Forschende des Deutschen Primatenzentrums (DPZ) – Leibniz-Institut für Primatenforschung in Göttingen haben herausgefunden, dass sich das Gehirn großflächig über mehrere Hirnregionen neu organisiert, wenn es lernt, Bewegungen mit Hilfe einer Gehirn-Computer-Schnittstelle in einer virtuellen Umgebung auszuführen. So konnte gezeigt werden, wie sich das Gehirn anpasst, wenn es motorische Prothesen steuert. Die Erkenntnisse helfen nicht nur, die Entwicklung von Gehirn-Computer-Schnittstellen voranzutreiben, sondern verbessern auch unser Verständnis der grundlegenden neuronalen Prozesse, die dem motorischen Lernen zugrunde liegen (PLOS Biology).

Der weltweit anerkannte Experte für maschinelles Lernen und neuronale Netze, BIFOLD Co-Direktor und Professor an der TU Berlin, Prof. Dr. Klaus‑Robert Müller, wurde von der IEEE Computational Intelligence Society (CIS) mit dem „Neural Network Pioneer Award 2026“ ausgezeichnet. Der Preis würdigt seine „Beiträge zu der Theorie und Praxis des kern-basierten Lernens“. Unter kern-basiertem Lernen versteht man ein zentrales Verfahren des maschinellen Lernens, das Muster in Daten mit Hilfe spezieller mathematischer Funktionen erkennt.

Ein Team des Universitätsklinikums der Technischen Universität München hat einem vom Hals abwärts gelähmten Mann eine Hirn-Computer-Schnittstelle eingesetzt. Der fünfstündige Eingriff war der erste seiner Art in Europa. Das Gerät ermöglicht Forschung, die Betroffenen in Zukunft mehr Teilhabe, Unabhängigkeit und Lebensqualität eröffnen könnte. Konkret will das Team den 25-Jährigen in die Lage versetzen, sein Smartphone und einen Roboterarm allein mit seinen Gedanken zu steuern.