Kognitiven Zustand erkennen

Die von CorrActions entwickelte Deep-Tech-Gehirnüberwachung nutzt vorhandene Bewegungssensoren, zum Beispiel im Lenkrad, um den kognitiven Zustand von Fahrern und Passagieren zu erkennen. Dabei werden Mikrobewegungen analysiert, die auf eine Vielzahl von kognitiven Symptomen hinweisen, beispielsweise, wenn ein Fahrer betrunken oder übermüdet ist. Die vorhandene Hardware im Fahrzeug muss dazu nicht verändert werden.

www.corractions.com

Transparentes Display

Die Transparenz des von United Screens entwickelten 55 Zoll großen OLED-Panels liegt bei rund 40 Prozent. Das ermöglicht es, ein Objekt im Hintergrund zur Inszenierung durchscheinen zu lassen. Ein Infrarot-Touch-Rahmen erfasst bis zu zehn gleichzeitige Touchpoints und lädt zur intuitiven Interaktion mit den gezeigten Inhalten ein. Das Display kann als Hingucker auf einem Event oder als Digital Signage eingesetzt werden.

www.united-screens.tv

Die virtuelle Welt ertasten

HaptX hat Human Machine Interfaces in Form von Handschuhen entwickelt, die über Hunderte von mikrofluidischen Aktuatoren Berührungsempfindungen simulieren. Damit ist eine natürliche Interaktion und echte Berührungshaptik in der virtuellen Realität und Robotik möglich. In einer Multiplayer-Kollaboration können mehrere Benutzer in derselben virtuellen Umgebung arbeiten und dieselben Objekte ertasten.

www.haptx.com

Leichtgewichtige AR-Brille

Das AR-Headset von Kura bietet eine 95-prozentige Linsentransparenz und ein 150-Grad-Sichtfeld in einem kompakten Formfaktor, der sich kaum noch von einer normalen Brille unterscheidet. Dank der hohen Transparenz ist ein natürlicher Augenkontakt möglich, der Benutzer kann auch andere Aufgaben erledigen, während er das Headset nutzt. Dabei dringt kein Licht nach vorn, sodass andere Personen die Darstellung nicht sehen können.

www.kura.tech

Bandbreite fürs Gehirn

Paradromics bringt eine Gehirn-Computer-Schnittstelle mit hoher Datenrate auf den Markt. Die erste Anwendung des Interface ist ein BCI-fähiges Kommunikationshilfsmittel für schwer motorisch eingeschränkte Menschen. Kortikale Module zeichnen dabei Signale von mehr als 1.600 einzelnen Neuronen auf; ein kranialer Hub versorgt die kortikalen Module mit Strom und vervollständigt die Signalverarbeitung.

www.paradromics.com

Sprachbasierte HMI

Linguwerk hat eine Spracherkennung speziell für eine intuitive Mensch-Maschine-Kommunikation entwickelt. Die Lösung bindet neben Spracherkennung und Sprachausgabe auch eine Vielzahl anderer Ein- und Ausgabemodalitäten in das HMI-Verhalten der Maschine, des Gerätes oder des Assistenten ein. Mit einem individuell konfigurierbaren Wakeword kann das Sprachinterface berührungslos und verlässlich aktiviert werden.

www.linguwerk.de

The post Spannende Human Machine Interfaces Start-ups appeared first on Future Markets Magazine.

Es war im Dezember 1968. Ein bis dato unbekannter Wissenschaftler vom Stanford Research Institute trat vor eine schweigende Menge in San Francisco – und begann mit dem, was als „Mutter aller Präsentationen“ in die Geschichte einging: In seinem 90-minütigen Vortrag stellte er praktisch alles vor, was die moderne Computertechnik Jahre später ausmachen sollte: Videokonferenzen, Hyperlinks, vernetzte Zusammenarbeit, digitale Textbearbeitung – und etwas, das „Maus“ genannt wurde.

