So individuell wie ein Fingerabdruck
Sicher ohne »Brainprint«: Datenschutz für Hirnströme
EEG-Signale sind so einmalig wie ein Fingerabdruck – und damit einer der heikelsten Datenschätze der Neurotechnologie. Fraunhofer-Forschende haben jetzt KI-Verfahren entwickelt, um den individuellen »Brainprint« aus Hirnstromdaten zu entfernen und dabei die medizinischen Informationen zu bewahren.
Was sich anhört wie ein dystopischer Neuro-Alptraum, wird von Marketingleuten längst ernsthaft diskutiert: »Ich weiß, woran du denkst und leg dir was passendes in den Warenkorb«. Brain-Computer-Interfaces wie Elon Musks Neuralink oder der von Sam Altman unterstützte Konkurrent Merge sollen irgendwann emotionale Zustände wie Freude, Stress oder auch Kauflust in Echtzeit ablesen können. Für die Werbeindustrie wären die neurologischen Daten der heilige Gral, für den persönlichen Datenschutz hingegen eine Katastrophe.
Denn Hirnwellen sind biometrische Daten, EEG-Daten dabei so individuell wie ein Fingerabdruck. Ein sogenannter »Brainprint« also, der sich kaum fälschen lässt und aus dem sich sehr viel herauslesen lässt: Verknüpft man EEG-Aufzeichnungen mit Klarnamen, werden Cross-Dataset-Verknüpfungen möglich, die weit über eine einzelne Diagnose hinausgehen. So lassen sich aus Schlafdaten auch Autismus-Spektren oder Anzeichen für Alkoholismus ablesen. Wer also EEG-Aufzeichnungen ohne Schutzmaßnahmen teilt, gibt damit potenziell mehr preis als seinen Namen. Genau hier setzt das Fraunhofer-Projekt »NEMO« an.
Das Konsortium des BMFTR-geförderten Projekts »NEMO«
Das Dilemma der offenen Hirnforschung
Das Projekt – »Nicht-Identifizierbarkeit von Elektroenzephalogrammen und vergleichbaren Sensorsignalen aus medizinischer Versorgung für Open Science« – lief drei Jahre und bewies zunächst das Ausgangsproblem: EEG-Daten sind für die Forschung zu neurodegenerativen Erkrankungen, Schlafstörungen oder dem Autismus-Spektrum von immensem Wert – gleichzeitig lassen sich aus denselben Signalen sensible Rückschlüsse auf Gesundheitszustand und Identität der Datenspendenden ziehen. Die Forschenden zeigten, dass sich Personen anhand ihres individuellen »Brainprints« mit einer Trefferquote von über 80 Prozent in EEG-Datensätzen wiedererkennen lassen – auch dann, wenn Daten auf den ersten Blick anonymisiert wirken.
Das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderte Projekt, koordiniert von der Gruppe Mobile Neurotechnologien am Fraunhofer-Institut für Digitale Medientechnologie IDMT in Oldenburg, entwickelte zunächst ein eigenes ML-Verfahren zur Personenverifikation – und untersuchte anschließend, wie persönliche Muster aus EEG-Aufzeichnungen entfernt werden können, ohne die klinisch relevanten Informationen zu zerstören.
KI löscht, was KI erkennt
Der Ansatz ist so elegant wie konsequent: Weil ML-Verfahren individuelle Muster in Biosignalen erlernen und wiedererkennen können, setzen die Forschenden dieselbe Technologie für die Anonymisierung ein. Die Signaltransformation entfernt biometrisch verwertbare Merkmale gezielt – und erhält dabei nur die Kennzeichen, die für den jeweiligen Anwendungsfall tatsächlich benötigt werden. Im Projektbeispiel: automatisches Schlafphasen-Screening und die Erkennung von Schlafspindeln. Beides funktionierte nach der Anonymisierung zuverlässig weiter.
»Wir haben an KI-Algorithmen gearbeitet, die EEG-Aufzeichnungen so verändern, dass sie möglichst keine Rückschlüsse mehr auf die Datenspendenden zulassen, und dennoch ihren Nutzen für die gewählten Anwendungsfelder beibehalten«, erklärt Thomas Köllmer, Datenschutzexperte am Fraunhofer IDMT Ilmenau.
Exemplarische Darstellung eines originalen (oben) und anonymisierten (unten) EEG-Signals aus einer Veröffentlichung im Rahmen des Projekts »NEMO«.
Konsortium, Daten und Demonstrator
Die klinischen Schlafdaten lieferten die Christian-Albrechts-Universität zu Kiel und das Universitätsklinikum Schleswig-Holstein, die zudem ihre Expertise im Rahmen der Medizininformatik-Initiative einbrachten. Das Ganderkeseer Softwarehaus Ascora – spezialisiert auf Cloud-Datenmanagement und eHealth – entwickelte gemeinsam mit dem Konsortium einen Proof-of-Concept-Demonstrator. Stakeholder-Workshops zur praxisnahen Evaluation übernahm das Klinische Innovationszentrum Medizintechnik Oldenburg (KIZMO).
Mit Projektabschluss im Dezember 2025 ist die Machbarkeit der Anonymisierungstechnologie nachgewiesen. »Die Weiterentwicklung dieser Ansätze ist jetzt wichtig, denn sie stärkt das Vertrauen in medizinische und nicht-medizinische Anwendungen und ebnet den Weg für eine breitere Datenverfügbarkeit im Sinne von Open Science«, so Köllmer. Für eine Neurotech-Branche, die gerade erst beginnt, in die Breite zu wachsen – von der Klinik bis zum Consumer-Markt – könnte das der entscheidende Schritt sein: vom geschlossenen Kliniklabor zur offenen Forschungsinfrastruktur, ohne die Privatsphäre der Datenspendenden zu opfern. (uh)
