Beyond speech and writing editorial cover

Jenseits von Sprache und Schrift: Kann KI Menschen Gedanken mit hoher Geschwindigkeit austauschen lassen?

Eine wissenschaftliche Studie über künstliche Intelligenz, Gehirn-Computer-Schnittstellen und den direkten Gedankenaustausch zwischen Menschen

Wissenschaftlicher Übersichtsartikel und vorgeschlagener Forschungsrahmen | November 2026

Abstract

Die modernen Computer von heute tauschen Informationen mit schwer vorstellbaren Geschwindigkeiten aus.

Eine gewöhnliche Gigabit-Ethernet-Verbindung kann Daten mit einer Milliarde Bits (1.000.000.000 Bits) pro Sekunde übertragen. Fortschrittliche Rechen- und Rechenzentrumstechnologien arbeiten noch um ein Vielfaches schneller.

Aber die menschliche Situation ist völlig anders.

Noch heute verwenden Menschen hauptsächlich Sprache, Schrift, Gesten und Körperbewegungen, um ihre Gedanken, Ideen, Meinungen und Gefühle anderen mitzuteilen.

Obwohl im menschlichen Gehirn eine enorme neuronale Informationsverarbeitung stattfindet, ist unsere Fähigkeit, diese Informationen auf bedeutungsvolle Weise an eine andere Person zu übertragen, vergleichsweise sehr begrenzt.

Diese Situation wirft eine wichtige wissenschaftliche Frage auf.

Können Menschen mithilfe künstlicher Intelligenz und neuronaler Technologien ihre Gedanken und Ideen direkt, genau und mit hoher Geschwindigkeit austauschen, ohne die Hilfe von Sprache oder Schrift?

Dieser Artikel untersucht die Geschwindigkeit der menschlichen Informationsübertragung, Technologien zur Interpretation der neuronalen Signale des Gehirns, Gehirn-Computer-Schnittstellen, die Gehirn-zu-Gehirn-Kommunikation und den wissenschaftlichen Fortschritt bis November 2026.

Er schlägt außerdem einen neuen Forschungsrahmen für den Hochgeschwindigkeitsaustausch menschlicher Gedanken und Absichten mithilfe künstlicher Intelligenz vor.

Das grundlegende Ziel dieser Forschung ist nicht einfach, mehr digitale Daten zu übertragen.

Ihr zentrales Anliegen ist es, die wissenschaftliche Machbarkeit einer neuen Kommunikationsmethode zu erforschen, die anderen die wahre Bedeutung dessen, was eine Person ausdrücken möchte, in kürzerer Zeit und mit größerer Genauigkeit vermittelt.

1. Einleitung: Die Geschwindigkeitsbarrieren in der menschlichen Kommunikation

Betrachten wir zwei Computer, die mit einem modernen Computernetzwerk verbunden sind.

Sie können sehr große Informationsmengen in elektrische Signale umwandeln und innerhalb weniger Millisekunden austauschen.

Betrachten wir nun zwei Menschen, die eine komplexe Idee austauschen.

Die erste Person muss eine Idee in ihrem Kopf formen.

Dann muss sie diese Idee in Sprache umwandeln.

Sie muss passende Worte wählen.

Sie muss diese Worte zu einem richtigen Satz anordnen.

Erst dann kann sie sprechen oder schreiben.

Ebenso muss die zweite Person diese Worte hören oder lesen. Sie muss dann ihre Bedeutung verstehen und herausfinden, was die erste Person tatsächlich sagen wollte.

Jede Phase dieses Prozesses braucht Zeit.

Gelegentlich können Missverständnisse entstehen. Die Idee muss dann erneut erklärt werden.

Das wichtige Problem hier ist nicht, dass das menschliche Gehirn langsam arbeitet.

Vielmehr besteht eine erhebliche Lücke zwischen der neuronalen Informationsverarbeitung, die im menschlichen Gehirn stattfindet, und der Geschwindigkeit, mit der diese Informationen anderen übermittelt werden können.

Eine Studie von Coupé und Kollegen, die 2019 in der Zeitschrift Science Advances veröffentlicht wurde, untersuchte 17 Sprachen und schätzte, dass die Informationsübertragungsrate der menschlichen gesprochenen Sprachen im Durchschnitt etwa 39 Bits pro Sekunde beträgt [1].

In einer weiteren wichtigen Studie schätzten Zheng und Meister die Rate der menschlichen Verhaltensinformationsverarbeitung auf etwa 10 Bits pro Sekunde. Diese Studie wurde 2024 online veröffentlicht und erschien 2025 in der Zeitschrift Neuron [2].

Diese beiden Studien messen unterschiedliche Arten der Informationsverarbeitung. Die beiden Zahlen können daher nicht austauschbar verwendet werden.

Sie sind auch keine endgültigen Messungen der gesamten neuronalen Verarbeitungskapazität des menschlichen Gehirns.

Dennoch zeigen sie, dass die Informationsrate des bewussten menschlichen Handelns und der Kommunikation weit unter der Datenübertragungsrate vieler elektronischer Systeme liegt.

Dieser Unterschied bildet die Grundlage unserer neuen Forschung.

2. Die Datenübertragungsgeschwindigkeit von Computern und die Kommunikationsgeschwindigkeit von Menschen

Computer wandeln Informationen in digitale Form um und tauschen sie nach definierten Kommunikationsprotokollen aus.