Die Welt von morgen

Der Wissenschaftler, der dem staunenden Publikum das Potenzial der Zusammenarbeit mit Computern demonstrierte, war Douglas Engelbart. Kein Computer-Spezialist, sondern Ingenieur und passionierter Erfinder. „Damals dachten die meisten Menschen, dass Computer nur zum Rechnen da sind – große Gehirne zum Knacken von Zahlen. Das Konzept der interaktiven Datenverarbeitung war ihnen fremd“, erinnerte er sich Jahre später. „Es war für die Leute schwer zu verstehen, was wir in meinem Labor, dem Augmentation Research Center am SRI in Menlo Park, machten. Ich wollte also zeigen, welche Flexibilität ein Computer bieten kann: die Welt von morgen.“

Visionärer Ingenieur

Engelbart (1925 – 2013) schloss 1942 die Highschool ab und studierte anschließend Elektrotechnik an der Oregon State University. Während des Zweiten Weltkriegs war er als Radartechniker tätig. Im Jahr 1948 erhielt er seinen Bachelor und arbeitete für das NACA Ames Laboratory (Vorläufer der NASA). Anschließend bewarb er sich für das Graduiertenprogramm in Elektrotechnik an der University of California, Berkeley, und promovierte 1955. Ein Jahr später verließ er die Universität, um für das Stanford Research Institute (SRI) zu arbeiten.

Am SRI erwarb Engelbart innerhalb von zwei Jahren ein Dutzend Patente und arbeitete an magnetischen Computerkomponenten, grundlegenden Phänomenen digitaler Geräte und dem Skalierungspotenzial der Miniaturisierung. Im Jahr 1962 veröffentlichte er sein visionäres Werk „Augmenting Human Intellect: A Conceptual Framework“. Darin skizzierte er seine Ideen für den Einsatz von Computern zur Ergänzung der menschlichen Intelligenz. Seine Motivation für seine Entwicklungen formulierte Douglas Engelbart einmal folgendermaßen: „Die Komplexität der Probleme, vor denen die Menschheit steht, wächst schneller als unsere Fähigkeit, sie zu lösen.“

Die menschlichen Fähigkeiten erweitern

Engelbart wollte daher technologische Innovationen nutzen, um die Fähigkeiten des Menschen zu erweitern. Sein Ziel war es nicht, dass Menschen dank der Technik weniger zu tun haben, sondern dass sie mithilfe der Technik mehr leisten können. Besonders im Computer sah er ein geeignetes Medium, um den Intellekt des Menschen zu unterstützen und so zu befähigen, auch hochkomplexe Probleme schneller zu lösen. Ein Beispiel für diese Erweiterung des menschlichen Intellekts ist die „X-Y Positionsanzeige für ein Anzeigesystem“, die eine direkte Manipulation von Elementen auf dem Bildschirm ermöglichte. „Ich habe 1961 angefangen, Notizen für die Maus zu machen. Zu dieser Zeit war ein Lichtstift das gebräuchlichste Gerät, um etwas auf dem Bildschirm zu zeigen. Dieser Stift wurde während des Krieges für Radargeräte entwickelt. Das war die Standardmethode zum Navigieren, aber ich fand sie nicht besonders gut.“ Wer auf den Begriff „Maus“ für das neuartige Bediengerät gekommen war, wusste Douglas Engelbart später nicht mehr. „Es sah halt irgendwie aus wie eine Maus: ein Kästchen, noch aus Holz gefertigt, mit einem Kabel an einem Ende. Oben ein roter Knopf zum Klicken und unten zwei Rädchen, die Bewegungsimpulse übertrugen.“

Teil eines viel größeren Projekts

„Die Maus war nur ein winziger Teil eines viel größeren Projekts, das darauf abzielte, den menschlichen Intellekt zu verbessern“, so Engelbart. Denn dieses so rudimentär erscheinende Gerät erleichterte die Bedienung einer grafischen Benutzeroberfläche erheblich – auch das eine Entwicklung von Douglas Engelbart und seinem Team. Eine grafische Benutzeroberfläche (GUI) verwendet visuelle Elemente wie Fenster, Schaltflächen und Menüs, über die der Nutzer mit der Software interagieren kann. Ursprünglich bestanden Computer nur aus Textblöcken und es waren umfangreiche Kenntnisse in der Programmierung und Computerschnittstellen erforderlich, um sie zu bedienen.

