| Förderkennzeichen: | 01GP2506B |
| Fördersumme: | 246.190 EUR |
| Förderzeitraum: | 2026 - 2029 |
| Projektleitung: | Prof. Dr. Surjo Soekadar |
| Adresse: |
Charité - Universitätsmedizin Berlin, Campus Charité-Mitte, Klinik für Psychiatrie und Psychotherapie Charitéplatz 1 10117 Berlin |
Das Vorhaben verfolgt einen integrierten, methodisch kombinierten Ansatz zur Untersuchung und Gestaltung der ethischen, rechtlichen und gesellschaftlichen Implikationen von NeuroAI. Zunächst wird in einer systematischen Analyse der aktuelle Forschungsstand zu KI-gestützten Neurotechnologien und neuromorphen Systemen ausgewertet. Dabei kommen Methoden der normativen Ethikanalyse, der Rechtsauslegung sowie strukturierte Literatur- und Dokumentenanalysen zum Einsatz. Auf dieser Grundlage entwickelt das Team ein Modell zentraler ethischer Spannungsfelder, sowie eine Gap-Analyse bestehender regulatorischer Rahmenbedingungen. Parallel dazu arbeitet das Projekt mit einem "embedded-ethics"-Ansatz: ELSA-Forschende werden direkt in die technischen Forschungsprozesse der Verbundpartner eingebunden. In der zweiten Projektphase erfolgt ein partizipatives Vorgehen zur Governance-Entwicklung. Hierzu werden Stakeholder in ko-kreative Workshops, Fokusgruppen und strukturierte Konsultationen eingebunden. Die gewonnenen theoretischen und empirischen Erkenntnisse dienen als Grundlage für die Erstellung eines harmonisierten Governance-Rahmens sowie eines praxisorientierten ethischen Toolkits. Dieses Teilprojekt (TP2) konzentriert sich auf die Weiterentwicklung KI-gestützter klinischer Neurotechnologien wie Brain-ComputerInterfaces (BCIs) und Closed-Loop-Neuromodulationssysteme. Durch die kontinuierliche Begleitung von Patientenstudien und Interaktionen mit Klinikern, Wissenschaftlerinnen und Wissenschaftlern sowie Patientinnen und Patienten werden die ethischen Herausforderungen identifiziert (u. a. Datenschutz, Vertrauen der Nutzer sowie Einwilligungsprozesse). Es werden szenariobasierte Simulationen mit Patientinnen und Patienten durchgeführt, um den Einsatz von Neuro-Ki in der klinischen Umgebung zu modellieren. Dabei werden empirische Daten generiert, um ethische, klinische und technische Herausforderungen zu antizipieren und frühzeitig diese Erkenntnisse in die Integration von Neuro-Ki-Systemen einzubeziehen.