Meta TRIBE v2: Ein künstliches Gehirn sagt voraus, wie Menschen auf Ihre Anzeige reagieren, bevor sie läuft

Meta hat der KI beigebracht, die Hirnaktivität vorherzusagen. Vorerst die des Durchschnitts

TRIBE (TRImodal Brain Encoder) stammt vom Brain & AI-Team bei Meta FAIR. Die erste Version gewann 2025 die Algonauts-Challenge, bei der 263 Teams antraten, um vorherzusagen, wie das Gehirn auf Filme reagiert. Version 2 erschien am 26. März 2026, im Mai folgte das Paper A foundation model of vision, audition, and language for in-silico neuroscience (d'Ascoli, Rapin, King et al., arXiv 2605.04326).

Das Prinzip ist erstaunlich bescheiden. TRIBE v2 sieht und hört von sich aus nichts. Es borgt sich drei bestehende Modelle, die die Welt bereits verstehen: V-JEPA 2 für Video, Wav2Vec-BERT 2.0 für Audio und das Llama 3.2 mit 3 Milliarden Parametern für Text. Diese bleiben eingefroren, und darüber lernt ein Transformer, ihre internen Repräsentationen in Hirnaktivität zu übersetzen. Stellen Sie sich einen Simultandolmetscher vor, der drei Kollegen gleichzeitig zuhört und alles in eine einzige Sprache überträgt: die Sprache des Blutflusses im Kortex. Die Ausgabe ist ein vorhergesagtes Signal an 20.484 Punkten der Hirnrinde plus 8.802 subkortikalen Voxeln, zweimal pro Sekunde.

Für Marketer lautet die entscheidende Frage, wessen Gehirn es vorhersagt. Die öffentliche Version bildet eine durchschnittliche Person ab. Sie kann weder ein bestimmtes Publikum noch ein Segment noch die 35-jährige Vorstadtmutter modellieren, auf die Ihr Mediaplan zugeschnitten ist. Das Modell weiß, wo das Gehirn aufleuchtet. Was diese Person danach kauft, liegt außerhalb seiner Reichweite.

Daten von 720 Gehirnen. Die meisten Stunden stammen von vier Personen, die Friends schauten

Meta hat für TRIBE v2 keine neuen Daten erhoben. Das Modell basiert vollständig auf öffentlichen Datensätzen von Universitätslaboren, und der umfangreichste ist Courtois NeuroMod aus Montreal: Vier Freiwillige verbrachten 268,7 Stunden im Scanner und sahen dabei überwiegend die Sitcom Friends und Spielfilme. Hinzu kommen Podcasts (LeBel 2023), Kurzvideos (BOLD Moments) und Videoclips (Wen 2017), und das Modell wurde mit 451,6 Stunden Aufnahmen von 25 Personen trainiert.

Getestet wurde es anschließend an Personen, die es nie gesehen hatte: 695 Teilnehmende und 666,1 Stunden aus vier weiteren Datensätzen, darunter die Filmdaten des Human Connectome Project und die gesprochenen Geschichten aus Narratives. Insgesamt sind das 720 Personen und 1.117,7 Stunden. In den Social-Media-Beiträgen von Meta ist von „500+ Stunden von 700+ Personen“ die Rede, und die Demoseite spricht von 70.000 Voxeln. Ich halte mich an das Paper, denn dort stehen die Zahlen wenigstens in einer Tabelle.

Für neurowissenschaftliche Verhältnisse sind die Ergebnisse stark. Bei neuen Personen, ganz ohne Feinabstimmung, korreliert die Vorhersage des Modells mit der durchschnittlichen Reaktion der Gruppe bei etwa 0,4. Das ist doppelt so nah, wie der eigene echte Scan eines typischen Teilnehmers an denselben Durchschnitt herankommt. Mit einer Stunde Daten von einer neuen Person ist das Modell zwei- bis viermal genauer als ein lineares Modell, das von Grund auf trainiert wurde. Die Genauigkeit steigt mit mehr Daten weiter und hat noch keine Decke erreicht. Was mich am meisten beeindruckt hat, war allerdings etwas anderes: In virtuellen Experimenten reproduzierte das Modell jahrzehntealte Befunde, etwa die Hirnareale für Gesichter, Orte und geschriebene Wörter, ohne dass jemand im Scanner lag.