Grundlage für Apples Erfolg

Doch Engelbart war seiner Zeit wohl zu weit voraus, die Präsentation auf der Fall Joint Computer Conference und die Tragweite seiner Erfindungen gerieten schnell in Vergessenheit. Engelbart gelang es nicht, das SRI, Investoren oder andere potenzielle Geldgeber von seiner Vision zu überzeugen. Erst 1980 schloss er einen Lizenzvertrag mit den beiden Apple-Gründern Steve Jobs und Steve Wozniak über das Patent der Maus ab – 40.000 US-Dollar erhielt er dafür. Vier Jahre später stellte Apple den „Macintosh“ vor, der auf Ideen Engelbarts basiert: mit Maus und grafischer Benutzeroberfläche. Heute ist Engelbarts Vision eines Computers für jedermann längst Wirklichkeit geworden. Als er im Jahr 2013 stirbt, ehrt ihn Apple-Gründer Wozniak mit den Worten: „Alles, was wir in Computern haben, lässt sich auf sein Denken zurückführen. Für mich ist er ein Gott. Er wird für die Maus anerkannt, aber er hat wirklich eine Menge unglaublicher Dinge für Computerschnittstellen und Netzwerke getan.“

The post Der Erfinder der Computermaus appeared first on Future Markets Magazine.

Unser Alltag ist heute von Technik durchdrungen. Mit der Komplexität der Technologien, die uns täglich umgeben, nimmt auch der Bedarf an Mensch-Maschine-Schnittstellen zu, die eine möglichst positive User Experience bieten. Dabei werden die Interaktionsmöglichkeiten immer vielfältiger: Die Palette an HMI-Lösungen reicht vom Push-Button über Multi-Touch-Bildschirme bis hin zu Sprach- und Gestensteuerung. Diese Bandbreite ist etwas, das Karl Lehnhoff besonders fasziniert.

Ein Lichtschalter, eine Computermaus, ein Neuroimplantat zur Steuerung einer Prothese – was davon ist für Sie eine Mensch-Maschine-Schnittstelle?

Karl Lehnhoff: Das ist leicht zu beantworten – alle. Schalter sind eine Basis-HMI. Aber auch andere Dinge wie eine Computermaus, sind ganz klar Mensch-Maschine-Schnittstellen. Natürlich gibt es daneben Hightechgeräte wie Brain Machine Interfaces. Sie stellen die aktuell fortschrittlichste Variante einer HMI dar.

Welche Technologien zur Mensch-Maschine-Interaktion sind denn aktuell besonders gefragt?

K. L.: Fangen wir mit dem Klassiker an, den Schaltern. Wir benutzen sie überall. Und wir werden sie auch in Zukunft verwenden. Auf der anderen Seite benutzen wir immer mehr Touchscreens, angefangen beim Smartphone bis hin zum Auto. Zukünftig werden wir dabei mehr haptisches Feedback integrieren. Was sich zudem immer mehr durchsetzt, ist die Spracherkennung. Wir nutzen sie bereits mit Smartphones oder mit Alexa und Siri im Smart Home. Sie wird in Zukunft auch in anderen Anwendungen zum Einsatz kommen, zum Beispiel in der industriellen Produktion. Außerdem wird immer öfters die Gestensteuerung eingesetzt.

Zum Bereich der HMI gehören aber auch Lösungen zur biometrischen Authentifizierung. Gesichtserkennung bei Telefonen oder anderen Anwendungen, Fingerabdruckscanner oder Iris-Scanner.

Was ich zudem spannend finde, sind Augmented und Virtual Reality. Auf der diesjährigen Hannover-Messe habe ich mir zum Beispiel eine Lösung angeschaut, bei der über Smart Glasses ein Roboter für den Logistikbereich gesteuert wird.

Touchscreens werden aktuell fast überall verwendet – wo geht die Entwicklung hin?

K. L.: Touchscreens haben wir heute tatsächlich überall und sie werden kontinuierlich weiterentwickelt. Wir sehen bereits 3D-Touchscreens und die Möglichkeit, haptisches Feedback zu integrieren. In Zukunft werden Touchscreens zudem mit anderen HMI-Technologien wie Gestensteuerung kombiniert.

Wie kann denn haptisches Feedback in einen Touchscreen integriert werden?

