus assoziiert. Knock-out-Mausmodelle für Oxytocin oder seinen Rezeptor zeigen Defizite der sozialen Wiedererkennung, die durch Oxytocin-Gabe wiederherstellbar sind.
Doch die große randomisierte kontrollierte BAOBAB-Studie (Sikich et al., 2021, NEJM) mit 290 Teilnehmenden war bei allen primären und sekundären Endpunkten negativ. Eine grundlegende methodische Frage bleibt offen: Erreicht intranasales Oxytocin das Gehirn in signifikanter Menge? Die zerebrale Bioverfügbarkeit ist gering und variabel. Die biologische Hypothese bleibt plausibel — die therapeutische Umsetzung ist gescheitert.
Kritische Synthese: was trägt, was nicht trägt
Nach der Durchsicht all dieser Mechanismen lässt sich eine Kartierung ihrer relativen Zuverlässigkeit erstellen. Diese Tabelle ist kein endgültiges Urteil — die Wissenschaft entwickelt sich weiter — sondern ein ehrlicher Stand der verfügbaren Evidenz.
| Mechanismus | Zuverlässigkeit | Für wen? |
|---|---|---|
| Hybride genetische Architektur (de novo + polygen) | Solide | Allgemein — struktureller Rahmen |
| mTOR-Signalweg / TSC / PTEN | Solide | ~1–2 % (syndromale Formen) |
| Synaptische Gene (SHANK, NRXN, NLGN) | Teilweise | ~5 % (seltene Varianten) |
| Multisensorische Integration (zeitliches Fenster) | Teilweise | Breit — robuste Verhaltensdaten |
| Mütterliche Autoantikörper (MAR) | Teilweise | ~10–23 % der Fälle |
| Mitochondriale Dysfunktion | Teilweise | ~5 % (mit Regression) |
| Purkinje-Zellen / Kleinhirn | Teilweise | Untergruppe — Post-mortem-Grenzen |
| E/I-Ungleichgewicht | Fragil | Nützlicher Rahmen, gemischte Daten |
| Lokale/weiträumige Konnektivität | Fragil | fMRT heterogen, Bewegungsbias |
| DMN / Salienznetzwerk | Fragil | Gemischte Daten, Defizit vs. Unterschied? |
| Neuroinflammation / Mikroglia | Fragil | Untergruppe? Ursache oder Folge? |
| Synaptisches Pruning | Fragil | Sehr begrenzte Post-mortem-Daten |
| Gestörte neuronale Migration | Fragil | 11 Gehirne, in vivo nicht nachweisbar, strukturelle Untergruppe |
| Intranasales Oxytocin (die Intervention, nicht die biologische Hypothese) | Widerlegt | BAOBAB 2021 — negative Studie zur therapeutischen Intervention; die biologische Plausibilität des oxytocinergen Systems bleibt bestehen |
| Kausale Darm-Hirn-Achse | Nicht belegt | Umgekehrte Kausalität wahrscheinlich |
Die Überschneidungszonen mit anderen Störungen
Ein systematisches Problem der Autismusforschung ist der Mangel an Spezifität fast aller identifizierten Mechanismen. Die Anomalien synaptischer Gene sind mit Schizophrenie assoziiert. Mitochondriale Dysfunktionen mit zahlreichen neurologischen Erkrankungen. Neuroinflammation mit Depression und neurodegenerativen Erkrankungen. Amygdala-Anomalien mit PTBS und sozialer Phobie. Das E/I-Ungleichgewicht mit Epilepsie. Das erweiterte multisensorische Integrationsfenster mit Schizophrenie.
Das bedeutet nicht, dass diese Mechanismen nicht zu Autismus beitragen. Es bedeutet, dass keiner von ihnen ein Biomarker für Autismus ist — sie spiegeln allgemeine pathologische Prozesse wider, die sich je nach genetischem, entwicklungsbezogenem und umweltbedingtem Kontext unterschiedlich ausdrücken können. Die Suche nach „dem Mechanismus des Autismus“ im Singular ist wahrscheinlich ein Kategorienfehler.
