Assistive Robotik | Neurorehabilitation
Soft-Hand-Exoskelett lässt ALS-Patient nach vier Jahren wieder greifen
Ein Patient mit fortgeschrittener ALS konnte vier Jahre lang nicht mehr greifen. Dann erkannte ein pneumatischer Handschuh der TU München aus schwachen Muskelsignale die Greifabsicht mit 90-prozentiger Trefferquote. Günstig ist das Soft-Exoskelett dazu: es besteht im Kern aus Stoff und Luftkissen.
Wer nach einem Schlaganfall, durch einen Unfall oder eine Nervenerkrankung wie ALS die Kontrolle über die Hand verliert, verliert damit auch etwas sehr Alltägliches: eine Gabel halten, ein Glas greifen, selbstständig essen. Bei diesem riesigen Stück Lebensqualität setzte ein Team um Prof. Gordon Cheng am Lehrstuhl für kognitive Systeme der TU München an und entwickelte eine weiche, pneumatische Greifhilfe. Die sieht aus wie ein riesiger Baseballhandschuh und sagt anhand der Muskelaktivität im Unterarm vorher, wann jemand greifen will, und unterstützt die Bewegung dann aktiv.
Ein Stoffhandschuh statt starrer Robotik
Das »Soft-Hand-Exoskelett« ist im Kern ein selbst genähter Stoffhandschuh, auf dessen Außenseite Luftkissen sitzen. Über insgesamt 13 Schläuche lassen sich diese Kissen gezielt aufpumpen, wodurch sich jeder Finger einzeln krümmen und strecken sowie das Handgelenk drehen lässt. Genau die Bewegungen also, die es braucht, um einen Teller zu halten oder nach einer Gabel oder einem Löffel zu greifen.
Damit der Handschuh im richtigen Moment reagiert, bringen die Forschenden Sensoren auf dem Unterarm an und lesen daraus die elektrische Muskelaktivität aus. Ein Machine-Learning-Modell leitet aus diesen Signalen die Greifabsicht ab; zusätzliche Bewegungssensoren erkennen zudem, wenn ein Gegenstand gerade transportiert wird, und halten den Griff währenddessen automatisch geschlossen, damit nichts versehentlich fällt.
Forscher Nicolas Berberich und Prof. Gordon Cheng testen das neue Soft-Hand-Exoskelett.
Sensorik steuert Pneumatik
Entwickelt wurde das System gemeinsam mit einem Patienten, der an amyotropher Lateralsklerose (ALS) erkrankt ist und zu Projektbeginn nur noch das erste Fingerglied des Daumens bewegen konnte. Aus genau diesem schwachen Signal leiteten die Forschenden ab, wann er greifen wollte: Sie lagen damit in neun von zehn Fällen richtig. Der Patient konnte erstmals seit vier Jahren wieder eine Gabel halten und kleine Würfel gezielt aufheben. Trainiert wurde die Steuerung unter anderem über ein Videospiel, in dem der Patient allein durch die Bewegung des Daumenglieds eine Spielfigur springen ließ – schon nach fünf Minuten Training verbesserte sich sein Greifvermögen deutlich.
»Dieser Patient hat uns [...] gezeigt, dass unser Soft-Hand-Exoskelett ihn unterstützen kann.«
Gordon Cheng, Leiter des Instituts für kognitive Systeme an der TUM
Kein teures Hightech-Produkt
Der Handschuh selbst wurde von Mitentwickler John Nassour genäht. Der dafür benötigte Stoff ist günstig zu beschaffen und damit ein deutlicher Unterschied zu den meist deutlich aufwendigeren, motorbetriebenen Exoskelett-Konzepten. Laut Cheng ist genau das der Anspruch des Projekts: eine Lösung, die sich jeder leisten kann und trotzdem zuverlässig funktioniert. Der Neurologe Tobias Wächter von der Klinik Passauer Wolf sieht als klinischer Kooperationspartner des Projekts das Potenzial deutlich breiter als nur bei ALS: »Grundsätzlich kann dieser Handschuh allen Menschen helfen, die unter schlaffen Lähmungen leiden« – etwa nach Motorrad- oder Fahrradunfällen mit Nervenschäden oder bei Polyneuropathie.
Noch kein Medizinprodukt
Wichtig für die Einordnung: Das Soft-Hand-Exoskelett ist ein Forschungsprototyp, kein zugelassenes Medizinprodukt. Eine CE-Kennzeichnung oder ein Marktstart sind bislang nicht in greifbarer Nähe. Die Arbeit ist Teil des TUM Innovation Networks eXprt, das seit 2022 mit einem Gesamtvolumen von rund 3 Millionen Euro über vier Jahre gefördert wird und in dem Ingenieurwissenschaften, Neurowissenschaften und klinische Neurologie zusammenarbeiten. Als Nächstes wollen die Forschenden das Konzept auch für weitere Patientengruppen und Indikationen anpassen. Die Ergebnisse sind im Juni 2026 in Nature Machine Intelligence erschienen. (uh)
