Mensch und Maschine verbunden

Ein Einblick in die Forschung und die Rezeption von Gehirn-Computer-Schnittstellen

Von Lena Kohler
Lektoriert von Anja Blaser und Marina Reist
Illustriert von Svenja Rangosch

Zahlreiche Medienproduktionen wie z. B. Black Mirror und Altered Carbon profitieren von der Faszination, mit welcher die Menschheit dem Konzept der Verbindung von Mensch und Maschine entgegenblickt. Dies nicht ohne Grund: Technischer Fortschritt erweitert das Ausmass der Möglichkeiten des Menschen von Alltagsbeschäftigungen bis hin zur Mortalität, und beeinflusst so auch, wie wir uns definieren. Obwohl das Ausmass, in welchem diese Verbindung in der Fiktion dargestellt wird, den Forschungsstand weit überschreitet, findet sie heute bereits in verschiedenen Arten statt. So können gegenwärtig diverse neurologische Krankheiten durch die Interaktion von Gehirn und Computer – sogenannte Gehirn-Computer-Schnittstellen – behandelt werden.

Mit Gedanken die Umgebung steuern

Mit Gehirn-Computer-Schnittstellen (Englisch: brain-computer-interface, BCI) können externe Instrumente wie Computer oder Prothesen durch «Gedanken» gesteuert werden – und dies ohne jeglichen Input des peripheren Nervensystems (Chaudhary et al., 2020). Dysfunktionalitäten von motorischen und sensorischen Systemen können somit direkt umgangen werden, indem die Gehirnaktivität über invasive oder nichtinvasive Methoden gewonnen, analysiert, und anschliessend in Kontrollsignale übersetzt wird, welche unter anderem die Bewegung von Prothesen ermöglichen (Chaudhary et al., 2020).

Unter invasiven Methoden wird hierbei die Implantierung von Elektroden in den Epidural oder Subdural Raum des Gehirns oder das Spiking der Aktivität von einzelnen (single-unit) oder mehreren (multiple-unit) Neuronen verstanden (Chaudhary et al., 2020). Bei nichtinvasiven Methoden wird hingegen nicht direkt in das Gehirn eingegriffen, stattdessen werden EEG-Parameter wie ereigniskorrelierte Potentiale und sensomotorische Rhythmen durch diverse Aufgaben und Paradigmen moduliert (Nierhaus et al., 2019). Ein Beispiel dazu sind Motor-Imagery Aufgaben, bei denen Patient*innen mit einer Gehirn-Computer Schnittstelle sich vorstellen eine Bewegung auszuführen (Nierhaus et al., 2019). Dadurch lernt die Gehirn-Computer-Schnittstelle, welche Gehirnaktivität aus der Vorstellung einer bestimmten Bewegung resultiert und kann dieses Wissen zur Bewegung eines externen Instruments anwenden (Nierhaus et al., 2019). Da nichtinvasive Methoden nicht mit einem direkten Eingriff ins Gehirn verbunden sind, sind sie grundsätzlich mit weniger Risiken assoziiert; jedoch kann damit auch nicht die Signalqualität invasiver Methoden erreicht werden (Gassert, 2019).

Die Weite und die Grenzen des Forschungshorizonts

Vor allem für Individuen mit schweren Dysfunktionalitäten im zentralen oder peripheren Nervensystem bieten Gehirn-Computer-Schnittstellen vielversprechende Rehabilitationsmöglichkeiten (Chaudhary et al., 2020). So profitieren z. B. Patient*innen mit Tetraplegie: In einer Studie lernte eine Tetraplegikerin innerhalb von 13 Wochen mithilfe einer invasiven Schnittstelle eine Prothese auf verschiedene Aufgaben anzuwenden. Dies gelang ihr schliesslich beinahe so koordiniert und schnell wie einer Person ohne Behinderung (Collinger et al., 2013). Es zeigt sich also, dass Gehirn-Computer-Schnittstellen die angeborenen Kontrollsignale zu Bewegungen von Armen und Händen in Paralyse-Patient*innen regenerieren können (Collinger et al., 2013). Auch Patient*innen mit Amyotropher Lateralsklerose kann eine Gehirn-Computer-Schnittstelle zur Rehabilitation verhelfen. Unter Anwendung einer nichtinvasiven, auf P300-basierenden Gehirn-Computer-Schnittstelle können die Betroffenen lernen, mit Augenbewegungen Texte zu schreiben (Nijboer et al., 2008). Dies bietet eine Form von Kommunikation zwischen Patient*innen und ihrer Umwelt, welche sonst nicht möglich wäre, und erhöht so den Lebensstandard der Betroffenen (Nijboer et al., 2008). Des Weiteren können mit BCI-Stimulation unter anderem Patient*innen mit Gliedergürteldystrophie, Morbus Parkinson und Major Depressive Disorder behandelt werden (Saha et al., 2021).

