Gehirn-Computer-Schnittstelle: Meta dekodiert Hirnströme ohne Eingriff
02.07.2026 - 21:11:13 | boerse-global.de
Das System Brain2Qwerty v2 dekodiert Hirnströme in Text – und das ohne chirurgischen Eingriff. Statt implantierter Elektroden nutzt es externe Sensoren.
Die Ergebnisse sind vielversprechend. Laut einer Studie in Nature Neuroscience erreicht die KI-Pipeline eine durchschnittliche Wortgenauigkeit von 61 Prozent. Spitzenreiter kamen auf bis zu 78 Prozent. Die durchschnittliche Wortfehlerrate lag bei 39 Prozent, der beste Proband erreichte sogar nur 22 Prozent.
Dreistufige KI-Architektur
Technisch arbeitet Brain2Qwerty v2 mit einer dreistufigen Deep-Learning-Architektur. Ein Encoder verarbeitet die Magnetenzephalographie-Signale (MEG), ein Aligner synchronisiert sie zeitlich. Ein großes Sprachmodell wie Qwen3 übernimmt die finale Textkorrektur.
Der Clou: Die Dekodierung läuft asynchron ab. Exakte Zeitstempel der Tastatureingaben sind nicht nötig. In mehr als der Hälfte der getesteten Sätze trat maximal ein Wortfehler auf.
MEG schlägt EEG klar
Meta hat mit Brain2Qwerty v2 gezeigt, dass nicht-invasive BCI mit MEG und KI Wortgenauigkeiten von bis zu 78 Prozent erreichen. Der Open-Source-Code und die Modelle sind verfügbar – dieser Leitfaden zeigt Ihnen in 3 Schritten, wie Sie eine eigene Pipeline aufsetzen. Jetzt Praxis-Leitfaden anfordern
Die Forscher verglichen verschiedene nicht-invasive Methoden. Ergebnis: MEG ist der Elektroenzephalographie (EEG) deutlich überlegen. Die Zeichenfehlerrate bei MEG lag bei rund 29 Prozent, bei EEG stieg sie auf 65 Prozent.
Die Datengrundlage ist solide: Rund 22.000 Sätze von neun Probanden, jeder über zehn Stunden aufgezeichnet. Insgesamt nahmen 35 Personen teil. Die Analyse zeigt ein log-lineares Skalierungsgesetz: Mehr Trainingsdaten bedeuten mehr Genauigkeit. Für individuelle Unterschiede in der Gehirnstruktur setzten die Forscher separate LoRA-Adapter ein.
Große Hürden für den Alltag
MEG schlägt EEG klar: Die Zeichenfehlerrate liegt bei MEG bei rund 29 Prozent, bei EEG bei 65 Prozent. Wer auf nicht-invasive BCI setzt, sollte die richtige Sensorik wählen. Unser Leitfaden enthält eine Checkliste für MEG vs. EEG und hilft Ihnen, die optimale Technik für Ihr Projekt zu identifizieren. Checkliste MEG vs. EEG sichern
Das Ziel ist klar: Menschen mit schweren neurologischen Einschränkungen helfen – etwa nach Schlaganfällen, bei ALS oder Locked-in-Syndrom. Die KI interpretiert die Signale, die normalerweise beim Tippen entstehen, und wandelt sie in Text um.
Doch der Weg zur Praxis ist weit. Ein MEG-Scanner wiegt rund 500 Kilogramm und kostet etwa zwei Millionen US-Dollar. Echtzeitfähig ist das System noch nicht. Meta hat den Quellcode, Modelle und Teile der Datensätze als Open Source veröffentlicht. Experten betonen: Brain2Qwerty v2 ist kein Endverbraucherprodukt, sondern ein wissenschaftlicher Machbarkeitsnachweis für künftige medizinische Anwendungen.
