EEG (Elektroenzephalografie): Der vollständige Taschenführer

.factoid-box { border:1px solid #DDD; padding:1.5rem; position:relative; margin-block-start:3rem!important; background:var(–wp–preset–color–tertiary); } .factoid-box:before { content: ‚INSIDE SCOOP‘; padding:0.5rem 1rem; display:block; background:var(–wp–preset–color–secondary); color:white; top:0; right:1rem; transform:translateY(-50%); position:absolute; font-weight:600; }

Dein Gehirn ist eines der kompliziertesten, komplexesten und faszinierendsten Elemente des Universums. Es ermöglicht dir, dich an vergangene Ereignisse zu erinnern, alle gegenwärtigen Sinneseindrücke zu verarbeiten und all deine Gedanken, Erinnerungen und Einschätzungen in die Zukunft zu projizieren.

All das geschieht, damit du aktiv nach Nahrung suchen, mit deiner Umgebung interagieren, mit Freunden und Familie sprechen oder lebensbedrohlichen Raubtieren ausweichen kannst – natürlich musst du dich auch mit komplexeren Alltagsaufgaben auseinandersetzen, wie zum Beispiel das Verfassen deiner Doktorarbeit, das Meistern eines Vorstellungsgesprächs … oder das Schlagen des Candy-Crush-Highscores deines besten Freundes.

Hinweis: Dieser Beitrag ist ein Auszug aus unserem EEG-Taschenführer. Unten können Sie sich Ihr kostenloses Exemplar herunterladen und noch mehr Einblicke in die Welt des EEG gewinnen.

Dein Gehirn ist rund um die Uhr aktiv

Ganz gleich, ob Sie schlafen oder wach sind, das nächste Geschäftstreffen vorbereiten oder einen gemütlichen Spaziergang durch die Stadt machen – während Sie denken, träumen, sehen und fühlen, ist Ihr Gehirn ständig aktiv.

Es nimmt alle Informationen auf, verdichtet und verknüpft vorhandene Daten neu und integriert alles zu einer einheitlichen Wahrnehmung – sowohl von dir selbst als auch deiner Umgebung. Für dich bildet diese Wahrnehmung deine Realität. Dein Gehirn prägt, wie du deine Umgebung wahrnimmst – es filtert und hebt die Objekte und Informationen hervor, die für dich am relevantesten sind. Auf der Grundlage deiner Gedanken, Emotionen, Wünsche und Erfahrungen steuert dein Gehirn letztendlich dein Verhalten. Es kontrolliert sogar Verhaltensabläufe, ohne dass du es überhaupt bemerkst.

Die Bausteine des Gehirns

Es liegt auf der Hand, dass die Analyse des Verhaltens und seiner zugrunde liegenden Triebkräfte ein tiefgreifendes Verständnis der Komplexität des menschlichen Gehirns erfordert, sowohl in Bezug auf seine Struktur als auch auf seine Funktionsweise. Anders ausgedrückt: Was sind die Bausteine des Gehirns und wie wirken sie zusammen?

Dank der jüngsten Fortschritte in den Bereichen Bildgebungstechniken, Prozessortechnologien, Datenanalyseverfahren und Algorithmen sind sowohl Wissenschaftler als auch Forscher aus der Wirtschaft in der Lage, tief in das menschliche Gehirn einzutauchen und zu erkennen, wie es unsere Wahrnehmung und unsere Interaktion mit der Welt prägt.

Eine der vielseitigsten Verfahren zur Bildgebung des Gehirns ist die Elektroenzephalographie. Kurz: EEG. Wörtlich bedeutet Elektroenzephalographie „Aufzeichnung der elektrischen Aktivität des Gehirns“. Warum „Aufzeichnung“? Ähnlich wie bei einem Seismometer wurden EEG-Aufzeichnungen ursprünglich auf Papier festgehalten.

Bei der Elektroenzephalographie wird die elektrische Aktivität des Gehirns mithilfe von Elektroden aufgezeichnet, die auf der Kopfhaut angebracht werden. Die Messung der elektrischen Aktivität des Gehirns ist nützlich, da sie Aufschluss darüber gibt, wie die vielen verschiedenen Neuronen im Gehirnnetzwerk über elektrische Impulse miteinander kommunizieren.

Warum ist das EEG ein hervorragendes Instrument zur Untersuchung des menschlichen Verhaltens?

Es gibt mehrere Gründe, warum das EEG ein hervorragendes Instrument zur Untersuchung der neurokognitiven Prozesse ist, die dem menschlichen Verhalten zugrunde liegen (Cohen, 2011):

• Das EEG verfügt über eine sehr hohe zeitliche Auflösung und erfasst kognitive Prozesse in dem Zeitrahmen, in dem sie ablaufen. Kognitive, wahrnehmungsbezogene, sprachliche, emotionale und motorische Prozesse verlaufen schnell. Die meisten kognitiven Prozesse finden innerhalb von zehn bis hundert Millisekunden statt – viel schneller als ein Wimpernschlag. Darüber hinaus treten die Ereignisse, die kognitive Prozesse auslösen, in zeitlichen Abläufen auf, die sich über Hunderte von Millisekunden bis zu einigen Sekunden erstrecken. Ähnlich wie eine Hochgeschwindigkeitskamera verfügt das EEG über eine hohe zeitliche Auflösung und kann die den kognitiven Prozessen zugrunde liegenden physiologischen Veränderungen viel besser erfassen als andere bildgebende Verfahren des Gehirns (wie MRT- oder PET-Scanner).
• Das EEG misst die neuronale Aktivität direkt. Ihr Gehirn ist ständig aktiv und erzeugt elektrische Aktivität, die zwar sehr schwach ist (deutlich geringer als die einer 9-V-Batterie), aber mit dem richtigen Gerät nachweisbar ist. EEG-Sensoren sind in der Lage, diese winzigen Signale von der Kopfhautoberfläche aufzunehmen. Die neurowissenschaftliche Forschung hat konsistente Ergebnisse erzielt und allgemein anerkannte Theorien darüber aufgestellt, wie die EEG-Signale mit kognitiven, affektiven oder aufmerksamkeitsbezogenen Prozessen zusammenhängen. Andererseits verfügen Techniken wie die MRT zwar über eine hervorragende räumliche Auflösung, messen neuronale Aktivität jedoch im Wesentlichen indirekt und erfordern ein viel tieferes Verständnis der Beziehung zwischen dem, was gemessen wird, und dessen Zusammenhang mit kognitiven Prozessen.
• Das EEG ist kostengünstig, leicht und mobil. Haben Sie schon einmal versucht, eine Studie vor Ort mit einem MRT-Scanner durchzuführen? Das ist schlichtweg nicht möglich. Im Gegensatz dazu sind EEG-Systeme mobil und leicht und ermöglichen daher eine flexible Datenerhebung in realen Umgebungen.
• Das EEG erfasst kognitiv-affektive Prozesse, auch wenn keine Verhaltensreaktionen vorliegen. Verhaltensweisen werden letztlich von Gehirnprozessen gesteuert. Wenn man sich jedoch für mentale Prozesse wie Reaktionshemmung, Kreativität oder Meditation interessiert, können die Auswirkungen auf das Verhalten sehr subtil sein. Im Gegensatz dazu eignen sich diese Prozesse ideal für die Untersuchung mittels EEG, da sie mit unterscheidbaren elektrischen Aktivierungsmustern im Gehirn einhergehen.

Mithilfe des EEGs lassen sich Erkenntnisse darüber gewinnen, wie das Gehirn funktioniert, welche Gehirnbereiche aktiv sind und wie sie miteinander interagieren. Doch wie genau entstehen diese Signale?

Lesen Sie mehr: Was ist ein EEG und wie funktioniert es?

Um das Potenzial der EEG-Technik über die Grundlagen ihrer Funktionsweise hinaus wirklich zu verstehen, entdecken Sie die **wichtigsten EEG-Anwendungen** in der Praxis.

Gehirnregionen und ihre Funktionen

Das menschliche Gehirn ist das Hauptorgan des menschlichen Zentralnervensystems (ZNS).

Im Durchschnitt wiegt es etwa 1,4 kg (etwa 2 % des gesamten Körpergewichts) und weist viele Gemeinsamkeiten mit den Gehirnen anderer Wirbeltiere auf, darunter eine grundlegende Unterteilung in verschiedene Regionen.

Lernen Sie den Hirnstamm, das limbische System, das Kleinhirn und das Großhirn kennen:

1. Das Großhirn

Das Großhirn oder die Großhirnrinde ist der vorderste und größte Teil des menschlichen Gehirns. Es wird im Allgemeinen mit höheren Gehirnfunktionen wie bewusstem Denken und sensorischer Verarbeitung in Verbindung gebracht. Das Großhirn besteht aus zwei Hemisphären, die durch eine Ansammlung von Nervenzellen verbunden sind, die den Corpus callosum bilden. Die Großhirnrinde weist eine stark gewundene Topografie aus Sulci (Furchen) und Gyri (Wülsten) auf. Würde man all diese Furchen und Windungen ausbreiten, ergäbe sich eine Gesamtfläche der Großhirnrinde von etwa 2500 cm² – etwa so groß wie ein 50 x 50 cm großer Kissenbezug (Peters & Jones, 1984).

2. Das Kleinhirn

Das Kleinhirn (wörtlich „kleines Gehirn“) besteht aus zwei Hemisphären mit stark gefalteten Oberflächen. Das Kleinhirn ist an der Steuerung und Kontrolle von Feinmotorik, Körperhaltung und Gleichgewicht beteiligt. Es empfängt Signale von den sensorischen Systemen des Rückenmarks sowie von anderen Hirnarealen und integriert diese Signale, um die motorischen Aktivitäten fein abzustimmen.

3. Der Hirnstamm

Der Hirnstamm ist der untere und älteste Teil des Gehirns und umfasst das Mittelhirn, die Pons und das Medulla oblongata. Oft als „Reptiliengehirn“ bezeichnet, steuert er die autonomen Körperfunktionen wie Herzschlag, Atmung, Blasenfunktion und Gleichgewichtssinn.
Im Grunde genommen steuert der Hirnstamm alles, was automatisch ablaufen soll, ohne dass man bewusst darüber nachdenken muss.

4. Das limbische System

Das limbische System wird oft als das emotionale Gehirn bezeichnet. Es liegt tief im Gehirn verborgen und stellt eine evolutionär alte Struktur dar. Zum limbischen System gehören der Thalamus, der Hypothalamus und die Amygdala. Das limbische System spielt eine zentrale Rolle bei der Auslösung von Kampf-oder-Flucht-Situationen, wie zum Beispiel bei Vorstellungsgesprächen, beim Black-Friday-Shopping oder bei Verabredungen mit dem zukünftigen Partner.

Die Großhirnrinde ist weiter in vier Bereiche unterteilt, die Lappen. Zwar gibt es für jeden Lappen ein rechtes und ein linkes Gegenstück, doch bestehen zwischen den Hemisphären feine Unterschiede.

In der allgemeinen Vorstellung wird die rechte Gehirnhälfte mit Kreativität und Vorstellungskraft in Verbindung gebracht, während die linke Gehirnhälfte mit logischen Fähigkeiten wie dem Zahlen- und Raumverständnis assoziiert wird. Diese Vorstellung verliert jedoch zunehmend an Bedeutung, da die wissenschaftliche Forschung immer ausgefeiltere Bildgebungstechnologien und Analysemethoden entwickelt, die tiefere Einblicke ermöglichen als je zuvor. Zwar gibt es Unterschiede zwischen den Gehirnhälften, doch sind diese komplexer, als das bisherige Bild vermuten lässt.

