Wie man eine Studie zu ereigniskorrelierten Potenzialen (EKP) plant

Christian Burgos

Aktualisiert am

16.11.2026

Wie man eine Studie zu ereigniskorrelierten Potenzialen (EKP) plant

Christian Burgos

Aktualisiert am

16.11.2026

Wie man eine Studie zu ereigniskorrelierten Potenzialen (EKP) plant

Christian Burgos

Aktualisiert am

16.11.2026

Das Design einer Studie zu ereignisbezogenen Potenzialen (ERP) umfasst weit mehr als nur die Auswahl eines EEG-Systems oder die Aufzeichnung von Gehirnaktivität. Bevor die Datenerhebung beginnt, müssen Forschende eine klare wissenschaftliche Fragestellung definieren, den kognitiven Prozess bestimmen, den sie untersuchen möchten, ein geeignetes experimentelles Paradigma auswählen und eine Studie konzipieren, die in der Lage ist, die relevanten neuronalen Prozesse zu isolieren. Diese Entscheidungen prägen die Qualität der Daten und die Schlussfolgerungen, die aus der Studie gezogen werden können.

Dieser Artikel befasst sich mit den wichtigsten Überlegungen beim Entwurf eines ERP-Experiments – von der Formulierung einer Forschungsfrage bis hin zur Erhebung zuverlässiger, interpretierbarer Daten.

Mit der Forschungsfrage beginnen

Wenn Menschen zum ersten Mal von ereignisbezogenen Potenzialen (ERPs) hören, konzentrieren sie sich oft auf die Technologie. Sie denken an EEG-Elektroden, farbenfrohe Gehirnwellenaufzeichnungen und spezialisierte Software, die neuronale Reaktionen mit Millisekunden-Präzision analysiert.

Erfahrene Forschende betrachten ERP-Studien unterdessen meist ganz anders.

Lange bevor Elektroden angebracht oder Daten erhoben werden, treffen Forschende eine Reihe von Entscheidungen, die bestimmen, ob ein Experiment seine wissenschaftliche Fragestellung beantworten kann. Sie identifizieren den kognitiven Prozess, den sie untersuchen möchten, wählen eine geeignete experimentelle Aufgabe aus, definieren die zu messenden Ereignisse und entwickeln Bedingungen, die es ermöglichen, spezifische neuronale Reaktionen von den vielen gleichzeitig ablaufenden Prozessen zu isolieren [1], [2].

Mit anderen Worten: Erfolgreiche ERP-Forschung beginnt beim experimentellen Design und nicht bei der EEG-Technologie.

Diesen Unterschied zu verstehen, ist einer der wichtigsten Schritte bei der Konzeption einer effektiven ERP-Studie.

Die Forschungsfrage definieren

Ein ERP-Experiment sollte mit einer wissenschaftlichen Fragestellung beginnen und nicht mit einer bestimmten ERP-Komponente.

Beispielsweise möchte ein Forscher vielleicht verstehen, wie sich die Aufmerksamkeit beim Lernen verändert, wie das Arbeitsgedächtnis aktualisiert wird, wie Menschen Fehler erkennen oder wie das Gehirn auf unerwartete Reize reagiert. Jede dieser Fragen spiegelt einen anderen kognitiven Prozess wider und erfordert möglicherweise ein anderes experimentelles Paradigma.

Sobald die Forschungsfrage feststeht, können Forschende die ERP-Komponenten auswählen, die am wahrscheinlichsten Einblicke in diesen Prozess bieten. Komponenten wie die P300, N170, Mismatch Negativity (MMN) oder die Error-Related Negativity (ERN) sind wertvoll, da jahrzehntelange Forschung sie mit spezifischen Aspekten der Wahrnehmung, Aufmerksamkeit, des Gedächtnisses oder der kognitiven Kontrolle verknüpft hat [2]. Die ERP-Komponente wird somit zu einem Werkzeug zur Untersuchung der Kognition und nicht zum eigentlichen Ziel der Studie.

Diese Reihenfolge ist wichtig, da das Versuchsdesign immer der Forschungsfrage dienen sollte. Wenn man mit einer kognitiven Hypothese beginnt, wird sichergestellt, dass jede nachfolgende Entscheidung – vom Aufgabendesign bis zur statistischen Analyse – das wissenschaftliche Ziel unterstützt.

