KI reagiert auf Herzschlag: Bochumer Forscher enthüllen, wie GPT-4 auf HRV-Daten reagiert

Die Technik: So lernt GPT-4 den Herzschlag zu lesen

Das System der Forscher ist eine clevere, modulare Pipeline. Für das Experiment nutzten sie einen handelsüblichen Polar H10 Brustgurt. Der Sensor misst die Herzratenvariabilität (HRV), also die Abstände zwischen einzelnen Herzschlägen. Sie liefert einen anerkannten Hinweis darauf, wie aktiv das autonome Nervensystem gerade ist und zeigt, ob der Körper eher in einem angespannten ("fight or flight") oder entspannten ("rest and digest") Zustand ist.

Die Rohdaten des Sensors werden via Bluetooth an ein Python-Skript gesendet. Dieses dekodiert, filtert und berechnet die entscheidenden HRV-Kennwerte in Echtzeit. Der eigentliche Clou der Architektur ist aber das Backend: Ein in Python geschriebenes FastAPI-Framework stellt die Live-Daten über Web-Schnittstellen (REST und WebSocket Endpunkte) zur Verfügung. GPT-4 kann diese Schnittstellen einfach "anrufen" und sich die Live-Herzdaten des Nutzers abholen.

Das Experiment: GPT-4 reagiert auf kognitive Belastung

Dass die KI die Daten nur anzeigen kann, wäre langweilig. Die Forscher wollten wissen, ob die KI auch reagieren kann. Sie führten dazu ein Experiment zur kognitiven Belastung durch. Der Ablauf: Die KI stellte einem Nutzer nacheinander zwei Fragen. Eine sehr einfache (niedrige Belastung) und eine sehr anspruchsvolle (hohe Belastung).

Das verblüffende Ergebnis: Das System konnte die feinen Unterschiede in den Herzfrequenz-Mustern zwischen den beiden Aufgaben interpretieren und darauf reagieren. Mehr noch, die KI passte ihre Ausgabe und ihren Dialogstil basierend auf dieser erkannten Belastung an. Die Forscher betonen zwar, dass dies keine validierte psychophysiologische Studie war, sondern ein reiner "Proof-of-Concept". Das Ziel war der Beweis, dass es funktioniert.

Analyse ohne Excel: Die KI visualisiert ihre eigenen Daten

Ein spannender Nebeneffekt des Experiments zeigte, wozu die KI schon jetzt fähig ist. Die Forscher forderten GPT-4 auf, die erhaltenen Rohdaten der Herzfrequenz selbst auszuwerten. Auf einen einfachen Prompt hin konnte die KI die Daten korrekt in einer Tabelle darstellen, inklusive Durchschnitt, Minimum und Maximum. Boris Burr betont: "Die Auswertung und Visualisierung erfolgten direkt in der LLM-Umgebung, ohne externe Statistik- oder Plot-Software." Die KI erstellte auf Wunsch sogar komplette Visualisierungen der Herzdaten.

Bioadaptive KI: Der Mehrwert für Medizin und Pflege

Die Forscher sind überzeugt: "Die Integration physiologischer Signale in KI bietet einen klaren Mehrwert." Anstatt nur auf Text zu reagieren, können Sprachmodelle nun Echtzeitindikatoren des Körpers berücksichtigen. Das führt zu "adaptiveren und kontextsensitiveren Interaktionen" beim Lernen, bei der Entscheidungsfindung und im Gesundheitswesen.

Dr. Morris Gellisch sieht das Potenzial klar in der Praxis. Die Schnittstelle sei ideal für medizinische und pflegerische Anwendungen. Man denke an die Erkennung von Stress, Überlastung oder emotionaler Dysregulation in Echtzeit bei Patienten. Der Original-Artikel geht noch weiter. Zukünftige KI-Tutoren könnten die Komplexität einer Aufgabe anpassen, wenn ein Schüler gestresst ist. Assistenz- und Pflegeroboter könnten auf Anzeichen von Anspannung bei Patienten reagieren. Das System sei ein früher Prototyp einer "bioadaptiven KI".

Abgrenzung zum BCI: Kein Gedankenlesen

Die Bochumer Forschung ist dabei klar von einem Brain-Computer-Interface (BCI) abzugrenzen. Während ein BCI versucht, neuronale Aktivität direkt aus dem Gehirn zu lesen (etwa per EEG oder Implantat), um Gedanken in Befehle zu übersetzen, misst der neue Prototyp peripher-physiologische Signale. Es ist eine bioadaptive Schnittstelle, die auf die Signale des autonomen Nervensystems, im konkreten Fall den Herzschlag, reagiert und nicht auf das Gehirn selbst. Dieser Ansatz ist zwar weniger direkt als ein BCI, aber dafür nicht-invasiv und technisch deutlich einfacher und schneller umsetzbar.