Zum Beispiel:

Diese Zahlen beschreiben die Informationsübertragungskapazität eines Computernetzwerks.

Aber sie sagen nichts darüber aus, wie schnell ein Computer die wahre Bedeutung der gesendeten Informationen versteht.

Die menschliche Kommunikation ist völlig anders.

Beim Austausch zwischen Menschen ist nicht nur die Informationsmenge am wichtigsten, sondern ihre Bedeutung.

Zum Beispiel kann eine Person eine sehr komplexe Entscheidung in wenigen Worten klar ausdrücken.

Eine andere Person braucht möglicherweise mehrere Absätze, um dieselbe Idee zu erklären.

Daher ist große wissenschaftliche Sorgfalt erforderlich, wenn man die Datenübertragungsgeschwindigkeit von Computern mit der Kommunikationsgeschwindigkeit von Menschen vergleicht.

Ein Computer kann eine Milliarde Bits pro Sekunde übertragen.

Aber das bedeutet nicht, dass er die Bedeutung dieser Informationen versteht.

Gleichzeitig kann ein Mensch einer anderen Person mit nur wenigen Worten eine tiefe Idee vermitteln.

Das Ziel unserer Forschung ist es daher nicht, das menschliche Gehirn in ein Gigabit-Computernetzwerk zu verwandeln.

Vielmehr ist unser Ziel, die Geschwindigkeit zu erhöhen, mit der bedeutungsvolle Gedanken und Ideen zwischen Menschen auf eine korrekt verstandene Weise ausgetauscht werden können.

Dies ist die wichtigste wissenschaftliche Grundlage dieser Forschung.

3. Der bisherige Fortschritt der Wissenschaft

3.1 Gehirn-Computer-Schnittstellen

Eine Gehirn-Computer-Schnittstelle, kurz BCI, ist eine Technologie, die eine Verbindung zwischen der neuronalen Aktivität des menschlichen Gehirns und einem externen Computersystem herstellt.

Mit dieser Technologie können die aus dem Gehirn gewonnenen Signale per Computer analysiert werden.

Es gibt zwei Hauptansätze zur Aufzeichnung der Gehirnaktivität.

Erstens Methoden wie das EEG, die die elektrische Aktivität des Gehirns ohne Operation aufzeichnen.

Zweitens Methoden, die durch Operation ins Gehirn implantierte Elektroden verwenden.

Modelle der künstlichen Intelligenz analysieren diese neuronalen Signale und versuchen zu erkennen, welche Handlung eine Person ausführen möchte, welches Wort sie ausdrücken will oder welchen Kommunikationsbefehl sie gibt.

Eine Studie von Willett und Kollegen, die im August 2023 in der Zeitschrift Nature veröffentlicht wurde, war ein wichtiger Fortschritt in diesem Bereich.

Diese Arbeit schuf eine Technologie, die die neuronale Aktivität, die auftritt, wenn eine Person zu sprechen versucht, in Text umwandelt.

Die Teilnehmerin konnte mit einer Rate von etwa 62 Wörtern pro Minute kommunizieren.

Die Wortfehlerrate betrug 9,1 % bei einem eingeschränkten Wortschatz von 50 Wörtern und 23,8 % bei einem großen Wortschatz von 125.000 Wörtern [3].

Diese Forschung bewies, dass Gehirnsignale, die entstehen, wenn eine Person zu sprechen versucht, verwendet werden können, um relativ schnell zu kommunizieren.

Aber dieses System ist keine Technologie, die frei jeden Gedanken lesen kann, der im Kopf einer Person auftaucht.

Es erkannte die neuronale Aktivität, die mit dem Sprechversuch verbunden ist.

3.2 Sprache direkt aus Gehirnsignalen erzeugen

Weitere bemerkenswerte Fortschritte in diesem Bereich gab es im Jahr 2025.

Littlejohn und Kollegen schufen eine Technologie, die Signale des menschlichen Gehirns in Intervallen von 80 Millisekunden verarbeitet und sie mithilfe künstlicher Intelligenz in Sprache umwandelt [4].

In einer anderen Studie beschrieben Wairagkar und Kollegen eine Methode, die die neuronalen Signale des Gehirns nutzt, um in Echtzeit ausdrucksstarke synthetische Sprache zu erzeugen.

Der Teilnehmer dieser Studie konnte außerdem in gewissem Maße ausdrucksstarke Elemente wie die Stimmintonation steuern [5].

Dies ist ein sehr wichtiger Fortschritt.

Menschliche Kommunikation ist nicht nur der Austausch von Worten.

Die Geschwindigkeit, mit der wir sprechen, der Tonfall der Stimme, der emotionale Ausdruck und die Art, wie wir Worte betonen, enthüllen alle die wahre Bedeutung einer Idee.

Diese Studien zeigen die Machbarkeit, natürliche menschliche Sprache aus neuronalen Signalen zu rekonstruieren.

Dennoch bleiben sie experimentelle Technologien, die in speziellen Forschungsumgebungen eingesetzt werden.

3.3 Langfristige praktische Nutzung: Eine wegweisende Studie von 2026

Eine im Juni 2026 in der Zeitschrift Nature Medicine veröffentlichte Studie zeigte einen wichtigen Fortschritt in der praktischen Nutzung der Gehirn-Computer-Schnittstellen-Technologie.

