Zu viel oder zu wenig Belohnung durch Essen: Warum essen wir mehr als wir sollten?

Lesezeit ~5min

Viele Dinge im Leben sind einfach zu beschreiben – und doch umso schwieriger zu verstehen. Ein solcher offensichtlicher Fakt ist, dass wer mehr Kalorien konsumiert als er verbrennt, dadurch zunimmt. Über einen langen Zeitraum kann dies schließlich zu Übergewicht oder gar Fettleibigkeit (Adipositas) führen. Aber was verursacht den übermäßigen Konsum, der den rasanten Anstieg von Adipositas in den vergangenen Jahrzehnten anzutreiben scheint?

Intuitiv verlockt erst einmal die Annahme, dass man überisst, weil das Essen so gut schmeckt. Um die Ursachen dieser gesteigerten Lust zu erforschen, präsentiert man in wissenschaftlichen Studien Hinweisreize, die mit Essen assoziiert sind und verfolgt, wie das Gehirn diese Reize verarbeitet. Solche Hinweisreize reichen von Fotos von ansprechendem Essen bis hin zu einfachen geometrischen Formen, die die Verabreichung von Schoko-Milchshakes im Magnetresonanztomographen ankündigen. Viele Studien haben eine gesteigerte Gehirnantwort auf solche essensbezogenen Hinweisreize in den „Belohnungszentren“ bei übergewichtigen und adipösen Personen beobachtet. Dies wurde dann als ein gesteigertes Verlangen interpretiert, das durch die Aussicht auf Essen ausgelöst wird.

Was steckt in einem Milchshake? Hängt ganz davon ab, was du erwartest…

Nun aber die Überraschung: Andere Studien haben die Gehirnantwort in den selben Regionen nach dem Erhalt von Milchshake, der direkt auf die Zunge getropft wird, untersucht. Das Ergebnis? Die meisten Studien fanden ein reduziertes Signal nach dem Erhalt des Milchshakes bei übergewichtigen und adipösen Personen, im Vergleich zu Personen mit gesundem Gewicht. Somit wurde das reduzierte Belohnungs-Signal als Zeichen für reduzierte Freude am Essen interpretiert. Aber warum überessen manche Menschen, wenn Essen zu weniger Lust führt? Die „Belohnungs-Defizit“- Theorie nimmt an, dass wir essen bis wir uns befriedigt fühlen. Das heißt, wenn ein Snack von 100 Kilokalorien jemandem weniger Befriedigung verschafft, würde diese Person mehr essen „müssen“ um die erhoffte Befriedigung durch den Snack zu erreichen. Durch dieses ausgleichende Überessen würde dabei die aufgenommene Energie den Energieverbrauch übersteigen und somit langfristig zu Übergewicht führen.

Auf den ersten Blick wirken diese konkurrierenden Ideen widersprüchlich. Jedoch sind Hinweisreize wie das Aussehen oder der Geruch von Essen und die eigentliche Aufnahme von Essen keinesfalls unabhängig. Zum Beispiel spielen Erwartungen eine Schlüsselrolle bei der Bewertung von Belohnungen. Stellen Sie sich vor, Sie brächten einen leckeren Kuchen für Ihre Partnerin mit nach Hause. Wenn dieser Kuchen unerwartet kommt, wird dies zu einer positiven Überraschung führen – einem Belohnungs-Vorhersagefehler. Schmeckt der Kuchen besser als erwartet, führt dies ebenfalls zu einem Vorhersagefehler. Diese Vorhersagefehler werden dann verwendet, um zukünftige Erwartungen anzupassen. Stellen Sie sich nun vor, Sie brächten denselben herrlichen Kuchen jeden Tag mit nach Hause: dann wird Ihre Partnerin bald erwarten, diesen Kuchen zu bekommen. Während die freudige Überraschung über den Kuchen mit der Zeit abnimmt, wird es irgendwann keinen Vorhersagefehler mehr geben. Darüber hinaus kann es passieren, dass Sie, falls Sie für Ihren Geburtstag nur den üblichen Kuchen mitbringen, die Erwartungen gänzlich verfehlen. Das führt dann zu einer unerfreulichen Überraschung: einem negativen Vorhersage-Fehler, aber ich verschone Sie mit weiteren Details darüber wie das ausgehen kann.

