Drei neue Peer-Review-Studien: Tether Evo zeigt, dass ein einziges BCI-Modell Sprache, Sehen und Musik bei verschiedenen Menschen entschlüsseln kann

2. Visuelle Dekodierung (Imaging Neuroscience) – Das Modell rekonstruiert visuelle Bilder aus neuronalen Spike-Daten von Primaten – ebenfalls mit einem probandenübergreifenden Trainingsansatz statt einer Neukalibrierung für jedes Individuum . Das visuelle Dekodierungsmodell identifizierte das exakte Bild aus Tausenden von Optionen mit 70 % Genauigkeit, und das aus nur 20 Millisekunden Gehirndaten .

3. Musikdekodierung (Neural Networks) – Das Modell entschlüsselt Lieder und Musikgenres aus Gehirnaktivität und zeigt damit dasselbe Prinzip der probandenübergreifenden Verallgemeinerung im auditiven/musikalischen Bereich .

Wie der Einzelmodell-Ansatz funktioniert

Die zentrale technische Erkenntnis aller drei Arbeiten ist, dass eine gemeinsame Transformer-basierte Architektur auf neuronalen Daten trainiert wird, die von mehreren Probanden gleichzeitig stammen. Dieses gemeinsame Training ermöglicht es dem Modell, übergreifende neuronale Merkmale zu erlernen – Muster, wie das Gehirn Sprache, Bilder und Musik kodiert, die über verschiedene Menschen hinweg konsistent sind –, während die Abhängigkeit von projektspezifischen Eigenheiten minimiert wird . Wenn das Modell auf einen neuen Patienten trifft, ist nur eine kurze Feinabstimmung (Minuten statt Wochen) erforderlich, anstatt einer vollständigen Neuprogrammierung . Ein früheres Preprint von Tether Evo (Mai 2026) zur probandenübergreifenden neuronalen Phonemdekodierung zeigte, dass ein Modell, das gemeinsam auf den beiden größten intrakortikalen Sprachdatensätzen trainiert wurde, die Ergebnisse von Einzelpersonen-Baselines erreichte oder übertraf .

Warum dies für die BCI-Verbreitung wichtig ist

Die meisten bestehenden BCI-Decoder müssen für jeden Benutzer individuell kalibriert werden – ein Prozess, der Wochen der Datenerfassung und des Modelltrainings dauern kann. Tether Evos Ansatz adressiert eines der größten Hindernisse für die klinische und kommerzielle BCI-Verbreitung: den Aufwand der Personalisierung. Indem die Forschung zeigt, dass ein einziges Modell über verschiedene Menschen und sogar verschiedene neuronale Aufzeichnungsmodalitäten hinweg verallgemeinert werden kann, deutet sie einen Weg zu Plug-and-Play-Neuroprothesen an, die mit minimaler Einrichtung sofort einsatzbereit sind .

Kurz gesagt: Der Durchbruch besteht nicht in einem einzigen Modell, das gleichzeitig alle drei Modalitäten dekodiert, sondern in einer allgemeinen Methodik – probandenübergreifendes gemeinsames Training mit effizienter Feinabstimmung –, die separat auf die Sprach-, Seh- und Musikdekodierung angewendet und jeweils in einer eigenen peer-reviewten Studie validiert wurde.