Ausgabe 3 2024

Brain-Computer-Interfaces: Die Revolution in der Mensch-Computer-Interaktion

• von Tim Platzcke & Mira Fauth-Bühler

Brain-Computer-Interfaces (BCIs), auch bekannt als „Gehirnchips“ oder Gehirn-Computer-Schnittstellen, sind eine faszinierende Technologie, die eine direkte Kommunikation zwischen dem Gehirn und externen Geräten ermöglicht. Mit Hilfe von BCIs können Menschen mit motorischen oder sprachlichen Einschränkungen wieder ohne fremde Hilfe alltägliche Dinge erledigen, Wissenschaftler*innen können das menschliche Gehirn weiter erforschen und die Leistungsfähigkeit des Menschen kann durch sie erweitert werden. Doch wie funktionieren die „Gehirnchips“ und welche Möglichkeiten bieten sie? Hier erfährst du mehr über ihre Anwendungen in der Mensch-Computer-Interaktion – und welche Aspekte noch Science-Fiction sind.

Seit einem Tauchunfall vor acht Jahren hat sich Noland Arbaughs Leben durch eine Querschnittlähmung drastisch verändert. Tägliche Herausforderungen und alltägliche Aufgaben schienen unmöglich zu bewältigen. Dann erfuhr er vom Neuralink-Chip, einem elektronischen Gerät, das in das Gehirn implantiert wird, um neuronale Aktivitäten zu überwachen und zu beeinflussen. Nach der Implantation konnte er erstmals seit dem Unfall seinen Körper durch Gedanken steuern. Nun bewegt er mit seinen Gedanken den Cursor auf dem Bildschirm und spielt Videospiele. Das Implantat hat seine Unabhängigkeit und Lebensqualität erheblich verbessert. Über das Potenzial von BCIs sagt Noland Arbaugh, der erste Patient von Elon Musks Firma Neuralink, bei dem im Jahr 2024 ein BCI implantiert wurde: „Ich möchte nicht, dass die Leute denken, dass dies das Ende der Reise ist. Es gibt noch viel zu tun, aber es hat mein Leben bereits verändert.“

Was sind Brain-Computer-Interfaces (BCIs) und wie funktionieren sie?

Unser Gehirn verarbeitet Informationen, indem es elektrische Signale entlang der Nervenzellen sendet und empfängt. Diese Signale ermöglichen die Kommunikation zwischen verschiedenen Hirnregionen und steuern sämtliche körperlichen und geistigen Funktionen. BCIs messen die elektrischen Signale des Gehirns und verwandeln diese in Steuerbefehle, um Geräte wie Computer oder Prothesen direkt per Gedanken zu steuern – ohne Tastatur oder Fernbedienung. Ein Beispiel dafür ist die Bewegung des Arms: Wenn wir diese Bewegung ausführen wollen, erzeugt das motorische Hirnareal ( motorischer Kortex) ein elektrisches Signal. BCIs erfassen dieses Signal und übertragen es direkt an ein Gerät, das entsprechend der Gedanken reagiert, beispielsweise das Heben der Armprothese.

Die Messung der elektrischen Hirnsignale kann invasiv oder nicht-invasiv erfolgen. Nicht-invasive BCIs messen die elektrische Aktivität des Gehirns ohne direkten Kontakt oder Eingriffe im Gehirn. Sie verwenden Methoden wie die Elektroenzephalographie (EEG), bei der mittels einer Haube kleine Elektroden auf der Kopfhaut angebracht werden, um elektrische Signale im Gehirn zu erfassen. Diese Signale werden analysiert, um herauszufinden, welche Gehirnregionen aktiv sind und welche Gedanken oder Absichten sie widerspiegeln. Allerdings sind diese Messungen oft ungenau und erfassen nicht alle Hirnaktivitäten präzise.