Belohnungssignale vermischen Wert und Überraschung

Also, wie können Erwartungen die widersprüchlichen Ergebnisse zur Belohnung durch Essen bei Übergewicht erklären? Bei den meisten Studien über Essens-Hinweisreize verabreicht man Essen nicht direkt im MR-Scanner, da diese Methodik technisch sehr anspruchsvoll ist. Darüber hinaus verwendet der Großteil dieser Studien Hinweisreize, die anzeigen, dass die Belohnung bald kommen könnte. Dies trifft aber nur mit einer gewissen Wahrscheinlichkeit auch wirklich ein. Wenn die Versuchspersonen diese Hinweisreize sehen, haben sie also lediglich eine Ahnung, was zu erwarten ist. Diese Erwartung formt allerdings die Beurteilung des Essens, das später konsumiert wird. Entscheidend ist, dass dieselben Regionen im Belohnungs-Netzwerk, die einen erwarteten Wert repräsentieren, auch an der Berechnung von Verletzungen dieser Erwartungen beteiligt sind. Erinnern Sie sich an das Kuchen-Beispiel: Erwartungen beeinflussen die Bewertung des Kuchens in eine positive oder negative Richtung. Jedoch wäre es lächerlich anzunehmen, dass beim Verzehr eines köstlichen Kuchens eine Unlust aufkommt, nur weil jemand in dem Moment mehr erwartet hat.

Hierbei wird die eindeutige Interpretation der Belohnungssignale, die durch Essen verursacht werden, erschwert durch das Zusammenspiel von Erwartungen und Vorhersagefehlern. Um die widersprüchlichen Befunde für Adipositas miteinander in Einklang zu bringen, haben wir ein mathematisches Modell genutzt. Diese Arbeit wurde kürzlich in Physiology & Behavior1 publiziert und erklärt, wie wir Erwartung in Bezug auf Belohnungen über Vorhersagefehler lernen. Dieser Ansatz wird Verstärkungslernen genannt und hat viele wichtige Anwendungen. Zum Beispiel kann ein virtueller Spieler anhand von Verstärkungslernen lernen, Go oder selbst klassische Atari Videospiele zu spielen – und das inzwischen sogar besser als menschliche Spieler.

Replikation bekannter Essens-Studien mit simulierten Lernenden

Die diesem Algorithmus zugrundeliegende Mathematik mag kompliziert sein, aber die Idee dahinter ist sehr einfach: Wann immer wir eine unerwartete Belohnung erhalten, aktualisieren wir unsere Erwartungen bezüglich der vorangegangenen Hinweisreize. So ein simpler Versuch-und-Irrtum-Mechanismus kann nützliche Hinweisreize identifizieren, wenn ein konsistenter Zusammenhang zwischen dem Hinweisreiz und der Belohnung besteht. Dieser Zusammenhang ist stark, wenn wir an den Duft von frisch gebackenem Brot und dessen wahrscheinliches Vorhandensein irgendwo in der Nähe denken.

Allerdings ist dieser Zusammenhang in den Experimenten, die Reaktionen des Belohnungssystems auf leckeres Essen untersuchen weniger konsistent. Typischerweise sagen dort die Hinweisreize die Essens-Belohnung nur in der Hälfte der Versuchsdurchgänge korrekt vorher. Diese Unsicherheit wird häufig eingesetzt, um Versuchsdesigns in der Hirn-Bildgebung zu optimieren. Dies hat aber den Nachteil, dass die Verarbeitung der folgenden Belohnung verändert wird. Eine mögliche Konsequenz wäre, dass Versuchspersonen im MR-Scanner versuchen, aus dem Erhalt der Belohnungen zu lernen, was sie, im Durchschnitt, von einem bestimmten Hinweisreiz erwarten können.

Lernen, was man von einem Hinweisreiz erwarten kann

Um diese Frage genauer zu untersuchen, haben wir dieses Szenario nachgebildet, indem wir ein simples Schema zum Verstärkungslernen verwendeten. Wir gehen davon aus, dass zwei Parameter ausreichen, um Lernen in diesem Fall zu messen. Der Parameter Belohnungs-Sensibilität spiegelt den Wert der aktuellen Belohnung wieder. Er korrespondiert eng mit dem Konzept Belohnungs-Überschuss (hohe Sensibilität) versus Belohnungs-Defizit (niedrige Sensibilität), und scheint bei Adipositas problematisch zu sein. Zusätzlich kontrolliert der Parameter Lernrate, wie schnell die Belohnungs-Erwartung aktualisiert wird.