Grundsätzlich wird weiterhin in vier Hirnlappen unterteilt: den Hinterhaupt-, Schläfen-, Scheitel- und Stirnlappen.

5. Der Hinterhauptlappen

Der Okzipitallappen ist das Zentrum der visuellen Verarbeitung in unserem Gehirn, einschließlich der grundlegenden visuell-räumlichen Verarbeitung (Orientierung, räumliche Frequenz), der Farbdifferenzierung und der Bewegungswahrnehmung. Der okzipitale Kortex befindet sich im hintersten Bereich des Schädels. Alles, was wir sehen, wird hier verarbeitet (obwohl ein Teil der Verarbeitung auch vor und nach dem Eintreffen des Signals im okzipitalen Kortex stattfindet, ist diese Region für die visuelle Verarbeitung und Wahrnehmung von zentraler Bedeutung). Läsionen im Okzipitalbereich gehen typischerweise mit visuellen Halluzinationen, Farb- oder Bewegungsagnosie sowie Blindheit einher.

6. Der Temporallappen

Der Temporallappen ist an der Verarbeitung sensorischer Reize zu abgeleiteten oder höheren Bedeutungen beteiligt, wobei visuelle Erinnerungen, Sprache und emotionale Assoziationen eine Rolle spielen. Der temporale Kortex ist für das Langzeitgedächtnis zuständig. Der linke temporale Kortex ist am Verständnis der geschriebenen und gesprochenen Sprache beteiligt (Wernicke-Areal). Eine Schädigung dieser Regionen führt zu Sprachstörungen (Wernicke-Aphasie). Es gibt sogar ein seltenes Fremdsprachenakzent-Syndrom, das durch Läsionen im linken Temporallappen verursacht wird – betroffene Patienten klingen, als würden sie ihre Muttersprache mit einem ausländischen Akzent sprechen.

7. Der Parietallappen

Im Parietallappen geht es vor allem um die Integration von Informationen aus externen Quellen sowie von internem sensorischem Feedback aus Skelettmuskeln, Gliedmaßen, Kopf, Augen, Otolithen usw. Der parietale Kortex ist dafür verantwortlich, all diese Informationsquellen zu einer zusammenhängenden Darstellung darüber zu vereinen, wie sich unser Körper zur Umgebung verhält und wie alle Dinge (Objekte, Menschen) in der Umgebung räumlich zu uns stehen. Aufgaben, die Augen- oder Handbewegungen sowie die Augen-Hand-Koordination erfordern, wären ohne den parietalen Kortex unmöglich, der zudem Form, Größe und Ausrichtung von zu greifenden Objekten verarbeitet, speichert und abruft.

Darüber hinaus scheinen die parietalen Bereiche für die selbstreferenzielle Verarbeitung und das Gefühl der Handlungsfähigkeit von Bedeutung zu sein. Es wurde festgestellt, dass Schädigungen im parietalen Kortex zu schweren Störungen des motorischen Verhaltens und der objektorientierten Handlungen sowie zu außerkörperlichen Erfahrungen führen.

8. Der Frontallappen

Der Frontallappen ist der Bereich, in dem die meisten Ihrer bewussten Gedanken und Entscheidungen entstehen. Außerdem enthält der frontale Kortex motorische Areale, von denen aus die willkürlichen Bewegungen aller unserer Gliedmaßen und Augen gesteuert werden. Der Frontallappen beherbergt den Großteil der dopaminsensitiven Neuronen. Dies ist besonders wichtig zu wissen, da das Dopaminsystem für alle kognitiven Prozesse verantwortlich ist, die mit Belohnung, Aufmerksamkeit, Kurzzeitgedächtnis, Planung und Motivation zusammenhängen.

Nervenaktivität und elektrische Felder

Das menschliche Gehirn umfasst etwa 85 Milliarden Neuronen – das sind die Zellen, die den Großteil der Kommunikation im Gehirn übernehmen. Daneben gibt es Milliarden weiterer Zellen, die eine Vielzahl von Funktionen erfüllen, um unter anderem die neuronale Signalübertragung zu unterstützen, zu fördern und zu erleichtern.

Neuronen bestehen in der Regel aus einem Zellkörper und einem oder mehreren Axonen, die alle an Synapsen enden. Synapsen fungieren als Schnittstellen für inhibitorische oder exzitatorische Aktivität zwischen Neuronen. Das bedeutet, dass Synapsen Informationsimpulse zwischen Neuronen weiterleiten („auslösen“), wodurch entweder die Wahrscheinlichkeit einer nachfolgenden Signalübertragung des Neurons erhöht (exzitatorisch) oder verringert (inhibitorisch) wird.

In Hochform: Pyramidenzellen

Nicht alle vom Gehirn erzeugten elektrischen Felder sind stark genug, um sich durch Gewebe, Knochen und Schädel bis zur Oberfläche der Kopfhaut auszubreiten. Forschungsergebnisse deuten darauf hin, dass es in erster Linie die synchronisierte Aktivität der Pyramidenneuronen in den kortikalen Hirnregionen ist, die von außen (d. h. mit EEG-Geräten) gemessen werden kann. Ihr Name leitet sich von der pyramidenförmigen bzw. dreieckigen Form ihres Zellkörpers ab.

Pyramidenzellen kommen in allen kortikalen Bereichen vor (okzipitaler, temporaler, parietaler und frontaler Kortex), wo sie stets senkrecht zur kortikalen Oberfläche ausgerichtet sind. Der Zellkörper ist von der Oberfläche weg (in Richtung der grauen Substanz) gerichtet, während ihre Dendriten zur Oberfläche hin verlaufen (weitere Einzelheiten siehe Luck, 2014 und Buzsáki et al., 2012).

Diese einzigartige Ausrichtung der Zellen erzeugt ein elektrisches Feld mit einer sehr stabilen Ausrichtung. Im Gegensatz dazu weisen Zellen in tiefer liegenden Hirnstrukturen (wie dem Hirnstamm oder dem Kleinhirn) diese spezifische Ausrichtung nicht auf.

Infolgedessen breiten sich die elektrischen Felder eher in verschiedene Richtungen aus und heben sich gegenseitig auf, anstatt sich stabil in Richtung der Kopfhautoberfläche auszubreiten – selbst wenn Hunderttausende von Neuronen in diesen tieferen Regionen eine synchronisierte Aktivität zeigen.

EEG-Signale

Um die vom Gehirn erzeugte elektrische Aktivität aufzuzeichnen, müssen EEG-Forscher keine Schädel öffnen, um Sensoren anzubringen (obwohl dies ebenfalls vorkommt). Glücklicherweise geht es viel einfacher: Sie zeichnen einfach die elektrischen Daten von Sensoren (Elektroden) auf, die an der Kopfhautoberfläche angebracht sind. Das EEG, das in den 1920er Jahren vom deutschen Neurologen Hans Berger erstmals am Menschen angewendet wurde (Jung & Berger, 1979), ist eine kostengünstige, nicht-invasive und völlig passive Aufzeichnungstechnik.

Das EEG bietet gegenüber anderen bildgebenden Verfahren oder reinen Verhaltensbeobachtungen mehrere Vorteile. Der wichtigste Vorteil des EEG ist seine hervorragende zeitliche Auflösung, d. h., es kann innerhalb einer einzigen Sekunde Hunderte bis Tausende von Momentaufnahmen der elektrischen Aktivität über mehrere Elektroden hinweg erfassen. Dies macht das EEG zu einer idealen Technologie, um den genauen zeitlichen Verlauf der kognitiven und emotionalen Prozesse zu untersuchen, die dem Verhalten zugrunde liegen.

Im Gegensatz zu anderen physiologischen Messungen (wie EDA/GSR), für die oft nur wenige Elektroden erforderlich sind, werden EEG-Messungen mit Elektrodenarrays durchgeführt, die je nach Umfang des Experiments aus einer unterschiedlichen Anzahl von Sensoren bestehen, die von 10 bis zu über 500 Elektroden reicht. Um die Anbringung zu beschleunigen, sind die EEG-Elektroden in elastischen Kappen, Netzen oder starren Gittern befestigt, wodurch sichergestellt wird, dass die Daten über verschiedene Sitzungen oder Probanden hinweg an identischen Stellen auf der Kopfhaut erfasst werden können.

Da die elektrischen Signale sehr schwach sind, werden die aufgezeichneten Daten digitalisiert und an einen Verstärker weitergeleitet. Preisunterschiede bei EEG-Systemen sind in der Regel auf die Anzahl und Qualität der Elektroden, die Qualität der Digitalisierung sowie die Qualität und die Abtastrate des Verstärkers zurückzuführen. In der Regel sind EEG-Systeme mit höheren Abtastraten teurer als Geräte mit niedrigeren Abtastraten.

Sobald die Daten verstärkt wurden, können sie als Zeitreihe von Spannungswerten dargestellt werden. Vor 100 Jahren wurde der EEG-Verlauf auf Papier aufgezeichnet. Während EEG-Aufzeichnungen in klinischen Umgebungen manchmal noch auf Papier erfolgen, zeigen fast alle EEG-Systeme in der akademischen und kommerziellen Forschung die Daten als kontinuierlichen Spannungsverlauf auf einem Computerbildschirm an.

Das EEG im Vergleich zu anderen bildgebenden Verfahren des Gehirns:

• Die Magnetenzephalographie (MEG) erfasst die durch neuronale Aktivität erzeugten Magnetfelder. Ähnlich wie das EEG verfügt die MEG über eine hervorragende zeitliche Auflösung und gilt oft als besser geeignet, tiefere neuronale Aktivitäten zu erfassen als das EEG. MEG-Scanner sind groß, ortsfest und teuer. Sie erfordern einen hohen technischen Wartungsaufwand und umfangreiche Schulungsressourcen.
• Die funktionelle Magnetresonanztomographie (fMRT) misst Veränderungen im Blutfluss, die mit Veränderungen der neuronalen Aktivität einhergehen. Eine erhöhte neuronale Aktivität erfordert Sauerstoff, der über das Blut zugeführt wird, und die magnetischen Eigenschaften von sauerstoffreichem Blut unterscheiden sich von denen von sauerstoffarmem Blut. Diese Eigenschaft wird bei der fMRT als Verzerrung des von Wasserstoffprotonen erzeugten Magnetfelds gemessen. Die fMRT verfügt über eine hervorragende räumliche Auflösung, weist jedoch im Gegensatz zum EEG keine zeitliche Auflösung auf.
• Die Positronen-Emissions-Tomographie (PET) ist ein nuklearmedizinisches Bildgebungsverfahren, das auf der Gammastrahlung basiert, die durch den Zerfall von Radionukliden entsteht, die dem Probanden verabreicht werden. Mit Hilfe der PET lässt sich die Stoffwechselaktivität (beispielsweise der Glukosestoffwechsel) von Neuronen während kognitiver Aktivitäten überwachen. PET-Scans sind zwar wesentlich unempfindlicher gegenüber Bewegungsartefakten, verfügen jedoch nicht über die hohe zeitliche Auflösung von EEG-Aufzeichnungen.

EEG-Rhythmen und -Oszillationen

Sie haben bereits gelernt, dass die kortikale Aktivität mit den postsynaptischen Potenzialen der Neuronen zusammenhängt. Natürlich ist das postsynaptische Potenzial eines einzelnen Neurons zu schwach, um gemessen werden zu können. Wenn jedoch bei Hunderttausenden von Neuronen mit ähnlicher Ausrichtung gleichzeitig und synchron postsynaptische Potenziale auftreten, summieren sie sich und erzeugen ein elektrisches Feld, das sich rasch durch das Hirngewebe und den Schädel ausbreitet. Schließlich lässt es sich an der Kopfhaut messen.