In dieser Studie von Card und Kollegen kommunizierte eine Person mit schwerer motorischer Lähmung über einen langen Zeitraum selbstständig mithilfe einer implantierten Schnittstelle.

Über fast zwei Jahre nutzte er die Technologie zu Hause für mehr als 3.800 Stunden.

Damit kommunizierte er etwa 1,96 Millionen Wörter und 183.060 Sätze.

Die durchschnittliche Kommunikationsgeschwindigkeit betrug etwa 56 Wörter pro Minute.

In kontrollierten Sprachtests übertraf die Wortgenauigkeit 99 %. Aber in alltäglichen natürlichen Gesprächen war diese Genauigkeit nicht jederzeit gleich [6].

Dieser Unterschied ist sehr wichtig.

Es ist eine Leistung, wenn eine Technologie im Labor gut funktioniert.

Es ist eine andere Leistung, wenn dieselbe Technologie über einen langen Zeitraum im Alltag der Menschen zuverlässig funktioniert.

In unserer Forschung zum Hochgeschwindigkeits-Gedankenaustausch zwischen Menschen müssen diese beiden Aspekte ebenfalls getrennt nachgewiesen werden.

3.4 Können Informationen direkt zwischen menschlichen Gehirnen ausgetauscht werden?

Es gab auch einige frühe Erfolge in der wissenschaftlichen Welt bezüglich der Gehirn-zu-Gehirn-Kommunikation.

Eine Studie namens BrainNet wurde 2019 veröffentlicht.

In dieser Studie arbeiteten drei Personen mit Gehirnsignalen an einem einfachen Spiel zusammen.

Die Entscheidungen der ersten beiden Teilnehmer wurden mit EEG-Technologie aufgezeichnet.

Diese Informationen wurden dem dritten Teilnehmer als definierte Signale durch eine Gehirnstimulationsmethode namens Transcranial Magnetic Stimulation (TMS) gesendet.

Fünf Gruppen nahmen an diesem Experiment teil.

Ihre durchschnittliche Leistungsgenauigkeit wurde mit 81,25 % verzeichnet [7].

Diese Studie zeigte die Machbarkeit, bestimmte Informationen zwischen menschlichen Gehirnen über neuronale Schnittstellen zu übertragen.

Aber übertragen wurden nur sehr einfache Entscheidungen.

Komplexe Gedanken, Erinnerungen oder vollständige Ideen wurden nicht direkt übertragen.

Es besteht daher ein sehr großer wissenschaftlicher Unterschied zwischen der Übertragung einer einfachen binären Information und der Übertragung des vollständigen Gedankens einer Person an eine andere.

3.5 Das Erkennen von im Kopf vorgestellter Sprache

Eine Studie von Kunz und Kollegen, die im August 2025 in der Zeitschrift Cell veröffentlicht wurde, zeigte, dass die neuronale Aktivität, die auftritt, wenn sich eine Person das Sprechen im Kopf vorstellt, teilweise erkannt werden kann.

Ein weiterer wichtiger Aspekt dieser Forschung ist die mentale Privatsphäre.

Es wurden auch die Risiken untersucht, dass die private innere Sprache einer Person, die sie nicht mit anderen teilen möchte, versehentlich durch Technologie offengelegt wird.

Zusätzlich wurden Sicherheitsmethoden getestet, um zwischen absichtlich für die Kommunikation erzeugten Gedanken und privater mentaler Aktivität zu unterscheiden [8].

Eine weitere Studie, veröffentlicht in der Zeitschrift Nature Neuroscience im September 2026, untersuchte einige gemeinsame Strukturen in der neuronalen Aktivität von vorgestellter und offener Sprache [9].

Diese Ergebnisse könnten in Zukunft Möglichkeiten schaffen, dass Menschen bestimmte Informationen kommunizieren, ohne überhaupt zu sprechen zu versuchen.

Aber es gibt keine wissenschaftlichen Belege dafür, dass aktuelle Technologien jeden Gedanken, der im Kopf einer beliebigen Person auftaucht, ohne vorheriges Training oder Kooperation genau verstehen können.

4. Das vorgeschlagene neue Forschungskonzept

Hochgeschwindigkeits-Gedankenaustausch zwischen Menschen mithilfe künstlicher Intelligenz

Artificial Intelligence-Assisted High-Speed Thought Communication

Das zentrale Ziel dieser Forschung:

Die Machbarkeit einer Technologie zu erforschen, die aus den neuronalen Signalen des Gehirns die Gedanken und Ideen identifiziert, die Menschen freiwillig kommunizieren möchten, sie in eine effiziente digitale Form umwandelt, sie an eine andere Person überträgt und es dieser Person ermöglicht, die wahre Bedeutung der Idee genau zu verstehen.

Diese Forschung vereint mehrere wissenschaftliche Disziplinen.

Gehirn-Computer-Schnittstellen: werden verwendet, um die aus dem menschlichen Gehirn gewonnenen Signale aufzuzeichnen und zu analysieren.

Künstliche Intelligenz: wird für Aufgaben wie die Erkennung von Mustern in neuronalen Signalen, Sprachgenerierung, das Verstehen von Ideen und die Fehlerkorrektur verwendet.

