Fortschritte in der nicht-invasiven Brain-to-Text-Dekodierung durch Meta

Revolution in der Kommunikation: Meta präsentiert Brain2Qwerty v2

In der fortschreitenden Landschaft der künstlichen Intelligenz und Neurowissenschaften hat Meta einen bedeutenden Fortschritt in der nicht-invasiven Brain-to-Text-Dekodierung bekannt gegeben. Mit der Einführung von Brain2Qwerty v2 präsentiert das Unternehmen eine Weiterentwicklung seiner Technologie, die das Potenzial hat, die Kommunikationsmöglichkeiten für Menschen mit schweren neurologischen Einschränkungen grundlegend zu verändern. Diese neue Version übertrifft ihren Vorgänger, Brain2Qwerty v1, der kürzlich in der Fachzeitschrift Nature veröffentlicht wurde, in wesentlichen Aspekten, insbesondere durch ihre Fähigkeit zur Echtzeit-Dekodierung von Sätzen aus rohen Hirnsignalen.

Technologische Grundlagen und Fortschritte

Brain2Qwerty v2 stellt die bisher leistungsfähigste End-to-End-Pipeline dar, die in der Lage ist, Hirnsignale nicht-invasiv in Text umzuwandeln. Der entscheidende Unterschied zu früheren, oft invasiven Ansätzen liegt in der Methode der Datenerfassung. Anstatt auf chirurgische Implantate zurückzugreifen, die mit erheblichen Risiken verbunden sind, nutzt Brain2Qwerty v2 die Magnetoenzephalographie (MEG). MEG ist eine nicht-invasive Technik, die die winzigen magnetischen Felder misst, die durch die elektrische Aktivität des Gehirns erzeugt werden.

Die erfassten Rohdaten werden anschließend einem hochentwickelten KI-Modell zugeführt. Dieses Modell wurde darauf trainiert, diese Hirnsignale nicht nur auf Zeichenebene, sondern auch auf Wort- und semantischer Ebene zu interpretieren. Dies ermöglicht eine Dekodierung, die über die reine Erkennung einzelner Buchstaben hinausgeht und kohärente Sätze sowie deren Bedeutung erfasst. Die Integration von Large Language Models (LLMs) in den Prozess trägt zusätzlich zur Verbesserung der Genauigkeit bei, indem sie semantischen Kontext nutzen, um selbst verrauschte Hirnaufzeichnungen präzise zu interpretieren.

Anwendungsbereiche und potenzieller Nutzen

Das primäre Ziel dieser Forschung ist es, Menschen zu unterstützen, die aufgrund von Hirnläsionen oder neurologischen Erkrankungen ihre Fähigkeit zur verbalen Kommunikation verloren haben. Für diese Personengruppe könnte Brain2Qwerty v2 eine entscheidende Brücke zur Außenwelt darstellen. Die Möglichkeit, Gedanken direkt in Text umzuwandeln, ohne auf herkömmliche Eingabemethoden angewiesen zu sein, könnte die Lebensqualität und Autonomie erheblich steigern.

Die Technologie agiert dabei wie eine Art "gehirngesteuerte Tastatur". Probanden, die ein MEG-Gerät tragen, „tippen“ im Geiste, während die KI die entsprechenden Hirnsignale überwacht und die beabsichtigten Wörter und Sätze dekodiert. Die erreichte Genauigkeit bei der Wortdekodierung liegt bei bis zu 78%, was einem signifikanten Fortschritt gegenüber früheren Systemen entspricht.

Open Source und die Zukunft der Forschung

Um die Forschung und Entwicklung in diesem Bereich weiter zu beschleunigen, hat Meta angekündigt, den vollständigen Trainingscode für Brain2Qwerty v1 und v2 sowie den v1-Datensatz Open Source zur Verfügung zu stellen. Diese Offenheit ermöglicht es Forschern weltweit, auf den Erkenntnissen aufzubauen, die Modelle zu verfeinern und neue Anwendungen zu explorieren. Dieser Ansatz unterstreicht das Engagement, wissenschaftliche Fortschritte in den Neurowissenschaften und der KI-Forschung kollaborativ voranzutreiben.

Die Entwicklung von Brain2Qwerty v2 markiert einen wichtigen Meilenstein in der Erforschung von Brain-Computer-Interfaces (BCIs). Obwohl noch weitere Forschung und Entwicklung erforderlich sind, um diese Technologie für eine breite Anwendung zu optimieren, zeigt sie das immense Potenzial auf, die menschliche Kommunikation neu zu definieren und denjenigen, die am dringendsten darauf angewiesen sind, eine Stimme zurückzugeben.

Die fortlaufende Erforschung von nicht-invasiven Methoden zur Dekodierung von Hirnaktivität eröffnet neue Perspektiven für die Medizin, die Assistenztechnologie und darüber hinaus. Es bleibt abzuwarten, welche weiteren Innovationen aus dieser vielversprechenden Forschungsrichtung hervorgehen werden.

Bibliography:

1. AI at Meta. (2026, June 29). *We’re sharing the next major milestone in our non-invasive brain-computer interface research: Brain2Qwerty v2.* LinkedIn.
2. AI at Meta. (2026, June 29). *To help accelerate neuroscience breakthroughs, we're releasing the full training code for Brain2Qwerty v1 and v2, and our partner (Basque Center on Cognition, Brain and Language) is releasing the v1 dataset.* Threads.
3. Decrypt. (2026, June 29). *Meta Unveils New Tech That Uses AI to Translate Brain Activity Into Text—Without Surgery*.
4. Digital Trends. (2026, June 29). *Meta's Brain2Qwerty v2 turns thoughts into text, and it doesn't need brain implants*.
5. The Free Press Journal. (2026, June 30). *Meta Unveils Brain2Qwerty v2 AI That Decodes Brain Activity Into Text Without Surgical Implants | Video*.
6. Lévy, J. P., Zhang, M., Pinet, S., Rapin, J., Banville, H., d’Ascoli, S., et al. (2025, February 18). *Brain-to-Text Decoding: A Non-invasive Approach via Typing*. arXiv.
7. Meta AI. (2025, February 6). *Brain-to-Text Decoding: A Non-invasive Approach via Typing*. AI at Meta Research.
8. Pillitteri, P. (2026, June 29). *Meta Brain2Qwerty v2: the Decoder That Turns Brain Signals Into Sentences (No Surgery)*. Pasquale Pillitteri.
9. Yahoo Tech. (2026, June 29). *Meta Unveils New Tech That Uses AI to Translate Brain Activity Into Text—Without Surgery*.