Stellen Sie sich das wie einen applaudierenden Saal vor. Zunächst klatscht jeder in seinem eigenen Rhythmus, was ein weißes Rauschen ohne erkennbares Muster erzeugt. Nach kurzer Zeit kommt das Publikum jedoch in Einklang – plötzlich klatscht jeder zur gleichen Zeit und im gleichen Rhythmus. Dieser synchronisierte Applaus ist viel lauter als das weiße Rauschen von vor wenigen Minuten. Ab einem bestimmten Zeitpunkt lässt die Synchronisation nach.

Ganz gleich, ob es sich um neuronale Aktivität, den Applaus einer Menschenmenge oder das Grollen eines Erdbebens handelt – all diese Phänomene entstehen durch eine Synchronisation von Schwingungsmustern.

Die Milliarden von Neuronen im menschlichen Gehirn weisen äußerst komplexe Aktivitätsmuster auf, die sich auf recht komplizierte Weise miteinander vermischen. Die neuronalen Schwingungen, die mit dem EEG gemessen werden können, sind bereits in den rohen, unverarbeiteten Daten sichtbar. Das Signal ist jedoch stets eine Mischung aus mehreren zugrunde liegenden Grundfrequenzen, von denen angenommen wird, dass sie bestimmte kognitive, affektive oder aufmerksamkeitsbezogene Zustände widerspiegeln. Da diese Frequenzen je nach individuellen Faktoren, Reizeigenschaften und inneren Zuständen leicht variieren, klassifiziert die Forschung diese Frequenzen anhand spezifischer Frequenzbereiche oder Frequenzbänder: Delta-Band (1 – 4 Hz), Theta-Band (4 – 8 Hz), Alpha-Band (8 – 12 Hz), Beta-Band (13 – 25 Hz) und Gamma-Band (> 25 Hz).

EEG-Frequenzbereiche / Frequenzbänder

1. Delta-Band (1–4 Hz)

Als langsamste Gehirnwellen mit der höchsten Amplitude werden Schwingungen im Bereich von 1 bis 4 Hz als Deltawellen bezeichnet (Niedermeyer & da Silva, 2012). Deltawellen treten in der Regel nur während des tiefen Nicht-REM-Schlafs (Stadium 3) auf, der auch als Slow-Wave-Sleep (SWS) bezeichnet wird. In Schlaflabors wird die Delta-Band-Leistung untersucht, um die Schlaftiefe zu beurteilen. Je stärker der Delta-Rhythmus, desto tiefer der Schlaf. Delta-Frequenzen sind in der rechten Gehirnhälfte stärker, und die Quellen der Delta-Wellen sind typischerweise im Thalamus lokalisiert. Da Schlaf mit der Gedächtniskonsolidierung in Verbindung steht, spielen Delta-Frequenzen eine zentrale Rolle bei der Bildung und internen Anordnung des biografischen Gedächtnisses sowie bei erworbenen Fähigkeiten und gelernten Informationen.

2. Theta-Band (4–8 Hz)

Gehirnschwingungen im Frequenzbereich von 4 bis 8 Hz werden als Theta-Band bezeichnet (Niedermeyer & da Silva, 2012). Studien zeigen durchweg, dass die frontale Theta-Aktivität mit dem Schwierigkeitsgrad geistiger Vorgänge korreliert, beispielsweise bei konzentrierter Aufmerksamkeit sowie bei der Aufnahme, Verarbeitung und dem Lernen von Informationen oder beim Abrufen von Erinnerungen. Theta-Frequenzen treten mit zunehmendem Schwierigkeitsgrad der Aufgabe stärker in den Vordergrund. Aus diesem Grund wird Theta im Allgemeinen mit Gehirnprozessen in Verbindung gebracht, die der mentalen Arbeitsbelastung oder dem Arbeitsgedächtnis zugrunde liegen (Klimesch, 1996; O‘Keefe & Burgess, 1999; Schack, Klimesch & Sauseng, 2005).Theta kann im gesamten Kortex aufgezeichnet werden, was darauf hindeutet, dass es von einem weitreichenden Netzwerk erzeugt wird, an dem mediale präfrontale Bereiche sowie der zentrale, parietale und mediale temporale Kortex beteiligt sind. Offenbar dient Theta als Trägerfrequenz für die kognitive Verarbeitung zwischen weiter voneinander entfernten Hirnregionen (Mizuhara, Wang, Kobayashi & Yamaguchi, 2004).

Um mehr darüber zu erfahren, wie solche Gehirnprozesse im Zusammenhang mit Lernen und Gedächtnis ablaufen und gemessen werden, lesen Sie unseren Artikel „N-back to Basics: Lernen und Gedächtnis mit dem N-back-Test“.

3. Alpha-Band (8–12 Hz)

Alpha-Wellen wurden erstmals 1929 von Hans Berger entdeckt und werden als rhythmische Schwingungsaktivität im Frequenzbereich von 8 bis 12 Hz definiert (Niedermeyer & da Silva, 2012). Alpha-Wellen weisen mehrere funktionelle Korrelate auf, die sensorische, motorische und Gedächtnisfunktionen widerspiegeln. Bei geistiger und körperlicher Entspannung mit geschlossenen Augen lässt sich eine erhöhte Aktivität im Alpha-Band beobachten. Im Gegensatz dazu ist die Alpha-Aktivität bei geistiger oder körperlicher Aktivität mit offenen Augen reduziert oder unterdrückt. Die Alpha-Unterdrückung stellt ein gültiges Kennzeichen für Zustände geistiger Aktivität und Konzentration dar, beispielsweise bei fokussierter Aufmerksamkeit auf jegliche Art von Reiz (Pfurtscheller & Aranibar, 1977). Man könnte auch sagen, dass die Alpha-Unterdrückung darauf hindeutet, dass sich Ihr Gehirn darauf vorbereitet, Informationen aus verschiedenen Sinnen aufzunehmen, Aufmerksamkeitsressourcen zu koordinieren und sich auf das zu konzentrieren, was in diesem bestimmten Moment wirklich wichtig ist.

4. Beta-Band (12–25 Hz)

Schwingungen im Bereich von 12 bis 25 Hz werden gemeinhin als Beta-Band-Aktivität bezeichnet (Niedermeyer & da Silva, 2012). Diese Frequenz entsteht sowohl in den hinteren als auch in den vorderen Hirnregionen. Es ist allgemein bekannt, dass aktives, geschäftiges oder ängstliches Denken sowie aktive Konzentration mit einer höheren Beta-Leistung korrelieren. Über dem zentralen Kortex (entlang des motorischen Streifens) nimmt die Beta-Leistung zu, wenn wir Bewegungen planen oder ausführen, insbesondere wenn das Greifen oder Erreichen feine Fingerbewegungen und konzentrierte Aufmerksamkeit erfordert. Interessanterweise ist dieser Anstieg der Beta-Leistung auch dann feststellbar, wenn wir die Körperbewegungen anderer beobachten. Unser Gehirn ahmt offenbar die Gliedmaßenbewegungen anderer nach, was darauf hindeutet, dass es in unserem Gehirn ein komplexes „Spiegelneuronensystem“ gibt, das durch Beta-Frequenzen koordiniert wird (Zhang et al., 2008).

5. Gamma-Band (über 25 Hz)

Derzeit gelten Gammafrequenzen als die „schwarzen Löcher“ der EEG-Forschung, da noch unklar ist, wo genau im Gehirn Gammafrequenzen entstehen und was diese Schwingungen widerspiegeln. Einige Forscher vertreten die Ansicht, dass Gamma, ähnlich wie Theta, als Trägerfrequenz dient, um verschiedene Sinneseindrücke eines Objekts zu einer kohärenten Form zu verknüpfen, und somit einen Aufmerksamkeitsprozess widerspiegelt. Andere argumentieren, dass die Gammafrequenz ein Nebenprodukt anderer neuronaler Prozesse wie Augenbewegungen und Mikrosakkaden ist und daher überhaupt keine kognitiven Prozesse widerspiegelt. Zukünftige Forschungen müssen sich eingehender mit der Rolle von Gamma befassen.

Erfassung sauberer EEG-Daten

„Es gibt keinen Ersatz für saubere Daten“ – weise Worte von Professor Steve Luck von der UC Irvine, die Sie immer im Hinterkopf behalten sollten, wenn Sie EEG-Daten erfassen. Bis heute gibt es keinen Algorithmus, der schlecht aufgezeichnete Daten bereinigen kann. Es ist schlichtweg unmöglich, Daten so zu bereinigen oder zu verarbeiten, dass sich das Signal auf magische Weise verbessert.

Das Grundprinzip „GIGO – Garbage in, Garbage out“ gilt auch für EEG-Daten. Beginnen Sie daher immer mit ordnungsgemäß aufgezeichneten Daten. Die Erfassung sauberer Daten hat einige Vorteile:

• Führen Sie mehr Experimente pro Jahr durch. Verschwenden
  Sie keine Zeit damit, aus schlecht erfassten Daten das Beste herauszuholen. Sammeln Sie von Anfang an saubere Daten.
• Veröffentlichen Sie mehr und bessere Artikel.
  Saubere Daten bedeuten, dass sich Ihre Hypothesen viel besser überprüfen lassen. Wenn Sie nur schlechte Daten haben, wie können Sie dann sicher sein, dass ein Effekt auf Unterschiede in den kognitiven Zuständen zurückzuführen ist und nicht nur eine Nebenwirkung eines Artefakts ist? Gutachter werden Ihre Bemühungen um eine Verbesserung der Datenqualität würdigen.
• Erhöhen Sie Ihre Chancen auf Fördermittel und attraktive Stellenangebote.
  Die Vorlage aussagekräftiger Daten in einem Förderantrag verbessert Ihre Chancen auf eine Finanzierung erheblich. Auch wenn Sie auf einer Konferenz oder beim nächsten Vorstellungsgespräch Ergebnisse auf der Grundlage aussagekräftiger Daten präsentieren, stellen Sie Ihre Forschungskompetenzen im besten Licht dar.

EEG-Elektroden

Bei EEG-Systemen werden Elektroden an der Kopfhaut angebracht, um die vom Gehirn erzeugten elektrischen Signale aufzunehmen. Natürlich könnte man auch einfach Drähte an der Haut befestigen – dies würde jedoch zu einer sehr instabilen elektrischen Verbindung führen. Entscheiden Sie sich stattdessen für Nass-EEG-Elektroden. Dabei handelt es sich um Metallscheiben oder -kügelchen, die über ein leitfähiges Gel, eine Paste oder eine Creme – meist auf Kochsalzbasis – mit der Haut verbunden werden.

Die richtige Kombination aus Elektrodenmetall und leitfähiger Paste ist wichtig, da manche Metalle relativ schnell korrodieren, was zu ungenauen Messwerten führt.

Unter optimalen Bedingungen wirken Ihre Haut, die Elektrode und das Elektrodengel wie ein Kondensator und dämpfen die Übertragung niedriger Frequenzen (zum Beispiel langsame Spannungsänderungen im Delta-Frequenzbereich). Der gängigste Typ von Nasselektroden besteht aus Silber (Ag) mit einer dünnen Schicht aus Silberchlorid (AgCl) – häufig findet man Bezeichnungen wie Ag/AgCl-Elektroden.

Alternativ können Sie auch Trockenelektroden für das EEG verwenden. Diese kommen ohne Elektrodengel direkt mit der Haut in Kontakt. In der Regel lassen sich Trockenelektroden wesentlich schneller anbringen, sind jedoch im Vergleich zu Nasselektroden anfälliger für Bewegungsartefakte (Bewegung der Elektrode, der Kappe oder der Testperson; Saab et al., 2011).