Die Verwechslung von Ursache und Folge: ein strukturelles Problem
Bei praktisch jedem untersuchten Mechanismus bleibt die Frage von Ursache und Folge offen. Ein autistisches Gehirn, das sensorische und soziale Informationen anders verarbeitet, wird in einer subjektiv anderen Welt leben — und diese andere Welt wird biologische Spuren hinterlassen. Atypische Cortisolwerte, Neuroinflammation, Anomalien der HPA-Achse, vielleicht sogar Veränderungen des Mikrobioms: All diese Elemente könnten Folgen davon sein, mit einer anderen Informationsverarbeitung in einer Welt zu leben, die für diese Verarbeitung nicht geeignet ist — statt Ursachen dieser Verarbeitung zu sein.
Diese Unterscheidung wird in der Literatur selten explizit getroffen. Sie hat jedoch erhebliche klinische und ethische Implikationen.
Kein bisher identifizierter neurobiologischer Mechanismus erklärt Autismus im Allgemeinen. Jeder erklärt eine Untergruppe, eine Dimension, eine Korrelation. Autismus als einheitliche Kategorie hat vielleicht kein einheitliches biologisches Substrat.
Die Theorie des prädiktiven Gehirns: der kohärenteste Rahmen
Unter allen untersuchten theoretischen Rahmen bietet die Theorie des prädiktiven Gehirns — oder predictive coding — die weitreichendste konzeptuelle Kohärenz. Sie postuliert keinen lokalisierten defizitären Mechanismus, sondern einen grundlegenden Unterschied in der Art, wie das Gehirn Informationen verarbeitet.
Der allgemeine Rahmen
Das Gehirn ist kein passiver Empfänger von Reizen. Es ist ein aktiver Generator von Vorhersagen — es sagt fortlaufend voraus, was es wahrnehmen wird, basierend auf seinen vergangenen Erfahrungen (den „Priors“), und vergleicht diese Vorhersagen mit den tatsächlichen sensorischen Signalen. Die Differenz zwischen Vorhersage und Realität — der Vorhersagefehler — ist das Signal, das das interne Modell aktualisiert. Dieser bayessche Rahmen, insbesondere von Karl Friston mit der Theorie der freien Energie formalisiert, gilt für alles: visuelle Wahrnehmung, auditive Wahrnehmung, Propriozeption, soziale Kognition, emotionale Regulation.
Die Hypothese bei Autismus, insbesondere formuliert von Pellicano und Burr (2012) sowie Fletcher und Frith (2009): Das autistische Gehirn würde seine Priors anders gewichten — indem es ihnen weniger Gewicht beimisst oder weniger präzise oder weniger flexible Priors hat. Ergebnis: eine „bottom-up“-orientiertere Wahrnehmung, die den sensorischen Details treuer bleibt, weniger durch Erwartungen gefiltert.
Die bestätigten Vorhersagen
Wenn das autistische Gehirn seine Priors weniger gewichtet, sollte es weniger anfällig für Wahrnehmungsillusionen sein — die sich gerade auf Priors stützen, die die tatsächliche sensorische Information „überschreiben“. Das beobachtet man: Mehrere Studien zeigen, dass autistische Menschen weniger empfänglich für klassische visuelle Illusionen sind (Müller-Lyer, Kanizsa, hollow face illusion). Letztere ist besonders interessant: Sie beruht auf dem sehr starken Prior „Gesichter sind konvex“ — den autistische Menschen weniger automatisch anwenden.
Die Überlegenheit bei Detailaufgaben (Embedded Figures Test, feine perzeptuelle Diskrimination) steht im Einklang mit einem Gehirn, das seine Wahrnehmungen weniger über Top-down-Priors filtert. Die sensorische Überempfindlichkeit wird interpretierbar nicht als „zu laute Lautstärke“, sondern als ungedämpfte Vorhersagefehler — ein typisches Gehirn sagt Umgebungsgeräusche voraus und unterdrückt sie teilweise; bei schwächeren Priors ist der Vorhersagefehler bei demselben Reiz größer.