Bild 1: Messung der Gehirnaktivität mittels EEG

Bei der invasiven Messmethode werden Elektroden durch einen chirurgischen Eingriff direkt ins Gehirn implantiert. Diese Methode ermöglicht präzisere Messungen und Steuerungen, birgt jedoch Risiken wie Infektionen und Gewebeschäden. Es gibt zwei Hauptarten invasiver BCIs: Gehirnchips und Stentrodes. Gehirnchips bestehen aus kleinen Chips oder Elektrodenarrays, die gezielt in bestimmten Hirnregionen, wie beispielsweise dem motorischen Kortex platziert werden, um präzise neuronale Signale zu erfassen. Der Begriff "Stentrode" setzt sich aus "Stent" und "Elektrode" zusammen und bezeichnet eine elektrodenartige Struktur, die in Blutgefäße eingeführt wird, etwa in der Nähe des motorischen Kortex, um die elektrische Aktivität des Gehirns zu messen. Sie werden in die Blutbahn, eingeführt und bieten eine minimal-invasive Alternative zur direkten Implantation (Mitchell et al., 2023). Ein Beispiel hierfür sind die von der australischen Firma Synchron entwickelten Systeme. Für beide Varianten gilt: Je mehr Elektroden genutzt werden, umso präziser werden die Messergebnisse und umso differenzierter können auch die daraus abgeleiteten gewünschten Bewegungen oder Empfindungen sein (Lebedev & Nicolelis, 2017).

Bevor invasive oder nicht-invasive Messungen genutzt werden können, müssen sie kalibriert, also richtig eingestellt, werden. Der Computer muss lernen, welche Signale welchem Zwecken dienen, und die Patient*innen müssen lernen, wie sie die Geräte steuern. Die Handhabung von BCIs benötigt intensives Training für Mensch und Maschine. Das BCI lernt, individuelle Signale zu interpretieren, während der*die Benutzer*in seine Hirnaktivität besser kontrolliert. Dieser Prozess kann Wochen oder Monate dauern. Machine Learning hilft dabei, die Signalerkennung zu verbessern und die Kalibrierungszeit zu verkürzen.

Welche aktuellen Anwendungen von BCIs gibt es?

BCIs bieten zahlreiche Einsatzmöglichkeiten in der Medizin und Forschung (Peksa & Mamchur, 2023). Die wichtigsten Anwendungsbereiche sind Motorik, Kommunikation und kognitive Leistungen, wobei der Bereich Motorik am besten erforscht ist.

Motorik 

Menschen mit eingeschränkten motorischen Fähigkeiten, wie Schlaganfallpatient*innen oder Menschen mit degenerativen Krankheiten wie Amyotrophe Lateralsklerose (ALS) oder körperlichen Behinderungen können dank BCIs externe Geräte wie Rollstühle oder Prothesen mit ihren eigenen Gehirnsignalen steuern (Cajigas et al., 2021). BCIs für Neuroprothesen, wie z.B. gehirngesteuerte Roboterarme, funktionieren, indem sie elektrische Signale aus dem motorischen Kortex des Gehirns erfassen, verarbeiten und interpretieren. Elektroden, entweder auf der Kopfhaut oder direkt im Gehirn platziert, nehmen diese Signale auf, wenn der*die Benutzer*in an eine Bewegung denkt. Die Signale werden dann verstärkt, gefiltert und durch maschinelle Lernalgorithmen dekodiert, um die beabsichtigte Bewegung zu erkennen. Diese dekodierten Informationen werden in Steuerbefehle für die Prothese umgewandelt, die dann die entsprechende Bewegung ausführt. Fortschrittliche Systeme bieten auch sensorisches Feedback, um dem*der Benutzer*in ein Gefühl für die Position und den Druck der Prothese zu vermitteln. Sowohl der*die Benutzer*in als auch das System durchlaufen einen kontinuierlichen Lernprozess, um die Genauigkeit und Effizienz der Steuerung zu verbessern. Diese Technologie ermöglicht es Menschen mit körperlichen Behinderungen, Prothesen allein durch ihre Gedanken zu steuern, was ihre Unabhängigkeit und Lebensqualität erheblich verbessert.

