Wie schnell kann unser visuell-kognitives System interne Repräsentationen von Handlungsszenen aufbauen? Während eine Reihe von Studien zeigt, dass Präsentationszeiten von wenigen Zehntel Sekunden ausreichen, um Objekte oder Umgebungsszenen zu kategorisieren, ist die schnelle Extraktion von Bildinformation aus Handlungsszenen noch kaum erforscht. Die vorliegenden Untersuchungen zeigen, dass unser visuelles System in der Lage ist, innerhalb weniger Zehntel bzw. Hundertstel Sekunden interne Repräsentationen von Agent-Patient-Handlungsszenen aufzubauen. Diese Repräsentationen ermöglichen dem Betrachter, essentielle semantische Szeneninhalte zu identifizieren. Fokussierte offene Aufmerksamkeit in Form von Fixationen auf Details der Szene ist dafür nicht notwendig. Des Weiteren lassen die Ergebnisse auf die Hypothese schließen, dass das globale räumliche Layout der Handlungsszene bei dem schnellen Aufbau interner visueller Repräsentationen eine wesentliche Rolle spielt.