Trotz dieser wissenschaftlichen Befunde hält sich der bisherige Informationsgehalt der Gehirn-Computer-Schnittstellen in der Therapie sowie im Alltagsgebrauch in Grenzen, dies nicht zuletzt wegen den jeweiligen Nachteilen von invasiven und nichtinvasiven Verfahren (Gassert, 2019). In vielen Studien konnten bisher ausserdem nur bedingt Fortschritte nachgewiesen werden, und dies nur mit grossem Therapieaufwand (Krueger et al., 2020). Während das Konzept von Gehirn-Computer-Schnittstellen zahlreiche Möglichkeiten für die Praxis liefert und Informationen zu Gehirnstrukturveränderungen offenlegt, bedürfte die Forschung dazu bessere Dokumentation und alternative Ansätze für signifikantere Ergebnisse (Gassert, 2019; Krueger et al., 2020).

Mensch und Person neu definiert

Verbunden zu sein bringt neben Nutzen auch Kosten. Obwohl der Mensch heute schwer ohne Technik definiert werden kann, suggeriert die von Gehirn-Computer-Schnittstellen ermöglichte einzigartige Interaktion zwischen Mensch und Maschine für einige Forscher*innen das Hervortreten einer neuen Einheit von Wesen, sogenannter Maschinenmenschen (Müller, 2014). Doch nicht nur auf einer Makroebene stellt sich die Frage, wie sich der Mensch mit dieser Verbindung weiterentwickelt, sondern auch auf einer gegenwartsorientierten, persönlichen Ebene; die der Patient*innen. So beschäftigt sich die Neuroethik mit der Frage, inwiefern ein Mensch mit einer Gehirn-Computer-Schnittstelle noch autonom ist (Drew, 2019).

«Computergestützte Übersetzung und technische Umsetzung transformieren die Identität des Nutzers, er ist Mensch und Maschine zugleich.»

Dr. Oliver Müller, 2014

Eine Patientin, welche durch eine schwere Epilepsie in Behandlung kam, beschreibt das Verhältnis mit ihrer Schnittstelle als symbiotisch: Der Koexistenz zweier Spezies in ihrem Körper (Drew, 2019). Ähnlich erläutern Patient*innen, welche wegen Depressionen oder Zwangsstörungen in Behandlung kamen, dass sich ihr Sinn für Selbstwirksamkeit durch die BCI-Behandlung veränderte (Drew, 2019). Es stellt sich die Frage, welcher Anteil ihrer Gedanken dem Ich zuzuordnen sei, evoziert Gefühle der eigenen Künstlichkeit (Drew, 2019). Dies nicht zuletzt, da die Behandlung mit einer Gehirn-Computer-Schnittstelle gewisse Persönlichkeitsveränderungen mit sich ziehen kann: Patient*innen werden plötzlich pathologisch euphorisch, verfallen in eine Spielsucht, welche sich wieder zurückbildet, sobald die Verbindung der Schnittstelle unterbrochen wird (Müller, 2014; Drew, 2019). Manche werden durch starke persönliche Veränderungen von ihrer Familie kaum wiedererkannt, die Schnittstelle dadurch als Bedrohung ihres Personseins angesehen (Drew, 2019).