Die PRIME-Studie (Precise Robotically Implanted Brain-Computer Interface) des Unternehmens Neuralink konzentriert sich auf Patient*innen mit Lähmungen. Das Gerät von Neuralink, genannt N1, ist ein münzgroßer Chip, der in den Bereich des Gehirns implantiert wird, der die Bewegung steuert. Die Implantation wird mit einem Roboter durchgeführt, der 64 flexible Fäden, die dünner als ein menschliches Haar sind, in das Gehirn einsetzt. Der N1-Chip zeichnet die elektrische Aktivität des Gehirns auf und verarbeitet diese, um die Daten drahtlos an ein externes Gerät wie ein Telefon oder einen Computer zu übertragen. Das externe Gerät „dekodiert“ die Gehirnaktivität der Patient*innen und lernt, bestimmte Muster mit den beabsichtigten Handlungen der Patient*innen zu assoziieren. Das Hauptziel ist es, Menschen mit gelähmten Gliedmaßen die Steuerung von Computern oder Smartphones zu ermöglichen. Neuralink erhielt im Mai 2023 die FDA-Zulassung für Humanversuche - die erste menschliche Implantation wurde bereits im Jahr 2024 am eingangs beschriebenen Patienten Noland Arbaugh erfolgreich durchgeführt. Neuralink hat zwar erhebliche Aufmerksamkeit erregt, ist aber nicht das einzige Unternehmen, das an BCIs arbeitet. Einige Konkurrenten wie Blackrock Neurotech, BrainGate und Synchron haben auch bereits BCI-Geräte in Menschen implantiert (Brueck, 2024).

Das Forschungsfeld der BCIs entwickelt sich rasant weiter, mit vielen verschiedenen Ansätzen, die von Forschungsteams und Unternehmen untersucht werden. In einer frühen Machbarkeitsstudie wurde zwei ALS-Patient*innen ein minimal-invasives Stentrode-BCI implantiert, das drahtlos Signale vom motorischen Kortex überträgt. Mit diesem System konnten die Patient*innen erfolgreich digitale Geräte steuern, was ihre Fähigkeit, Textnachrichten zu senden und online einzukaufen, erheblich verbesserte (Oxley et al., 2021). Eine aktuelle systematische Übersicht zeigt, dass invasive BCIs vielversprechende Ergebnisse bei der Wiederherstellung motorischer Funktionen bei Patient*innen mit Rückenmarksverletzungen erzielt haben. Bei allen 21 untersuchten Patient*innen konnte die motorische Funktion für die vorgesehenen Aufgaben wiederhergestellt werden (Levett et al., 2024). Bislang sind invasive BCI-Studien am Menschen ausschließlich Machbarkeitsstudien, und kein Teilnehmer konnte damit seine körperliche Unabhängigkeit durch die BCI-Technologie vollständig und dauerhaft zurückgewinnen. Trotz der schnellen Fortschritte, laufender klinischer Studien und erheblicher Investitionen von Milliardären wie Bill Gates und Jeff Bezos wird es noch einige Jahre, wenn nicht Jahrzehnte dauern, bis diese Technologien massentauglich sind.

Kommunikation

Eine weitere Anwendung der BCI-Technologie ist die Wiederherstellung der Kommunikationsfähigkeit für Menschen, die aufgrund von Krankheiten wie amyotropher Lateralsklerose (ALS), Schlaganfällen oder traumatischen Hirnverletzungen nicht sprechen können (Willett et al., 2021). Diese Technologie funktioniert, indem Elektroden die neuronale Aktivität in den Sprachzentren des Gehirns erfassen, wenn der*die Benutzer*in an bestimmte Wörter oder Sätze denkt. Die erfassten Signale werden dann verstärkt, gefiltert und durch maschinelle Lernalgorithmen dekodiert, um die beabsichtigten sprachlichen Inhalte zu erkennen. Diese dekodierten Informationen werden anschließend in Text oder synthetische Sprache umgewandelt und über ein Gerät ausgegeben, wodurch der*die Benutzer*in kommunizieren kann, ohne physisch sprechen zu müssen. Dies ermöglicht es Menschen, die physisch keine Geräusche erzeugen können, dennoch ihre Gedanken und Gefühle zu kommunizieren (Anumanchipalli et al., 2019).  Wie im motorischen Bereich befinden sich die Studien zur BCI-Technologie für die Kommunikationsfähigkeit noch im Stadium der Machbarkeitsforschung. Ein Teilnehmer mit ALS erzielte eine Wortfehlerrate von 9,1 % bei einem 50-Wort-Vokabular und 23,8 % bei einem Vokabular von 125.000 Wörtern. Dies stellt die erste erfolgreiche Dekodierung eines so großen Vokabulars dar. Zudem konnte seine Sprechrate mit 62 Wörtern pro Minute dekodiert werden, was 3,4-mal schneller ist als der vorherige Rekord (Willett et al., 2023).