Repetitive Verhaltensweisen und der Widerstand gegen Veränderung — oft als „Symptome“ ohne funktionalen Sinn dargestellt — können als Strategien zur Unsicherheitsreduktion neu interpretiert werden: Wenn die Welt subjektiv unvorhersehbarer ist (weil Vorhersagen weniger zuverlässig sind), ist die Kontrolle dessen, was kontrollierbar ist, eine rationale adaptive Antwort. Soziale Schwierigkeiten sind kein Defizit der „Theory of Mind“ im modularen Sinne mehr, sondern die Kosten einer weniger durch Priors automatisierten sozialen Kognition — jede Interaktion erfordert mehr explizite Verarbeitung.
Dieser Rahmen integriert auf natürliche Weise die Daten zur multisensorischen Integration: Die optimale Kombination von Signalen unterschiedlicher Modalitäten ist genau ein Problem bayesscher Inferenz. Unterschiedliche Priors erzeugen eine unterschiedliche Gewichtung.
Warum das der ehrlichste Rahmen ist
Die Theorie des prädiktiven Gehirns ist die einzige unserer Liste, die autistische Merkmale systematisch neu interpretiert — nicht als Defizite, sondern als kohärente Folgen einer anderen kognitiven Architektur. In diesem Rahmen ist sensorische Überempfindlichkeit treuere Wahrnehmung. Widerstand gegen Veränderung ist eine adaptive Strategie. Soziale Schwierigkeiten sind die Kosten einer weniger automatischen sozialen Kognition. Die Überlegenheit bei Detailaufgaben ist dieselbe Medaille von der anderen Seite betrachtet.
Das ist ein tiefgreifender Perspektivwechsel — und er resoniert mit den Berichten zahlreicher autistischer Menschen, die ihre Erfahrung nicht als „kaputtes“ Gehirn beschreiben, sondern als ein Gehirn, das die Welt anders wahrnimmt und verarbeitet.
Ihre eigenen Grenzen
Fristons Theorie der freien Energie ist außerordentlich allgemein — sie beansprucht, auf alle biologischen Systeme anwendbar zu sein. Diese Allgemeinheit ist auch ihre Schwäche: Ein so weit gefasster rechnerischer Rahmen erzeugt spezifisch testbare Vorhersagen (die Illusionen, das multisensorische Fenster, die perzeptuelle Überlegenheit), bleibt aber in seiner globalsten Ausprägung im strengen Sinne schwer zu falsifizieren. Die Ergebnisse zu den Illusionen sind partiell und heterogen — nicht alle Illusionen sind gleichermaßen reduziert. Und der Zusammenhang zwischen „schwächeren Priors“ und konkreten neuronalen Mechanismen bleibt weitgehend spekulativ. Vorschläge existieren — insbesondere über das E/I-Ungleichgewicht und die Parvalbumin-Interneuronen —, aber man muss klar sein: Das E/I-Ungleichgewicht wurde in unserer empirischen Kartierung (Abschnitt VI) als „fragil“ eingestuft, mit gemischten Daten und gescheiterten therapeutischen Studien. Es hier als mögliches neurales Substrat des prädiktiven Gehirns zu erwähnen, rehabilitiert es nicht als eigenständigen Mechanismus — es ist eine Hypothese innerhalb der Hypothese, deren empirische Fragilität vollständig bestehen bleibt.
Es ist wahrscheinlich weniger „eine Theorie des Autismus“ als ein Rahmen, in dem man Autismus denken kann — was bereits beträchtlich ist.
Die meisten neurobiologischen Autismustheorien suchen, was „dysfunktional“ ist. Das prädiktive Gehirn stellt eine andere Frage: Wie verarbeitet dieses Gehirn Informationen, und welche logischen Konsequenzen hat diese Verarbeitung? Diese Frage setzt das Defizit nicht voraus — sie lässt es als eine Möglichkeit unter anderen offen. Das ist wissenschaftlich ehrlicher und klinisch nützlicher.