Aufgaben entwerfen, die Gehirnaktivität isolieren

Eine der größten Stärken ereignisbezogener Potenziale ist ihre außergewöhnliche zeitliche Auflösung, die es Forschenden ermöglicht, neuronale Aktivität im Millisekundentakt zu beobachten. Diese Präzision stellt jedoch auch eine Herausforderung dar.

In jedem gegebenen Moment führt das Gehirn mehrere kognitive Operationen gleichzeitig aus. Visuelle Wahrnehmung, Aufmerksamkeit, Gedächtnis, Entscheidungsfindung und motorische Vorbereitung können sich zeitlich überschneiden und gemeinsam zu dem an der Kopfoberfläche aufgezeichneten EEG-Signal beitragen.

Daher besteht die Herausforderung für Forschende darin, ein Experiment zu konzipieren, das den spezifischen zu untersuchenden kognitiven Prozess isoliert und gleichzeitig den Einfluss nicht relevanter neuronaler Aktivität minimiert.

Kappenman et al. erklären, dass die bloße Aufzeichnung von EEG-Daten während eines beliebigen Experiments selten Daten liefert, die eindeutig interpretiert werden können. Stattdessen sollten ERP-Experimente so gestaltet sein, dass sich die untersuchte kognitive Operation unterscheidet, während irrelevante Faktoren so konsistent wie möglich bleiben. Dadurch wird es einfacher, Veränderungen im ERP-Signalverlauf dem untersuchten Prozess zuzuordnen und nicht anderer, gleichzeitiger neuronaler Aktivität [3].

Forschende erreichen dies durch sorgfältig kontrollierte experimentelle Paradigmen. Oddball-Aufgaben, Go/No-Go-Paradigmen, Flanker-Aufgaben, Stroop-Aufgaben und andere kognitive Paradigmen sind weit verbreitet, da sie zuverlässig spezifische kognitive Prozesse ansprechen und gleichzeitig unnötige Variabilität begrenzen. Die Auswahl der geeigneten Aufgabe ist daher genauso wichtig wie die Auswahl der ERP-Komponente selbst.

Paradigma

Was die teilnehmende Person tut

Kognitiver Prozess

Häufig untersuchte Komponenten

Oddball

Reagiert auf seltene Zielreize unter häufigen Standardreizen

Erkennung unerwarteter oder aufgabenrelevanter Reize

P300 (ungefähr 250–500 ms)

Passiver auditiver Oddball

Hört zu, ohne zu reagieren, während seltene Töne auftreten

Automatische Erkennung auditiver Veränderungen

Mismatch Negativity (ungefähr 100–250 ms)

Go/No-Go

Reagiert auf „Go“-Reize, hält bei „No-Go“ inne

Reaktionshemmung (Inhibition)

N2 und P3

Flanker

Identifiziert ein zentrales Ziel, das von Distraktoren umgeben ist

Konflikt- und Fehlerüberwachung

Error-Related Negativity (innerhalb von etwa 100 ms nach einem Fehler)

Stroop

Nennt die Druckfarbe kongruenter oder inkongruenter Wörter

Interferenz und kognitive Kontrolle

N450

Gesichter- vs. Objektbetrachtung

Betrachtet Gesichter und Bilder ohne Gesichter

Gesichtswahrnehmung

N170

Ereignisse sind wichtiger als kontinuierliche Aufzeichnungen

Im Gegensatz zu traditionellen EEG-Analysen, die möglicherweise die laufende neuronale Aktivität untersuchen, konzentriert sich die ERP-Forschung auf die Reaktion des Gehirns auf bestimmte Ereignisse.

Ein Ereignis kann die Präsentation eines Bildes, das Erscheinen eines Wortes, ein Ton, der Tastendruck einer Testperson oder ein Feedback darüber sein, ob eine Antwort richtig war. Diese präzise getimten Ereignisse ermöglichen es Forschenden, EEG-Aufzeichnungen über wiederholte Durchgänge (Trials) hinweg auszurichten und durchschnittliche neuronale Reaktionen zu berechnen, die ereignisbezogene Aktivität aufdecken [1].

Da ERP-Analysen auf einem exakten Timing beruhen, sind Event-Marker eines der kritischsten Elemente des Studiendesigns. Selbst kleine Unstimmigkeiten zwischen Stimuluspräsentation und Ereignismarkierung können Latenzmessungen beeinflussen – insbesondere dann, wenn Forschende schnelle kognitive Prozesse untersuchen, die sich über nur wenige hundert Millisekunden erstrecken.