Informationstheorie: hilft, mathematisch zu bewerten, wie effizient und genau Informationen übertragen werden können.

Sichere digitale Netzwerke: helfen, die erzeugten Informationen sicher an ein anderes Computersystem zu senden.

Gehirnstimulation und neuronale Technologien: können helfen, die zukünftige Möglichkeit zu erforschen, spezifische Informationen direkt an das neuronale System des Empfängers zu liefern. Umfangreiche medizinische und wissenschaftliche Tests sind dafür unerlässlich.

Die wichtige Chance dieser Forschung könnte darin liegen, eine Methode zu schaffen, die die Bedeutung dessen vermittelt, was eine Person ausdrücken möchte, ohne jedes einzelne Wort erzeugen und übertragen zu müssen, das sie sagen will.

Nehmen wir zum Beispiel an, eine Person denkt Folgendes:

„Ich stimme diesem Plan zu. Aber ich möchte seine Umsetzung auf nächste Woche verschieben."

Eine zukünftige Technologie könnte versuchen, die drei wichtigen Elemente in diesem Gedanken zu identifizieren.

Erstens die Zustimmung zum Plan.

Zweitens die Zurückhaltung, ihn sofort umzusetzen.

Drittens die Bitte, ihn auf nächste Woche zu verschieben.

Künstliche Intelligenz könnte diese Grundbedeutungen identifizieren und einen Satz konstruieren, den die andere Person verstehen kann.

Aber hier gibt es eine wichtige Herausforderung.

Es reicht nicht, dass der von künstlicher Intelligenz erzeugte Satz sprachlich elegant ist.

Er muss, unverändert, die Idee ausdrücken, die die erste Person tatsächlich vermitteln wollte.

Dies ist die Bedeutung des Konzepts namens Semantic Communication.

5. Der vorgeschlagene technische Rahmen

Die Anfangsstruktur zur Umsetzung dieser Forschung kann in sechs Hauptphasen unterteilt werden.

Phase 1: Aufzeichnung von Gehirnsignalen

Eine Person entscheidet mit ihrer vollen Zustimmung, Informationen an jemand anderen zu übermitteln.

In diesem Moment wird die Gehirnaktivität, die mit dem Wort, dem Befehl oder der Idee verbunden ist, die sie absichtlich auszudrücken versucht, mithilfe einer geeigneten neuronalen Schnittstelle aufgezeichnet.

In der Anfangsforschung können nicht-chirurgische Methoden wie das EEG und bereits veröffentlichte Forschungsdaten verwendet werden.

Phase 2: Identifikation des Gedankens mit künstlicher Intelligenz

Die aufgezeichneten Gehirnsignale werden von Machine-Learning-Modellen analysiert.

Das Ziel ist es, die Informationen zu identifizieren, die die Person absichtlich zu übermitteln versucht hat.

Die Forschung sollte damit beginnen, eine kleine Anzahl von Wörtern, Befehlen oder Ideen zu identifizieren.

Erst nachdem die Genauigkeit dieser Basistechnologie bestätigt wurde, sollte die Arbeit zum Verständnis komplexer Gedanken übergehen.

Phase 3: Umwandlung des Gedankens in bedeutungsbasierte Daten

Die identifizierten Informationen werden mithilfe künstlicher Intelligenz in eine strukturierte digitale Form umgewandelt.

Dies kann die Hauptideen des Gedankens, die Beziehungen zwischen ihnen, Bedingungen und die Unsicherheit der Schätzung umfassen.

Dies ermöglicht es, die Grundbedeutung der Informationen in einem Computersystem darzustellen, noch bevor ein vollständiger Satz erzeugt wird.

Phase 4: Sichere Hochgeschwindigkeits-Informationsübertragung

Die erzeugten Daten werden über einen sicheren, verschlüsselten digitalen Kommunikationskanal an ein anderes System gesendet.

In dieser Phase muss die Geschwindigkeit des Computernetzwerks kein großes Hindernis sein.

Die heutigen Computernetzwerke sind bereits in der Lage, Informationen mit sehr hoher Geschwindigkeit zu übertragen.

Stattdessen könnten das genaue Verstehen von Gehirnsignalen, das Erzeugen der richtigen Idee und das Reduzieren der Zeit, die der gesamte Prozess benötigt, die schwierigeren Probleme sein.

Phase 5: Rekonstruktion der Nachricht für den Empfänger

Künstliche Intelligenz wandelt die empfangenen Informationen in eine Form um, die ein anderer Mensch verstehen kann.

Es kann sich um Text, Sprache oder eine andere geeignete Kommunikationsform handeln.

Der Empfänger muss in die Lage versetzt werden, die Bedeutung der Informationen zu verstehen, bei Zweifeln um Klärung zu bitten und die Unsicherheit in der Schätzung der künstlichen Intelligenz zu kennen.

Phase 6: Bestätigung, dass die Nachricht verstanden wurde

Es muss bestätigt werden, dass der Empfänger die Idee richtig verstanden hat.

Bei Bedarf muss auch die Möglichkeit gegeben werden, um Klärung oder Korrektur zu bitten.

Wenn in Zukunft eine direkte Gehirn-zu-Gehirn-Kommunikation geschaffen werden soll, muss auch eine separate Technologie entwickelt werden, die in der Lage ist, Informationen an das neuronale System des Empfängers zu liefern.