ADHS und Autismus: wenn der Phänotyp die Ätiologie verdeckt
In unserem vorherigen Artikel zu ADHS als phänotypischem Syndrom haben wir die Idee vertreten, dass Phänotyp nicht Ätiologie ist: ADHS beschreibt eine Ansammlung beobachtbarer verhaltensbezogener Erscheinungsformen, ohne dass dieser Phänotyp einer eigenständigen, biologisch fundierten kausalen Entität entspräche. Autismus erlaubt es, diese Idee auf besonders erhellende Weise zu vertiefen.
8.1 — ADHS als möglicher Phänotyp von Autismus
Die Komorbidität ADHS-Autismus ist massiv: Je nach Studie zeigen 40 bis 70 % der autistischen Menschen Aufmerksamkeitssymptome, die die ADHS-Kriterien erfüllen. Die Asymmetrie ist aufschlussreich: Wenn Autismus häufig einen ADHS-Phänotyp erzeugt, gilt das Umgekehrte weniger. Clustering-Studien (Dittner et al., 2022; Llera et al., 2019) finden die DSM-Kategorien nicht als natürliche Einheiten wieder — autistische und ADHS-Profile vermischen und überschneiden sich in den Datenräumen.
Die mit ADHS und Autismus assoziierten Gene werden massiv geteilt (Cao et al., 2022; Lionel et al., 2014). Vergleichbare Anomalien des Default-Mode-Netzwerks (DMN) werden in beiden Zuständen berichtet (Tye et al., 2018) — mit den bereits in Abschnitt IV diskutierten methodischen Vorbehalten: heterogene fMRT-Daten, Bewegungsbias und die offene Frage Defizit vs. Unterschied. Dieses Konvergenzsignal ist suggestiv, nicht beweisend. Die kognitiven Endophänotypen — insbesondere Anomalien der exekutiven Funktionen und der Reaktionszeit — überschneiden sich erheblich (Rommelse et al., 2011).
Wie kann ASS einen ADHS-Phänotyp erzeugen? Mehrere Mechanismen sind plausibel. Ein autistisches Gehirn, das von Vorhersagefehlern überwältigt wird (prädiktiver Rahmen), widmet seine Aufmerksamkeitsressourcen der Bewältigung der Unvorhersehbarkeit statt den explizit gestellten Aufgaben — was funktionell wie Ablenkung wirkt. Die chronische sensorische Überlastung erschöpft die für die Aufmerksamkeitsregulation verfügbaren kognitiven Ressourcen. Die autistische Trägheit — Schwierigkeit, kognitive Zustände zu beginnen und zu unterbrechen — erzeugt Bilder, die wie Prokrastination und Impulsivität aussehen.
Bei einer autistischen Person eine ADHS-Diagnose zu stellen, ohne sich zu fragen, ob die Aufmerksamkeitsstörungen eine Erscheinungsform des zugrundeliegenden Autismus sind, heißt, beim Symptom stehenzubleiben, ohne nach der Ursache zu suchen. Methylphenidat kann die Aufmerksamkeitssymptome unabhängig von ihrer Ursache lindern — aber wenn die Ursache autistisch ist, bleibt die eigentliche Behandlung noch zu finden. Und Atomoxetin, das bevorzugt auf Noradrenalin wirkt, kann für Profile mit Cognitive Disengagement Syndrome (CDS), das bei Autismus häufig ist, besser geeignet sein.
8.2 — Autismus als Störung der Weltwahrnehmung
ADHS und Autismus teilen ein grundlegendes Merkmal, das unser vorheriger Artikel identifiziert hat: Beide sind Unterschiede in der Informationsverarbeitung. ADHS wird oft als Störung der Aufmerksamkeitsregulation beschrieben — doch diese Regulation wirkt auf Wahrnehmungen, Reize, Vorhersagen. Wenn die Art, die Welt wahrzunehmen, anders ist (Autismus), wird die Art, die Aufmerksamkeit darauf zu verteilen, entsprechend anders sein.