Sie können es an einem Nachmittag herunterladen. Verdienen können Sie damit kein Geld

TRIBE v2 auszuprobieren ist einfach. Der Code liegt auf GitHub im Repository facebookresearch/tribev2, die Gewichte liegen auf Hugging Face als facebook/tribev2, und Meta betreibt außerdem eine Web-Demo und ein Google-Colab-Notebook.

So nutzen Sie TRIBE v2: GitHub, Hugging Face und die Demo

Installieren Sie es mit pip install -e . unter Python 3.11 oder neuer. Laden Sie das Modell mit TribeModel.from_pretrained("facebook/tribev2"). Anschließend erstellen Sie eine Events-Tabelle aus einem Video, einer Audiospur oder einem Text, und die Funktion predict liefert die vorhergesagte Aktivität für rund 20.000 Punkte der Hirnrinde im Zeitverlauf. Um die Ausgabe zu lesen, hilft es, jemanden zu haben, der weiß, was das fusiforme Gesichtsareal ist.

Der Haken ist die Lizenz. TRIBE v2 ist unter Creative Commons BY-NC 4.0 veröffentlicht, und NC steht für nicht kommerziell. Eine Agentur oder ein Forschungsanbieter kann darauf ohne Metas Erlaubnis keinen kostenpflichtigen Service aufbauen. Meta nennt außerdem Neurowissenschaft, KI-Forschung und Gesundheitswesen als vorgesehene Einsatzgebiete. Werbung kommt in den Unterlagen nicht vor, und über eine Anbindung des Modells an Metas Werbeprodukte ist nichts bekannt.

Die Grenzen benennen die Autoren selbst. fMRT misst den Blutfluss mit einer Verzögerung von mehreren Sekunden, schnelle Reaktionen zwischen einzelnen Einstellungen gehen also verloren. Das Modell deckt nur Sehen, Hören und Sprache ab. Und in den Worten der Autoren behandelt es das Gehirn als passiven Beobachter: Es modelliert Wahrnehmung und hört vor Entscheidungen auf. Eine Karte des Gehirns weiß immer noch nichts über den Warenkorb.

Dann kamen die ersten unabhängigen Tests. Im Juli 2026 prüften Sahu und Pandey, ob sich anhand der von TRIBE vorhergesagten Hirnaktivität vorhersagen lässt, welche Stellen von 48 YouTube-Videos Menschen erneut abspielen. Die Korrelation lag bei 0,058, statistisch nicht signifikant, und einfache Maße für Lautstärke und Bewegung schnitten genauso gut ab. Rodrigues untersuchte die Einprägsamkeit von Videos: Die Hirnprojektion half bei einem Datensatz und verlor bei einem anderen gegen das schlichte Videomodell. Beides sind Preprints ohne Peer-Review, aber sie weisen in dieselbe Richtung. Inzwischen sind auf Hugging Face Hobby-„Ad-Scorer“ auf Basis von TRIBE aufgetaucht. Keiner davon ist validiert.

Neuromarketing in der Praxis: Wenn das Gehirn mehr weiß als die Umfrage

Die Idee, dass das Gehirn mehr verrät als ein Fragebogen, hat einen Namen: Neuroforecasting. Und sie hat ein paar berühmte Ergebnisse. 2012 zeigten Emily Falk und Kollegen (Psychological Science) dreißig Rauchern drei Anti-Raucher-Kampagnen. Die Aktivität im medialen präfrontalen Kortex brachte die Kampagnen anhand des tatsächlichen Anstiegs der Anrufe bei der Raucher-Hotline in die richtige Reihenfolge. Die eigenen Bewertungen der Raucher und das Expertengremium lagen bei der Reihenfolge falsch. Im selben Jahr stellten Gregory Berns und Sara Moore fest, dass die Reaktion im Belohnungszentrum von 27 Jugendlichen auf unbekannte Songs mit den Verkäufen der folgenden drei Jahre korrelierte (r = 0,32), ihre erklärte Vorliebe dagegen kaum (r = 0,11).

