Die Neurowissenschaften stellen eines der am stärksten herausfordernden Anwendungsgebiete des maschinellen Lernens dar. Da in der Regel wenig Messdaten zur Verfügung stehen, die zudem häufig hochdimensional sind, ist für eine gute Generalisierbarkeit gewonnener Erkenntnisse die Kombination neuer methodischer Ansätze mit a-priori Wissen aus den Neurowissenschaften von großer Bedeutung. Methoden des maschinellen Lernens ermöglichen hierdurch neue Formen der Datenanalyse, mit denen Fragestellungen untersucht werden können, die mit klassischen Methoden bisher nicht hinreichend beantwortet wurden.

Ein aktiver Forschungsbereich unserer Gruppe ist die Entwicklung von Gehirn-Computer Schnittstellen. Dies sind Systeme, die gelähmten Probanden ermöglichen zu kommunizieren, indem vom Gehirn erzeugte Signale in Steuerungsbefehle, z.B. für einen Computer, übersetzt werden. Zur Zeit ermöglichen Gehirn-Computer Schnittstellen eine rudimentäre Kommunikation für Personen mit nur noch geringfügiger willentlicher motorischer Kontrolle. Es ist bisher jedoch nicht gelungen, vollständig gelähmten Personen, die auf eine Gehirn-Computer Schnittstelle angewiesen wären, ein funktionierendes System zur Verfügung zu stellen. Um dieses Ziel zu erreichen, erforschen wir neue Wege Gehirnsignale zu analysieren, und aus diesen auf die Intention der Probanden zu schließen. Dazu arbeiten wir intensiv mit dem Institut für Medizinische Psychologie und Verhaltensneurobiologie sowie der Neurochirurgie der Universität Tübingen zusammen.

Während Gehirn-Computer Schnittstellen primär als alternative Kommunikationsgeräte gesehen werden, erforschen wir auch die Anwendung dieser Technologie für rehabilitative Zwecke. Dabei widmen wir uns insbesondere dem Thema der Steuerung robotischer Systeme, wie beispielsweise eines Roboterarmes. Dies ist für neuartige Ansätze zur Rehabilitation von Personen, die einen Schlaganfall erlitten haben, von großer Bedeutung, da eine Roboter-gestützte Physiotherapie, in der der Patient die Kontrolle über die Therapie mittels einer Gehirn-Computer Schnittstelle selbst ausübt, besonders erfolgsversprechend erscheint. Die Evaluation dieser Ansätze erfolgt in Kollaboration mit der Neurochirurgie der Universität Tübingen.

Eine weiteres aktives Forschungsfeld unserer Gruppe ist die Analyse von Konnektivitätsmustern in neurowissenschaftlichen Daten. Um zu verstehen, wie verschiedene Gehirnareale zur Lösung bestimmter Probleme kooperieren, entwickeln und verbessern wir Methoden der kausalen Inferenz, und wenden diese auf neurowissenschaftliche Fragestellungen an. Dazu bedienen wir uns insbesondere Methoden der Informationstheorie.