Im Rahmen des prädiktiven Gehirns ist Autismus ein Unterschied in der Gewichtung der Priors — das Gehirn vertraut seinen internen Modellen weniger und misst den eingehenden Signalen mehr Gewicht bei. Das erzeugt nicht nur eine andere sensorische Wahrnehmung: Es erzeugt einen anderen Weltbezug, eine andere Art zu lernen, sich anzupassen, Emotionen zu regulieren. Die bei Autismus beobachteten Aufmerksamkeitsstörungen könnten die logische Folge eines Gehirns sein, das jede Situation als potenziell neu und unvorhersehbar behandelt — weil seine Priors ihm weniger vertrauen.
Neuroimaging-Studien stützen diese Konvergenz. Tye et al. (2018) zeigen vergleichbare DMN-Dysfunktionen bei ADHS und Autismus. Eye-Tracking-Studien zeigen vergleichbare Muster atypischer visueller Exploration. Die emotionale Dysregulation — ein transdiagnostisches Kriterium — ist in beiden Zuständen vorhanden, mit ähnlichen neuronalen Grundlagen, die Amygdala und präfrontalen Kortex betreffen.
8.3 — Das Cognitive Disengagement Syndrome (CDS) als Brücke
Das Cognitive Disengagement Syndrome — früher „Sluggish Cognitive Tempo“ — verdient in diesem Kontext besondere Aufmerksamkeit. Es zeichnet sich durch langsame Verarbeitung, eine Tendenz zu übermäßigem Tagträumen, kognitiven Nebel und Schwierigkeiten beim „In-Gang-Kommen“ aus. Es ist sowohl bei Autismus (Mayes et al., 2020, 2023) als auch beim unaufmerksamen ADHS-Typ überrepräsentiert, und seine Prävalenz wird durch frühes Trauma verstärkt (Musicaro et al., 2020).
Dieses Syndrom veranschaulicht perfekt das nosologische Problem: Ist es eine eigenständige Störung? Ein ADHS-Subtyp? Eine Erscheinungsform von Autismus? Eine Folge des Traumas? Die Forschung weiß es noch nicht — und gerade weil man es nicht weiß, ist es nicht immer die richtige Antwort, es standardmäßig als klassisches ADHS zu behandeln (mit Methylphenidat). Mehrere kontrollierte Studien (zitiert in der Work Group JAACAP 2022) zeigen bei CDS-Profilen ein besseres Ansprechen auf Atomoxetin als auf MPH.
8.4 — Was die ernsthafte Forschung belegt
Die genetischen Daten sind eindeutig: Die genetischen Korrelationen zwischen ADHS und Autismus sind hoch (Cao et al., 2022). Die mit Autismus assoziierten Kopienzahlvarianten (CNV) sind auch mit ADHS assoziiert (Lionel et al., 2014). Eine Kausalitätsstudie (Xiao et al., 2024) legt nahe, dass Autismus das PTBS-Risiko erhöht — und dass PTBS wiederum ADHS-Merkmale verstärken kann, in einer Kaskade, die die ADHS-Diagnose nicht erfasst.
Die klinischen Daten sind konvergent: Die Reaktion auf Methylphenidat ist bei AuDHD-Profilen variabler und weniger vorhersehbar als bei ADHS ohne Autismus — im Einklang mit der Idee, dass die Aufmerksamkeitsstörungen in diesem Kontext eine andere Ursache haben. Das von Patienten häufig berichtete Auftauchen autistischer Merkmale nach Beginn der MPH-Einnahme könnte durch die Reduktion kompensatorischer Strategien erklärt werden — MPH verbessert die Aufmerksamkeit, was die kognitive Überlastung reduziert, was es erlaubt, dass die zugrundeliegenden autistischen Merkmale weniger maskiert werden.