2017 prognostizierten Alexander Genevsky, Carolyn Yoon und Brian Knutson, welche Kickstarter-Projekte finanziert werden. Das Gehirn lag in 59,1 % der Fälle richtig, die eigenen Entscheidungen der Teilnehmenden in 52,9 %, also nah am Münzwurf. 2014 zeichneten Jacek Dmochowski und Kollegen (Nature Communications) das EEG von zwölf Zuschauern von Super-Bowl-Werbespots auf: Wie ähnlich ihre Gehirne reagierten, erklärte 66 % der Varianz in den Bewertungen von mehr als siebentausend Menschen. Die eigenen Bewertungen der Zuschauer erklärten 59 %. Es gibt also einen Vorsprung, er ist nur kleiner, als die Schlagzeilen nahelegen.

Der strengste Test kam von der US-amerikanischen Advertising Research Foundation. Venkatraman et al. (Journal of Marketing Research, 2015) verglichen sechs Methoden an 37 TV-Spots, 26 davon mit echten Verkaufsdaten. Der beste Einzelprädiktor war die schlichte Umfrage. Nur fMRT brachte darüber hinaus etwas (die Aktivität im ventralen Striatum erhöhte das bereinigte R² um 59 %). EEG, Eye-Tracking, Biometrie und implizite Tests brachten nichts Signifikantes.

2016 berichtete Nielsen das Gegenteil: Bei rund sechzig Spots erklärte das EEG 62 % der Verkäufe im Geschäft und die Gesichtscodierung 9 %. Das stand allerdings in einer Pressemitteilung, ohne Peer-Review.

Das ganze Feld steht auf einer schmalen Basis. In ihrem Review von 2018 zählten Knutson und Genevsky nur sieben fMRT-Studien, die Marktverhalten prognostizierten, mit jeweils 18 bis 41 Teilnehmenden. Die mediane statistische Power liegt in den Neurowissenschaften bei etwa 21 % (Button et al., 2013). Und 2019 zeigten Lisa Feldman Barrett und ihre Kolleginnen und Kollegen, dass Gesichtsausdrücke deutlich loser mit bestimmten Emotionen zusammenhängen, als es jede Software zur Gesichtscodierung annimmt. Neuroforecasting ist heute ein vielversprechender Nachwuchsspieler: Er schießt Tore, bisher meist in Freundschaftsspielen.

Dmochowski hinterließ eine interessante Anmerkung. Wenn sich bestimmen ließe, welche Inhaltsmerkmale die gemeinsame Gehirnreaktion antreiben, argumentierte er, könnte man direkt aus dem Inhalt prognostizieren, ohne ein einziges Gehirn zu messen. Genau das tut TRIBE v2. Es sagt bislang nur das Gehirn voraus. Am Markt hat es noch niemand überprüft.

Wer heute Werbung testet und wie: Tools für Kreativtests und Anbieter von Werbetests

Creative Pretesting bedeutet, eine Anzeige an einer Stichprobe von Menschen oder an einem Modell zu testen, bevor man Mediabudget dahinter legt. Gemessen wird, ob die Menschen sie verstehen, ob sie sie bemerken, was sie fühlen und ob sie sich an die Marke erinnern. Zunehmend mit KI.

Creative Pretesting ist 2026 ein dicht besetzter Markt. Ich habe rund vierzig Unternehmen gezählt, die sich danach, was sie messen, in sieben Gruppen einteilen lassen. Die Umfrage ist die älteste Methode; Modelle ganz ohne Befragte wachsen am schnellsten. Das Geld fließt in KI-Werbetests: Dragonfly AI sammelte im Januar 2026 5 Mio. £ ein, Alison.ai im Februar 5,1 Mio. $, Electric Twin 14 Mio. $, und das Stanford-Spinout Simile ganze 100 Mio. $, um menschliche Entscheidungen zu simulieren.