Neuere Validierungsstudien haben zudem gezeigt, wie wichtig eine präzise Ereignismarkierung für verlässliche ERP-Messungen mit tragbaren EEG-Systemen ist [4].

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

Die Wahl der richtigen Anzahl von Durchgängen (Trials)

Anders als viele Verhaltensexperimente stützen sich ERP-Studien nicht auf eine einzelne Beobachtung. Stattdessen präsentieren Forschende denselben Ereignistyp viele Male und bilden den Durchschnitt der resultierenden EEG-Antworten. Dieser Prozess reduziert die kontinuierliche Hintergrundaktivität und bewahrt gleichzeitig die neuronale Reaktion, die konsistent nach jedem Ereignis auftritt [1], [2].

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

Die Anzahl der erforderlichen Durchgänge hängt von mehreren Faktoren ab, darunter:

  • Die gemessene ERP-Komponente

  • Die erwartete Variabilität der Reaktion

  • Die Gesamtqualität der aufgezeichneten Daten.

Komponenten mit kleineren Amplituden oder größerer Variabilität erfordern oft zusätzliche Durchgänge, um ein akzeptables Signal-Rausch-Verhältnis zu erzielen. Gleichzeitig müssen Forschende die praktischen Grenzen der Datenerhebung berücksichtigen. Längere Experimente können zu Ermüdung, vermehrten Bewegungen und nachlassender Aufmerksamkeit der Teilnehmenden führen, was wiederum zusätzliche Artefakte in die Aufzeichnung einbringen kann [1].

Die Konzeption einer effektiven ERP-Studie erfordert daher ein Abwägen zwischen statistischer Zuverlässigkeit und dem Wohlbefinden der Probanden. Anstatt so viele Durchgänge wie möglich zu sammeln, zielen Forschende darauf ab, genügend qualitativ hochwertige Beobachtungen zu erhalten, um die wissenschaftliche Fragestellung zu beantworten und gleichzeitig das Engagement der Teilnehmenden während des gesamten Experiments aufrechtzuerhalten.

Faktor

Auswirkung auf benötigte Durchgänge

Reaktion im Versuchsdesign

Komponente mit kleiner Amplitude

Mehr Durchgänge für ein akzeptables Signal-Rausch-Verhältnis

Diese Komponente bei der Versuchsplanung priorisieren

Hohe Reaktionsvariabilität

Mehr Durchgänge zur Stabilisierung des Mittelwerts

Pilotstudie zur Abschätzung der Variabilität vor der Hauptstudie

Erwarteter Datenverlust bei der Vorverarbeitung

Weniger verwertbare Durchgänge als aufgezeichnet

Zusätzliche Durchgänge aufzeichnen, um verworfene Epochen auszugleichen

Ermüdung der Teilnehmenden

Längere Sitzungen führen zu mehr Bewegungen und Lidschlägen

Pausen einbauen; Sitzungsdauer realistisch halten

Ausbalancieren der experimentellen Kontrolle

Jedes ERP-Experiment enthält Variablen, die Forschende untersuchen möchten, und Variablen, die sie kontrollieren möchten.

Angenommen, eine Forscherin möchte anhand eines Oddball-Paradigmas untersuchen, wie das Gehirn auf unerwartete Ereignisse reagiert. Im Idealfall besteht der Hauptunterschied zwischen den Versuchsbedingungen in der Wahrscheinlichkeit des Zielreizes und nicht in Veränderungen der Helligkeit des Stimulus, der Reaktionszuordnung oder der Aufgabenschwierigkeit. Wenn sich mehrere Variablen gleichzeitig ändern, wird es schwierig festzustellen, welcher Faktor die beobachteten ERP-Unterschiede hervorgerufen hat.

Aus diesem Grund konzipieren Forschende Experimente sorgfältig so, dass nicht relevante Faktoren über die Bedingungen hinweg so konsistent wie möglich bleiben. Kappenman et al. betonen, dass ein durchdachtes Versuchsdesign unerlässlich ist, um den untersuchten kognitiven Prozess zu isolieren, anstatt mehrere sich überlappende neuronale Prozesse gleichzeitig zu messen [3].