ADHS und Autismus sind beide Unterschiede in der Art, die Welt wahrzunehmen und zu verarbeiten. Sie anhand ihrer biologischen Mechanismen unterscheiden zu wollen, während diese Mechanismen weitgehend unbekannt bleiben, heißt, eine Nosologie auf Fundamenten zu errichten, die die Wissenschaft noch nicht gelegt hat.
Fazit: wir wissen nicht, was ein autistisches Gehirn ist
Das ist ein unbequemes Fazit — aber es ist das ehrlichste, das der Stand des Wissens erlaubt.
Wir haben mehr als fünfzehn zur Erklärung von Autismus vorgeschlagene neurobiologische Mechanismen untersucht. Jeder wird durch Daten gestützt — manchmal solide, manchmal fragil. Jeder gilt für eine Untergruppe, erklärt eine Dimension, dokumentiert eine Korrelation. Keiner gilt für Autismus im Allgemeinen. Keiner ist spezifisch für Autismus. Keiner begründet überzeugend eine Kausalität in der Richtung Ursache → Autismus.
Was wir mit relativer Sicherheit wissen: Autismus hat eine bedeutende genetische Komponente, mit hybrider Architektur (seltene Varianten mit starkem Effekt + häufige Varianten mit schwachem Effekt); bestimmte biologisch definierte Untergruppen haben gut dokumentierte spezifische Mechanismen (TSC/mTOR, MAR-Autismus, mitochondriale Dysfunktion); die multisensorische Integration ist gemäß robusten Verhaltensdaten atypisch; und die von uns verwendeten Messwerkzeuge — fMRT, Post-mortem-Studien, periphere Marker — haben strukturelle Grenzen, die einen großen Teil der allzu endgültigen Schlussfolgerungen entkräften.
Was wir nicht wissen: was ein „autistisches Gehirn“ in seiner Allgemeinheit biologisch ist. Ob es einen vom gesamten Spektrum geteilten Mechanismus gibt. Ob die identifizierten Mechanismen die autistischen Merkmale verursachen oder Folgen oder Anpassungen davon sind. Ob die beobachteten Unterschiede Dysfunktionen oder Variationen sind — dieselbe Frage, die auch die Neurodiversitätsbewegung stellt.
Die Theorie des prädiktiven Gehirns als Kompass
In diesem Kontext der Unsicherheit bietet die Theorie des prädiktiven Gehirns, was keine andere Theorie liefert: einen kohärenten Rahmen, der gleichzeitig die Sensorik, die soziale Kognition, die repetitiven Verhaltensweisen und die multisensorische Integration erfasst — ohne ein Defizit zu postulieren. Sie ist mit großer individueller Heterogenität vereinbar (die Priors können mehr oder weniger unterschiedlich sein, in unterschiedlichen Bereichen). Sie resoniert mit den Berichten autistischer Menschen selbst. Und in ihrer spezifischen Version — schwächere Priors, bottom-up-orientiertere Wahrnehmung — erzeugt sie testbare und teilweise bestätigte Vorhersagen: reduzierte Wahrnehmungsillusionen, Überlegenheit bei Detailaufgaben, erweitertes multisensorisches Integrationsfenster. Es ist ihre globalste Version, die der Theorie der freien Energie von Friston, die im strengen Sinne schwer zu falsifizieren ist — aber die lokalen Vorhersagen sind es sehr wohl.
Sie hat ihre eigenen Grenzen — ihr Allgemeinheitsgrad macht sie schwer falsifizierbar, und der Zusammenhang mit konkreten neuronalen Mechanismen bleibt zu klären. Doch als Rahmen, in dem man Autismus denken kann, statt „den defizitären Mechanismus“ zu suchen, ist sie erkenntnistheoretisch am ehrlichsten.