Bild 2: Einsatzmöglichkeiten von BCIs

Kognitive Leistungen

Der Einsatz non-invasiver BCIs ermöglicht die Verbesserung verschiedener kognitiver Funktionen, darunter Aufmerksamkeit, Gedächtnis, Visuospatialität – die Fähigkeit, räumliche Beziehungen zwischen Objekten zu erkennen und zu interpretieren –, Sprache und logisches Denken (Carelli et al., 2017). Besonders vielversprechend sind BCI-Anwendungen zur Förderung der Aufmerksamkeit durch Neurofeedback-Training. Bei dieser Methode erfassen Elektroden auf der Kopfhaut die elektrischen Signale des Gehirns und identifizieren Muster, die spezifische Gehirnzustände wie Aufmerksamkeit oder Entspannung widerspiegeln. Das umgehend zurückgegebene Feedback hilft den Nutzer*innen, ihre Gehirnaktivität zu regulieren. Neurofeedback findet klinische Anwendung bei psychischen Erkrankungen wie Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung ( ADHS), Angstzuständen und Depressionen und kann die kognitive Leistung sowie das allgemeine Wohlbefinden verbessern. Eine Metaanalyse belegt, dass Neurofeedback-Training mit nicht-invasiven BCI-Systemen zu einer nachhaltigen Symptomreduktion führen können. Die Verbesserungen sind vergleichbar mit aktiven Behandlungen (einschließlich der medikamentösen Behandlung mit Methylphenidat), die auch nach Abschluss der Behandlung anhalten (Van Doren et al., 2018). Darüber hinaus zeigen die Ergebnisse einer weiteren Metaanalyse, dass non-invasive BCIs in Kombination mit virtuellen Realitäten vielversprechend für Rehabilitationstherapien, die Behandlung von Phobien und Angststörungen sowie zur kognitiven Verbesserung sind (Drigas & Sideraki, 2024).

Welche Anwendungen von BCIs sind (noch) im Bereich der Fiktion?

In der Zukunft könnten BCIs Anwendungsmöglichkeiten erschließen, die derzeit noch nicht realisierbar sind. Zum Beispiel könnten sie durch direkte Interaktion mit den Gedächtniszentren im Gehirn kognitive Funktionen wie das schnelle Erlernen neuer Fähigkeiten oder Sprachen sowie die verbesserte Speicherung von Informationen fördern. Diese Technologie hätte das Potenzial, Bildungssysteme und die persönliche Entwicklung von Fähigkeiten grundlegend zu verändern. Darüber hinaus könnten fortgeschrittene BCIs emotionale Zustände erkennen und verändern, was Menschen helfen könnte, psychische Erkrankungen wie Depressionen oder Angstzustände besser zu bewältigen (Baradaran et al., 2023). Elon Musk ist überzeugt, dass BCIs künftig die Integration künstlicher Intelligenz in das menschliche Gehirn ermöglichen werden. Zudem sieht er die Möglichkeit, das Gedächtnis eines Menschen ähnlich wie ein Computer zu sichern und ein Backup zu erstellen. Angesichts des aktuellen Forschungsstands und des nach wie vor begrenzten Verständnisses der komplexen Gehirnprozesse erscheinen solche Anwendungen jedoch derzeit noch wie Science-Fiction (Holzki & Telgheder, 2020). Neue Anwendungsfelder ergeben sich zudem in der Automobilbranche. So erforscht Jaguar Land Rover beispielsweise die Überwachung des mentalen Zustands mittels nicht-invasiver BCIs, um Stress oder Konzentrationsschwächen frühzeitig zu erkennen und Unfällen vorzubeugen.

