Nova Acta Leopoldina Band 110 Nummer 377

zu entwickeln, die das Problem zu reduzieren und eventuell zu überwinden vermögen, um letztlich mehr Nutzern den zugang zur BCI-Technologie zu ermöglichen. Für SMR-basierte BCI-Systeme konnten kürzlich BLANKERTz et al. (2010b) einen neuen neurophysiologischen Prädiktor von BCI-Performanz herausarbeiten:Aus einer zweiminütigen Messung des Ruhe-EEGs mit zwei Laplace-gefilterten Elektroden über dem Motorkortex er- reicht der Prädiktor einen Korrelationskoeffizienten von r = 0,53 für eine Nutzerpopulation von N = 80 BCI-Novizen. Eine weitere Studie von VIDAURRE und BLANKERTz (2010) konnte erste positive Ergebnisse vorstellen, die nahelegen, dass ein vollständig adaptiver BCI-Ansatz mit einer universellen Initialisierung (vgl. FAzLI et al. 2009) für die meisten zuvor erfolglosen BCI-Nutzer innerhalb von einer Stunde zu kontrollierter BCI-Steuerung führt. Letzteres zeigt, dass beide Extreme (operantes Konditionieren versus maschinelles Lernen) für sich nicht universell zielführend sind, vielmehr ist ein co-adaptives Lernen auf Seite der Maschine und des Menschen die wohl aussichtsreichste Forschungsrichtung. 5.   BBCI-Anwendungen Die folgenden Abschnitte werden BBCI-Anwendungsrichtungen jenseits der klassischen Re- habilitation (Prothesensteuerung und Kommunikation) diskutieren. Es ist unsere überzeugung, dass durch die Entwicklung des BCIs die Interaktion zwischen Mensch und Maschine (auch für gesunde Nutzer!) verbessert werden kann. Wir sehen darin einen wichtigen Schritt hin zur Verbreiterung und Stärkung der Disziplin Neurotechnologie. 5.1 BCI für zeitkritische Anwendungen Bei zeitkritischen Entscheidungen könnte die BCI-Technologie eine frühe Detektion reaktiver Bewegungen ermöglichen. Die zeitspanne zwischen der Generierung einer Intention (z. B. einer motorischen Reaktion) und dem Beginn eines technischen Eingriffs (etwa bei Fahrer- assistenzsystem zur aktiven Fahrzeugsicherheit) könnte im Prinzip durch das Dekodieren besonders früher Bereitschaftspotentiale (BP) verkürzt werden. In einem solchen Szenario sind allerdings eine besonders hohe Erkennungsgüte und eine möglichst frühe Erkennung not- wendig. Abbildung 9 zeigt die Ergebnisse eines auf BP basierten BCIs für rechte und linke Finger- bewegungen, die ohne vorgegebenen äußeren Takt nach Belieben ausgeführt wurden. zum Vergleich wurden Ergebnisse visualisiert, die durch die Klassifikation von EMG-Signalen er- reicht wurden. Die Dekodierungsaufgabe ist es, so früh wie möglich vor der eigentlichen Be- wegung die Lateralität der Bewegung vorherzusagen. Wie zu sehen ist, kann diese Klassifikationsaufgabe bereits –230 ms vor der Bewegung mit 90 % Treffsicherheit durchge- führt werden. Eine weitere Studie zeigte den Unterschied von Willkürbewegungen und reak- tiven Bewegungen. Um schnelle Reaktionen zu evozieren, wurde ein Wahlreaktionstest durchgeführt, in dem ein Nutzer so schnell wie möglich durch Tastendruck seines rechten bzw. linken zeigefingers reagieren musste. Abbildung 10(A) vergleicht das BP bei einer schnellen Reaktion mit einer willkürlich ausgeführten Fingerbewegung. Wie zu erwarten ist, kann zu einem frühen zeitpunkt die Unterscheidung zwischen bevorstehender rechter und linker Fingerbewegung am besten für Willkürbewegungen realisiert werden. Dieser Unterschied zur Nova Acta Leopoldina NF 110, Nr. 377, 235–257 (2011) Klaus-Robert Müller, Benjamin Blankertz, Michael Tangermann und Gabriel Curio 248