Moderne Theorien der Verhaltenskontrolle unterscheiden zwei Systeme, wobei das Handeln gesunder Individuen von beiden geprägt ist: Das retrospektiv agierende habituelle, sog. modellfreie Verhalten zeichnet sich durch Wiederholung zuvor belohnter Entscheidungen aus. Es passt sich nur langsam an möglicherweise veränderte Umweltbedingungen an. Die verstärkte Nutzung des habituellen Systems gilt als assoziiert mit verschiedenen psychischen Erkrankungen. Dem gegenüber steht das zielgerichtete, sog. modellbasierte Verhalten, das sich durch vorausschauende Entscheidungen auszeichnet. Hierbei werden die möglichen Konsequenzen einer Handlung berücksichtigt, um ein gewünschtes Ergebnis zu erreichen. Dazu wird ein „mentales“ Modell der Umwelt- bedingungen erstellt. In einer Verhaltensstudie mit 39 Versuchspersonen wurde untersucht, ob biopsychologischer Stress zu einer Reduktion von modellbasiertem hin zu mehr modellfreiem Verhalten führt. Dazu absolvierten 39 Versuchspersonen eine sequentielle Entscheidungsaufgabe, nachdem sie psychosozialem Stress ausgesetzt wurden. Subjektive und physiologische Stress-Parameter wurden über das Experiment hinweg wiederholt erhoben. Ein direkter Effekt von akutem Stress auf das Gleichgewicht modellfreien vs. modellbasierten Verhaltens konnte nicht beobachtet werden. Allerdings zeigten diejenigen Versuchspersonen, die in den letzten zwei Jahren eine hohe Anzahl an stressbehafteten Lebensereignissen aufwiesen (chronischer Stress), signifikant weniger modellbasiertes Verhalten nach der Exposition von akutem Stress als in der Kontrollbedingung. Darüber hinaus korrelierte physiologische Stressreaktivität (stressbedingte Cortisol- Ausschüttung) negativ mit modellbasiertem Entscheidungsverhalten, während subjektive Stressreaktivität (basierend auf Fragebögen) positiv mit modellbasiertem Verhalten assoziiert war. Der in der Forschung beschriebene Einfluss von akutem und chronischem Stress auf die Entstehung und Aufrechterhaltung psychischer Erkrankungen könnte demnach teilweise über ein solches Ungleichgewicht der beiden Entscheidungsstrategien vermittelt sein.

Moderne Theorien der Verhaltenskontrolle unterscheiden zwei Systeme, wobei das Handeln gesunder Individuen von beiden geprägt ist: Das retrospektiv agierende habituelle, sog. modellfreie Verhalten zeichnet sich durch Wiederholung zuvor belohnter Entscheidungen aus. Es passt sich nur langsam an möglicherweise veränderte Umweltbedingungen an. Die verstärkte Nutzung des habituellen Systems gilt als assoziiert mit verschiedenen psychischen Erkrankungen. Dem gegenüber steht das zielgerichtete, sog. modellbasierte Verhalten, das sich durch vorausschauende Entscheidungen auszeichnet. Hierbei werden die möglichen Konsequenzen einer Handlung berücksichtigt, um ein gewünschtes Ergebnis zu erreichen. Dazu wird ein „mentales“ Modell der Umwelt- bedingungen erstellt. In einer Verhaltensstudie mit 39 Versuchspersonen wurde untersucht, ob biopsychologischer Stress zu einer Reduktion von modellbasiertem hin zu mehr modellfreiem Verhalten führt. Dazu absolvierten 39 Versuchspersonen eine sequentielle Entscheidungsaufgabe, nachdem sie psychosozialem Stress ausgesetzt wurden. Subjektive und physiologische Stress-Parameter wurden über das Experiment hinweg wiederholt erhoben. Ein direkter Effekt von akutem Stress auf das Gleichgewicht modellfreien vs. modellbasierten Verhaltens konnte nicht beobachtet werden. Allerdings zeigten diejenigen Versuchspersonen, die in den letzten zwei Jahren eine hohe Anzahl an stressbehafteten Lebensereignissen aufwiesen (chronischer Stress), signifikant weniger modellbasiertes Verhalten nach der Exposition von akutem Stress als in der Kontrollbedingung. Darüber hinaus korrelierte physiologische Stressreaktivität (stressbedingte Cortisol- Ausschüttung) negativ mit modellbasiertem Entscheidungsverhalten, während subjektive Stressreaktivität (basierend auf Fragebögen) positiv mit modellbasiertem Verhalten assoziiert war. Der in der Forschung beschriebene Einfluss von akutem und chronischem Stress auf die Entstehung und Aufrechterhaltung psychischer Erkrankungen könnte demnach teilweise über ein solches Ungleichgewicht der beiden Entscheidungsstrategien vermittelt sein.