Welche Risiken sind mit dem Einsatz von BCIs verbunden?

Neben allen Chancen, die die Einsatzmöglichkeiten von BCIs aufzeigen, gibt es auch Risiken. Die biologischen Risiken liegen dabei auf der Hand: Invasive Messungen, die aktuell wohl die präziseste Form der BCIs darstellen, erfordern eine Operation am offenen Gehirn. Dabei können wichtige Bereiche des Gehirns der Patient*innen verletzt werden. Der Eingriff würde damit keine Verbesserung bewirken, sondern die Patient*innen in Lebensgefahr bringen. Auch im Nachgang zu einer erfolgreichen Operation können sich die betroffenen Stellen noch entzünden und damit erneute Eingriffe notwendig machen (Leuthardt et al., 2021). Müssen die Elektroden nach einiger Zeit ausgewechselt werden, stehen erneute Operationen mit den gleichen Risiken an.

Der Eingriff in das Gehirn des Menschen wirft auch ethische Fragestellungen auf. Ist es gesellschaftlich wünschenswert, die geistigen Fähigkeiten eines Menschen mit KI zu erweitern? Kann der Einsatz von BCIs die Persönlichkeit des Menschen verändern? Und wer trägt die Verantwortung für die Anwendung von BCIs und anhand welcher Kriterien sollte der Einsatz von BCIs reguliert werden? Es bleibt zusätzlich die Frage nach Gleichberechtigung offen. Nicht alle Menschen, die durch BCIs eine Verbesserung ihrer Lebensqualität erfahren könnten, haben Zugang zu dieser Technologie (Coin et al., 2020). Es wird immer wieder die Frage aufkommen, wo die Grenzen des Möglichen sind und ob das Mögliche nicht bereits zu weit geht.

Bild 3: Rollstuhl und Prothese

Fazit

BCIs sind zweifellos ein medizinischer und technologischer Fortschritt, der für viele Menschen mit Nervenerkrankungen, Lähmungen oder anderen körperlichen Behinderungen ein Segen sein kann. Die Entwicklung von BCIs hat das Potenzial, die Interaktion zwischen Menschen und Computern grundlegend zu revolutionieren. Trotz des innovativen Potenzials von BCIs gibt es jedoch große technologische, ethische und biologische Herausforderungen. Die Zukunft der BCI-Technologie hängt von weiteren wissenschaftlichen Erkenntnissen im Verständnis des Gehirns und von ethischen Regelungen ab, um ihre potenziellen Vorteile verantwortungsvoll zu nutzen. Doch die rasanten Entwicklungen von Forschung und Technik im Bereich der Mensch-Maschine-Schnittstellen lassen darauf hoffen, dass diese Technologien in naher Zukunft alltäglich werden und vielen Menschen zugutekommen könnten. Dies könnte bedeuten, dass viele Patient*innen ähnliche Chancen erhalten wie Noland Arbaugh, ihre Lebensqualität zu verbessern und selbstbestimmter zu leben.

Literaturverzeichnis

Anumanchipalli, G. K., Chartier, J., & Chang, E. F. (2019). Speech synthesis from neural decoding of spoken sentences. Nature, 568(7753), 493–498. https://doi.org/10.1038/s41586-019-1119-1

Brueck, H. (2024). Elon Musks größte Konkurrenten: Diese vier Gehirn-Computer sind Neuralink voraus. Business Insider. Abgerufen am 25. Oktober 2024, von https://www.businessinsider.de/wirtschaft/international-business/diese-4...

