Schlaf-Stirnbänder: Hirnstrom-Daten der Kunden trainieren heimlich KI-Modelle

Worum es geht

Stirnbänder, die nachts die Hirnströme messen, sollen eigentlich zeigen, wie gut jemand schläft. Bei manchen Herstellern landen diese Aufnahmen aber noch an einer zweiten Stelle: im Training von KI-Modellen. Das hat das Fachmagazin Science gemeinsam mit dem AI Accountability Network des Pulitzer Center recherchiert. Die Neurotechnik-Firmen für Endkunden haben demnach zusammen zig Millionen Stunden an Aufnahmen per Elektroenzephalografie (EEG) gesammelt. Beim EEG messen Elektroden auf der Kopfhaut die winzigen elektrischen Spannungen, die beim Arbeiten der Nervenzellen entstehen. Mehrere Firmen bauen aus diesen Daten sogenannte Brain Foundation Models. In ihren Datenschutzerklärungen stand diese Nutzung anfangs nicht klar drin. Darüber berichten unter anderem Tom's Hardware und das indonesische Portal Telset.id.

Interaxon und das Muse-Stirnband

Im Mittelpunkt steht die kanadische Firma Interaxon aus Toronto. Sie verkauft die Stirnbänder der Marke Muse für Schlaf und Meditation. Die Geräte messen im Schlaf die Hirnaktivität und weitere Körperwerte. Daraus entstehen Berichte, mit denen Kunden ihre Nachtruhe und Veränderungen im Schlafmuster verfolgen können.

Laut der Recherche hat Interaxon bereits ein KI-Modell mit etwa 50.000 Stunden EEG-Aufnahmen trainiert. Vorher würden Namen, E-Mail-Adressen und Postanschriften entfernt, sagt die Firma. Marketingchefin Nadia Kumentas wird so zitiert:

„Wir versuchen, so viel wie möglich von diesem zulässigen Datenbestand zu nutzen.“

Bis Science nachfragte, stand in der Datenschutzerklärung von Interaxon aber nicht ausdrücklich, dass Hirnaufnahmen der Nutzer zum Training von Foundation Models dienen können. Inzwischen ist der Text geändert. Kumentas räumt ein:

„Wir stimmen zu, dass Nutzer ausdrücklich informiert werden sollten.“

Für alle, deren Daten schon verwendet wurden, kommt die Klarstellung zu spät. Tom's Hardware hält deshalb mögliche Klagen gegen das Unternehmen für denkbar.

Neu ist das KI-Modell selbst nicht. Interaxon wirbt sogar damit. Im März 2025 brachte die Firma das Stirnband Muse S Athena auf den Markt, für 474,99 US-Dollar. Es kombiniert EEG mit fNIRS, einer Messmethode, die mit Nahinfrarotlicht den Sauerstoffgehalt des Bluts im Stirnhirn bestimmt. Laut Pressemitteilung wertet das „Foundational Brain Model“ (FBM) von Muse die Daten aus. Trainiert worden sei es mit über 80.000 EEG-Sitzungen aus „der weltgrößten EEG-Datenbank“. Nach eigenen Angaben hat Muse bislang mehr als eine Milliarde Minuten Hirndaten gesammelt und ausgewertet, das sind rund 16 Millionen Stunden. Die Nutzung der Daten war also offen sichtbar. Unklar war nur, dass die Aufnahmen der zahlenden Kunden selbst als Trainingsmaterial dienen. Den Kern der Kritik bildet also die fehlende Transparenz, nicht die Technik.

Emotiv, Firmenübernahmen und Lücken im Gesetz

Interaxon steht damit nicht allein. Auch der EEG-Hersteller Emotiv trainiert sein „Large Brain Model“ teilweise mit Aufnahmen von Kunden, die seine teureren Geräte nutzen. Emotiv hat die Datenschutzerklärung ebenfalls erst nach den Fragen von Science geändert. Jetzt steht dort, dass anonymisierte neuronale Daten mit Opt-in-Zustimmung ins Training fließen. Opt-in heißt: Nutzer müssen aktiv zustimmen, die Freigabe ist nicht voreingestellt.

Noch grundsätzlicher ist ein anderer Befund. Mehr als zwei Drittel der untersuchten Firmen behalten sich laut Science ausdrücklich vor, Daten bei Unternehmensvorgängen ohne Zustimmung der Nutzer weiterzugeben. Kauft also jemand ein kleines Neurotech-Start-up, gehen die gesammelten Hirnaufnahmen einfach an den neuen Eigentümer über.