K. L.: Typischerweise wird heute ein Motor oder ein piezoelektrischer Aktor verwendet, der eine fühlbare Rückmeldung gibt. Es gibt auch Displays, die über taktile Rückkopplungsschichten verfügen. Sie „erzeugen“ Knöpfe unter dem Display, sodass man spüren kann, wenn man sie drückt. Feedback ist nicht nur bei Touchscreens relevant, sondern auch bei anderen Anwendungen, wo Knöpfe hinter Glas Feedback ermöglichen. Auch hier wird oft ein Motor verwendet, um eine mechanische Rückmeldung zu geben. Das ist sogar möglich, wenn der Bediener Handschuhe trägt – dann muss allerdings die Feedback-Kraft größer sein und vielleicht in einem Bereich von 1 oder 2G liegen, sonst spürt man das nicht durch den Handschuh.

Wird heute über HMI gesprochen, kommt man an KI kaum vorbei. Neben dem Einsatz bei der Sprach- und Gestenerkennung – welche Rolle spielt KI bei HMI?

K. L.: Nicht immer erkennen wir es, aber wir nutzen heute schon eine Menge KI. Beim Smartphone, bei der Sprach- oder Gesichtserkennung. In der Bildverarbeitung wird sie oft eingesetzt. In Zukunft geht es zum Beispiel bei der Spracherkennung darum, das Sprachverständnis zu verbessern und mehr Wörter zu erkennen. KI wird auch bei Gehirn-Computer-Schnittstellen, bei Virtual und Augmented Reality oder für vorausschauende Analysen benötigt. Dabei wird auch das Maschinelle Lernen eine immer größere Rolle spielen. Denn damit kann das Gerät selbst weiter lernen, sich vielleicht selbst ein neues Wort beibringen.

was bleibt der Schlüssel zu einem idealen Benutzererlebnis?

K. L.: Einer der wichtigsten Punkte ist die Erkennungsgenauigkeit. Ich erlebe das jeden Tag bei meinem Auto – manche Wörter versteht es, manche nicht. Wir müssen also eine hohe Genauigkeit und Zuverlässigkeit haben. Hier kann KI helfen. Aber es gibt noch eine Menge andere Kriterien für eine gute HMI: Datenschutz, Feedback, der Umgang mit Fehlern. Aber die wichtigsten Punkte für mich sind Zuverlässigkeit und Genauigkeit.

Bei der Bandbreite an Technologien – wie kann EBV Elektronik bei der Realisierung einer HMI helfen?

K. L.: Wir sind einer der führenden Spezialisten für Halbleiter. Wir können also bei der Auswahl passender Technologie helfen. Auch beim Thema „Software“ können wir Kunden beraten. Dafür haben wir unsere Segmentstruktur mit den verschiedenen Markt- und Technologiesegmenten. Das spiegelt sich auch im Feld wider, mit unseren Field-Application-Engineers für Technologien und Systeme. Und auch bei der Produktion, beim Lieferkettenmanagement und all den anderen Dingen, die nötig sind, um ein Produkt auf den Markt zu bringen, können wir unterstützen.

Arbeiten Sie dabei auch mit Ihren „Schwesterunternehmen“ aus dem Avnet-Konzern zusammen? Wie profitiert der Kunde davon?

K. L.: Das tun wir, zum Beispiel liefert unsere Schwesterfirma Avnet Abacus Verbindungstechnik, passive Bauelemente und Elektromechanik. Damit können wir also die komplette Stückliste abdecken. Avnet Embedded bietet komplette Lösungen für Kundenanwendungen. Sie übernehmen die Entwicklung, auch die Produktion und können dabei in einer breiten Palette von Anwendungen arbeiten. Und dann haben wir noch unseren Software-Spezialisten Witekio, der die komplette Entwicklung von der unteren Software-Ebene bis hin zu Embedded Applikationen und Konnektivität abdeckt. Wir als EBV sind schließlich ein Full-Service-Partner. Damit hat der Kunde nur eine Anlaufstelle, über die er alle Informationen und den gesamten Service erhält.

Was bedeuten die aktuellen Entwicklungen im Bereich der HMI aus Sicht der Halbleiterindustrie?