Für die Neuroethik bedeutet dies, zu untersuchen, welche Veränderungen der Persönlichkeit und der Identität vertretbar sind (Müller, 2014). Diese Frage lässt sich jedoch nicht einheitlich beantworten, denn die Antwort dazu ist abhängig von der verwendeten Persönlichkeitstheorie (Baylis, 2013). Neuroethiker Baylis argumentiert damit, dass BCI-bedingte Veränderungen der Persönlichkeit als bedrohlich angesehen werden können, sofern die Persönlichkeit als statisches Konstrukt angesehen wird. Wird die Persönlichkeit jedoch als separat von der persönlichen Identität und als dynamisch verstanden, ist die Annahme dessen Bedrohlichkeit selbst problematisch (Baylis, 2013). Schlussendlich kommt es also auf das Ausmass an, in dem Patient*innen Kontrolle über ihr eigenes Leben ausüben können (Baylis, 2013).

---

Zum Weiterlesen

Kübler, A. (2013). Brain-computer interfacing: Science fiction has come true. Brain, 136(6), 2001–2004. https://doi.org/10.1093/brain/awt077

Literatur

Baylis F. (2013). „I am who I am“: On the perceived threats to personal identity from deep brain stimulation. Neuroethics, 6(3), 513–526. https://doi.org/10.1007/s12152-011-9137-1

Chaudhary, U., Mrachacz‐Kersting, N., & Birbaumer, N. (2020). Neuropsychological and neurophysiological aspects of brain‐computer‐interface (BCI) control in paralysis. The Journal of Physiology, 599(9), 2351–2359. https://doi.org/10.1113/jp278775

Collinger, J. L., Wodlinger, B., Downey, J. E., Wang, W., Tyler-Kabara, E. C., Weber, D. J., McMorland, A. J., Velliste, M., Boninger, M. L. & Schwartz, A. B. (2013). High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet, 381(9866), 557–564. https://doi.org/10.1016/s0140-6736(12)61816-9

Drew, L. (2019). The ethics of brain–computer interfaces. Nature, 571(7766), 19-21. https://doi.org/10.1038/d41586-019-02214-2

Gassert, R. (2019, 9. August). Die Tücken der Schnittstellen. ETH Zürich. Aufgerufen am 23.01.2022, von https://ethz.ch/de/news-und-veranstaltungen/eth-news/news/2019/08/blog-gassert-bci.html

Krueger, J., Reichert, C., Dürschmid, S., Krauth, R., Vogt, S., Huchtemann, T., Lindquist, S., Lamprecht, J., Sailer, M., Heinze, H. J., Hinrichs, H. & Sweeney-Reed, C. M. (2020). Rehabilitation nach Schlaganfall: Durch Gehirn-Computer-Schnittstelle vermittelte funktionelle Elektrostimulation. Klinische Neurophysiologie, 51(03), 144–155. https://doi.org/10.1055/a-1205-7467

Müller, O. P. D. (2014, 3. November). Ethische Fragen bei Neurotechnologien. Bundeszentrale für politische Bildung. Aufgerufen am 23.01.2022, von https://www.bpb.de/gesellschaft/umwelt/bioethik/194202/ethische-fragen-bei-neurotechnologien

Nierhaus, T., Vidaurre, C., Sannelli, C., Mueller, K. R., & Villringer, A. (2019). Immediate brain plasticity after one hour of brain–computer interface (BCI). The Journal of Physiology, 599(9), 2435–2451. https://doi.org/10.1113/jp278118

Nijboer, F., Sellers, E., Mellinger, J., Jordan, M., Matuz, T., Furdea, A., Halder, S., Mochty, U., Krusienski, D., Vaughan, T., Wolpaw, J., Birbaumer, N. & Kübler, A. (2008). A P300-based brain–computer interface for people with amyotrophic lateral sclerosis. Clinical Neurophysiology, 119(8), 1909–1916. https://doi.org/10.1016/j.clinph.2008.03.034

Psychologische Prädiktoren der BCI Steuerung. (2018, 9. August). Universität Würzburg. Aufgerufen am 23.01.2022, von https://www.psychologie.uni-wuerzburg.de/int/projekte/psychologische-praediktoren-der-bci-steuerung/

Saha, S., Mamun, K. A., Ahmed, K., Mostafa, R., Naik, G. R., Darvishi, S., Khandoker, A. H., & Baumert, M. (2021). Progress in brain computer interface: Challenges and opportunities. Frontiers in Systems Neuroscience, 15. https://doi.org/10.3389/fnsys.2021.578875