Elektrodenanordnungen und deren Platzierung

Die gängigsten Systeme zur Definition und Benennung von Elektrodenpositionen entlang der Kopfhaut wurden von der American Encephalographic Society (1994) sowie von Oostenveld & Praamstra (2001) vorgestellt. Typischerweise werden diese als 10-20-System bzw. 10-5-System bezeichnet. Im 10-20-System werden die Elektroden an den 10 %- und 20 %-Punkten entlang der Längen- und Breitengrade platziert.

Wichtige Punkte des 10-20-Systems sind:

• Nasion (Nz)
  Die Vertiefung zwischen den Augen am Nasenrücken.
• Inion (Iz)
  Die Beule am Hinterkopf.
• Linker und rechter präaurikulärer Punkt: Diese
  Vertiefungen können Sie mit den Fingern direkt vor den Ohren ertasten, wenn Sie den Mund öffnen und schließen.

Die vertikale Linie, die das Nasion (vorne) und das Inion (hinten) verbindet, sowie die horizontale Linie, die die linken und rechten voraurikulären Punkte verbindet, werden nun in zehn gleiche Abschnitte unterteilt.

Ebenso wird der Äquator in Abschnitte von 10 % und 20 % unterteilt.

Anzahl und Anordnung der Elektroden

Gemäß den Empfehlungen von Luck (2014) sowie Michel et al. (2004) gibt es keine allgemein gültige optimale Anzahl von Elektroden für EEG-Experimente. Die Anzahl und Platzierung der Elektroden kann je nach den vorliegenden Ergebnissen und Erkenntnissen variieren.

Wenn noch nichts über den betreffenden Gehirnprozess bekannt ist und eine Co-Registrierung mit MRT-Aufnahmen erforderlich ist (beispielsweise zur Quellenrekonstruktion), empfiehlt es sich, mindestens 64 Kanäle zu verwenden, um ein tieferes Verständnis dafür zu erlangen, woher die Signale stammen. Für typische oberflächenbasierte EEG-Paradigmen reichen jedoch 32 Kanäle oder weniger aus. Es wird empfohlen, klein anzufangen und die Anzahl der Kanäle erst dann zu erhöhen, wenn Sie mehr Erfahrung und Wissen erworben haben. Denken Sie daran, dass Sie für die Einrichtung und Analyse von EEG-Arrays mit mehr als 128 Kanälen deutlich mehr Zeit aufwenden müssen als für ein 20-Kanal-Array – das für Ihre Studie möglicherweise ausreichend gewesen wäre.

Ein weiterer Aspekt, den Sie beachten sollten, ist die Anordnung der Elektroden. Versuchen Sie, die Elektroden gleichmäßig über die Kopfhaut zu verteilen (Michel et al., 2004), da Sie so repräsentativere Schlussfolgerungen ziehen können. Stellen Sie sich folgendes Beispiel vor: Die Literatur und Ihre bisherigen Forschungsergebnisse deuten darauf hin, dass die stärksten Effekte in einem EEG-Paradigma in den linken frontalen Regionen zu erwarten sind. Dennoch sollten Sie nicht nur einige wenige Elektroden über den linken frontalen Regionen platzieren und die anderen Regionen vernachlässigen. Verwenden Sie stattdessen eine angemessene Anzahl von Elektroden und nehmen Sie auch Daten aus anderen Bereichen auf. Auf diese Weise können Sie sicherstellen, dass Sie Effekte und Artefakte korrekt voneinander trennen. Während Veränderungen der Gehirnaktivität möglicherweise nur die Elektroden von Interesse betreffen, können Artefakte an allen Elektroden sichtbar sein, unabhängig davon, wo diese platziert wurden.

Bezugs- und Masseelektrode (und ein bisschen Mathematik)

EEG-Aufzeichnungen werden über mehrere Elektroden erfasst. Man könnte meinen, dass der Wert an der Position Cz die elektrische Aktivität genau an dieser Stelle widerspiegelt. Es gibt jedoch keine Spannung an einem einzelnen Punkt. Stattdessen spiegelt die EEG-Spannung das Potential (oder den Strom) zwischen der Messstelle (zum Beispiel Cz) und der Erdungselektrode (G) wider.

Daher entspricht die zwischen Cz und G gemessene Spannung einfach Cz – G. Da die Masseelektrode mit dem Massestromkreis des Verstärkers verbunden ist, wird durch die Masseelektrode stets ein gewisses Maß an elektrischem Rauschen eingekoppelt. Folglich enthält die zwischen Cz und G gemessene Spannung sowohl Gehirnaktivität als auch elektrisches Rauschen.

Um diese Einschränkung zu überwinden, wird bei EEG-Systemen eine Referenzelektrode R eingesetzt. Der Verstärker erfasst sowohl das Potential zwischen Cz und der Masseelektrode (Cz – G) als auch das Potential zwischen der Referenz- und der Masseelektrode (R – G). Auf dieser Grundlage berechnet der Verstärker nun die Differenz zwischen Cz und der Referenzelektrode als [Cz – G] – [R – G], was identisch ist mit Cz – G – R + G, was sich zu Cz – R vereinfacht (da sich G aufhebt). Daher ist der Ausgang des Verstärkers das elektrische Potential zwischen der Aufnahmestelle (Cz) und der Referenzelektrode – so, als ob die Masseelektrode (G) nicht existieren würde.

Wo ist nun der beste Platz für die Referenzelektrode? Tatsächlich gibt es keinen – die Wahl der Referenz beeinflusst lediglich die absoluten Elektrodenpotentiale aller Elektroden, während die relativen Potentiale völlig unverändert bleiben.

Das bedeutet, dass eine Änderung des Referenzortes dazu führen kann, dass die Spannungen an der Kopfhaut ganz anders aussehen, obwohl die relative Verteilung völlig identisch ist. Stellen Sie sich eine Landschaft mit Bergen und Tälern vor. Die Änderung der Referenzelektrode ist vergleichbar mit der Überflutung der Landschaft mit Wasser. Während sich der Meeresspiegel verändert, bleibt die absolute Form der Landschaft völlig unverändert. Dies wird ausführlicher in Michel et al. (2004) erörtert.

Elektrodenimpedanz

Eine stabile elektrische Verbindung zwischen Elektrode und Kopfhaut ist entscheidend für die Aufzeichnung klarer EEG-Signale. Allerdings sammeln sich abgestorbene Hautzellen, Talg und Schweiß auf der Kopfhaut an und bilden eine elektrische Widerstandsbarriere, da sie die elektrische Aktivität nur schlecht weiterleiten. Der Fachbegriff hierfür bei EEG-Aufzeichnungen lautet Impedanz, die in Ohm (Ω) gemessen wird.

EEG-Systeme bieten in der Regel software- oder hardwarebasierte Qualitätsindikatoren, bei denen die Impedanz jeder Elektrode grafisch dargestellt wird. Grüne Farben und niedrige Impedanzwerte deuten in der Regel auf eine hohe Aufzeichnungsqualität hin, während rote Farben und hohe Impedanzwerte auf eine geringe Aufzeichnungsqualität hindeuten. Mit anderen Worten: Nur wenn die Impedanzen niedrig sind, können Sie absolut sicher sein, dass das aufgezeichnete Signal die Vorgänge im Kopf widerspiegelt und nicht Artefakte aus der Umgebung. Stellen Sie daher bei jeder EEG-Datenerfassung sicher, dass die Impedanzen so niedrig wie möglich sind.

Hier sind einige Tipps, wie Sie die Impedanzen senken können:

• Weisen Sie die Probanden an, mit gewaschenem und getrocknetem Haar zur Versuchsdurchführung zu erscheinen.

Es dürfen keine Haarpflegeprodukte (z. B. Haarspray, Spülung, Wachs oder Gel) verwendet werden, und das Haar muss vollständig trocken sein. Weisen Sie die Probanden außerdem an, keine Haarnadeln oder -spangen zu tragen, da diese ohnehin entfernt werden müssen. Nasses Haar und andere Behandlungen führen zu höheren Impedanzen. Außerdem können Haarnadeln – sofern sie nicht entdeckt werden – Verbindungen zwischen benachbarten Elektroden verursachen und sind schwer zu erkennen, sobald die EEG-Kappe bzw. der EEG-Streifen angelegt wurde. Ein weiterer Vorteil von frisch gewaschenem Haar ist, dass Sie das Haar viel besser von den EEG-Messstellen wegbewegen können (Haar ist ein schlechter Leiter).

• Reinigen Sie alle Elektrodenstellen mit Alkohol.

Sie können beispielsweise 70-prozentiges Isopropanol, Alkoholtupfer oder in Alkohol getränkte Wattestäbchen verwenden. Nachdem Sie die EEG-Kappe aufgesetzt haben und bevor Sie die Elektroden anschließen, können Sie ein in Alkohol getränktes Wattestäbchen in jede Elektrodenbuchse drücken und es sanft, aber zielgerichtet zwischen zwei Fingern reiben. Tragen Sie den Alkohol auch auf andere wichtige Messstellen auf, wie beispielsweise die Referenzelektrode (oft hinter dem linken/rechten Ohr) oder oberhalb/unterhalb/seitlich der Augen (für Elektrookulogramm-Aufzeichnungen, EOG). Denken Sie daran, die Probanden anzuweisen, die Augen zu schließen, da der verdunstende Alkohol negative Reaktionen im Auge hervorrufen kann. Warten Sie immer, bis der Alkohol vollständig verdunstet ist, bevor Sie fortfahren.

• Elektrodengel/leitfähige Paste auftragen.

Einige leitfähige Pasten sind abrasiv und enthalten Bimssteinpartikel (ähnlich wie bei einer Gesichtsmaske). In diesem Fall können Sie die Impedanzen erheblich senken, indem Sie ein Wattestäbchen oder einen Holzstab mit einem Wattebausch in die Paste tauchen und diese dann auf jede der Elektrodenbuchsen auftragen. Drücken Sie den Stab erneut vorsichtig nach unten und reiben Sie damit. Füllen Sie anschließend die Buchse mit Paste und setzen Sie die Elektrode ein. Nicht-abrasive Gele (ähnlich wie Gele für Ultraschallaufnahmen) erfordern keine besonderen Reibetechniken. Stattdessen können Sie das Gel einfach in die Buchse geben. Es ist wichtig, das Gel nicht zu dick aufzutragen. Wenn Sie zu viel Gel verwenden, können Gelbrücken zwischen benachbarten Elektroden entstehen, was zu ungültigen und verfälschten Daten führt, die bei der Nachbearbeitung nur schwer (oder gar nicht) zu korrigieren sind.

Signaldigitalisierung, -verstärkung und -weiterleitung

Sobald die Spannung von den Elektroden erfasst wurde, muss das kontinuierliche analoge Signal verstärkt und digitalisiert werden, damit es auf einem Computer gespeichert werden kann. Auch wenn all dies im Hintergrund geschieht, ohne dass Sie es bemerken, ist es gut, einige grundlegende Fakten über Verstärkung und Digitalisierung zu kennen.

Da Ihr Gehirn ständig aktiv ist, unterliegen die erzeugten Spannungen ständigen Schwankungen und Schwankungen. EEG-Systeme erstellen jedoch einzelne Momentaufnahmen dieses kontinuierlichen Prozesses und erzeugen so Datenpunkte – ähnlich wie bei Fotos, die mit einer Kamera aufgenommen werden. EEG-Systeme unterscheiden sich in der Abtastrate (der Anzahl der Messpunkte pro Sekunde), die sie erfassen können.