Hier muss ein wichtiger Unterschied beachtet werden.

Das Umwandeln des Gehirnsignals einer Person in Text per Computer und das Lesen dieses Textes durch eine andere Person auf einem Bildschirm ist eine Gehirn-Computer-Mensch-Kommunikation.

Es kann nicht als vollständige direkte Gehirn-zu-Gehirn-Kommunikation bezeichnet werden.

Dieser Unterschied muss in jeder Phase der Forschung klar bewahrt werden.

6. Die zentrale wissenschaftliche Hypothese dieser Forschung

Die zentrale Hypothese dieser Forschung wird wie folgt vorgeschlagen.

Indem man mithilfe künstlicher Intelligenz die neuronalen Informationen identifiziert, die Menschen absichtlich kommunizieren möchten, und ihre Bedeutung in eine effiziente digitale Form umwandelt, können bestimmte Ideen in kürzerer Zeit als mit Sprache oder Schrift an andere übermittelt werden, bei gleichzeitig akzeptabler Genauigkeit.

Diese Hypothese kann wissenschaftlich getestet werden.

Dazu können dieselben Arten von Informationen über gewöhnliche Sprache, Schrift und mit künstlicher Intelligenz verbundene neuronale Schnittstellen ausgetauscht werden.

Wo immer möglich, sollten dieselben Teilnehmer und dieselben Informationen verwendet werden, um die Ergebnisse zu vergleichen.

Die folgenden Messungen sind in dieser Studie wichtig.

1. Ende-zu-Ende-Latenz (End-to-End Latency)

Die Zeit von dem Moment, in dem eine Person beginnt, Informationen zu übermitteln, bis eine andere Person sie korrekt empfängt.

2. Effektive Informationsübertragungsrate (Effective Information-Transfer Rate)

Ein Maß dafür, wie viel Information pro Sekunde korrekt übertragen wurde, nach Berücksichtigung von Fehlern und Korrekturen.

3. Semantische Treue (Semantic Fidelity)

Die Bedeutungsähnlichkeit zwischen der Idee, die die erste Person vermitteln wollte, und der Idee, die die zweite Person verstanden hat.

4. Fehlerrate (Error Rate)

Die Menge an Wörtern, Ideen, Beziehungen und Schlussfolgerungen, die falsch erkannt wurden.

5. Verständnis des Empfängers (Receiver Comprehension)

Ein Maß dafür, ob die Person, die die Informationen erhalten hat, ihre wahre Bedeutung richtig verstanden hat.

6. Benutzeraufwand (User Effort)

Die Aufmerksamkeit, die mentale Anstrengung oder Ermüdung, das Training und die Benutzerfreundlichkeit, die zur Nutzung der Technologie erforderlich sind.

7. Schutz der Privatsphäre (Privacy Protection)

Die Überwachung, ob Gedanken oder Informationen, die der Benutzer nicht autorisiert hat, versehentlich offengelegt werden.

Man kann nicht sagen, dass eine Technologie die Kommunikation zwischen Menschen beschleunigt hat, nur weil ihre Netzwerkverbindung schnell ist.

Ebenso ist die Tatsache, dass künstliche Intelligenz einen Satz sehr schnell erzeugt, kein ausreichender Beweis.

Der vollständige Mensch-zu-Mensch-Kommunikationsprozess muss gemessen werden.

7. Der vorgeschlagene experimentelle Forschungsplan

Diese Forschung kann in drei Hauptphasen durchgeführt werden.

Erste Phase: Identifikation menschlicher Absichten

Zunächst muss untersucht werden, ob einige spezifische Ideen, die Menschen absichtlich vermitteln möchten, aus Gehirnsignalen identifiziert werden können.

Bereits veröffentlichte EEG-Datensätze oder neue Studien, die mit angemessener Zustimmung und Genehmigung durchgeführt werden, können verwendet werden.

Zum Beispiel können Teilnehmer versuchen, eine der folgenden Ideen zu vermitteln.

Machine-Learning-Modelle können verwendet werden, um zu untersuchen, ob Unterschiede in den mit diesen Ideen verbundenen Gehirnsignalen auftreten.

Anschließend muss die Leistung des Modells mit Daten bewertet werden, die nicht im Training verwendet wurden, mit verschiedenen Testsitzungen und mit unabhängigen Teilnehmern.

Die wichtige Frage in dieser Phase:

Ist es möglich, aus Gehirnsignalen zuverlässig die Idee zu identifizieren, die eine Person vermitteln möchte?

Zweite Phase: Bedeutungsübertragung mithilfe künstlicher Intelligenz

Dann kann versucht werden, die in der ersten Phase identifizierten Informationen mithilfe künstlicher Intelligenz in vollständige Ideen umzuwandeln.

Hier müssen drei Aspekte verglichen werden.

Erstens die Idee, die der Sender tatsächlich vermitteln wollte.

Zweitens die Idee, die die künstliche Intelligenz rekonstruiert hat.

Drittens die Bedeutung, die die Person verstanden hat, die diese Informationen erhalten hat.

Wie genau diese drei übereinstimmen, muss mit mathematischen und statistischen Methoden untersucht werden.