K. L.: Wir erkennen deutlich den Trend weg vom Mikrocontroller, hin zum Mikroprozessor. Das hat viel mit den zunehmenden Funktionalitäten des Touchscreens zu tun. Dieser Trend überträgt sich nun auch auf die anderen Anwendungen. Das Display selbst wird immer komplexer. Das kann mit Mikrocontrollern nicht mehr erfüllt werden. Also kommt es in Zukunft auf leistungsfähigere Mikroprozessoren an. Natürlich braucht man auch mehr Rechenleistung für die immer häufiger eingesetzte Künstliche Intelligenz. Und auch für den 3D-Touchscreen braucht man in Zukunft leistungsfähigere Prozessoren als in der Vergangenheit.

Welche Entwicklungen im Bereich HMI finden Sie aktuell besonders spannend – und warum?

K. L.: Die Sprach- und Gestenerkennung, denn sie ermöglicht eine natürliche Interaktion wie mit einem Menschen. Sie ist in vielen Situationen hilfreich, beim Autofahren genauso wie in der Industrie. Der Schlüssel zu alldem wird aber die Künstliche Intelligenz sein.

Was glauben Sie: Werden wir in Zukunft Maschinen allein mit unseren Gedanken steuern können?

K. L.: Das ist schwer zu sagen. Aber aus medizinischer Sicht ist das ein sehr interessantes Gebiet. Ich hoffe, wir werden dadurch Menschen helfen können, besser mit ihren körperlichen Einschränkungen zu leben.

Und verstehen Sie die Ängste vieler Menschen, wenn Sie an einen Chip in ihrem Gehirn denken?

K. L.: Auf der einen Seite verstehe ich die Ängste, aber ich glaube, das ist auch eine Frage der persönlichen Situation. Wer eingeschränkt ist und wem so ein Chip im täglichen Leben hilft, wird eher den Nutzen sehen. Menschen, die nicht darauf angewiesen sind, werden eher das Risiko sehen.

Zum Abschluss: Was fasziniert Sie besonders am Thema HMI?

K. L.: Für mich ist das Faszinierende, dass das Feld so breit ist. Beginnend beim Ein-/Aus-Schalter über Touchscreens und Spracherkennung bis hin zum Brain-Computer-Interface. Und nach den HMI, die wir heute haben, wird wieder etwas Neues kommen. Wie es aussehen wird, weiß ich nicht. Aber Menschen investieren Zeit in Forschung und Entwicklung und versuchen, neue Wege zu gehen. Das gefällt mir.

The post Künstliche Intelligenz in HMI-Lösungen appeared first on Future Markets Magazine.

Mit dem Chip im Gehirn Maschinen steuern – das wird bereits von Firmen wie Neuralink und Synchron getestet. Ist das tatsächlich die Zukunft von Human Machine Interfaces?

Elsa Andrea Kirchner: Das Problem bei der Interaktion mit dem Gehirn über implantierte Chips ist, dass man nur den Teil des Gehirns erreichen kann, in dem sich der Chip befindet. Man müsste viele dieser Chips implantieren, um ein gutes Bild davon zu bekommen, was das Gehirn tut. Für einige Zwecke ist das Verfahren sicherlich nützlich, zum Beispiel zur Stimulation des Gehirns bei Parkinson.

Was ist die Alternative?

E. A. K.: Man kann die Hirnaktivität auch von außen messen, über Elektroden, die am Kopf angebracht werden. Allerdings misst man dabei immer eine Summe von Aktivitäten, sodass die Auflösung geringer ist als bei einer implantierten Elektrode. Zudem hat man mehr Rauschen, weil die Gehirnströme durch Haut, Knochen und Haare hindurch gemessen werden. Deshalb sind die Daten viel schwieriger zu interpretieren. Man braucht also sehr gute Geräte, um sie aufzuzeichnen, und man braucht eine gute Signalverarbeitung und Maschinelles Lernen, um diese Daten richtig zu interpretieren.

Wie genau sieht Ihr Ansatz beim EXPECT-Projekt aus?

E. A. K.: Ziemlich oft sehen wir bei der Interaktion einer anderen Person an, was sie tun will oder was sie von mir erwartet. Ein Kollege übergibt mir zum Beispiel ein Werkzeug, weil ich darauf schaue und er gerade danebensteht. Und das ist etwas, was man auch bei der Interaktion mit Maschinen erreichen will. Man will einer Maschine nicht immer explizit jeden einzelnen Schritt sagen, sondern, dass die Maschine das von selbst versteht. Dafür kann man viele Wege nutzen. Und einer dieser Wege ist die direkte Nutzung der Gehirnaktivität.

