Technologie für Anonymisierung von EEG-Daten
Im Projekt NEMO haben Fraunhofer-Forscher eine Technologie entwickelt, die eine Wiedererkennung von Personen anhand der Signale aus ihrem Elektroenzephalogramm verhindert. Relevante Informationen für die Datenauswertung bleiben dabei erhalten. Das macht eine wissenschaftliche Nutzung der Daten einfacher.
Die Daten, die bei der Aufzeichnung der Hirnaktivität im Rahmen eines Elektroenzephalogramms (EEG) anfallen, können nicht nur Hinweise auf Erkrankungen geben. Liegen Schlafstörungen, Autismus-Spektrum-Störungen oder Alkoholismus vor, bildet das EEG dies ebenfalls ab. Es entstehen individuelle Datenmuster, sogenannte Brainprints, die für die Forschung einen hohen Wert haben, allerdings hohen Datenschutzanforderungen unterliegen. Aus gutem Grund, denn anhand der Brainprints können die Personen in EEG-Datensätzen wiedererkannt werden.
Die Herausforderung war es also – wie so oft – den Schutz der persönlichen, sensiblen Daten zu gewährleisten, diese jedoch für die wissenschaftliche Forschung bestmöglich zugänglich zu machen. Hier setzte das BMBF-geförderte Projekt NEMO (Nicht-Identifizierbarkeit von Elektroenzephalogrammen und vergleichbaren Sensorsignalen aus medizinischer Versorgung für Open Science) an.
Koordiniert vom Fraunhofer-Institut für Digitale Medientechnologie IDMT in Oldenburg, wurden im Rahmen des Projektes Technologien für mehr Datenschutz und gleichzeitig für eine bessere Verfügbarkeit von EEG-Daten in der Wissenschaft erforscht. Dabei wurde untersucht, wie persönliche Daten aus den Aufzeichnungen entfernt werden können, Informationen für eine spezifische Interpretation jedoch erhalten bleiben. Am Beispiel der Schlafphasenanalyse konnten die Ergebnisse des Konsortiums erfolgreich demonstriert werden. Die konkrete Aufgabe lautete: Eine Klassifikation von Schlafphasen und die Identifikation sogenannter Schlafspindeln im EEG sollte auch nach einer erfolgten Anonymisierung möglich sein.
Datenschutzrisiken und Chancen abwägen
Die Einsatzszenarien für das Projekt lieferte die Gruppe Mobile Neurotechnologien des Fraunhofer IDMT. Sie beschäftigt sich seit vielen Jahren mit mobilen EEG-Systemen und Schlafmonitoring. Gruppenleiterin Dr.-Ing. Insa Wolf präzisierte die Herausforderung: „Mobile EEG-Technologien ermöglichen Messungen außerhalb von Labor und Klinik. Solche Systeme halten bereits Einzug in den Consumer-Markt, beispielsweise für ein Schlafmonitoring. Vor dem Hintergrund des Informationsreichtums von EEGs sollten Datenschutzrisiken und die Chancen durch den Erkenntnisgewinn im Gesundheitsbereich abgewogen werden. Was technisch möglich ist, sollte im Datenschutz ausgeschöpft werden.“
KI-Algorithmen für anonymisierte EEG-Aufzeichnungen
Am Hauptsitz des Fraunhofer IDMT in Ilmenau entwickelten Forscher zunächst ein maschinelles Lernverfahren, das persönliche Muster in den komplexen Biosignalen erlernt und mit einer Treffgenauigkeit von über 80 Prozent in anderen Datensätzen wiedererkennt. In der Realität wird es also besonders kritisch, wenn EEG-Daten zusammen mit den Namen der Datenspendern veröffentlicht werden, denn dann lassen sich diese Ergebnisse potenziell mit weiteren Datensätzen verknüpfen. Das unterstreiche die Notwendigkeit für besondere Schutzmaßnahmen für EEG-Daten, so Thomas Köllmer, Datenschutzexperte aus Ilmenau. „Wir haben deshalb im Projekt an KI-Algorithmen gearbeitet, die EEG-Aufzeichnungen so verändern, dass sie möglichst keine Rückschlüsse mehr auf die Datenspendenden zulassen, und dennoch ihren Nutzen für die gewählten Anwendungsfelder beibehalten“, so Köllmer weiter. Im Projekt wurden die Signale so weit transformiert, dass nur die nötigen Kennzeichen für ein automatisches Screening der Schlafphasen erkennbar blieben.
Die Daten lieferten die Christian-Albrechts-Universität zu Kiel und das Universitätsklinikum Schleswig-Holstein Campus Kiel. Außerdem unterstützten die Einrichtungen mit ihrer Expertise zur Interpretation medizinischer Daten und zum Datenaustausch im Rahmen der Datenintegrationszentren der Medizininformatik-Initiative.
Technologischer Demonstrator
Workshops und Interviews mit Beteiligten flankierten das Projekt in verschiedenen Phasen. Unterstützung erhielt das Projekt dabei von der KIZMO GmbH (Klinisches Innovationszentrum für Medizintechnik Oldenburg). Zudem wurden Experten-Reviews des technologischen Demonstrators durchgeführt, der zeigt, wie EEG-Daten anonymisiert werden und welche Auswirkungen dies für bestimmte Anwendungsszenarien hat. Die Plattform wurde als Proof-of-Concept gemeinsam mit der Ascora GmbH aus Ganderkesee entwickelt.
Anonymisierungsansätze weiterentwickeln
Nun gilt es, die Anonymisierungstechnologien für die Sicherheit von Biosignalen weiterzuentwickeln, um das Vertrauen in medizinische und nicht-medizinische Anwendungen zu stärken und den Weg zu ebnen für eine breitere Datenverfügbarkeit im Sinne von Open Science in Forschung und Lehre, so das Resümee von Thomas Köllmer.
Veröffentlichungen im Rahmen des Projekts:
- Scanlon, A. Pelzer, M. Gharleghi, K. Fuhrmeister, T. Köllmer, P. Aichroth, R. Göder, C. Hansen, I. Wolf, 2025:“What your brain activity says about you: A review of neuropsychiatric disorders identified in resting-state and sleep EEG data”, arXiv preprint arXiv:2510.04984.
- Gharleghi, K. Fuhrmeister, T. Köllmer, A. Pelzer, J. Scanlon, I. Wolf, J. Lechinger, R. Göder, 2025: “What Your Brain Activity Says About You: EEG-based Subject Verification Across Sessions”, in 2025 10th International Conference on Frontiers of Signal Processing (ICFSP) (pp. 55-59). IEEE.
- Fuhrmeister, A. Pelzer, F. Radke, J. Lechinger, M. Gharleghi, T. Köllmer, I. Wolf, 2025: “Bridging privacy and utility: Synthesizing anonymized EEG with constraining utility functions”, Accepted for EUSIPCO 2026, preprint available at arXiv:2509.20454
Olympus