Implikationen für das Denken über ADHS in diesem Kontext
Die Verwechslung von Phänotyp und Ätiologie, die wir für ADHS in unserem vorherigen Artikel identifiziert haben, gewinnt hier ihre volle Tiefe. Wenn das autistische Gehirn Informationen anders verarbeitet — mit schwächeren Priors, treuerer Wahrnehmung, einer unvorhersehbareren Welt —, dann sind Aufmerksamkeitsstörungen, emotionale Dysregulation, repetitive Verhaltensweisen und das Cognitive Disengagement Syndrome keine eigenständigen Komorbiditäten. Sie sind die logischen und kohärenten Erscheinungsformen einer anderen kognitiven Architektur.
Diese Erscheinungsformen getrennt zu diagnostizieren — ADHS, Angststörung, Persönlichkeitsstörung —, ohne die zugrundeliegende Architektur zu suchen, heißt, Etiketten zu vervielfachen, ohne sich der Ursache zu nähern. Das ist die laufende Nase von ADHS, auf Autismus angewandt: real, messbar, Quelle von Leiden — und dennoch durch etwas Fundamentaleres erzeugt, als die Diagnose erfasst.
Was dieser Text nicht ist
Dieser Text hat nicht versucht zu zeigen, dass Autismus nicht „real“ ist oder keine biologische Grundlage hat. Er hat versucht zu zeigen, dass die biologische Grundlage von Autismus, in ihrer Allgemeinheit betrachtet, weitgehend unbekannt bleibt — und dass diese Unkenntnis sorgfältig durch eine Popularisierung verdeckt wird, die Hypothesen als Gewissheiten darstellt. Erkenntnistheoretische Strenge ist hier keine akademische Pose: Sie hat Konsequenzen dafür, wie autistische Menschen ihre eigene Erfahrung verstehen, für die ihnen angebotenen Behandlungen und für die Art, wie die Gesellschaft Neurodiversität denkt.
Unterscheiden, was man sieht, von dem, was man versteht. Die Korrelation von der Ursache unterscheiden. Die Untergruppe vom gesamten Spektrum unterscheiden. Das sind minimale Anforderungen an Strenge — und sie verändern grundlegend, wie man die wissenschaftliche Literatur zu Autismus liest.
Für eine für die breite Öffentlichkeit zugängliche erkenntnistheoretische Kritik der Neurowissenschaften sind die Arbeiten von Albert Moukheiber (Ton cerveau te joue des tours, 2019) eine wesentliche Lektüre. Für den Rahmen des prädiktiven Gehirns angewandt auf Autismus sind die Artikel von Pellicano und Burr (2012) in Trends in Cognitive Sciences und von Fletcher und Frith (2009) in Nature Reviews Neuroscience die grundlegenden Referenzen. Für die genetische Architektur sind die Studien der Simons Simplex Collection und des Konsortiums SPARK die rigorosesten verfügbaren.
Quellen
Bauman, M.L. & Kemper, T.L. (1994). Neuroanatomic observations of the brain in autism. In The Neurobiology of Autism. Johns Hopkins University Press.
Bennett, C.M. et al. (2009). Neural correlates of interspecies perspective taking in the post-mortem atlantic salmon. Journal of Serendipitous and Unexpected Results, 1(1), 1–5. [Demonstration von fMRT-Falschpositiven.]
Button, K.S. et al. (2013). Power failure: why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14, 365–376.
Cao, H. et al. (2022). Genetic correlation analysis between ADHD and ASD. Zitiert in PMC10919267.
De Rubeis, S. et al. (2014). Synaptic, transcriptional and chromatin genes disrupted in autism. Nature, 515, 209–215.
Dittner, A.J. et al. (2022). Probing the overarching continuum theory: data-driven phenotypic clustering of ADHD and ASD. European Child and Adolescent Psychiatry.
Fletcher, P.C. & Frith, C.D. (2009). Perceiving is believing: a Bayesian approach to explaining the positive symptoms of schizophrenia. Nature Reviews Neuroscience, 10, 48–58.
Guastella, A.J. et al. (2015). Intranasal oxytocin for social deficits in autism: the SOACT trial. Molecular Psychiatry.