Ähnlich wie bei Schwingungen werden Abtastraten in Abtastwerten pro Sekunde mit der Einheit Hertz (Hz) angegeben – ein EEG-System mit einer Abtastrate von 250 Hz kann beispielsweise 250 Abtastwerte pro Sekunde erfassen. Da 1 Sekunde auch als 1000 ms ausgedrückt werden kann, liegen benachbarte Abtastwerte 1000 / 250 = 4 ms auseinander. Wird das EEG hingegen mit 500 Hz abgetastet, liegen die Samples 1000 / 500 = 2 ms auseinander. Wenn Sie an Messungen mit höherer zeitlicher Präzision interessiert sind, sollten Sie EEG-Daten mit einer höheren Abtastrate (d. h. > 500 Hz) erfassen. Wenn Sie an frequenzbasierten Analysen interessiert sind (wie z. B. der präfrontalen Lateralisierung von Alpha- oder Beta-Bändern), kann eine Abtastrate von 128 Hz ausreichend sein.

Zusätzlich zur Digitalisierung wird das EEG-Signal verstärkt. Das ist der Grund, warum EEG-Systeme so teuer sind.

Stellen Sie sich das als die „Anlage“ für Ihre Daten vor: Ähnlich wie beim Mono-Lautsprecher Ihres Handys gibt eine schlechte Verstärkung nicht so viel Signal weiter wie ein High-End-Verstärker (wie ein DOLBY-3D-System im Kino), der selbst sehr subtile Spannungsänderungen hervorhebt. Manche EEG-Systeme sind modular aufgebaut, sodass Sie Elektroden und verschiedene Verstärkertypen beliebig kombinieren können, während andere EEG-Systeme als feste Kombination aus Elektrodenraster und Verstärkerbox angeboten werden.

Nachdem die Signale digitalisiert und verstärkt wurden, werden sie an den Aufzeichnungscomputer übertragen. Dies geschieht entweder über eine kabelgebundene Verbindung (z. B. über USB) oder drahtlos (z. B. über Bluetooth oder WLAN). Kabelgebundene Verstärker sind in akademischen Forschungseinrichtungen, in der Neurowissenschaft und in psychologischen Labors nach wie vor weit verbreitet. Im Gegensatz dazu verwenden kommerzielle Labors und Neuromarketing-Agenturen häufig drahtlose EEG-Headsets, da diese es den Probanden ermöglichen, sich frei zu bewegen und ihre Umgebung zu erkunden, ohne an eine Teststation im Labor gebunden zu sein.

EEG-Daten bereinigen und Artefakte entfernen

Bevor Sie mit der Datenerhebung und -analyse beginnen, sollten Sie sich eines fest vor Augen halten: Es gibt keinen Ersatz für saubere Daten (vielleicht erinnern Sie sich an diesen Satz vom Anfang dieses Kapitels). Stellen Sie stets sicher, dass Ihre Daten so sauber wie möglich sind, d. h. dass die erfassten Daten ausschließlich die Gehirnaktivität widerspiegeln. In der Theorie klingt das einfach – in der Praxis gibt es jedoch ein Aber. Da die Elektroden elektrische Aktivität aus anderen Quellen in der Umgebung aufnehmen, ist es wichtig, diese Art von Artefakten so gut wie möglich zu vermeiden, zu minimieren oder zumindest zu kontrollieren:

Physiologische Artefakte

1. Muskelaktivität (EMG, EKG)

Muskelaktivität erzeugt elektrische Ströme, die von Elektroden erfasst werden. Je näher die Muskeln an den Elektroden liegen, desto stärker wirkt sich dies auf die Aufzeichnung aus. Insbesondere die Aktivität der Gesichtsmuskeln (Stirn, Wange, Mund), der Nackenmuskulatur und der Kiefermuskulatur hat erhebliche Auswirkungen auf EEG-Aufzeichnungen. Ein Zusammenpressen der Kiefer sollte unter allen Umständen vermieden werden – weisen Sie die Probanden an, nicht zu kauen oder den Kiefer anzuspannen. Da das Herz ein Muskel ist, beeinflusst es ebenfalls die Qualität der EEG-Daten. Man kann dem Herzen nicht einfach befehlen, stillzustehen; daher muss man sich auf Verfahren zur Signalaufbereitung verlassen, um EKG-Störsignale aus den EEG-Aufzeichnungen zu entfernen. Im Idealfall können Sie die Herzfrequenz mit einem optischen Sensor (z. B. Photoplethysmographie) oder einem EKG-Gerät überwachen.

2. Augenbewegungen

Augenbewegungen (horizontal und vertikal) beeinflussen die von den Elektroden erfassten elektrischen Felder. Vertikale Augenbewegungen (aufwärts-abwärts) weisen eher sinusförmige Muster auf, während horizontale Augenbewegungen (rechts-links) eher kastenförmig erscheinen. Das Auge erzeugt ein starkes elektromagnetisches Feld, das von den Millionen von Neuronen in der Netzhaut erzeugt wird. Durch die Bewegung der Augen verschiebt sich auch das vom Augapfel erzeugte elektrische Feld. Es wird empfohlen, Augenbewegungen mithilfe von Eye-Trackern oder durch Anbringen zusätzlicher EEG-Elektroden um die Augen herum aufzuzeichnen.

3. Blinkt

Ähnlich wie Augenbewegungen beeinträchtigt auch das Blinzeln die Gehirnsignale erheblich. Wenn die Probanden blinzeln, während ein bestimmter Reiz auf dem Bildschirm angezeigt wird, spiegelt das EEG möglicherweise nicht die kortikalen Prozesse wider, die beim Betrachten des Reizes ablaufen. Als EEG-Experte neigen Sie möglicherweise dazu, diesen Durchlauf aus der Analyse auszuschließen, da die EEG-Daten keine relevanten Informationen enthalten. Wenn das Blinzeln jedoch während der gesamten Aufzeichnung unsystematisch auftritt, könnte eine Dämpfung auf der Grundlage statistischer Verfahren wie Regression und Interpolation oder Blind Source Separation angemessener sein. In diesem Fall werden die verfälschten Datenabschnitte durch interpolierte Daten ersetzt, wobei Datenkanäle oder Zeitpunkte aus der Umgebung herangezogen werden.

Externe Quellen für Artefakte

1. Bewegung

Bewegungen einer Elektrode oder des Kopfbandes können starke Artefakte verursachen, die im betroffenen Kanal oder in allen Kanälen sichtbar sind. Die Gründe hierfür sind vielfältig: Das EEG-Kopfband lockert sich, eine Elektrode verliert den Kontakt zur Buchse. Es wird stets empfohlen, darauf zu achten, dass das Kopfband fest auf dem Kopf sitzt und alle Elektroden sicher auf der Haut befestigt sind.

2. Leitungsrauschen

Netzrauschen (60 Hz in den USA, 50 Hz in der EU) kann zu starken Artefakten in der Elektrodenaufzeichnung führen – dies wird in den rohen EEG-Daten deutlich sichtbar. Insbesondere bei schlechten Impedanzwerten ist das Netzrauschen stärker. Wenn die Referenzelektrode betroffen ist, wird das aufgezeichnete Netzrauschen auf alle anderen Elektroden übertragen. Glücklicherweise liegen die kognitiven Frequenzen des Gehirns oft unterhalb des 50- oder 60-Hz-Bereichs, sodass Sie Ihre Daten entsprechend filtern oder sich auf die Frequenzen von Interesse konzentrieren können.

3. Schwanken und Schwingen

Schwankungen und Kopfbewegungen können erhebliche Auswirkungen auf die Aufzeichnung haben. Insbesondere Kopfbewegungen oder -schütteln verändern die Wasserverteilung, was sich wiederum auf die elektrischen Eigenschaften und die vom Gehirn erzeugten Felder auswirkt. Achten Sie darauf, dass die Probanden ihren Kopf nicht zu schnell drehen oder abrupt nach oben oder unten schauen, da dies zu Datenverschiebungen führt, die bei der Auswertung nur schwer zu berücksichtigen sind.

EEG-Analyse: Kennzahlen und Merkmale

Wenn es um die EEG-Analyse und Merkmalsextraktion geht, kann man sich angesichts der langen Liste an Vorverarbeitungsschritten, die man durchlaufen muss, um von den Rohsignalen zu den Ergebnissen zu gelangen, leicht überfordert fühlen. Tatsächlich ist das Entwerfen intelligenter EEG-Paradigmen eine Kunst – die Analyse von EEG-Daten eine Fertigkeit. Dies erfordert zweifellos ein gewisses Maß an Fachwissen und Erfahrung, insbesondere in den Bereichen Signalverarbeitung, Artefakterkennung, Dämpfung oder Merkmalsextraktion. Jeder dieser Schritte erfordert fundierte Entscheidungen darüber, wie die gewünschten EEG-Prozesse oder die Metriken von Interesse am besten hervorgehoben werden können.

Was für Sie ein gültiges Signal ist, kann für andere als Rauschen erscheinen. Es gibt schlichtweg keine generische Datenverarbeitungs-Pipeline, die man auf jeden EEG-Datensatz anwenden könnte, unabhängig von den Eigenschaften des Geräts, der Probandengruppe, den Aufnahmebedingungen, den Reizen oder dem gesamten Versuchsparadigma.

Bild von Andrii Cherninskyi, CC BY 3.0

1. Elektrookulographisches Artefakt, verursacht durch die Erregung der Augenmuskeln (beispielsweise im Zusammenhang mit dem Blinzeln). Große Amplitude, langsame, positive Welle, die an den frontalen Elektroden deutlich hervortritt.
2. Elektrodenartefakt, verursacht durch schlechten Kontakt (und damit höhere Impedanz) zwischen der P3-Elektrode und der Haut.
3. Schluckartefakt.
4. Artefakt der gemeinsamen Referenzelektrode, verursacht durch schlechten Kontakt zwischen der Referenzelektrode und der Haut. Riesige Welle, die in allen Kanälen ähnlich ist.

Glücklicherweise verfügen einige moderne EEG-Systeme über eine automatische Datenverarbeitung – sie übernehmen die Führung und wenden automatisierte Verfahren zur Rauschunterdrückung an oder generieren automatisch hochrangige kognitiv-affektive Kennzahlen, mit deren Hilfe sich viel schneller Schlussfolgerungen ziehen lassen.

Ereignisbezogene Potenziale (ERPs)

Das Ziel ereignisbezogener EEG-Paradigmen besteht darin, jene Gehirnprozesse zu erfassen, die durch externe Reize ausgelöst werden. Bei ereignisbezogenen EEG-Paradigmen werden Reize wiederholt präsentiert – beispielsweise 100 Mal oder öfter. Gleichzeitig werden die Reize nur sehr kurz, nämlich für 200 bis 1000 ms, gezeigt.

Werfen Sie einen Blick auf die Logik hinter ereignisbezogenen EEG-Studien:

1. Es gibt eine kontinuierliche und andauernde EEG-Aktivität sowie zufälliges Rauschen, das in keinerlei Zusammenhang mit dem Auftreten eines Reizes steht und ständig auftritt. Dies ist Ihre „Grundaktivität“ (Ihre fortwährenden Gedanken und mentalen Zustände). Wenn Sie einen Reiz präsentieren, lösen Sie eine reizbezogene EEG-Aktivität aus.