Eine gängige Strategie ist die Verwendung von Differenzkurven (Difference Waves), die ERP-Reaktionen zwischen sorgfältig aufeinander abgestimmten Versuchsbedingungen vergleichen. Durch die Subtraktion der Aktivität, die beiden Bedingungen gemeinsam ist, können Forschende die neuronale Reaktion, die mit der experimentellen Manipulation verbunden ist, klarer untersuchen. Obwohl Differenzkurven nicht jede methodische Herausforderung beseitigen, veranschaulichen sie ein wichtiges Prinzip der ERP-Forschung: Eine aussagekräftige Interpretation hängt von einem sorgfältigen Versuchsdesign ab, lange bevor die statistische Analyse beginnt [3].

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

Planung für hohe Datenqualität

Viele Faktoren, die die ERP-Datenqualität beeinflussen, werden bereits festgelegt, bevor die erste Person das Experiment durchführt.

Sitzungslänge, Komfort für die Probanden, Aufgabenschwierigkeit und Aufzeichnungsverfahren wirken sich alle auf die Qualität des EEG-Signals aus. Lange oder anstrengende Experimente können zu mehr Ermüdung, Bewegung und Lidschlägen führen, während unklare Anweisungen unnötige Variabilität bei den Antworten der Teilnehmenden hervorrufen können. Diese praktischen Erwägungen beeinflussen nicht nur die Erfahrung der Teilnehmenden, sondern auch die Zuverlässigkeit der resultierenden Daten.

Auch das Artefaktmanagement beginnt bereits während der Studienplanung und nicht erst nach der Datenerhebung. Obwohl moderne Vorverarbeitungstechniken den Einfluss bestimmter Artefakte reduzieren können, können sie ein schlechtes Versuchsdesign oder durchgehend verrauschte Aufnahmen nicht kompensieren.

Pütz et al. empfehlen, die Datenqualität während des gesamten Planungsprozesses zu berücksichtigen, indem realistische Aufzeichnungssitzungen konzipiert, klare Anweisungen für die Teilnehmenden bereitgestellt und ausreichend Durchgänge gesammelt werden, um Datenverluste während der Vorverarbeitung auszugleichen [1].

Eine vorausschauende Planung der Datenqualität trägt dazu bei, vermeidbare Probleme bei der Analyse zu reduzieren, und stärkt das Vertrauen in die Endergebnisse.

Interpretation beginnt vor der Analyse

Eine der wichtigsten Lektionen in der ERP-Methodik ist, dass die Interpretation lange vor der eigentlichen Untersuchung der Daten beginnt.

ERP-Signalverläufe offenbaren nicht automatisch die Bedeutung eines kognitiven Prozesses. Stattdessen interpretieren Forschende einzelne ERP-Komponenten auf der Grundlage jahrzehntelanger experimenteller Evidenz, die diese Komponenten unter bestimmten Versuchsbedingungen mit bestimmten neuronalen Funktionen verknüpft [2]. Die Schlussfolgerungen, die aus einer ERP-Studie gezogen werden können, hängen daher nicht nur von den aufgezeichneten Daten ab, sondern auch von der Güte des Versuchsdesigns und der vorhandenen wissenschaftlichen Fachliteratur.

Kappenman et al. stellen fest, dass die Interpretation einer ERP-Komponente davon abhängt, wie gut frühere Forschungen ihre Beziehung zu dem untersuchten kognitiven Prozess etabliert haben. Komponenten mit einer stärkeren Konstruktvalidität stützen sicherere Schlussfolgerungen, während andere mehr Vorsicht und die Berücksichtigung alternativer Erklärungen erfordern [3]. Ein sorgfältiges Studiendesign trägt dazu bei, dass die beobachteten neuronalen Reaktionen sinnvoll mit der Forschungsfrage verknüpft und nicht auf unkontrollierte experimentelle Faktoren zurückgeführt werden können.

Wenn Forschende bereits in der Planungsphase über die Interpretation nachdenken, ermutigt sie das dazu, Experimente zu entwerfen, die in der Lage sind, bedeutsame wissenschaftliche Fragen zu beantworten, anstatt einfach nur statistisch signifikante Ergebnisse zu liefern.

Die Zukunft der ERP-Forschung

Ereignisbezogene Potenziale sind seit Jahrzehnten ein Eckpfeiler der kognitiven Neurowissenschaften, doch das Fachgebiet entwickelt sich ständig weiter. Fortschritte in der tragbaren EEG-Technologie, verbesserte experimentelle Software und immer ausgefeiltere Analysemethoden erweitern die Möglichkeiten, wo und wie ERP-Forschung betrieben werden kann.