Hsiao, E.Y. et al. (2013). Microbiota modulate behavioral and physiological abnormalities associated with neurodevelopmental disorders. Cell, 155(7), 1451–1463.
Iossifov, I. et al. (2014). The contribution of de novo coding mutations to autism spectrum disorder. Nature, 515, 216–221.
Kang, D.W. et al. (2017). Microbiota Transfer Therapy alters gut ecosystem and improves gastrointestinal and autism symptoms. Microbiome, 5(1), 10.
Lionel, A.C. et al. (2014). Biological overlap of ADHD and ASD: evidence from copy number variants. JAACAP.
Llera, A. et al. / POND-Studie (2019). Examining overlap and homogeneity in ASD, ADHD, and OCD. Translational Psychiatry.
Masi, A. et al. (2015). Cytokine aberrations in autism spectrum disorder: a systematic review and meta-analysis. Molecular Psychiatry, 20(4), 440–446.
Mayes, S.D., Becker, S.P. & Waschbusch, D.A. (2023). Comparison of the Cognitive Disengagement and Hypoactivity Components of SCT in Autism, ADHD, and Population-Based Samples. PMID: 36048375.
Modahl, C. et al. (1998). Plasma oxytocin levels in autistic children. Biological Psychiatry, 43(4), 270–277.
Morgan, J.T. et al. (2010). Microglial activation and increased microglial density observed in the dorsolateral prefrontal cortex in autism. Biological Psychiatry, 68(4), 368–376.
Moukheiber, A. (2019). Ton cerveau te joue des tours. Allary Éditions. [Erkenntnistheoretische Kritik der angewandten Neurowissenschaften.]
Musicaro, R.M. et al. (2020). Sluggish cognitive tempo and exposure to interpersonal trauma in children. Anxiety, Stress and Coping, 33, 100–114.
Pellicano, E. & Burr, D. (2012). When the world becomes ‚too real‘: a Bayesian explanation of autistic perception. Trends in Cognitive Sciences, 16(10), 504–510.
Power, J.D. et al. (2012). Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. NeuroImage, 59(3), 2142–2154.
Rommelse, N.N.J. et al. (2011). A review on cognitive and brain endophenotypes that may be common in ASD and ADHD. Neuroscience and Biobehavioral Reviews, 34(5).
Rossignol, D.A. & Frye, R.E. (2012). Mitochondrial dysfunction in autism spectrum disorders: a systematic review and meta-analysis. Molecular Psychiatry, 17, 290–314.
Rubenstein, J.L. & Merzenich, M.M. (2003). Model of autism: increased ratio of excitation/inhibition in key neural systems. Genes, Brain and Behavior, 2(5), 255–267.
Schmahmann, J.D. & Sherman, J.C. (1998). The cerebellar cognitive affective syndrome. Brain, 121(4), 561–579.
Sikich, L. et al. (2021). Intranasal oxytocin in children and adolescents with autism spectrum disorder. New England Journal of Medicine, 385, 1462–1473. [BAOBAB-Studie — negativ.]
Stoner, R. et al. (2014). Patches of disorganization in the neocortex of children with autism. New England Journal of Medicine, 370(13), 1209–1219.
Tang, G. et al. (2014). Loss of mTOR-dependent macroautophagy causes autistic-like synaptic pruning deficits. Neuron, 83(5), 1131–1143.
Tye, C. et al. (2018). Shared endo-phenotypes of default mode dysfunction in ADHD and ASD. Translational Psychiatry. PMC6050263.
Vargas, D.L. et al. (2005). Neuroglial activation and neuroinflammation in the brain of patients with autism. Annals of Neurology, 57(1), 67–81.
Xiao, M. et al. (2024). Causal association of ADHD and ASD with PTSD. PMC10919267.
Xu, Z.Z. & Knight, R. (2015). Dietary effects on human gut microbiome diversity. British Journal of Nutrition, 113(S1), S1–S5.