Denkt tatsächlich jeder Mensch gleich? Zeigt also ein EEG immer das gleiche, egal welcher Mensch den Gedanken hat: „Roboter, öffne den Greifer“?

E. A. K.: Unsere Gehirne sind sehr ähnlich organisiert. Man hat also die gleichen Bereiche an ähnlichen Stellen. Aber wir wissen auch, dass es große Unterschiede zwischen den Menschen gibt. Wenn man also die über ein EEG gemessene Gehirnaktivität einer Person mithilfe von Maschinellem Lernen analysiert hat, bedeutet das nicht, dass man das trainierte Modell einfach auf eine andere Person übertragen kann. Dann sinkt die Leistung vielleicht um 20 oder 30 Prozent. Daher haben wir einige Herausforderungen, wie wir Modelle trainieren können, die auf viele Personen passen. Dies ist eines der Ziele des Projekts EXPECT.

Ihre Plattform für die Mensch-Roboter-Kollaboration setzt aber nicht nur auf Gedanken, sondern soll die verschiedensten Arten der aktiven Interaktion ermöglichen. Warum?

E. A. K.: Stellen Sie sich eine Schlaganfallpatientin vor, die zum Beispiel nicht in der Lage ist, den rechten Arm zu bewegen. Auch bei ihr gibt es eine gewisse Planung der Bewegung im Gehirn. Die können wir erkennen und den Arm mithilfe eines Exoskeletts bewegen. Allerdings haben wir dabei ein paar Probleme. Zunächst einmal sind wir beim Interpretieren nicht zu 100 Prozent korrekt. Das zweite Problem ist, dass wenn ein Mensch an eine Körperbewegung denkt, er sie nicht unbedingt ausführen will.

Die meisten Patienten haben selbst nach einem Schlaganfall noch einige winzige Muskelaktivitäten. Die kann man nutzen: Man interpretiert zunächst das EEG und erkennt, dass die Patientin an eine Bewegung denkt. Gleichzeitig überwacht man die Muskeln – wird dabei eine Aktivität erkannt, weiß man, dass sie die Bewegung wirklich ausführen will.

Diese Kombination verschiedener Signale ist sehr wichtig, denn wenn ein Exoskelett plötzlich den Arm bewegt, ohne dass man es wirklich wollte, hat man das Gefühl, seine Handlungsfähigkeit verloren zu haben und dass das Exoskelett den Willen übernommen hat.

In welchen Fällen macht es darüber hinaus Sinn, verschiedene Interaktionsmöglichkeiten zu nutzen?

E. A. K.: Nehmen Sie zum Beispiel die Spracherkennung. Oft ist die Umgebung dafür zu laut. In unseren Projekten arbeiten Kollegen an der Kombination von EEG und Sprache, um sicherzustellen, dass die gesprochene Sprache richtig erkannt wird. Gleichzeitig kann uns die Spracherkennung auch dabei helfen, das EEG besser zu interpretieren. In der Trainingsphase spricht man dann zum Beispiel aus: „Bitte hol den Hammer“. Gleichzeitig wird dabei das EEG gemessen. Und später denkt man das nur noch und der Roboter wird es anhand der Gehirnaktivität verstehen.

Hauptziel Ihres Projekts ist es, dass die Maschine die Intention des Menschen vorausahnen kann. Bei welchen Applikationen macht das Sinn?

E. A. K.: Manchmal arbeitet man mit Menschen zusammen, die schon bevor man ihnen etwas sagt, wissen, was sie tun sollen. Das empfinden wir als besonders positiv. Gleiches gilt auch bei der Zusammenarbeit mit einer Maschine – es gibt Situationen, in denen es besser wäre, wenn das System meine Absicht kennen würde.