Am wichtigsten: Wenn eine Idee für die künstliche Intelligenz nicht klar ist, muss sie ihre Unsicherheit ausdrücken, anstatt falsche Informationen zu erzeugen.

Die Leistung dieser Methode muss mit gewöhnlichem Tippen, Sprache und anderen Kommunikationsmethoden verglichen werden.

Dritte Phase: Kommunikation zwischen Menschen

In der dritten Phase können Informationsübertragungsexperimente zwischen zwei Personen durchgeführt werden, die mit voller Zustimmung teilnehmen.

Die erste Person versucht absichtlich, Informationen über ein Gehirnsignal zu übermitteln.

Künstliche Intelligenz analysiert dieses Signal, identifiziert die relevanten Informationen und sendet sie sicher.

Die zweite Person empfängt und versteht diese Informationen.

Anschließend werden die Geschwindigkeit, Genauigkeit und Zuverlässigkeit des gesamten Kommunikationsprozesses gemessen.

Informationen direkt an das Gehirn des Empfängers zu liefern, wäre eine viel weiter fortgeschrittene und separate Forschungsphase.

Solche Versuche erfordern neuronale Expertise, behördliche Genehmigungen, medizinische Sicherheit und strenge ethische Kontrollen.

Daher sollte in der Anfangsforschung der Nachweis priorisiert werden, ob künstliche Intelligenz die Leistung der Kommunikation zwischen Menschen verbessern kann.

8. Wissenschaftliche Herausforderungen und aktuelle Grenzen

Es gibt mehrere wichtige Herausforderungen in dieser Forschung.

Erstens repräsentieren nicht alle menschlichen Gehirne Wörter und Ideen in denselben neuronalen Mustern.

Daher kann jede Person individuelles Training oder Modellanpassung benötigen.

Zweitens können Signale, die mit nicht-chirurgischen Methoden wie dem EEG aufgezeichnet werden, hohe Rausch- und Störungspegel enthalten.

Im Vergleich zu ins Gehirn implantierten Elektroden kann auch die Fähigkeit, bestimmte Arten neuronaler Aktivität fein zu erkennen, geringer sein.

Drittens sind der Versuch zu sprechen, das Vorstellen von Sprache im Kopf, die Absicht, eine Idee auszudrücken, und das private Denken für sich selbst nicht dieselbe Art neuronaler Aktivität.

Diese müssen getrennt untersucht werden.

Viertens können große Sprachmodelle manchmal Sätze erzeugen, die unwahr sind, aber plausibel erscheinen, basierend auf den ihnen verfügbaren Informationen.

In der Technologie des menschlichen Gedankenaustauschs können solche Fehler zu einem sehr großen Problem werden.

Jemandem zu sagen, dass eine Person etwas gedacht hat, was sie nicht gedacht hat, kann schwere Missverständnisse erzeugen.

Fünftens ist es sehr wichtig, dass die Ergebnisse wissenschaftlicher Studien von anderen Forschern reproduziert werden können.

Eine 2026 im Journal of Neural Engineering veröffentlichte Studie zeigte, dass es viele Probleme bei der Reproduktion der Ergebnisse von Studien gibt, die vorgestellte Sprache identifizieren.

Unter den in dieser Studie untersuchten Datensätzen zur Sprachvorstellung erreichten nur 36 % der Teilnehmer eine Klassifikationsgenauigkeit, die den angemessenen statistischen Signifikanzschwellenwert überschritt [10].

Dies zeigt, wie wichtig unabhängige Überprüfung, transparente Forschungsmethoden und zuverlässige Tests in diesem Bereich sind.

Schließlich ist die Geschwindigkeit der Informationsübertragung nicht die einzige Herausforderung.

Menschliche Aufmerksamkeit, Gedächtnis, Verständnis und Denkprozesse spielen ebenfalls wichtige Rollen.

Die Beseitigung der Notwendigkeit zu sprechen lässt nicht allein die Zeit vollständig verschwinden, die benötigt wird, um eine komplexe Idee zu formen oder zu verstehen.

Auf der Grundlage aktueller wissenschaftlicher Erkenntnisse kann nicht gesagt werden, dass jede Art menschlicher Gedanken direkt mit Gigabit-Geschwindigkeit übertragen werden kann.

Die digitale Datenübertragungsgeschwindigkeit und die Übertragungsgeschwindigkeit bedeutungsvoller menschlicher Gedanken als dasselbe zu behandeln, ist ein wissenschaftlich falscher Ansatz.

9. Privatsphäre, Informationssicherheit und Menschenrechte

Technologien, die die neuronalen Signale des menschlichen Gehirns interpretieren, schaffen auch sehr wichtige ethische Verantwortlichkeiten.

In gewöhnlichen Computersystemen werden Informationen verarbeitet, die Menschen selbst eingeben.

Aber neuronale Schnittstellen können auch Signale aufzeichnen, die mit der privaten mentalen Aktivität einer Person verbunden sind, die sie nicht mit anderen teilen möchte.

Das wichtigste Grundprinzip unserer Forschung muss daher das Folgende sein.

Nur die Informationen, die eine Person mit ihrer vollen Zustimmung absichtlich teilen möchte, sollten identifiziert und an andere gesendet werden.

Mehrere Sicherheitsvorkehrungen sind notwendig, um dieses Prinzip in die Praxis umzusetzen.

