Das Ziel der kognitiven Neurowissenschaften ist es, Struktur-Funktions-Beziehungen im Gehirn aufzudecken. Durch Fortschritte in der funktionellen Bildgebung und der Graphentheorie konnten zentrale Knotenpunkte im Gehirn identifiziert werden, welche neuronale Informationen integrieren und dementielle Prozesse erklären können. Datenbankgetriebene metaanalytische Methoden wurden genutzt, um tausende Bildgebungsstudien auszuwerten und das funktionelle Profil von Hirnregionen zu dekodieren. Das Systems-Level Decoding zielt darauf ab, eine Seed-Region und mit ihr verbundene kortikale Regionen funktionell zu dekodieren. In Studie 1 wurden thalamische Subregionen und in Studie 2 drei Subregionen des Intraparietalen Sulcus (hIP) als Seed-Regionen verwendet. Studie 3 untersuchte Unterschiede in der Rich-Club-Struktur zwischen Alzheimer-Patienten, Patienten mit milder kognitiver Beeinträchtigung und gesunden Probanden. Es wurden zwei große, Thalamus-zentrierte Systeme identifiziert, die mit autobiographischem Gedächtnis und Nozizeption assoziiert sind; für den hIP wurden neun Systeme, die mit Prozessen wie Arbeitsgedächtnis und numerischem Denken zusammenhängen, gefunden. Studie 3 fand Hinweise, dass periphere Regionen bei Patienten im Vergleich zu gesunden Kontrollen stärker aktiviert sind als Rich-Club-Regionen. Das Systems-Level Decoding lieferte neue Erkenntnisse über die Einbettung des Thalamus und des hIP in kortikale funktionelle Systeme. Allerdings waren die Ergebnisse hinsichtlich der funktionellen Charakterisierung thalamischer Kerne und der Aktivitätsunterschiede in Rich-Club- und peripheren Regionen zwischen Patienten und gesunden Kontrollpersonen begrenzt. Diese Ergebnisse lassen sich möglicherweise durch Limitationen des metaanalytischen Ansatzes erklären. Das Systems-Level Decoding ist insgesamt ein vielversprechender Ansatz für die Formulierung von Hypothesen über Struktur-Funktionsbeziehungen innerhalb der Netzwerkarchitektur des menschlichen Gehirns. / In cognitive neuroscience, there is great interest in unraveling structure-function relationships in the human brain. Advances in functional neuroimaging and graph theory methods have identified key brain nodes relevant for neuronal information integration and functional deficits in degenerative diseases like Alzheimer's. Database-driven meta-analytical methods have also evaluated knowledge from thousands of neuroimaging studies, to decode the functional profile of brain regions. The systems-level decoding aims to identify brain systems that provide insight into the functional characteristics of a seed region and its connected cortical regions. In Study 1, thalamic subregions were used as seed regions. Study 2 applied systems-level decoding to three distinct regions in the intraparietal sulcus (hIP). In Study 3, we attempted to substantiate activation differences in the Rich Club structure between Alzheimer's patients, patients with mild cognitive impairment, and healthy subjects. Two major, thalamus-centered systems associated with autobiographical memory and nociception were identified. Additionally, nine large systems associated with processes such as working memory, numerical cognition, and recognition memory were uncovered for the hIP. Finally, evidence showed that peripheral regions in patients are more activated than central Rich Club regions compared to healthy controls. Systems-level decoding provided significant new insights into the embedding of the thalamus and intraparietal sulcus in functional systems. However, results were limited in the functional characterization of thalamic nuclei and activity differences in Rich Club and peripheral regions between patients and healthy controls. Limitations of the meta-analytical approach may explain these findings. The systems-level decoding represents a promising approach for formulating hypotheses about brain structure-function relationships within the functional network architecture.