Meta hat eine neue Version seines Gehirn-Computer-Interface vorgestellt. Brain2Qwerty v2 übersetzt Gehirnaktivität in ganze Sätze, und zwar vollständig nicht-invasiv. Kein chirurgischer Eingriff, kein Implantat, keine Schädelöffnung. Stattdessen nutzt das System einen externen Magnetoenzephalografie-Scanner, der magnetische Signale des Gehirns misst, während eine Person tippt. Die KI lernt aus diesen Signalen und rekonstruiert, was getippt werden sollte.
Was Brain2Qwerty v2 kann
Die erste Version von Brain2Qwerty versuchte noch, einzelne Buchstaben aus Gehirnsignalen zu dekodieren. Das war langsam und fehleranfällig. Version 2 geht einen völlig anderen Weg. Statt einzelne Zeichen zu erraten, analysiert das System Zeichen, Wörter und ganze Sätze gleichzeitig. Dafür kombiniert Meta Transformer-Modelle mit Faltungsnetzwerken und feinabgestimmten Sprachmodellen. Diese Sprachmodelle fungieren wie eine Art Autokorrektur für das Gehirn: Wenn das neuronale Signal unvollständig oder verzerrt ist, nutzt der Kontext, um zu erschließen, was die Person sagen wollte.
Die Ergebnisse sind bemerkenswert. Brain2Qwerty v2 erreicht eine durchschnittliche Wortgenauigkeit von 61 Prozent. Der beste Teilnehmer erzielte sogar 78 Prozent Genauigkeit, wobei mehr als die Hälfte seiner dekodierten Sätze maximal ein Wortfehler enthielt. Zum Vergleich: frühere nicht-invasive Methoden kamen auf gerade einmal 8 Prozent. Außerdem nutzte Meta KI-Agenten, um die Dekodierungspipeline zu optimieren, bevor Ingenieure die finale Trainingskonfiguration festlegten.
Die Daten hinter dem Durchbruch
Das Training basiert auf rund 22.000 getippten Sätzen von neun Freiwilligen. Jeder Teilnehmer verbrachte etwa 10 Stunden in einem MEG-Scanner, einem helmartigen Gerät, das winzige magnetische Felder im Gehirn misst. Die Probanden tippten dabei Sätze, während das System ihre Gehirnaktivität aufzeichnete. Aus diesen Daten lernte die KI, welche Gehirnsignale welchen Tastatureingaben entsprechen.
Meta hat den Trainingscode für beide Versionen open-source veröffentlicht. Der Datensatz für Version 1 wird ebenfalls veröffentlicht. Das gehört zu Metas Digital Brain Project, das einen 5-Millionen-Dollar-Fonds für offene Neurosience-Datensätze umfasst. Die Forschungsergebnisse sind in Nature Neuroscience erschienen.
Warum nicht-invasiv den Durchbruch bedeutet
Der eigentliche Fortschritt liegt nicht in der KI selbst, sondern in der Tatsache, dass er ohne Operation funktioniert. Hochleistungs-Gehirn-Computer-Schnittstellen wie Neuralink von Elon Musk setzen auf implantierbare Elektroden, die direkt ins Gehirn gepflanzt werden. Das birgt erhebliche Risiken: Blutungen, Infektionen, Narbenbildung und die Notwendigkeit von Folgeoperationen. Zudem verschlechtern sich die Signale implantierter Elektroden über die Zeit, weil das Gehirngewebe rundherum absterben kann.
Brain2Qwerty v2 umgeht all diese Probleme. Der MEG-Scanner ist vollständig extern. Er erfordert keinen chirurgischen Eingriff und keine Implantate. Allerdings gibt es einen Haken: Die MEG-Geräte sind riesig, teuer und fest in Forschungslabore installiert. Sie gehören nicht ins Wohnzimmer und schon gar nicht in eine Alltagssituation. Meta selbst betont, dass Brain2Qwerty noch weit von einem Verbraucherprodukt entfernt ist.
Der Kontext: Gehirn-Computer-Schnittstellen im Wandel
Brain2Qwerty v2 erscheint in einem Moment, in dem die Forschung an Gehirn-Computer-Schnittstellen massiv beschleunigt. Neben Neuralink entwickelt auch Synchron an implantierbaren Interfaces, die ALS-Patienten ermöglichen, Alexa mit Gedanken zu steuern. OpenAI-Chef Sam Altman unterstützt Merge Labs, ein weiteres Startup in diesem Bereich. Gleichzeitig arbeiten immer mehr Forscher und Startups an nicht-invasiven Systemen.
Im September 2024 stellte Neurable KI-gestützte EEG-Kopfhörer vor, die Aufmerksamkeit und kognitive Ermüdung überwachen. Ein Jahr später präsentierte das MIT-Spinoff AlterEgo ein Wearable, das stille neuromuskuläre Signale aus Gesicht und Hals in Text und Befehle umwandelt. Meta positioniert Brain2Qwerty v2 als Brücke zwischen invasiven Neuroprothesen und Systemen, die keine Operation erfordern.
Die Grenzen und die ethischen Fragen
Trotz der Fortschritte bleiben erhebliche Hürden. Die Genauigkeit von 61 Prozent im Durchschnitt bedeutet, dass fast vier von zehn Wörtern falsch dekodiert werden. Für Menschen, die auf solche Systeme angewiesen wären, ist das nicht ausreichend. Zudem funktioniert das System nur mit einer MEG-Maschine, die mehrere Millionen Euro kostet und ein speziell abgeschirmtes Raum benötigt. Die Teilnehmer müssen außerdem trainiert werden und zehn Stunden lang tippen, während ihr Gehirn gescannt wird.
Dazu kommen ethische Fragen. Wenn KI-Gehirnaktivität lesen und dekodieren kann, wer hat Zugang zu diesen Daten? Was passiert, wenn die Technologie miniaturisiert wird und in alltäglichen Geräten landet? Meta hat bisher keine konkreten Pläne für eine kommerzielle Nutzung bekanntgegeben, sondern betont den Forschungscharakter. Aber die Geschichte von Tech-Unternehmen zeigt, dass Forschung oft der erste Schritt zur Produktentwicklung ist.
Was bedeutet das für die Zukunft?
Meta selbst formuliert das Ziel klar: Die Technologie soll Menschen helfen, die aufgrund von Hirnläsionen nicht mehr sprechen können. Das ist ein legitimer und wichtiger Anwendungsfall. Wenn nicht-invasive Systeme irgendwann eine Zuverlässigkeit von 90 Prozent oder mehr erreichen, könnten sie tausenden Menschen eine Stimme zurückgeben, ohne dass sie sich operieren lassen müssen.
Allerdings ist der Weg dorthin noch weit. Die Abhängigkeit von teuren MEG-Geräten, die geringe Genauigkeit bei durchschnittlichen Nutzern und die Sorgen um den Datenschutz sind Probleme, die nicht durch bessere Algorithmen allein gelöst werden. Brain2Qwerty v2 ist ein beeindruckender Forschungsfortschritt, aber kein fertiges Produkt. Es zeigt, was möglich ist, wenn moderne KI auf jahrzehntealte Neurosience-Technologie trifft. Gleichzeitig erinnert es daran, dass der Abstand zwischen Labor und Wohnzimmer oft größer ist, als Tech-Unternehmen gerne zugeben würden.