Cajigas, I., Davis, K. C., Meschede-Krasa, B., Prins, N. W., Gallo, S., Naeem, J. A., Palermo, A., Wilson, A., Guerra, S., & Parks, B. A. (2021). Implantable brain–computer interface for neuroprosthetic-enabled volitional hand grasp restoration in spinal cord injury. Brain Communications, 3(4). https://doi.org/10.1093/braincomms/fcab248

Carelli, L., Solca, F., Faini, A., Meriggi, P., Sangalli, D., Cipresso, P., Riva, G., Ticozzi, N., Ciammola, A., Silani, V. & Poletti, B. (2017). Brain-computer interface for clinical purposes: Cognitive assessment and rehabilitation. BioMed Research International, 2017, 1–11. https://doi.org/10.1155/2017/1695290

Drigas, A., & Sideraki, A. (2024). Brain neuroplasticity leveraging virtual reality and brain-computer interface technologies. Sensors (Basel, Switzerland), 24(17), 5725. https://doi.org/10.3390/s24175725

Holzki, L., & Telgheder, M. (2020). Was Gehirnchips wie der von Musks Neuralink leisten – und was nicht. Handelsblatt Online. https://www.handelsblatt.com/technik/digitale-revolution/digitalisierung...

Lebedev, M. A., & Nicolelis, M. A. (2017). Brain-machine interfaces: From basic science to neuroprostheses and neurorehabilitation. Physiological Reviews, 97(2), 767–837. https://doi.org/10.1152/physrev.00027.2016

Leuthardt, E. C., Moran, D. W., & Mullen, T. R. (2021). Defining surgical terminology and risk for brain computer interface technologies. Frontiers in Neuroscience, 15, 599549. https://doi.org/10.3389/fnins.2021.599549

Levett, J. J., Elkaim, L. M., Niazi, F., Weber, M. H., Iorio-Morin, C., Bonizzato, M., & Weil, A. G. (2024). Invasive brain computer interface for motor restoration in spinal cord injury: A systematic review. Neuromodulation: Journal of the International Neuromodulation Society, 27(4), 597–603. https://doi.org/10.1016/j.neurom.2023.10.006

Mitchell, P., Lee, S. C. M., Yoo, P. E., Morokoff, A., Sharma, R. P., Williams, D. L., et al. (2023). Assessment of safety of a fully implanted endovascular brain-computer interface for severe paralysis in 4 patients: The Stentrode with thought-controlled digital switch (SWITCH) study. JAMA Neurology, 80(3), 270–278. https://doi.org/10.1001/jamaneurol.2022.4847

Oxley, T. J., Yoo, P. E., Rind, G. S., Ronayne, S. M., Lee, C. M. S., Bird, C., et al. (2021). Motor neuroprosthesis implanted with neurointerventional surgery improves capacity for activities of daily living tasks in severe paralysis: First in-human experience. Journal of Neurointerventional Surgery, 13(2), 102–108. https://doi.org/10.1136/neurintsurg-2020-016862

Peksa, J., & Mamchur, D. (2023). State-of-the-art on brain-computer interface technology. Sensors, 23(13), 6001. https://doi.org/10.3390/s23136001

Van Doren, J., Arns, M., Heinrich, H., Vollebregt, M. A., Strehl, U., & Loo, S. K. (2018). Sustained effects of neurofeedback in ADHD: A systematic review and meta-analysis. European Child & Adolescent Psychiatry, 27(5), 1-12. https://doi.org/10.1007/s00787-018-1121-4

Willett, F. R., Avansino, D. T., Hochberg, L. R., Henderson, J. M., & Shenoy, K. V. (2021). High-performance brain-to-text communication via handwriting. Nature, 593(7858), 249–254. https://doi.org/10.1038/s41586-021-03506-2

Willett, F. R., Kunz, E. M., Fan, C., Avansino, D. T., Wilson, G. H., Choi, E. Y., Kamdar, F., Glasser, M. F., Hochberg, L. R., Druckmann, S., Shenoy, K. V., & Henderson, J. M. (2023). A high-performance speech neuroprosthesis. Nature, 620(7976), 1031–1036. https://doi.org/10.1038/s41586-023-06377-x

Bildquellen

Bild 1: ulrichw via pixabay

Bild 2: Eigentum von Tim Platzcke

Bild 3: This_is_Engineering via pixabay