2. Um die stimulusbezogenen EEG-Daten aus den nicht stimulusbezogenen laufenden Daten herauszufiltern, wird der Stimulus mehrmals präsentiert – beispielsweise 50 Mal oder öfter. Am Ende der Datenerfassung verfügen Sie über 50 Versuche, bei denen es sich um Datenabschnitte handelt, die zeitlich an den Stimulusbeginn gekoppelt sind und typischerweise von etwa 200 ms vor dem Stimulusbeginn bis 1000 ms nach dem Stimulusbeginn reichen. Jeder Durchlauf ist ein Zeitverlauf der Daten an jeder Elektrode. Die Auswahl von Datenabschnitten aus der kontinuierlichen EEG-Aufzeichnung wird als Epochenbildung oder Segmentierung bezeichnet (manchmal gefolgt von einer Basislinienkorrektur jedes Durchlaufs, bei der der Durchschnitt der EEG-Daten vor jedem Stimulus von den Daten nach dem Stimulus abgezogen wird).

3. Nach dem Ausschluss von Epochen, die Artefakte enthalten (oder der Korrektur von Daten, beispielsweise aufgrund von Blinzeln), werden die verbleibenden Epochen Sample für Sample gemittelt, was zu einem durchschnittlichen Zeitverlauf der EEG-Daten führt. Durch die Mittelung der EEG-Zeitverläufe aller Versuche bleibt nur die stimulusbezogene EEG-Aktivität erhalten, während das nicht damit zusammenhängende zufällige Hintergrundrauschen gedämpft wird (je mehr Wiederholungen durchgeführt werden, desto sauberer werden die ereignisbezogenen EEG-Daten).

4. Die verbleibende durchschnittliche EEG-Kurve ist das ereignisbezogene Potenzial, das die durchschnittliche, durch einen bestimmten Reiz ausgelöste EEG-Aktivität widerspiegelt.

Forschungsergebnisse haben ereignisbezogene Potenziale (ERPs) für alle Sinnesmodalitäten nachgewiesen – Sehen, Tasten und Hören sowie Geruchs- und haptische Reize. All diese sensorischen Reize lösen ereignisbezogene EEG-Aktivität aus.

ERPs lassen sich anhand verschiedener Merkmale beschreiben: Aussehen und Form, Anzahl, Latenz, Amplituden der „Schwankungen“, ERP-Komponenten (positive und negative Spitzen) sowie Topografie (d. h. die Spannungsverteilung zu Spitzenzeiten über alle Elektroden hinweg). ERP-Komponenten wie N400, P300 oder N170 gehören zu den in der wissenschaftlichen Forschung am häufigsten untersuchten und am besten verstandenen ERP-Komponenten.

Sie haben die Wahl: Sie können ERPs entweder als zeitlich an den Stimulusbeginn gekoppelten Zeitverlauf oder als Abfolge von Spannungskarten darstellen, deren Verteilungsmerkmale sich im Laufe der Zeit in Abhängigkeit von den Stimulus-Eigenschaften oder verschiedenen internen Zuständen ändern. Je nachdem, wo die Spannungen am stärksten sind (positive und negative Pole), können Sie ableiten, welche Hirnregionen zu einem bestimmten Zeitpunkt aktiv sind.

Häufig vergleichen Wissenschaftler ERPs unter verschiedenen Versuchsbedingungen – beispielsweise ERPs, die durch Gesichtsreize ausgelöst wurden, im Vergleich zu solchen, die durch Bilder von Häusern hervorgerufen wurden. Alternativ können Sie ERPs verschiedener Probandengruppen vergleichen – beispielsweise Kinder mit einer Autismus-Spektrum-Störung im Vergleich zu altersgleichen Kontrollpersonen. In beiden Fällen konzentriert sich Ihre Analyse auf die Unterschiede in der Latenz, Amplitude oder topografischen Verteilung der ERPs zu bestimmten Zeitpunkten, die zeitlich auf den Reizbeginn zwischen den Bedingungen abgestimmt sind.

Ein ERP-Studium erfordert zwei Dinge:

1. Wiederholungen des Reizes

Da man aus einer einzigen Reizdarbietung kein ERP gewinnen kann (die EEG-Daten enthalten sowohl reizbezogene als auch reizunabhängige Anteile), muss man die Darbietung wiederholen (man denke an 100 Wiederholungen oder mehr).

2. Präzise Stimulationszeitpunkte

Bei ereignisbezogenen Paradigmen wird davon ausgegangen, dass die EEG-Daten jedes einzelnen Versuchs genau auf den Stimulusbeginn zeitlich abgestimmt sind. Dies setzt voraus, dass alle Stimulusbeginnmarker genau im Moment der Stimuluspräsentation gesendet wurden. Wenn zwischen dem Beginnmarker und dem tatsächlichen Beginn eines Stimulus eine zufällig variierende Verzögerung auftritt, kann die exakte zeitliche Abstimmung der EEG-Daten auf den Stimulusbeginn nicht gewährleistet werden.Infolgedessen kann die durchschnittliche ERP-Wellenform verwischt sein oder ganz verschwinden, da die einzelnen Versuche nicht perfekt auf die jeweiligen Stimulus-Onsets abgestimmt waren. Die einzige Möglichkeit, sich beispielsweise über den tatsächlichen Stimulusbeginn auf dem Bildschirm absolut sicher zu sein, besteht darin, eine Fotodiode am Bildschirm anzubringen und deren Helligkeitswerte zusammen mit den anderen Daten zu speichern. Immer wenn ein Stimulus auf dem Bildschirm erscheint, ändert sich das Fotodiodensignal, sodass Sie die Daten korrekt auf den tatsächlichen Stimulusbeginn ausrichten können, anstatt auf einen möglicherweise falschen Startmarker.

Weitere Einzelheiten zur Erfassung und Analyse von ERP-Paradigmen finden Sie bei Luck (2014).

EEG-Analyse: Kennzahlen und Merkmale

ERP-Messungen beschränken sich auf bestimmte Muster der Gehirnaktivität, die durch sensorische Reize ausgelöst werden. Das Gehirn ist jedoch ein kontinuierlicher Oszillator und erzeugt rhythmische Aktivität auch dann, wenn keinerlei Reize vorhanden sind – beispielsweise während des Schlafs. Um die Gehirnaktivität zu erfassen, die unser Verhalten, unsere Gedanken, Motivationen und Emotionen steuert, ist ein anderer analytischer Ansatz erforderlich, der auf der Analyse von Frequenzen basiert.

Welche Hauptfrequenzen tragen zur Gehirnaktivität bei? Wie verändern sich diese Frequenzen in Abhängigkeit von Veränderungen des inneren Zustands oder von Umweltfaktoren?

Sie haben bereits erfahren, dass das Gehirn vor allem niedrige Frequenzen zwischen 1 und 80 Hz erzeugt. Diese lassen sich in bestimmte Frequenzbänder (wie Delta, Theta, Alpha, Beta und Gamma) einteilen und mit Gehirnprozessen in bestimmten Regionen in Verbindung bringen, die für Aufmerksamkeit, Kognition und Emotionen verantwortlich sind.

Im Vergleich zu ERPs sind Frequenzanalysen enger mit physiologischen Prozessen und Gehirnstrukturen verknüpft. Aus diesem Grund ist es oft wesentlich einfacher, sich auf die Analyse von Frequenzen und Frequenzbändern zu beschränken. Ein weiterer Vorteil von Frequenzanalysen besteht darin, dass weitaus weniger Daten benötigt werden, um zu Schlussfolgerungen zu gelangen. Frequenzbasierte Analysen haben jedoch ihren Preis: Im Gegensatz zu ERP-Designs, die Einblicke in millisekundenschnelle Spannungsänderungen ermöglichen, weisen frequenzbasierte EEG-Messungen eine deutlich geringere zeitliche Präzision auf.

Frequenzbasierte Analysen werden immer dann empfohlen, wenn die Untersuchungszeit begrenzt ist und es bei Ihrer Analyse nicht um den genauen zeitlichen Ablauf der reizarbeiteten Aktivität geht, sondern vielmehr um den allgemeinen mentalen, affektiven oder kognitiven Zustand der Testperson. Frequenzanalysen sind besonders nützlich bei Untersuchungen kognitiv-affektiver Zustände – beispielsweise wenn EEG-Messungen durchgeführt werden, während die Testpersonen Medieninhalte wahrnehmen, über die Qualität von Produkten oder Lebensmitteln nachdenken oder sich auf Websites oder in Software-Oberflächen bewegen.

Einer der am häufigsten verwendeten Begriffe in der Frequenzanalyse ist die Leistung, die die Stärke einer bestimmten Frequenz im Signal widerspiegelt. Eine höhere Leistung bedeutet, dass das EEG-Signal in größerem Umfang eine bestimmte Frequenz enthält. Man könnte auch sagen, dass das EEG-Signal von einer bestimmten Frequenz bestimmt wird. Wenn Sie mit der frequenzbasierten Analyse beginnen möchten, suchen Sie sich einen Probanden und führen Sie eines der ältesten und am häufigsten wiederholten EEG-Experimente durch:

1. Augen offen. Zeichnen Sie bei den Probanden 2 Minuten lang EEG-Daten auf und weisen Sie sie lediglich an, die Augen offen zu halten (Blinzeln ist natürlich erlaubt).

2. Augen geschlossen. Zeichnen Sie die EEG-Daten weitere 2 Minuten lang auf und weisen Sie die Probanden an, die Augen zu schließen und sich auf ihre inneren Gedanken und mentalen Bilder zu konzentrieren.

Wenn Sie beide Zustände separat mittels FFT analysieren und die den spontanen EEG-Daten zugrunde liegenden Frequenzen extrahieren, werden Sie wahrscheinlich feststellen, dass der Zustand „Augen geschlossen“ in den okzipitalen Kanälen eine höhere Frequenzleistung im Alpha-Band (8–12 Hz) aufweist als der Zustand „Augen offen“. Dieser Effekt einer verminderten Alpha-Leistung beim Öffnen der Augen wird als Alpha-Blockade bezeichnet und wurde erstmals 1929 von Hans Berger beschrieben.

Asymmetrie im Stirnbereich

In den letzten Jahrzehnten sind frequenzbasierte Analysen von EEG-Daten deutlich ausgefeilter geworden. Eine der fortschrittlicheren frequenzbasierten Kennzahlen ist die frontale Asymmetrie oder frontale Lateralisation.

Dieser Index für Engagement und Motivation stützt sich in der Regel auf die Bandbreite im Beta- (12–25 Hz) oder Gamma-Bereich (> 25 Hz), insbesondere bei Elektroden über frontalen Kortexregionen (zum Beispiel Kanäle F3 und F4). Forscher haben durchweg festgestellt, dass eine höhere Bandbreite im linken gegenüber dem rechten frontalen Kortex auf positive Gefühle, Engagement und Motivation hindeutet (siehe Davidson, 2004; Schaffer et al., 1983). Jüngste Erkenntnisse deuten darauf hin, dass die frontale Lateralisation tatsächlich dazu genutzt werden kann, das Engagement der Befragten zu testen, wenn sie mit Medienwerbung, physischen Produkten und Dienstleistungen konfrontiert werden (Astolfi et al., 2008; Vecchiato et al., 2012; Yilmaz et al., 2014).

Basierend auf Untersuchungen zu EEG-Biomarkern für stabile Persönlichkeitsmerkmale wie Neugier und Begeisterung für neue Reize spiegelt die frontale Lateralisierung die momentanen „Annäherungs-Vermeidungs“-Tendenzen einer Person wider, sich entweder auf etwas einzulassen oder sich zurückzuziehen. Indirekt spiegelt dieses momentane Engagement auch die Motivation einer Person wider (Harmon-Jones et al., 2010). Zudem kann eine höhere Bandbreite im linken Frontalbereich als Indikator für engagierungsbezogene Emotionen wie Freude dienen, während eine höhere Bandbreite im rechten Frontalbereich auf negative emotionale Zustände (z. B. Ekel, Angst oder Traurigkeit) hindeuten könnte.