Gleichzeitig bleiben die grundlegenden Prinzipien des ERP-Studiendesigns bemerkenswert beständig. Ein gut konzipiertes Experiment beginnt mit einer klaren wissenschaftlichen Fragestellung, wählt ein geeignetes kognitives Paradigma aus, kontrolliert experimentelle Variablen sorgfältig und interpretiert Ergebnisse im Kontext der etablierten Neurowissenschaften. Während neue Technologien die Datenerhebung und -analyse weiter verbessern, bleibt ein durchdachtes Versuchsdesign das Fundament einer aussagekräftigen ERP-Forschung [1], [2].

Da sich ERP-Studien über traditionelle Laborumgebungen hinaus in Klassenzimmer, Arbeitsplätze und andere reale Umgebungen verlagern, gewinnen diese Prinzipien zunehmend an Bedeutung. Unabhängig davon, wo Daten erhoben werden, hilft eine sorgfältige Planung Forschenden dabei, neuronale Aktivität zuverlässig mit den kognitiven Prozessen in Beziehung zu setzen, die sie verstehen möchten.

Wichtigste Erkenntnisse

  • Effektive ERP-Studien beginnen mit einer klar definierten Forschungsfrage und nicht mit einer bestimmten ERP-Komponente.

  • Experimentelle Aufgaben sollten den untersuchten kognitiven Prozess isolieren und gleichzeitig unzusammenhängende Quellen neuronaler Aktivität minimieren.

  • Präzises Ereignis-Timing, ausreichende Durchgangszahlen und eine durchdachte experimentelle Kontrolle tragen alle zu verlässlichen ERP-Messungen bei.

  • Die Berücksichtigung des Probandenkomforts und der Datenqualität vor Beginn der Aufzeichnung kann sowohl das Erlebnis der Teilnehmenden als auch die Zuverlässigkeit der resultierenden Daten verbessern.

  • Eine aussagekräftige Interpretation hängt sowohl von einem sorgfältigen Versuchsdesign als auch von jahrzehntelanger Forschung ab, die ERP-Komponenten mit spezifischen kognitiven Prozessen verknüpft.

Empfohlene Lektüre

Literaturhinweise

[1] C. Pütz, M. Span und M. Lorist, „Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants“, STAR Protocols, Bd. 6, Nr. 2, Art.-Nr. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.

[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2. Aufl. Cambridge, MA: MIT Press, 2014.

[3] E. S. Kappenman et al., „Best Practices for Event-Related Potential Research in Clinical Populations“, Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, Bd. 1, Nr. 2, S. 110–115, 2016.

[4] N. S. Williams, G. M. McArthur und N. A. Badcock, „It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research“, PeerJ, Bd. 9, e10700, 2021.

Das Design einer Studie zu ereignisbezogenen Potenzialen (ERP) umfasst weit mehr als nur die Auswahl eines EEG-Systems oder die Aufzeichnung von Gehirnaktivität. Bevor die Datenerhebung beginnt, müssen Forschende eine klare wissenschaftliche Fragestellung definieren, den kognitiven Prozess bestimmen, den sie untersuchen möchten, ein geeignetes experimentelles Paradigma auswählen und eine Studie konzipieren, die in der Lage ist, die relevanten neuronalen Prozesse zu isolieren. Diese Entscheidungen prägen die Qualität der Daten und die Schlussfolgerungen, die aus der Studie gezogen werden können.

Dieser Artikel befasst sich mit den wichtigsten Überlegungen beim Entwurf eines ERP-Experiments – von der Formulierung einer Forschungsfrage bis hin zur Erhebung zuverlässiger, interpretierbarer Daten.

Mit der Forschungsfrage beginnen

Wenn Menschen zum ersten Mal von ereignisbezogenen Potenzialen (ERPs) hören, konzentrieren sie sich oft auf die Technologie. Sie denken an EEG-Elektroden, farbenfrohe Gehirnwellenaufzeichnungen und spezialisierte Software, die neuronale Reaktionen mit Millisekunden-Präzision analysiert.

Erfahrene Forschende betrachten ERP-Studien unterdessen meist ganz anders.

Lange bevor Elektroden angebracht oder Daten erhoben werden, treffen Forschende eine Reihe von Entscheidungen, die bestimmen, ob ein Experiment seine wissenschaftliche Fragestellung beantworten kann. Sie identifizieren den kognitiven Prozess, den sie untersuchen möchten, wählen eine geeignete experimentelle Aufgabe aus, definieren die zu messenden Ereignisse und entwickeln Bedingungen, die es ermöglichen, spezifische neuronale Reaktionen von den vielen gleichzeitig ablaufenden Prozessen zu isolieren [1], [2].

