Nova Acta Leopoldina Band 110 Nummer 377

Zusammenfassung Das Berliner Brain-Computer-Interface (BBCI) setzt moderne Verfahren des maschinellen Lernens ein, um für jeden Benutzer spezifische Muster hochdimensionaler EEG-Merkmale zu extrahieren, die dafür optimiert sind, dessen Hirn- zustand zu dekodieren. Klassische BCI-Anwendungen für gelähmte Patienten sind Werkzeuge zur Prothesensteuerung oder zur Ansteuerung von Texteingabeprogrammen. Um die Steuerungsabsichten des Benutzers zu erkennen, nutzt das BBCI bei diesen Anwendungen einerseits die vorhandenen motorischen Fähigkeiten des Benutzers und setzt an- dererseits Algorithmen zur Modellierung der damit einhergehenden personenspezifischen Muster von Hirnaktivität ein. Auch jenseits der Rehabilitation gibt es eine große Bandbreite neuer Anwendungen solcher Neurotechnologie, beispielsweise wird das BCI bereits als Messinstrument für verschiedenartige kognitive zustände eingesetzt. Abstract The Berlin Brain-Computer Interface (BBCI) uses machine learning approaches to extract user-specific patterns from high-dimensional EEG-features optimized for revealing the user’s mental state. Classical BCI applications are brain- actuated tools for paralyzed patients such as prostheses or mental text entry. In these applications, the BBCI uses nat- ural motor skills of the users and specifically tailored pattern recognition algorithms for detecting the user’s intentions. Beyond rehabilitation, there is a wide range of novel applications in which BCI technology is used to monitor other mental states, even covert ones. Nova Acta Leopoldina NF 110, Nr. 377, 235–257 (2011) Klaus-Robert Müller, Benjamin Blankertz, Michael Tangermann und Gabriel Curio 236