Der Benutzer muss eine explizite Kontrolle haben, um die Kommunikation zu initiieren.

Wo immer möglich sollten neuronale Daten auf dem eigenen Gerät des Benutzers verarbeitet werden.

Informationen müssen in verschlüsselter Form übertragen werden.

Starke Sicherheitssysteme müssen geschaffen werden, um zu verhindern, dass unbefugte Personen auf Gehirnsignale zugreifen.

Das längerfristige Speichern unnötiger neuronaler Daten muss vermieden werden.

Der Benutzer muss die Möglichkeit haben, die Informationsübertragung jederzeit sofort zu stoppen.

Zusätzlich muss klargestellt werden, dass die von künstlicher Intelligenz erzeugten Ideen keine hundertprozentig sicheren Aufzeichnungen der Gedanken im Kopf einer Person sind.

Es sind Schätzungen, die auf der Grundlage neuronaler Signale erzeugt wurden.

Im November 2025 verabschiedete die UNESCO eine internationale Empfehlung zur ethischen Nutzung von Neurotechnologien [11].

Diese Empfehlung misst der mentalen Privatsphäre, der Menschenwürde und der verantwortungsvollen Nutzung neuronaler Technologien Bedeutung bei.

Auch in unserer Forschung müssen Privatsphäre und ethische Schutzmaßnahmen gemeinsam mit der technologischen Entwicklung voranschreiten.

10. Zukünftige Anwendungen dieser Technologie

Wenn diese Forschung erfolgreich ist, könnten ihre frühen Vorteile Menschen erreichen, die mit schweren Schwierigkeiten bei Sprache und körperlicher Bewegung konfrontiert sind.

Insbesondere können Gehirn-Computer-Schnittstellen neue Möglichkeiten für diejenigen schaffen, die aufgrund motorischer Lähmung und bestimmter neurologischer Erkrankungen nicht kommunizieren können.

Solche Technologien können auch in einigen besonderen Situationen eingesetzt werden, in denen die Kommunikation durch Sprache oder Körperbewegungen schwierig ist.

Sie könnten auch die Computerzugänglichkeit für Menschen mit Behinderungen verbessern.

Langfristig kann diese Forschung auch dazu beitragen, die Kommunikation zwischen Menschen und Systemen künstlicher Intelligenz effizienter zu gestalten.

Aber die tatsächlichen Vorteile jeder dieser Anwendungen müssen wissenschaftlich nachgewiesen werden, eine nach der anderen.

Es kann nicht im Voraus angenommen werden, dass direkte neuronale Kommunikation in jeder Situation besser sein wird als gewöhnliche menschliche Konversation.

Die menschliche Sprache ist nicht nur ein langsames Werkzeug zur Informationsübertragung.

Sie erfüllt auch viele wichtige Funktionen: Denken, Schlussfolgern, emotionaler Ausdruck, das Klären von Ideen und das Aufbauen menschlicher Beziehungen.

Neue Technologie sollte daher die Kommunikationsfähigkeit der Menschen verbessern, nicht dazu führen, dass sie diese wichtigen Qualitäten der menschlichen Sprache verlieren.

11. Der wissenschaftliche Beitrag dieser Forschung und der Weg nach vorn

Diese Forschung wird nicht unter der Annahme vorgeschlagen, dass bereits eine Technologie geschaffen wurde, die alle menschlichen Gedanken direkt überträgt.

Stattdessen wird sie als wissenschaftlicher Forschungsrahmen vorgeschlagen, der die Identifikation von Gehirnsignalen, das Verstehen der Bedeutung von Ideen mithilfe künstlicher Intelligenz, die Messung der Leistung der Informationsübertragung und die Bewertung des echten Verständnisses der Menschen zusammenführt.

Ihre wichtige Frage:

Ist nicht, ob die volle Datenübertragungskapazität eines elektronischen Netzwerks im menschlichen Gehirn geschaffen werden kann.

Die wichtige Frage ist, ob die Zeit zwischen dem Moment, in dem eine Person eine Idee in ihrem Kopf formt, und dem Moment, in dem eine andere Person diese Idee korrekt versteht, verkürzt werden kann.

Dazu muss untersucht werden, ob bedeutungsbasierte Informationsrepräsentationen, die mithilfe künstlicher Intelligenz erstellt werden, zusätzliche Leistung bieten im Vergleich zu neuronalen Technologien, die gewöhnliche Sprache identifizieren.

Es reicht nicht, um eine Technologie als erfolgreich zu bezeichnen, dass künstliche Intelligenz elegante Sätze erzeugt.

Sie muss die Zeit reduzieren, die die Informationsübertragung benötigt.

Sie muss die wahre Bedeutung der gesendeten Idee schützen.

Sie muss Fehler auf ein akzeptables Niveau kontrollieren.

Sie muss zuverlässig mit verschiedenen Menschen und in praktischen Umgebungen funktionieren.

Diese Bedingungen müssen durch wissenschaftliche Experimente nachgewiesen werden.

Die Forschung muss auch akzeptieren, dass einige Ansätze möglicherweise nicht besser funktionieren als gewöhnliche Kommunikation.

Der wahre Wert wissenschaftlicher Forschung liegt nicht nur darin, ein erwartetes Ergebnis zu beweisen.