Stellen Sie sich vor, Sie tragen ein Exoskelett und versuchen, irgendetwas über Kopf zu reparieren. Dann unterstützt das Exoskelett sie und hält den Arm aktiv hoch. Das ist erst mal gut. Aber dann ist man irgendwann fertig und will den Arm wieder senken. Die Sensoren erkennen das zwar, aber für einen Moment muss man dennoch gegen das Exoskelett arbeiten. Wenn wir dagegen die Planung der Armbewegungen im Gehirn erkennen können, kann sich das System darauf vorbereiten und schneller reagieren. Das haben wir bereits in der Praxis mit Personen getestet. Sie konnten die Unterschiede wirklich spüren.

Wie genau funktioniert das?

E. A. K.: Wir können in das Gehirn schauen und die Zeitspanne untersuchen, in der das Gehirn die Bewegung plant, bevor ein Signal an die Muskeln gesendet wird. Das kann bis zu 1,5 Sekunden dauern, manchmal sogar länger. Wir können in diese Vorbereitungsphase hineinschauen und erkennen, dass der Mensch sich bewegen will. Und das geht nur über die Gehirnsignale, nicht über Gesten, Muskelaktivität, Augenbewegungen oder Sprache.

Wie weit sind Sie dabei in Ihrem Forschungsprojekt aktuell?

E. A. K.: Im Rahmen des EXPECT-Projekts konzentrieren wir uns auf die Möglichkeiten, wie man auf multimodalen Daten trainieren kann, wie man sie nutzen kann. Zum Beispiel, um zwischen Signalen umzuschalten, wenn die Qualität eines Signals nachlässt. Es geht also nicht um den allgemeinen Ansatz, sondern eher darum, wie wir verschiedene Methoden einsetzen können, um uns an veränderte Signalqualitäten anzupassen.

So können wir mit anderen Signalen trainieren, als wir später verwenden. Wenn zum Beispiel bei einem Patienten die Muskelaktivität am Anfang nicht zuverlässig ist, dann können wir zum Trainieren das EEG nutzen und später die Muskelaktivität und das Eye-Tracking verwenden, um die Leistung zu verbessern und zu steigern.

Sie nutzen unter anderem Gestik, Sprache, Augenbewegungen und Gehirnaktivität – gibt es eine Technologie, die in Zukunft besonders dominierend sein wird?

E. A. K.: Das ist eine schwer zu beantwortende Frage. Es kommt ein bisschen darauf an, wie und was man kommunizieren möchte. Aber das BCI ist für die Zukunft besser geeignet als die anderen Systeme. Ich glaube aber vor allem, dass sich die Qualität der Schnittstellen so verändern wird, dass sie unsere Bedürfnisse viel natürlicher erfüllen. Am besten wäre es, wenn man eine Schnittstelle nicht sehen, spüren und bemerken würde. Und ich glaube an multimodale Schnittstellen, denn so kommunizieren wir auch als Menschen – mit Sprache, Mimik und Gestik.

Welche Entwicklungen in der Halbleitertechnologie sind dabei für Sie besonders spannend?

E. A. K.: An der Universität Duisburg-Essen haben wir eine Gruppe von Forschern und Ingenieuren, die sich mit der Terahertz-Technologie beschäftigen. Darüber lässt sich sehr gut die Umgebung erkennen. Man sieht eine Wand, ein Fenster und eine Ecke und kann sogar sagen, ob der Bereich aus Holz, Stein oder Kunststoff ist. Es gibt viele Ideen, wie diese Technologie genutzt werden kann, um Biosignale berührungslos zu messen. So kann man zum Beispiel über die Reflexion der Terahertz-Wellen die Bewegung der Muskeln messen. Und anhand dieser Bewegungen wissen wir, was die Hand und die Finger tun.

Interessant ist auch der Einsatz von Graphen, um eine epidermale Elektronik zu realisieren, die unter Nutzung von Terahertz-Technologie passiv ohne Chip und Kabel am Körper funktioniert und die elektrische Aktivität in den Muskeln mit einer sehr hohen Auflösung misst. Das ist nicht nur für die Interaktion sehr interessant, sondern zum Beispiel auch, um Muskelkrankheiten zu verstehen.

Fehlt Ihnen bei den heute verfügbaren Halbleiterlösungen noch etwas für Ihre Plattform?