Die Gesetze hinken hinterher. In den USA haben bisher nur Colorado und Kalifornien ihre Verbraucherdatenschutzgesetze so ergänzt, dass sie ausdrücklich auch neuronale Daten erfassen. Die übrigen Bundesstaaten haben das noch nicht getan. Wie die Lage in Europa ist, behandeln die Quellen nicht.

Wie ein „Gehirn-Foundation-Model“ funktioniert und wo die Grenzen liegen

Ein Foundation Model ist ein großes Grundmodell. Es wird zuerst mit riesigen Datenmengen allgemein trainiert und später für einzelne Aufgaben angepasst. Sprachmodelle wie ChatGPT bekommen dafür Unmengen an Text. Brain Foundation Models lernen stattdessen aus Aufnahmen der elektrischen Hirnaktivität. Sie erkennen darin wiederkehrende Muster. Mit Feintuning, also einem kurzen Nachtraining mit speziellen Daten, lassen sie sich dann auf bestimmte Hirnzustände oder Forschungsfragen ausrichten.

Erste Ergebnisse gibt es schon. Das KI-Start-up Piramidal hat sein Modell gemeinsam mit der Cleveland Clinic mit mehr als 4 Millionen Stunden EEG-Daten trainiert. Daraus entstand ein System, das epileptische Anfälle erkennt. Nach dem Feintuning mit Aufnahmen der Klinik fand es in einer Pilotstudie neun von zehn Anfällen.

Gedanken lesen können die Stirnbänder aber nicht. Die meisten tragbaren EEG-Geräte haben nur ein bis sechs Elektroden. Klinische EEG-Systeme arbeiten meist mit 19 bis 25. Die Aufnahmen aus Consumer-Geräten sind deshalb deutlich weniger umfassend.

Weitere Vorfälle und Projekte

Sicherheitsprobleme bei Hirn-Wearables gab es schon früher. Im Februar stellte ein Ingenieur fest, dass er über eine gekaufte smarte Schlafmaske die Hirnstrom-Aufnahmen fremder Menschen abrufen konnte. Er hatte sich die Android-App wegen Verbindungsproblemen genauer angesehen. Darin fand er fest eingebaute Zugangsdaten, die offenbar für alle Geräte gleich waren. Über sie kam er an die EEG-Messwerte anderer Nutzer.

Auch sonst sammelt die Branche neuronale Daten in großem Stil. Das Start-up Coundit aus San Francisco wollte im vergangenen Dezember 10.000 Stunden Hirndaten von Tausenden Patienten erfassen. Dafür hat es ein eigenes Headset gebaut, das Hirnaktivität zusammen mit Sprache und Text aufzeichnet. Ziel ist eine KI, die Hirnsignale in Sprache übersetzt. Meta arbeitet an BrainQwerty, einer nicht-invasiven Gehirn-Computer-Schnittstelle. Nicht-invasiv bedeutet, dass nichts operativ eingesetzt wird. Das System soll Hirnaktivität in Tastatureingaben übersetzen. Die zweite Generation erkennt im Schnitt 61 Prozent der Wörter richtig, die erste schaffte 40 Prozent. Für den Alltag reicht das noch lange nicht.

Einordnung

Die Recherche zeigt ein bekanntes Muster: Daten, die Kunden für einen bestimmten Zweck abgeben, werden still zu Trainingsmaterial für KI. Bei Texten und Bildern aus dem Netz gibt es darüber seit Jahren Streit. Hirnströme sind aber biologische Daten, die einer Person sehr eng zugeordnet sind. Fachleute fürchten, dass sich aus ihnen künftig mehr herauslesen lässt als heute. Das Entfernen von Namen und E-Mail-Adressen schützt deshalb womöglich weniger, als die Firmen behaupten. Ob sich EEG-Daten wieder bestimmten Personen zuordnen lassen, beantworten die Quellen nicht.

Der medizinische Nutzen ist dabei real, wie das Anfallserkennungs-System von Piramidal zeigt. Problematisch sind die fehlende Einwilligung und die Klauseln zu Firmenübernahmen. Dass Interaxon und Emotiv ihre Texte erst nach der Presseanfrage geändert haben, spricht nicht für freiwillige Transparenz. Wer ein Schlaf- oder Meditations-Stirnband nutzt oder kaufen will, sollte in der Datenschutzerklärung nachsehen, ob die Daten für KI-Training genutzt oder bei einem Verkauf der Firma weitergegeben werden dürfen. Und am besten prüfen, ob sich das abschalten lässt.