Mit anderen Worten: Erfolgreiche ERP-Forschung beginnt beim experimentellen Design und nicht bei der EEG-Technologie.

Diesen Unterschied zu verstehen, ist einer der wichtigsten Schritte bei der Konzeption einer effektiven ERP-Studie.

Die Forschungsfrage definieren

Ein ERP-Experiment sollte mit einer wissenschaftlichen Fragestellung beginnen und nicht mit einer bestimmten ERP-Komponente.

Beispielsweise möchte ein Forscher vielleicht verstehen, wie sich die Aufmerksamkeit beim Lernen verändert, wie das Arbeitsgedächtnis aktualisiert wird, wie Menschen Fehler erkennen oder wie das Gehirn auf unerwartete Reize reagiert. Jede dieser Fragen spiegelt einen anderen kognitiven Prozess wider und erfordert möglicherweise ein anderes experimentelles Paradigma.

Sobald die Forschungsfrage feststeht, können Forschende die ERP-Komponenten auswählen, die am wahrscheinlichsten Einblicke in diesen Prozess bieten. Komponenten wie die P300, N170, Mismatch Negativity (MMN) oder die Error-Related Negativity (ERN) sind wertvoll, da jahrzehntelange Forschung sie mit spezifischen Aspekten der Wahrnehmung, Aufmerksamkeit, des Gedächtnisses oder der kognitiven Kontrolle verknüpft hat [2]. Die ERP-Komponente wird somit zu einem Werkzeug zur Untersuchung der Kognition und nicht zum eigentlichen Ziel der Studie.

Diese Reihenfolge ist wichtig, da das Versuchsdesign immer der Forschungsfrage dienen sollte. Wenn man mit einer kognitiven Hypothese beginnt, wird sichergestellt, dass jede nachfolgende Entscheidung – vom Aufgabendesign bis zur statistischen Analyse – das wissenschaftliche Ziel unterstützt.

Aufgaben entwerfen, die Gehirnaktivität isolieren

Eine der größten Stärken ereignisbezogener Potenziale ist ihre außergewöhnliche zeitliche Auflösung, die es Forschenden ermöglicht, neuronale Aktivität im Millisekundentakt zu beobachten. Diese Präzision stellt jedoch auch eine Herausforderung dar.

In jedem gegebenen Moment führt das Gehirn mehrere kognitive Operationen gleichzeitig aus. Visuelle Wahrnehmung, Aufmerksamkeit, Gedächtnis, Entscheidungsfindung und motorische Vorbereitung können sich zeitlich überschneiden und gemeinsam zu dem an der Kopfoberfläche aufgezeichneten EEG-Signal beitragen.

Daher besteht die Herausforderung für Forschende darin, ein Experiment zu konzipieren, das den spezifischen zu untersuchenden kognitiven Prozess isoliert und gleichzeitig den Einfluss nicht relevanter neuronaler Aktivität minimiert.

Kappenman et al. erklären, dass die bloße Aufzeichnung von EEG-Daten während eines beliebigen Experiments selten Daten liefert, die eindeutig interpretiert werden können. Stattdessen sollten ERP-Experimente so gestaltet sein, dass sich die untersuchte kognitive Operation unterscheidet, während irrelevante Faktoren so konsistent wie möglich bleiben. Dadurch wird es einfacher, Veränderungen im ERP-Signalverlauf dem untersuchten Prozess zuzuordnen und nicht anderer, gleichzeitiger neuronaler Aktivität [3].

Forschende erreichen dies durch sorgfältig kontrollierte experimentelle Paradigmen. Oddball-Aufgaben, Go/No-Go-Paradigmen, Flanker-Aufgaben, Stroop-Aufgaben und andere kognitive Paradigmen sind weit verbreitet, da sie zuverlässig spezifische kognitive Prozesse ansprechen und gleichzeitig unnötige Variabilität begrenzen. Die Auswahl der geeigneten Aufgabe ist daher genauso wichtig wie die Auswahl der ERP-Komponente selbst.