Möglicherweise haben Sie EEG-Daten von Probanden erfasst, die sich Fernsehwerbung angesehen haben, und möchten nun wissen, welche Werbespots und welche Szenen das Engagement Ihrer Zielgruppe am stärksten beeinflussen und welche vor der Markteinführung überarbeitet werden sollten. In diesem Fall lässt sich die frontale Asymmetrie recht einfach aus den kontinuierlichen EEG-Daten berechnen. Die beiden Elektroden, die Sie dafür benötigen, sind F3 und F4. Fast alle EEG-Kopfbänder verfügen über diese Standardpositionen. Falls Ihr EEG-System nicht über die Elektroden F3 und F4 verfügt, können Sie auch Elektroden in der Nähe der ursprünglichen F3-F4-Positionen verwenden.

Befolgen Sie diese Verarbeitungsschritte:

1. Die Daten vorverarbeiten

Die Vorgehensweisen variieren von Studie zu Studie, sodass keine allgemeinen Empfehlungen gegeben werden können. Hervorragende Ausgangspunkte für die Ermittlung einer optimalen Abfolge von Schritten sind die Originalarbeiten von pvapers zur frontalen Asymmetrie sowie die Bücher von Luck (2014) und Cohen (2014).

2. Die Daten in Epochen unterteilen

In diesem Schritt werden die kontinuierlichen EEG-Daten während jeder einzelnen Werbung in kleinere Abschnitte unterteilt. Wissenschaftliche Studien empfehlen überlappende Epochen mit einer Dauer von bis zu 2 Sekunden. Wenn Sie eine 60-sekündige Werbung testen

3. Frequenztransformation

Wende die Frequenztransformation auf jede Epochen an, um festzustellen, welche Frequenzen den Daten zugrunde liegen. Du kannst dich dabei auf die Leistung im Beta-Band (12–25 Hz) konzentrieren.

4. Berechnen Sie die frontale Asymmetrie für jede Epoche:

Mit anderen Worten: Der Leistungsunterschied zwischen der linken und der rechten Gehirnhälfte wird durch die Gesamtleistung beider Gehirnhälften geteilt. Eine höhere Asymmetrie spiegelt ein Annäherungsverhalten wider, während eine geringere Asymmetrie ein Vermeidungsverhalten widerspiegelt.

5. Stellen Sie die frontale Asymmetrie grafisch dar

Das Verfahren generiert pro Epoche einen Asymmetriewert. Sie können nun den zeitlichen Verlauf der Werte grafisch darstellen, um die Veränderung der Motivation/des Engagements im Verlauf des Stimulus zu veranschaulichen. Darüber hinaus können Sie die Werte über alle Epochen mitteln, um einen globalen Index für die frontale Asymmetrie zu erhalten.

Insgesamt lassen sich frontale Asymmetrien in den Beta- und Gamma-Frequenzbändern als Ausdruck des Ausmaßes der Motivation interpretieren, sich einem Reiz oder mentalen Bild anzunähern (Annäherung) oder sich davon zu entfernen (Vermeidung). Frontale Asymmetrien lassen sich aus EEG-Aufzeichnungen mit Elektroden an den frontalen Kopfhautregionen (idealerweise F3 und F4) ableiten, wodurch sich kurzfristige Veränderungen der Motivation im Verlauf einer Reizdarbietung analysieren lassen.

Kognitiv-affektive Messgrößen

Neben frequenzbasierten Hirnsignalen, die mit Engagement und Motivation in Verbindung stehen, befassen sich akademische und kommerzielle Forschungsprojekte mit kortikalen Prozessen, die der mentalen Belastung oder Schläfrigkeit zugrunde liegen.

Die Möglichkeit, den Grad der Ermüdung, der Aufmerksamkeit, der Aufgabenkonzentration und der mentalen Belastung der Befragten in betrieblichen Umgebungen kontinuierlich zu überwachen, ist besonders nützlich in Situationen, in denen bestimmte Verhaltensweisen potenziell zu gefährlichen Situationen führen könnten. Ein Beispiel: Die Überwachung der kognitiven Belastung, der Schläfrigkeit und des Aufgabenengagements bei Kontrollpersonal in Kraftwerken könnte hilfreich sein, um zu analysieren, wie das Gehirn auf im Allgemeinen sehr monotone Umgebungen reagiert (wenn alles gut läuft) und wie sich die Werte für die kortikale Belastung und das Engagement an seltene, aber gelegentliche Katastrophen oder lebensbedrohliche Situationen anpassen. Diese Informationen können genutzt werden, um Geräte, Software-Schnittstellen oder ganze Arbeitsumgebungen zu optimieren, die das Engagement, die Motivation und die Produktivität steigern.

Zudem ermöglicht die kontinuierliche Erfassung psychophysiologischer Marker für Engagement und Wachsamkeit aus der laufenden Gehirnaktivität die Entwicklung von Regelkreissystemen, die Rückmeldung zu kognitiven, affektiven und aufmerksamkeitsbezogenen Zuständen geben. Mit anderen Worten: Immer wenn die gehirnbasierte Arbeitsbelastung oder der Schläfrigkeitsgrad einen festgelegten Schwellenwert überschreiten (oder der Konzentrationsgrad unter einen bestimmten Wert fällt), können die Probanden benachrichtigt werden, um Gegenmaßnahmen einzuleiten. Dieser Forschungszweig wird in den nächsten Jahren weiter wachsen und vollständig adaptive Systeme entwickeln, die vollautomatisch auf gehirnbasierte Zustände der Nutzer reagieren.

Die B-Alert-EEG-Serie von Advanced Brain Monitoring (ABM) bietet beispielsweise zwei kognitiv-affektive Messgrößen, die in mehreren wissenschaftlichen Forschungsprojekten validiert wurden (Berka et al., 2004 / 2007; Johnson et al., 2011; Stevens et al., 2007; Stikic et al., 2014):

1. Kognitive Zustände

Kognitive Zustände spiegeln den Gesamtgrad an Engagement, Aufmerksamkeit und Konzentration während der Informationsbeschaffung und des visuellen Scannens wider. Der Grad des Engagements wird auf einer kontinuierlichen Skala dargestellt, deren Endpunkte bei Null (geringes Engagement) und Eins (hohes Engagement) liegen. Um die Werte zwischen diesen beiden Extremen zu klassifizieren, bietet ABM die folgenden vier Klassifizierungsstufen mit zunehmendem Engagement:

• Einschlafen [0,1]

• Ablenkung [0,3]

• Hohes Engagement [0,9]

• Geringes Engagement [0,6]

2. Arbeitsbelastung

Die Arbeitsbelastung umfasst alle kognitiven Prozesse, die exekutive Funktionen wie das Arbeitsgedächtnis, Problemlösung und analytisches Denken beinhalten. Die Arbeitsbelastung, die mit der Theta-Band-Aktivität assoziiert ist, steigt mit höheren Anforderungen an die Aufgabe und der Belastung des Arbeitsgedächtnisses, beispielsweise beim Auswendiglernen von Listen oder beim Versuch, ablenkende Reize auszublenden, um sich auf aufgabebezogene Elemente zu konzentrieren. Auch hier reicht der numerische Bereich für die Arbeitsbelastung von null bis eins, wobei höhere Werte eine erhöhte Arbeitsbelastung darstellen. Im Gegensatz zur Metrik für den kognitiven Zustand hat die Arbeitsbelastung einen Sweet Spot in der Mitte der Skala:

• Langeweile [bis zu 0,4]

• Optimale Trainingsbelastung [0,4 – 0,7]

• Stress und Informationsüberflutung [über 0,7]

Der Hauptvorteil dieser Kennzahlen – ähnlich wie beim Index der präfrontalen Asymmetrie – liegt in ihrem standardisierten Wertebereich zwischen null und eins. Kleinere Werte stehen für ein geringeres oder vermindertes Engagement bzw. eine geringere Arbeitsbelastung, während größere Werte ein erhöhtes oder gesteigertes Engagement bzw. eine höhere Arbeitsbelastung widerspiegeln.

Da die Kennzahlen sekundengenau berechnet werden, lässt sich leicht beurteilen, wie sich kognitive und affektive Zustände während des gesamten Zeitverlaufs dynamischer Reizpräsentationen verändern (Navigation auf einer Website oder in einer Software, Ansehen eines Videos oder Erkundung eines Einkaufszentrums). Zudem können Sie zusammenfassende Werte berechnen, indem Sie einfach den Durchschnitt über längere Zeiträume bilden, beispielsweise über eine Videoszene, eine Website oder einen Ladenbereich, um das allgemeine Ausmaß der Arbeitsbelastung oder des Engagements zu ermitteln.

Eine weitere Produktreihe von EEG-Headsets, die ebenfalls kognitiv-affektive Messdaten liefern, wird von Emotiv hergestellt – das Emotive EPOC und das EPOC+. Mit diesen Geräten können Sie folgende Messdaten erfassen:

1. Engagement/Langeweile spiegelt die langfristige Wachsamkeit und die bewusste Ausrichtung der Aufmerksamkeit auf aufgabenrelevante Reize wider.

2. Erregung (Arousal) spiegelt die momentane physiologische Erregung gegenüber Reizen wider, die mit positiver Valenz verbunden sind.

3. Stress (Frustration)

4. Meditation (Entspannung)

Da Emotiv keine öffentlich zugänglichen Veröffentlichungen zur Validität dieser Skalen bereitstellt, ist der wissenschaftliche Wert dieser Messgrößen umstritten (z. B. Pham & Tran, 2012).

Frequenzbasierte EEG-Metriken werden in den folgenden kommerziellen und akademischen Anwendungsbereichen eingesetzt:

• Biomedizinische Technik:
  Frequenzbasierte Konzepte finden im Zusammenhang mit Gehirn-Computer-Schnittstellen Anwendung. Durch die Überwachung der Alpha-Aktivität über motorischen Regionen können Forscher erkennen, ob Probanden beabsichtigen, bestimmte Gliedmaßen zu bewegen. Wichtig ist, dass diese Bereiche auch dann weiterhin mit einer bestimmten Frequenz oszillieren, wenn die Gliedmaßen gelähmt sind (beispielsweise nach einem Unfall). Diese Gehirnsignale können dann überwacht werden, um es Patienten zu ermöglichen, Roboterarme oder -beine auf der Grundlage ihrer Gehirnaktivität zu steuern.
• Konsumenten-Neurowissenschaft:
  Anhand von frequenzbasierten EEG-Messwerten lassen sich bei Befragten, die reale oder virtuelle Geschäfte erkunden, Werte für Engagement, Motivation oder Schläfrigkeit während des Einkaufs erheben. Wo im Geschäft ist das Engagement am höchsten, wo ist die Motivation am geringsten? Während Selbstauskünfte und Interviews aufgrund von Einschränkungen im Gedächtnis oder in der Verarbeitungsfähigkeit der Befragten (oder aufgrund sozialer Erwartungen) in der Regel verzerrt sind, ermöglicht das EEG eine direkte und nicht-invasive Überwachung während der tatsächlichen Erkundung.
• Marktforschung
  Frequenzbasierte EEG-Kennzahlen finden breite Anwendung in der kommerziellen Forschung zur Markeneffektivität bei Produktverpackungen und -designs, einschließlich Websites und Software-Oberflächen, um Hindernisse zu identifizieren und Arbeitsabläufe auf der Grundlage kognitiv-affektiver Prozesse zu verbessern.
• Werbung, Trailer und Medientests:
  Fernsehwerbung soll potenzielle Käufer dazu bewegen, das Produkt oder die Dienstleistung zu erwerben. Durch die Überwachung der EEG-Aktivität von Probanden, die sich Werbespots oder Trailer ansehen, und die Analyse der Daten auf der Grundlage ihres Frequenzinhalts lassen sich ungefilterte, unverfälschte Einblicke in die kognitiven und affektiven Zustände des Publikums gewinnen. Ebenso können Online-Unterrichtsmaterialien und Tutorial-Videos hinsichtlich ihrer Interaktions- und Arbeitsaufwandsmetriken bewertet werden, sodass Sie Materialien aussortieren können, die schwer verständlich sind.

