Passive Brain Computer Interface: Gamechanger für das Training von KI-Modellen

Unter Zuhilfenahme von pBCI-Technologie ist es möglich, mentale Zustände eines menschlichen Gehirns auf nicht-invasivem Wege zu messen. Die gemessenen Informationen können dann in Datenform übertragen, analysiert und für KI-Trainings nutzbar gemacht werden. [...]

In praktisch allen Branchen sind Unternehmen derzeit mit dem Training von KI-Modellen beschäftigt. Ihr Ziel: KI-Anwendungen zu kreieren, die die Erwartungen ihrer Anwender erfüllen und übertreffen und gleichzeitig mit dem hohen Tempo des technischen Fortschritts Schritt halten können. Ein Schwerpunkt: der Bereich der physischen KI, in dem künstliche Intelligenz auf die direkte Interaktion mit der realen Welt und den in ihr lebenden Menschen vorbereitet wird.

Eine der derzeit vorherrschenden Trainingsmethoden ist das Reinforcement Learning from Human Feedback (RLHF). Ein Modell generiert einen Output, den ein Mensch dann manuell bewertet und, sofern der Output „korrekt” ist, belohnt. Ein komplexer, zeitaufwändiger Prozess, der in aller Regel einen erheblichen Ressourcenaufwand erfordert. Genau hier kommt nun eine neue Technologie ins Spiel, die im Bereich der KI-Trainings das Zeug zum Gamechanger hat: das passive Brain Computer Interface (pBCI).

Neuroadaptive Feedback Learning

Unter Zuhilfenahme von pBCI-Technologie ist es möglich, mentale Zustände eines menschlichen Gehirns auf nicht-invasivem Wege zu messen. Mittlerweile ist hierzu nur noch ein kleiner, wie ein Pflaster außen an der Schläfe und hinter dem Ohr zu befestigender Sensor erforderlich. Die gemessenen Informationen können dann in Datenform übertragen, analysiert und für KI-Trainings nutzbar gemacht werden. Ein Vorgang, der in der Fachwelt auch als Neuroadaptive Feedback Learning (NFL) bezeichnet wird.

Die Dauer eines KI-Trainings kann durch die neue Technologie deutlich verkürzt, die Qualität des antrainierten Verhaltens wesentlich verbessert werden. Denn: die Trainingsdaten, die eine KI über pBCI gewinnt – die unmittelbare Reaktion eines Anwenders auf ihren maschinell kreierten Output in Echtzeit – ermöglicht nicht nur ein wesentlich schnelleres, sondern gleichzeitig auch ein wesentlich detaillierteres Feedback als bisherige Verfahren. Das Ergebnis: eine deutlich höhere Übereinstimmung zwischen dem antrainierten Verhalten einer KI und den Erwartungen ihrer menschlichen Anwender.

Produktive neuro-digitale Partnerschaft

Aber pBCI kann noch mehr. Die Technologie hat das Zeug dazu, die Kommunikation und Interaktion zwischen Mensch und Maschine auf eine ganz neue Stufe zu heben. Über NFL trainierte KI-Modelle werden in die Lage versetzt, ein tieferes – ein kontextualisiertes – Verständnis von den Eingaben und dem Feedback ihres menschlichen Gegenübers zu gewinnen. Mensch-Maschine-Interaktionen können so zu einer echten Partnerschaft ausgebaut werden. Maschinen lernen die Komplexität des Spektrums menschlicher Erwartungen in all ihren Nuancen und Facetten kennen und werden in die Lage versetzt, ihren Output entsprechend anzupassen. Die Nutzererfahrung für den Anwender wird so spürbar verbessert. Unerwünschtes KI-Verhalten wird drastisch reduziert. Ausgestattet mit pBCI-Feedback kann die bislang eher lose Mensch-Maschine-Verbindung in eine echte, eine produktive neuro-digitale Partnerschaft überführt werden.

KI-Bots etwa können mittels pBCI und NFL drastisch optimiert werden – können Customer Journeys und Supportanfragen des Kunden intuitiver als bisher begleiten. Dasselbe gilt für die wachsende Zahl KI-gestützter Produkte und Serviceleistungen. Durch die Kombination von subjektiven und objektiven Trainingsdaten werden KI-Modelle in die Lage versetzt, Output zu generieren, der spürbar stärker an den Erwartungen ihrer Anwender ausgerichtet ist.

Unzählige Einsatzmöglichkeiten

Sollten pBCI-Daten einer KI auch nach dem Training zugeführt werden, wären sogar noch ganz andere Anwendungsfälle denkbar. Computerspiele oder Lernprogramme etwa könnten die Geschwindigkeit ihres Informationsflusses in Echtzeit an den individuellen Konzentrationsgrad ihres jeweiligen Anwenders anpassen. Das individuelle Spiel- und Lernerlebnis würde sich so spürbar verbessern – nicht nur im Hinblick auf das objektive Ergebnis, sondern auch im Hinblick auf die subjektive Spiel- und Lern-Erfahrung. Unzählige weitere Einsatzmöglichkeiten sind denk- und machbar.

Heute, Mitte 2025, stehen wir am Beginn einer neuen technologischen Ära. KI wird unsere Art zu leben und zu arbeiten nachhaltig verändern. Doch wird es am Ende nicht der Grad an Autonomie, sondern die Fähigkeit, sich möglichst nahtlos in menschliche Wahrnehmungen und Erwartungen zu integrieren, sein, die über den Erfolg oder Misserfolg eines KI-Modells entscheiden wird. Der Berücksichtigung des menschlichen Kontextes, der Umstände und Bedingungen, die das menschliche Erleben und Verhalten beeinflussen, wird deshalb bei KI-Trainings eine Schlüsselposition zukommen. Und hier, davon bin ich fest überzeugt, werden pBCI und NFL ein entscheidendes Wort mitzureden haben.