Achten Sie auf die Genauigkeitsangaben. Neurons nennt über 95 %, Dragonfly AI 89 %, Attention Insight bis zu 96 %. Alle drei messen, wie gut eine vorhergesagte Heatmap, also eine Karte der Stellen, auf die Menschen schauen werden, mit echtem Eye-Tracking übereinstimmt. Diese Art von Genauigkeit gleicht einer Wettervorhersage, die die Wolkendecke perfekt trifft und nie fragt, ob die Leute an den Strand fahren.

Neurons sagt offen, dass es keinen Zusammenhang zwischen seinem Impact Score und Ergebnissen am Markt veröffentlicht hat. Nur eine Handvoll Anbieter arbeitet mit Geschäftsergebnissen: System1 verweist auf die IPA-Datenbank, Kantar und WARC zeigten, dass die beste Kreation mehr als das Vierfache an Gewinn bringt, und Adverteyes führt eine Mars-Fallstudie mit einem Absatzplus von bis zu 19 % an.

Die Gesichtscodierung hingegen ist auf dem Rückzug. Affectiva ging im Januar 2025 in iMotions auf, Realeyes gliederte sein Werbegeschäft im November 2025 als Adverteyes aus, Zappi misst Emotionen mit Emojis, und System1 fragt einfach nach. Auch die Regulierung kommt. Seit dem 2. Februar 2025 verbietet der EU AI Act, am Arbeitsplatz und in der Bildung aus biometrischen Daten auf Emotionen zu schließen. Verbraucherpanels gelten als Hochrisikosysteme, mit Pflichten ab dem 2. Dezember 2027, und die Menschen müssen ab dem 2. August 2026 darüber informiert werden, dass sie analysiert werden.

Mitteleuropa hat eigene Anbieter. Das Prager Unternehmen Behavio bietet eine Self-Service-Plattform für Werbetests mit einem Panel von über 500 Befragten, impliziten Tests und KI-Aufmerksamkeits-Heatmaps, mit Ergebnissen in drei bis sieben Tagen. Ipsos, STEM/MARK, MEDIAN und NMS bieten klassische Umfrage-Pretests an, und MEDIAN hat gemeinsam mit der Knowlimits-Gruppe im vergangenen Jahr die Studie KNOW.attention mit Eye-Tracking-Brillen und EEG-Stirnbändern gestartet. Transparenzhinweis: Wir arbeiten sowohl mit Behavio als auch mit Knowlimits als Partnern zusammen.

Pretesting kann eine Kampagne retten. Es kann sie auch umbringen

Die Kreation ist der größte Hebel, den das Marketing hat. 2023 analysierte NCSolutions rund 450 Konsumgüterkampagnen und führte 49 % des Verkaufseffekts auf die Kreation zurück. Marketer in einer Umfrage von Westwood One schätzten ihren Anteil auf 19 %. Die älteren Nielsen-Zahlen behandle ich im Beitrag darüber, warum Kreativität den größten Teil des Ergebnisses bestimmt, weitere große Studien finden Sie in unserer Übersicht zur Forschung über Marketingwirksamkeit. Das zu testen, was über die Hälfte des Ergebnisses entscheidet, lohnt sich.

Pretesting kann aber auch Schaden anrichten. In The Long and the Short of It (IPA, 2013) gingen Les Binet und Peter Field 996 Kampagnen durch und fanden ein unbequemes Muster. Kampagnen, die einen klassischen Pretest durchlaufen hatten, meldeten innerhalb von sechs Monaten um 10 Prozentpunkte häufiger sehr große Verkaufseffekte als ungetestete. Nach zwei Jahren und mehr um 10 Punkte seltener. Kampagnen, die statt eines Pretests die Marke laufend trackten, lagen nach zwei Jahren um 31 Punkte vorn.

Die Erklärung ist leicht zu erraten, auch wenn die Daten korrelativ sind und die Pretests der 1980er bis 2000er Jahre überwiegend rational waren. Ein klassischer Pretest fragt, ob die Anzeige klar und glaubwürdig ist und ob der Befragte sie sich noch einmal ansehen würde. Die Antwort lautet Ja, sobald man sie zu etwas glattgeschliffen hat, das er schon hundertmal gesehen hat. Das Kreativteam feilt dann drei Wochen an den Kanten, bis aus „dem Spot mit dem Gorilla“ eine nette Familie beim Frühstück geworden ist. Ein Pretest ist ein guter Diener und ein schrecklicher Türsteher.