Theories of addiction posit a deficit in goal-directed behavior and an increased propensity toward habitual actions in individuals with substance use disorders. Control over drug intake is assumed to shift from goal-directed to automatic or habitual motivation as the disorder progresses. Several diagnostic criteria reflect the inability to pursue goals regarding reducing or controlling drug use and performing social or occupational functions. The current review gives an overview of the mechanisms underlying the goal-directed and habitual systems in humans, and the existing paradigms that aim to evaluate them. We further summarize the current state of research on habitual and goal-directed functioning in individuals with substance use disorders. Current evidence of alterations in addiction and substance use are mixed and need further investigation. Increased habitual responding has been observed in more severely affected groups with contingency degradation and some outcome devaluation tasks. Reduced model-based behavior has been mainly observed in alcohol use disorder and related to treatment outcomes. Motor sequence learning tasks might provide a promising new approach to examine the development of habitual behavior. In the final part of the review, we discuss possible implications and further developments regarding the influence of contextual factors, such as state and trait variations, and recent advances in task design.

Goal-directed actions frequently require a balance between antagonistic processes (e.g., executing and inhibiting a response), often showing an interdependency concerning what constitutes goal-directed behavior. While an inter-dependency of antagonistic actions is well described at a behavioral level, a possible inter-dependency of underlying processes at a neuronal level is still enigmatic. However, if there is an interdependency, it should be possible to predict the neurophysiological processes underlying inhibitory control based on the neural processes underlying speeded automatic responses. Based on that rationale, we applied artificial intelligence and source localization methods to human EEG recordings from N = 255 participants undergoing a response inhibition experiment (Go/Nogo task). We show that the amplitude and timing of scalp potentials and their functional neuroanatomical sources during inhibitory control can be inferred by conditional generative adversarial networks (cGANs) using neurophysiological data recorded during response execution. We provide insights into possible limitations in the use of cGANs to delineate the interdependency of antagonistic actions on a neurophysiological level. Nevertheless, artificial intelligence methods can provide information about interdependencies between opposing cognitive processes on a neurophysiological level with relevance for cognitive theory.

This thesis proposes a novel way to describe habit learning and the resulting balancing of goal-directed and habitual behavior using cognitive computational modeling. This approach builds on experimental evidence that habits may be understood as context-dependent automated sequences of behavior embedded in a hierarchical model. These assumptions were implemented in a Bayesian model, where goal-directed action sequences are encoded using a Markov decision process, and habits are interpreted to arise from a Bayesian prior over such sequences. Simulations show that this modeling approach yields key properties of habit learning, such as increased habit strength with increased training duration. This novel mechanistic description may lead to an improved understanding of habit learning mechanisms and individual learning trajectories, which may have implications for mental disorders which are believed to be accompanied by a maladapted balance between goal-directed an habitual control. / Diese Arbeit stellt eine neue mechanistische Beschreibung von Gewohnheitslernen und der daraus resultierenden Balance zwischen zielgerichtetem und habituellem Verhalten vor, die auf einem mathematischen kognitiven Modell aufbaut. Der Ansatz beruht auf experimenteller Evidenz, dass Gewohnheiten als kontext-abhängige, automatisierte Verhaltenssequenzen verstanden werden können, die in ein hierarchisches Modell eingebettet sind. Diese Annahmen werden mathematisch in einem Bayes'schen Modell umgesetzt, in dem zielgerichtetes Handeln als ein Markov'scher Entscheidungsprozess implementiert ist und Gewohnheiten aus einer Bayes'schen a-priori Wahrscheinlichkeit von Verhaltenssequenzen entstehen. Simulationen zeigen, dass dieser Ansatz wichtige Eigenschaften von Gewohnheitslernen reproduzieren kann, wie beispielsweise dass längere Trainingsdauern zu stärkeren Gewohnheiten führen. Diese neue mechanistische Beschreibung kann zu einem besseren Verständis individueller Lerntrajektorien und der Mechanismen beitragen, die dem Gewohnheitslernen zugrundeliegen. Dies könnte auch Auswirkungen auf das Verständnis psychischer Erkrankungen haben, bei denen davon ausgegangen wird, dass sie von einer maladaptiven Balance zwischen zielgerichtetem und habituellem Verhalten begleitet werden.

Prior evidence suggests that sensorimotor regions play a crucial role in habit formation. Yet, whether and how their global functional network properties might contribute to a more comprehensive characterization of habit formation still remains unclear. Capitalizing on advances in Elastic Net regression and predictive modeling, we examined whether learning-related functional connectivity alterations distributed across the whole brain could predict individual habit strength. Using the leave-one-subject-out cross-validation strategy, we found that the habit strength score of the novel unseen subjects could be successfully predicted. We further characterized the contribution of both, individual large-scale networks and individual brain regions by calculating their predictive weights. This highlighted the pivotal role of functional connectivity changes involving the sensorimotor network and the cingulo–opercular network in subject-specific habit strength prediction. These results contribute to the understanding the neural basis of human habit formation by demonstrating the importance of global functional network properties especially also for predicting the observable behavioral expression of habits.