E. A. K.: Stellen Sie sich vor, Sie wollen eine Analyse der Gehirnaktivität für sehr komplizierte Fragen durchführen. Dafür braucht man eine große Menge an Daten und mächtige Machine Learning-Modelle. Das ist vor Ort vielleicht ziemlich schwierig zu realisieren. Aber die Forschung befasst sich bereits damit, diese großen KI-Modelle in kleine Embedded-Geräte zu bringen. Das ist auch für uns sehr wichtig. Denn wenn man mit seinem Exoskelett in der freien Natur herumläuft und kein Internet hat, dann ist man wirklich in Schwierigkeiten, wenn man sich auf eine KI-Verarbeitung verlässt, die in der Cloud läuft.

Um das KI-Modell jedoch in das System zu integrieren, brauchen wir sehr energieeffiziente Rechenleistungen. Dabei muss das Modell auch im Einsatz weiterhin lernen können. Denn stellen Sie sich vor, Sie haben einen Patienten, bei dem ein Signal mit der Zeit immer besser wird. Das sollte das Modell erkennen, sodass sich das System vielleicht mehr auf die Muskeln als auf das EEG verlässt.

Was ist aus Ihrer Sicht wichtig beim Design einer optimalen Mensch-Maschine-Schnittstelle?

E. A. K.: Das Wichtigste ist, dass man offen ist. Also nicht zu sagen, ich bin BCI-Forscher, also will ich das mit der Gehirnaktivität machen. Man sollte immer überlegen, was man tun will und wie der Mensch interagieren würde.

Als Zweites sollte man immer daran denken, dass wir über eine diverse Gesellschaft sprechen. Vielleicht ist die Mimik bei verschiedenen Nationalitäten unterschiedlich? Man sollte also bei der Entwicklung eines solchen Systems nicht nur die Technologie berücksichtigen, sondern auch das soziale Umfeld.

Für mich ist es auch sehr wichtig, mit den Personen zu sprechen, die das System später benutzen.

Maschinen, die die Gedanken des Menschen lesen können – ist das der erste Schritt hin zu Hollywoods Dystopie, in der Maschinen die Macht über Menschen erlangen?

E. A. K.: Im Moment sind wir noch nicht an dem Punkt, an dem wir wirklich komplett die Gedanken lesen können. Und um ehrlich zu sein, glaube ich auch nicht, dass die Gefahr darin besteht, dass die Maschine den Menschen kontrolliert. Ich sehe das Risiko eher darin, dass ein anderer Mensch Zugang zu dem Gehirn haben könnte.

Wir hatten zum Beispiel ein Projekt, bei dem wir einen EEG-basierten Ansatz entwickeln wollten, um eine hohe Arbeitsbelastung von Personen in einem Unternehmen zu erkennen, um zum Beispiel einen Burn-out zu verhindern.

Dabei muss man natürlich zum einen verhindern, dass jemand mit krimineller Energie die Daten in der Cloud abgreift. Aber selbst wenn diese Daten nur genutzt werden, um die Umgebung der Person in der Produktion zu optimieren, zum Beispiel um einen Roboter zu verlangsamen, dann kann das auf die Person zurückfallen. Weil der Arbeitgeber dann vielleicht sagt, ich stelle lieber jemanden Jüngeren ein, bei dem der Roboter schneller arbeiten kann.

Das Verständnis einer Person kann also auch dazu benutzt werden, die Situation zu verschlimmern oder Personen zu schaden. So können wir zum Beispiel Personen diskriminieren, weil wir herausfinden, dass sie bestimmte Dinge nicht erkennen oder ihre Aufmerksamkeit sehr gering ist. Das kann schon heute passieren, wenn man Zugang zum EEG der Person hat.

Zum Schluss ein Blick in die Zukunft – sie dürfen jetzt visionär werden: Wie werden wir in 25 Jahren mit Maschinen interagieren?

E. A. K.: Ich erwarte, dass dann die Interaktion mit Maschinen sehr ähnlich ist wie die mit anderen Personen. Wir werden sehr natürlich mit Systemen interagieren und sprechen. Dazu erkennen die Systeme, was wir wollen. Dabei wird die multimodale Interaktion selbstverständlich sein. Ich glaube, dass es in Zukunft sehr schwer sein wird, von außen zu erkennen, ob wir mit einem anderen Menschen oder mit einer Maschine interagieren.

The post Auf dem Weg zum vorausschauenden Roboter appeared first on Future Markets Magazine.