Nova Acta Leopoldina Band 110 Nummer 377

4.2 Hohe BCI-Kommunikationsgeschwindigkeiten für untrainierte Nutzer Das Ziel unserer zweiten Feedbackstudie war es, den Anteil an BCI-Novizen zu bestimmen, der innerhalb der ersten Sitzung erfolgreich per BBCI kommunizieren konnte (BLANKERTZ et al. 2007). Das Studiendesign war vergleichbar mit dem oben beschriebenen, mit dem Unter- schied, dass nun 14 Individuen ohne jede BCI-Vorerfahrung teilnahmen. Weiterhin wurden die Steuerungsparameter diesmal im Vorhinein fixiert. Nur bei einem Nutzer konnten keine unterscheidbaren Klassen identifiziert werden. Die übrigen 13 Studienteilnehmer führten eine Cursorsteuerung in der Feedbackphase aus: einer mit zufälligen, 3 mit 70–80%, 6 mit 80–90 % und 3 mit 90–100 % Erfolgsraten (sieheAbb. 8). Dies war der erste wissenschaftliche Nachweis dafür, dass der Ansatz des maschinellen Lernens selbst für BCI-Novizen vom ersten Experiment an „gedankenschnelle“ Kommunikation erlaubt. Abb. 8 (A): Feedback-Erfolgsrate bei allen Durchgängen (Punkte) und pro Proband gemittelte Erfolgsrate (schwarze Kreuze). (B): Histogramm der Erfolgsraten der BBCI-Cursorsteuerung über alle Durchgänge von jeweils 100 Trials. 4.3 „BCI-Analphabetismus“ Eine der größten Herausforderungen des BCI-Feldes ist, das Problem des sogenannten „BCI- Analphabetismus“ zu verstehen und zu lösen. Damit ist die Tatsache gemeint, dass es einen nicht zu vernachlässigenden Anteil an BCI-Nutzern gibt, bei dem eine BCI-Steuerung nicht funktioniert. Dieser Ausfall tritt bei SMR-basierten BCI-Systemen unabhängig davon auf, ob maschinelles Lernen oder operantes Konditionieren als Ansatz gewählt wird (KÜBLER und MÜLLER 2007). Der Prozentsatz von Ausfällen in der BCI-Steuerung ist schwer abzuschätzen, da es nur sehr wenige Studien mit einer genügend großen ungefilterten Nutzerzahl gibt. , aber auf Grund eigener Studien kann geschätzt werden, dass die Ausfallrate für motorische Steuer- paradigmen zwischen 15 % und 30 % liegt. Damit stellt der BCI-Analphabetismus ein we- sentliches Hindernis zur Verbreitung der BCI-Technologie in der Rehabilitation sowie im Bereich der Mensch-Maschine-Interaktion dar. Es ist anzumerken, dass stimulusgetriebene BCI-Systeme wie P300 oder SSVEP BCIs eine geringereAnzahl erfolgloser Nutzer aufweisen. Ein besseres Verständnis des BCI-Analphabetismus würde erlauben, die BCI-Performanz auf Grund von physiologischen und psychologischen Daten zu prädizieren und damit Methoden Forschen an einer neuen Schnittstelle zum Gehirn: Das Berliner Brain-Computer-Interface Nova Acta Leopoldina NF 110, Nr. 377, 235–257 (2011) 247 A BA B