Das Ende?

Aber natürlich! Wenn Sie diesen Leitfaden interessant fanden, wird Ihnen unser 64-seitiger EEG-Taschenleitfaden, den Sie unten herunterladen können, bestimmt gefallen. Haben Sie Fragen an uns? Wenden Sie sich gerne an unser Team von EEG-Experten, um Ihre Forschung auf die nächste Stufe zu heben. Lesen Sie auch unseren Artikel über die 5 wichtigsten Faktoren für eine optimale EEG-Ausstattung.

Hersteller von EEG-Geräten

• Advanced Brain Monitoring (ABM) (2237 Faraday Ave, Carlsbad, CA, 92008, USA)
• ant Neuro (Colosseum 22, 7521 PT Enschede, Niederlande)
• Biosemi B.V. (WG-Plein 129, 1054SC Amsterdam, Niederlande)
• BrainMaster Technologies Inc. (195 Willis Street, Bedford, OH 44146, USA)
• Brain Products GmbH (Zeppelinstr. 7, 82205 Gilching, Deutschland)
• Cognionics Inc. (8445 Camino Santa Fe [Suite 205], San Diego, CA 92121, USA)
• Electrical Geodesics (EGI). (500 East 4th Ave., Suite 200, Eugene, OR 97401, USA)
• Emotiv Inc. (268 Bush Street [Suite 4109], San Francisco, CA 94104, USA)
• g.tec Medical Engineering GmbH (Sierningstraße 14, 4521 Schiedlberg, Österreich)
• NeuroSky Inc. (125 S Market Street [Suite 900], San Jose, CA 95113, USA)
• Mind Media BV (Louis Eijssenweg 2B, 6049CD Herten, Niederlande)
• Mitsar Co. Ltd. (Mitsar Co. Ltd., Optikov-Straße 4-2A, BC „LAHTA“, 197374 St. Petersburg, Russland)
• Neuroelectrics. (Avinguda Tibidado 47 bis, 08035 Barcelona, Spanien)
• Wearable Sensing Inc. (5754 Pacific Center Blvd, San Diego, CA 92121, USA)

EEG-Analysesoftware

• iMotions Lab
• BESA Research (BESA GmbH)
• BIOPAC ACQKnowledge (BIOPAC Inc.)
• Brainstorm (University of Southern California, Los Angeles, Kalifornien)
• BrainVision Analyzer (Brain Products GmbH)
• BrainVoyager (Brain Innovation B.V.)
• Cartool Software (Zentrum für biomedizinische Bildgebung Lausanne-Genf)
• Curry 7 (Compumedics Limited)
• EEGLAB (Swartz-Zentrum für Computational Neuroscience, UCSD)
• LORETA (KEY-Institut für Gehirn-Geist-Forschung, Zürich)

Literaturverzeichnis

• American Electroencephalographic Society (1994). American Electroencephalographic Society. Leitlinie 13: Leitlinien zur Standardbezeichnung von Elektrodenpositionen. Journal of Clinical Neurophysiology, 11, 111–113.
• Astolfi, De Vico Fallani, Cincotti u. a. (2008). Neuronale Grundlagen für Gehirnreaktionen auf Fernsehwerbung: eine hochauflösende EEG-Studie. IEEE Transactions in Neural Systems and Rehabilitation Engineering, 16(6), 522–531.
• Badcock, Preece, de Wit et al. (2015). Validierung des Emotiv-EPOC-EEG-Systems für die Erfassung von auditorischen ereignisbezogenen Potenzialen in Forschungsqualität bei Kindern. PeerJ, 3, e907.
• Berka, Izzetoglu, Bunce et al. (2004). Echtzeitanalyse von EEG-Indikatoren für Wachsamkeit, Kognition und Gedächtnis, die mit einem drahtlosen EEG-Headset erfasst wurden. International Journal of Human-Computer Interaction, 17(2), 211–227.
• Berka, Levendowski, Lumicao et al. (2007). EEG-Korrelate von Aufgabenengagement und geistiger Arbeitsbelastung bei Wachsamkeits-, Lern- und Gedächtnisaufgaben. Aviation, Space, and Environmental Medicine, 78(5), B231–B244.
• Buzsáki, Anastassiou & Koch (2012). Der Ursprung extrazellulärer Felder und Ströme – EEG, ECoG, LFP und Spikes. Nature Reviews Neuroscience, 13(6), 407–20.
• Cohen (2011). Es wird auch Zeit. Frontiers in Human Neuroscience, 5(2), 1–15.
• Cohen (2014). Analyse neuronaler Zeitreihendaten. Theorie und Praxis. Cambridge, MA: MIT Press.
• Colrain, Turlington & Baker (2009). Auswirkungen von Alkoholismus auf die Schlafarchitektur und die EEG-Leistungsspektren bei Männern und Frauen. Sleep, 32(10), 1341–1352.
• Davidson (2004). Welche Rolle spielt der präfrontale Kortex bei der Affektregulation? Perspektiven zur Forschung über frontale EEG-Asymmetrie. Biological Psychology, 67(1-2), 219–234.
• de Vico Fallani, Astolfi, Cincotti et al. (2008). Struktur der kortikalen Netzwerke während der erfolgreichen Gedächtniskodierung bei Fernsehwerbung. Clinical Neurophysiology, 119(10), 2231–223764
• Dimigen, Valsecchi, Sommer & Kliegl (2009). Visuelle Hirnreaktionen im Zusammenhang mit Mikrosakkaden beim Menschen. The Journal of Neuroscience, 29(39), 12321–31.
• Gratton, Coles & Donchin (1983). Eine neue Methode zur Offline-Beseitigung von Augenartefakten. Elektroenzephalographie und klinische Neurophysiologie, 55(4), 468–484.
• Handy (2005). Ereignisbezogene Potenziale: Ein Methodenhandbuch. Cambridge: MIT Press.
• Harmon-Jones, Gable & Peterson (2010). Die Rolle asymmetrischer frontaler kortikaler Aktivität bei emotionsbezogenen Phänomenen: Ein Überblick und aktueller Stand. Biological Psychiatry, 84, 451–462.
• Johnson, Popovic, Olmstead et al. (2011). Entwicklung und Validierung eines Algorithmus zur Messung von Schläfrigkeit und Wachsamkeit unter Verwendung synchronisierter EEG-Daten und kognitiver Leistungsdaten zur Individualisierung eines verallgemeinerten Modells. Biological Psychology, 87(2), 241–250.
• Jung & Berger (1979). Fünfzig Jahre EEG. Hans Bergers Entdeckung des Elektroenzephalogramms und seine ersten Befunde 1924–1931. Archiv für Psychiatrie und Nervenkrankheiten, 227, 279–300.
• Kahana, Sekuler, Caplan, Kirschen & Madsen (1999). Theta-Oszillationen beim Menschen zeigen eine Aufgabenabhängigkeit während der Navigation durch ein virtuelles Labyrinth. Nature, 399(6738), 781–784.
• Klimecki, Leiberg, Lamm & Singer (2012). Funktionelle neuronale Plastizität und damit verbundene Veränderungen des positiven Affekts nach einem Mitgefühlstraining. Cerebral Cortex, 23(7), 1552–1561.
• Klimesch (1996). Gedächtnisprozesse, Hirnschwingungen und EEG-Synchronisation. International Journal of Psychophysiology, 24(1-2), 61-100.
• Lainscsek, Hernandez, Weyhenmeyer, Sejnowski & Poizner (2013). Durch nichtlineare dynamische Analyse von EEG-Zeitreihen lassen sich Patienten mit Parkinson-Krankheit von gesunden Personen unterscheiden. Frontiers in Neurology, 04-200.
• Lopes da Silva, Gonçalves und de Munck (2009). Elektroenzephalografie (EEG). Encyclopedia of Neuroscience, S. 849–855.65
• Luck (2005). Zehn einfache Regeln für die Gestaltung von ERP-Experimenten. In: Handy. Ereignisbezogene Potenziale: Ein Methodenhandbuch. Cambridge, MA: MIT Press.
• Luck (2014, 2. Auflage). Eine Einführung in die Technik der ereignisbezogenen Potenziale. Cambridge, MA: MIT Press.
• Mizuhara, Wang, Kobayashi und Yamaguchi (2004). Ein weitreichendes kortikales Netzwerk, das bei einer kognitiven Aufgabe mit Theta-Oszillationen entsteht. Neuroreport, 15(8), 1233.
• Niedermeyer & Lopes da Silva (2012, 6. Auflage). Elektroenzephalographie: Grundlagen, klinische Anwendungen und verwandte Gebiete. Philadelphia, PA: Lippincott Williams & Wilkins.
• Ohme, Reykowska, Wiener & Choromanska (2010). Anwendung der frontalen EEG-Asymmetrie in der Werbeforschung. Journal of Economic Psychology, 31(5), 785–793.
• O‘Keefe & Burgess (1999). Theta-Aktivität, virtuelle Navigation und der menschliche Hippocampus. Trends in Cognitive Sciences, 3(11), 403–406.
• Onton, Delorme & Makeig (2005). EEG-Dynamik in der frontalen Mittellinie während der Arbeitsgedächtnisleistung. Neuroimage, 27(2), 341–356.
• Oostenveld & Praamstra (2001). Das 5-Prozent-Elektrodensystem für hochauflösende EEG- und ERP-Messungen. Clinical Neurophysiology, 112(4), 713–719.
• Pham & Tran (2012). Emotionserkennung mit dem Emotiv EPOC-Gerät. In: Lecture Notes in Computer Science, 7667, 394–399.
• Ramsøy (2015). Einführung in Neuromarketing und Verbraucher-Neurowissenschaften. Rørvig: Neurons Inc ApS.
• Rana & Kaina (2014). Funktionelle Rollen der 10-Hz-Alpha-Band-Leistung bei der Modulation der Aktivierung und Deaktivierung kortikaler Netzwerke in einer komplexen visuellen Bewegungsaufgabe. PLOS One, 9(10), e107715.
• Saab, Battes und Grosse-Wentrup (2011). Simultane EEG-Aufzeichnungen mit Trocken- und Nasselektroden bei motorischer Vorstellung. 5. Internationale Konferenz für Gehirn-Computer-Schnittstellen (BCI 2011), 312–315.66
• Schack, Klimesch & Sauseng (2005). Phasensynchronisation zwischen Theta- und oberen Alpha-Oszillationen bei einer Arbeitsgedächtnisaufgabe. International Journal of Psychophysiology, 57(2), 105–114.
• Schaffer, Davidson & Saron (1983). Asymmetrie im frontalen und parietalen Elektroenzephalogramm bei depressiven und nicht-depressiven Probanden. Biological Psychiatry, 18, 753–762.
• Stevens, Galloway und Berka (2007). EEG-bezogene Veränderungen der kognitiven Belastung, der Konzentration und der Ablenkung beim Erwerb von Problemlösungsfähigkeiten durch Studierende. 11. Internationale Konferenz zur Benutzermodellierung (UM 2007), 187–196.
• Stikic, Johnson, Tan und Berka (2014). EEG-basierte Klassifizierung positiver und negativer affektiver Zustände. Brain-Computer Interfaces, 1(2), 99–112.
• Vecchiato, Toppi und Astolfi (2012). Der Mehrwert der elektrischen Neurobildgebung