Paradigma

Was die teilnehmende Person tut

Kognitiver Prozess

Häufig untersuchte Komponenten

Oddball

Reagiert auf seltene Zielreize unter häufigen Standardreizen

Erkennung unerwarteter oder aufgabenrelevanter Reize

P300 (ungefähr 250–500 ms)

Passiver auditiver Oddball

Hört zu, ohne zu reagieren, während seltene Töne auftreten

Automatische Erkennung auditiver Veränderungen

Mismatch Negativity (ungefähr 100–250 ms)

Go/No-Go

Reagiert auf „Go“-Reize, hält bei „No-Go“ inne

Reaktionshemmung (Inhibition)

N2 und P3

Flanker

Identifiziert ein zentrales Ziel, das von Distraktoren umgeben ist

Konflikt- und Fehlerüberwachung

Error-Related Negativity (innerhalb von etwa 100 ms nach einem Fehler)

Stroop

Nennt die Druckfarbe kongruenter oder inkongruenter Wörter

Interferenz und kognitive Kontrolle

N450

Gesichter- vs. Objektbetrachtung

Betrachtet Gesichter und Bilder ohne Gesichter

Gesichtswahrnehmung

N170

Ereignisse sind wichtiger als kontinuierliche Aufzeichnungen

Im Gegensatz zu traditionellen EEG-Analysen, die möglicherweise die laufende neuronale Aktivität untersuchen, konzentriert sich die ERP-Forschung auf die Reaktion des Gehirns auf bestimmte Ereignisse.

Ein Ereignis kann die Präsentation eines Bildes, das Erscheinen eines Wortes, ein Ton, der Tastendruck einer Testperson oder ein Feedback darüber sein, ob eine Antwort richtig war. Diese präzise getimten Ereignisse ermöglichen es Forschenden, EEG-Aufzeichnungen über wiederholte Durchgänge (Trials) hinweg auszurichten und durchschnittliche neuronale Reaktionen zu berechnen, die ereignisbezogene Aktivität aufdecken [1].

Da ERP-Analysen auf einem exakten Timing beruhen, sind Event-Marker eines der kritischsten Elemente des Studiendesigns. Selbst kleine Unstimmigkeiten zwischen Stimuluspräsentation und Ereignismarkierung können Latenzmessungen beeinflussen – insbesondere dann, wenn Forschende schnelle kognitive Prozesse untersuchen, die sich über nur wenige hundert Millisekunden erstrecken.

Neuere Validierungsstudien haben zudem gezeigt, wie wichtig eine präzise Ereignismarkierung für verlässliche ERP-Messungen mit tragbaren EEG-Systemen ist [4].

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

Die Wahl der richtigen Anzahl von Durchgängen (Trials)

Anders als viele Verhaltensexperimente stützen sich ERP-Studien nicht auf eine einzelne Beobachtung. Stattdessen präsentieren Forschende denselben Ereignistyp viele Male und bilden den Durchschnitt der resultierenden EEG-Antworten. Dieser Prozess reduziert die kontinuierliche Hintergrundaktivität und bewahrt gleichzeitig die neuronale Reaktion, die konsistent nach jedem Ereignis auftritt [1], [2].

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

Die Anzahl der erforderlichen Durchgänge hängt von mehreren Faktoren ab, darunter:

  • Die gemessene ERP-Komponente

  • Die erwartete Variabilität der Reaktion

  • Die Gesamtqualität der aufgezeichneten Daten.

Komponenten mit kleineren Amplituden oder größerer Variabilität erfordern oft zusätzliche Durchgänge, um ein akzeptables Signal-Rausch-Verhältnis zu erzielen. Gleichzeitig müssen Forschende die praktischen Grenzen der Datenerhebung berücksichtigen. Längere Experimente können zu Ermüdung, vermehrten Bewegungen und nachlassender Aufmerksamkeit der Teilnehmenden führen, was wiederum zusätzliche Artefakte in die Aufzeichnung einbringen kann [1].

Die Konzeption einer effektiven ERP-Studie erfordert daher ein Abwägen zwischen statistischer Zuverlässigkeit und dem Wohlbefinden der Probanden. Anstatt so viele Durchgänge wie möglich zu sammeln, zielen Forschende darauf ab, genügend qualitativ hochwertige Beobachtungen zu erhalten, um die wissenschaftliche Fragestellung zu beantworten und gleichzeitig das Engagement der Teilnehmenden während des gesamten Experiments aufrechtzuerhalten.