Er liegt darin, auf der Grundlage zuverlässiger Belege zu entdecken, ob die Hypothese richtig oder falsch ist.

12. Fazit

In den letzten Jahrzehnten haben die Datenübertragungstechnologien der Computer enorme Fortschritte gemacht.

Heute tauschen Computer in verschiedenen Teilen der Welt sehr große Informationsmengen mit hoher Geschwindigkeit aus.

Aber die Kommunikation zwischen Menschen hängt immer noch weitgehend von Sprache, Schrift und anderen physischen Ausdrucksformen ab.

Jüngste neuronale Forschungen haben bemerkenswerte Fortschritte bei der Rekonstruktion von Sprache aus Gehirnsignalen, der Identifikation von im Kopf vorgestellter Sprache und der Übertragung definierter Informationen zwischen Gehirnen erzielt.

Dennoch wurde noch keine Technologie geschaffen, die jede Art menschlicher Gedanken direkt, genau und mit hoher Geschwindigkeit überträgt.

Sie bleibt eine große wissenschaftliche Herausforderung, die gelöst werden muss.

In Zukunft könnte die Integration künstlicher Intelligenz und neuronaler Technologien neue Wege schaffen, um die Zeit zu reduzieren, die Menschen benötigen, um ihre Gedanken auszudrücken.

Die praktische Forschung dazu muss von den neuronalen Signalen ausgehen, die Menschen absichtlich zu vermitteln versuchen.

Dann müssen Modelle gebaut werden, die sie genau identifizieren.

Anschließend muss bewertet werden, wie genau die wahre Bedeutung der Informationen geschützt wird.

Schließlich muss wissenschaftlich bewiesen werden, ob diese Technologie die Geschwindigkeit und Leistung der Kommunikation zwischen Menschen wirklich verbessert.

Erst danach kann die Arbeit zu fortschrittlicheren Technologien wie der vollständigen direkten Gehirn-zu-Gehirn-Kommunikation voranschreiten.

Das ultimative Ziel meiner Forschung

Das ultimative Ziel meiner Forschung ist es, die Lücke zwischen der Geschwindigkeit, mit der eine Person einen Gedanken in ihrem Kopf formt, und der Geschwindigkeit, mit der eine andere Person die wahre Bedeutung dieses Gedankens genau versteht, so weit wie möglich zu verringern.

Dazu ist mein vorgeschlagener Ansatz, künstliche Intelligenz, Gehirn-Computer-Schnittstellen, Neurowissenschaften, Informationstheorie und sichere Hochgeschwindigkeits-Kommunikationstechnologien gemeinsam zu erforschen.

Unser Ziel ist es nicht, einfach mehr Daten mit hoher Geschwindigkeit zu senden.

Unser Ziel ist es, die wissenschaftliche Grundlage für eine neue Kommunikationsmethode zu schaffen, die die Gedanken und Ideen von Menschen sicher, genau und in kürzester Zeit übertragen kann, ohne ihre wahre Bedeutung zu verändern.

Referenzen

  1. Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://doi.org/10.1126/sciadv.aaw2594
  2. Zheng, J., & Meister, M. (2025). The unbearable slowness of being: Why do we live at 10 bits/s? Neuron, 113(2), 192–204. Published online: December 2024. https://doi.org/10.1016/j.neuron.2024.11.008
  3. Willett, F. R., et al. (2023). A high-performance speech neuroprosthesis. Nature, 620, 1031–1036. https://doi.org/10.1038/s41586-023-06377-x
  4. Littlejohn, K. T., et al. (2025). A streaming brain-to-voice neuroprosthesis to restore naturalistic communication. Nature Neuroscience, 28, 902–912. https://doi.org/10.1038/s41593-025-01905-6
  5. Wairagkar, M., et al. (2025). An instantaneous voice-synthesis neuroprosthesis. Nature, 644, 145–152. https://doi.org/10.1038/s41586-025-09127-3
  6. Card, N. S., et al. (2026). Long-term independent use of an intracortical brain–computer interface for speech and cursor control. Nature Medicine, 32, 2504–2510. https://doi.org/10.1038/s41591-026-04414-6
  7. Jiang, L., et al. (2019). BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains. Scientific Reports, 9, Article 6115. https://doi.org/10.1038/s41598-019-41895-7
  8. Kunz, E. M., et al. (2025). Inner speech in motor cortex and implications for speech neuroprostheses. Cell, 188(17), 4658–4673.e17. https://doi.org/10.1016/j.cell.2025.06.015
  9. Zhao, Z., et al. (2026). A neural architecture for imagined and overt speech motor dynamics. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02456-0
  10. Tates, A., Matran-Fernandez, A., Halder, S., & Daly, I. (2026). Decoding speech imagery or just noise?: A symptom of the replicability crisis. Journal of Neural Engineering, 23(5). https://doi.org/10.1088/1741-2552/aea294
  11. UNESCO. (2025). Recommendation on the Ethics of Neurotechnology. https://www.unesco.org/en/node/86248

By Keshavan Thiagaraja

Private AI Model Developer & AI Security Consultant - Helping SMEs and Enterprises Build Secure AI Solutions, Sydney, Australia

B.Sc. (Computer Science, Mathematics and Statistics) | M.Sc. (Information Technology) | E-Commerce Professional

Powered By K7