Um zu simulieren, wie diese beiden gegensätzlichen Prozesse der Belohnungs-Verarbeitung die Ergebnisse bei Adipositas erklären könnten, haben wir die beiden Modell-Parameter systematisch variiert. Diese Simulation ermöglichte uns zwei zentrale Erkenntnisse: Erstens, wenn die Belohnungs-Sensibilität niedrig ist, so wie von der Belohnungs-Defizit-Hypothese postuliert, dann ist es nicht möglich, die berichteten Ergebnisse von erhöhter Belohnungs-Antwort auf Hinweisreize aber verminderter Reaktion auf Nahrungsaufnahme nachzustellen. Zweitens, wenn die Belohnungs-Sensibilität hoch ist, wie von der Belohnungs-Überschuss-Theorie postuliert, dann ist es möglich, die berichteten Ergebnisse zu erzeugen, falls gleichzeitig eine niedrige Lernrate vorhanden ist. Somit ergibt sich verändertes Belohnungslernen also als möglicher neuer Faktor im Verständnis von übermäßigem Essen im Rahmen dieses Forschungsansatzes. Diese Erkenntnis deckt sich außerdem mit anderen kürzlich erschienenen Studien, die auf Defizite im Belohnungs-Lernen bei anderen Aufgaben hinweisen.

Fuel, not fun: die motivationale Funktion von Belohnungsfehlern

Zusammenfassend unterstützen unsere Simulationen die Theorie vom Belohnungs-Überschuss bei Adipositas. Gleichzeitig verdeutlichen sie ebenfalls Veränderungen beim Lernen als maßgeblichen Einflussfaktor. Aber was verursacht diese Unterschiede bei Adipositas nun? Wir vermuten, dass Veränderungen im Energie-Stoffwechsel mit Veränderungen in der Dopamin-Ausschüttung im Gehirn verbunden sind. Man weiß, dass Dopamin stark in der Kontrolle von Verhalten involviert ist. Veränderungen im Belohnungslernen und der Belohnungsverarbeitung könnten sich somit direkt aus Veränderungen im Stoffwechsel ergeben.

Je höher die Muskelmasse einer Person ist, desto mehr Energie verbraucht diese Person. Um diesen zusätzlichen Energieverbrauch decken zu können, muss die Person auch mehr essen. Hingegen ist der Wert der Kalorien selbst reduziert, weil sie einen buchstäblich nicht mehr so weit bringen. Es wurde ebenfalls gezeigt, dass Vorhersagefehler den Mehrwert von Belohnungen abbilden. Und es geht noch eine weitere Konsequenz damit einher: ein schwächeres Fehlersignal kann das Verhalten einer Person weniger stark zielgerichtet steuern. Mit anderen Worten wird es somit schwieriger, Belohnungen und Bestrafungen zu nutzen, um auf dem richtigen Weg zu bleiben, zum Beispiel wenn es um körperliche Fitness geht. Um diese komplexe Balance besser verstehen zu können, ist allerdings mehr integrative Forschung notwendig. Wir arbeiten deswegen unermüdlich daran, die noch verbleibenden Lücken zu füllen.

Abschließend zeigt dieser Fall, dass in einem Milchshake immer mehr steckt als reiner Genuss. Deshalb müssen wir beim Entwerfen von Studien und beim Analysieren der Ergebnisse vorsichtig sein, um voreilige Schlüsse über die Ursachen von Adipositas zu vermeiden. Durch den Einsatz eines etablierten Modells zum Belohnungslernen haben wir hier eine Möglichkeit des Faktenchecks der bestehenden Literatur dargelegt. Wir sind überzeugt, dass solche Modelle eine Bereicherung für zukünftige Forschung zum Thema Essen und Übergewicht darstellen.

Autor: Nils B. Kroemer, Übersetzung ins Deutsche: Monja Neuser, Caro Burrasch

Bild von Jennifer Pallian via Unsplash

Weiterlesen:

  1. Kroemer, N.B. & Small, D.M. Fuel not fun: Reinterpreting attenuated brain responses to reward in obesity. Physiol Behav 162, 37-45 (2016).
  2. Kroemer, N.B., Burrasch, C. & Hellrung, L. To work or not to work: Neural representation of cost and benefit of instrumental action. Progress in Brain Research 229, 125-157 (2016).

Möchten Sie mehr über unsere Forschung erfahren? Kontaktieren Sie uns

Email Nils

Email Caro

Für Updates folgen: Follow neuroMADLAB on WordPress.com

Möchten Sie zu unserer Forschung beitragen? Bitte melden Sie sich hier an:

Teilnehmen

 

Kommentar verfassen

This site uses Akismet to reduce spam. Learn how your comment data is processed.