Im Lauf der Evolution haben Mensch und Tier recht effiziente Sinnesorgane entwickelt, mit denen sie Informationen ihrer Umwelt wahrnehmen können. Die resultierenden Sinnesdaten werden im Gehirn in neuronalen Karten dargestellt, die durch ihre Struktur die topologische Ordnung des Inputs widerspiegeln. Im nächsten Schritt werden die Informationen der einzelnen Sinne im Gehirn kombiniert um ein multimodales Ereignis in der realen Welt als solches wahrnehmen zu können. (Ein bellender Hund z.B. ist multimodal, da er sowohl das visuelle als auch das auditorische System stimuliert.) Die multimodale Integration ist nicht nur Ursache für eine bessere Zuverlässigkeit der Sinneswahrnehmung, sondern ermöglicht zudem höhere Verarbeitungsschritte, wie Aufmerksamkeit und Target-Selection. Um multimodale Informationen verschiedener Sinnesorgane kombinieren und nutzen zu können, müssen die einzelnen Karten jedoch abgestimmt sein. Eine solche Justierung der neuronalen Karten ist aber bei der Geburt eines Organismus nicht gegeben. Dementsprechend lautet die spannende, hier zu beantwortende Frage: Wie kann die präzise Abstimmung neuronaler Karten und damit ein multimodales Referenzsystem gelernt und dementsprechend mathemathisch beschrieben werden?