Was Sie am Montagmorgen tun

TRIBE v2 wird das Pretesting vorerst nicht ersetzen, und seine Lizenz hält es ohnehin aus kommerzieller Werbearbeit heraus. Es deutet aber an, wohin sich das Feld entwickelt: weg von teuren Labors, hin zu Modellen, die die Reaktion des Publikums in Sekunden aus dem Inhalt abschätzen. Ein vernünftiges Vorgehen für 2026 sieht so aus:

1. KI-Heatmaps zur Vorauswahl der Varianten. Neurons, Dragonfly AI oder Attention Insight zeigen in Minuten, ob Marke, Produkt und Kernbotschaft sichtbar sind. Betrachten Sie das als Lesbarkeitsprüfung. Den Absatz prognostiziert es nicht. Weitere Tools finden Sie in unserem Leitfaden zu KI-Marketing-Tools.
2. Ein menschliches Panel für die Finalisten. Emotion und Markenerinnerung bei den zwei oder drei stärksten Varianten. Behavio, System1 oder Kantar schaffen das in wenigen Tagen.
3. Ein Live-Test auf der Plattform. Ein A/B-Test im Meta Ads Manager vergleicht Varianten an echten Menschen und mit echtem Geld. Meta empfiehlt, ihn zwei Wochen bis einen Monat laufen zu lassen.
4. Langfristiges Brand Tracking. Wer Bekanntheit und Mental Availability trackt, erfährt, ob die Kampagne die Marke aufgebaut hat. Der Pretest darf beraten, die Ergebnisse entscheiden. Über Messung mit weniger Cookies schreiben wir in einem eigenen Beitrag.
5. TRIBE v2 als Ideenlabor. Für Forschung und die eigene Neugier, außerhalb bezahlter Kundenprojekte. Die Frage „Leuchtet diese Szene das Gesichtsareal an?“ beantwortet es wunderbar. „Wird es sich verkaufen?“ übersteigt vorerst seine Möglichkeiten.

Ein Gehirn in der Box klingt nach Science-Fiction und funktioniert vorerst als sehr kluger Spiegel des durchschnittlichen Zuschauers. Ein Blick in den Spiegel lohnt sich nur, wenn man weiß, wonach man sucht.

Quellen: d'Ascoli, Rapin, King et al., A foundation model of vision, audition, and language for in-silico neuroscience, arXiv 2605.04326 (2026) · Meta AI, TRIBE-v2-Blog und Demo (2026) · d'Ascoli et al., TRIBE: TRImodal Brain Encoder, arXiv 2507.22229 (2025) · Sahu & Pandey, arXiv 2607.01400 (2026) · Rodrigues, arXiv 2607.16292 (2026) · Falk, Berkman & Lieberman, Psychological Science (2012) · Berns & Moore, Journal of Consumer Psychology (2012) · Genevsky, Yoon & Knutson, Journal of Neuroscience (2017) · Dmochowski et al., Nature Communications (2014) · Venkatraman et al., Journal of Marketing Research (2015) · Knutson & Genevsky, Current Directions in Psychological Science (2018) · Button et al., Nature Reviews Neuroscience (2013) · Barrett et al., Psychological Science in the Public Interest (2019) · Nielsen Consumer Neuroscience (2016) · NCSolutions, Five Keys to Advertising Effectiveness (2023) · Kantar & WARC, The Art of Proof (2023) · Binet & Field, The Long and the Short of It (IPA, 2013) · Verordnung (EU) 2024/1689 zur künstlichen Intelligenz · Websites und Pressemitteilungen der genannten Unternehmen (Stand Oktober 2026)

Das knüpft an unsere Arbeit an: Creative & Idea Making, Growth & Performance Marketing und Marketingstrategie. Mit der Psychologie von Entscheidungen befassen wir uns in unserem Beitrag über Verhaltenswissenschaft im Marketing, mit langfristigen Werbewirkungen in dem über die 60/40-Regel.