Faktor

Auswirkung auf benötigte Durchgänge

Reaktion im Versuchsdesign

Komponente mit kleiner Amplitude

Mehr Durchgänge für ein akzeptables Signal-Rausch-Verhältnis

Diese Komponente bei der Versuchsplanung priorisieren

Hohe Reaktionsvariabilität

Mehr Durchgänge zur Stabilisierung des Mittelwerts

Pilotstudie zur Abschätzung der Variabilität vor der Hauptstudie

Erwarteter Datenverlust bei der Vorverarbeitung

Weniger verwertbare Durchgänge als aufgezeichnet

Zusätzliche Durchgänge aufzeichnen, um verworfene Epochen auszugleichen

Ermüdung der Teilnehmenden

Längere Sitzungen führen zu mehr Bewegungen und Lidschlägen

Pausen einbauen; Sitzungsdauer realistisch halten

Ausbalancieren der experimentellen Kontrolle

Jedes ERP-Experiment enthält Variablen, die Forschende untersuchen möchten, und Variablen, die sie kontrollieren möchten.

Angenommen, eine Forscherin möchte anhand eines Oddball-Paradigmas untersuchen, wie das Gehirn auf unerwartete Ereignisse reagiert. Im Idealfall besteht der Hauptunterschied zwischen den Versuchsbedingungen in der Wahrscheinlichkeit des Zielreizes und nicht in Veränderungen der Helligkeit des Stimulus, der Reaktionszuordnung oder der Aufgabenschwierigkeit. Wenn sich mehrere Variablen gleichzeitig ändern, wird es schwierig festzustellen, welcher Faktor die beobachteten ERP-Unterschiede hervorgerufen hat.

Aus diesem Grund konzipieren Forschende Experimente sorgfältig so, dass nicht relevante Faktoren über die Bedingungen hinweg so konsistent wie möglich bleiben. Kappenman et al. betonen, dass ein durchdachtes Versuchsdesign unerlässlich ist, um den untersuchten kognitiven Prozess zu isolieren, anstatt mehrere sich überlappende neuronale Prozesse gleichzeitig zu messen [3].

Eine gängige Strategie ist die Verwendung von Differenzkurven (Difference Waves), die ERP-Reaktionen zwischen sorgfältig aufeinander abgestimmten Versuchsbedingungen vergleichen. Durch die Subtraktion der Aktivität, die beiden Bedingungen gemeinsam ist, können Forschende die neuronale Reaktion, die mit der experimentellen Manipulation verbunden ist, klarer untersuchen. Obwohl Differenzkurven nicht jede methodische Herausforderung beseitigen, veranschaulichen sie ein wichtiges Prinzip der ERP-Forschung: Eine aussagekräftige Interpretation hängt von einem sorgfältigen Versuchsdesign ab, lange bevor die statistische Analyse beginnt [3].

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

Planung für hohe Datenqualität

Viele Faktoren, die die ERP-Datenqualität beeinflussen, werden bereits festgelegt, bevor die erste Person das Experiment durchführt.

Sitzungslänge, Komfort für die Probanden, Aufgabenschwierigkeit und Aufzeichnungsverfahren wirken sich alle auf die Qualität des EEG-Signals aus. Lange oder anstrengende Experimente können zu mehr Ermüdung, Bewegung und Lidschlägen führen, während unklare Anweisungen unnötige Variabilität bei den Antworten der Teilnehmenden hervorrufen können. Diese praktischen Erwägungen beeinflussen nicht nur die Erfahrung der Teilnehmenden, sondern auch die Zuverlässigkeit der resultierenden Daten.

Auch das Artefaktmanagement beginnt bereits während der Studienplanung und nicht erst nach der Datenerhebung. Obwohl moderne Vorverarbeitungstechniken den Einfluss bestimmter Artefakte reduzieren können, können sie ein schlechtes Versuchsdesign oder durchgehend verrauschte Aufnahmen nicht kompensieren.

Pütz et al. empfehlen, die Datenqualität während des gesamten Planungsprozesses zu berücksichtigen, indem realistische Aufzeichnungssitzungen konzipiert, klare Anweisungen für die Teilnehmenden bereitgestellt und ausreichend Durchgänge gesammelt werden, um Datenverluste während der Vorverarbeitung auszugleichen [1].

Eine vorausschauende Planung der Datenqualität trägt dazu bei, vermeidbare Probleme bei der Analyse zu reduzieren, und stärkt das Vertrauen in die Endergebnisse.

Interpretation beginnt vor der Analyse

Eine der wichtigsten Lektionen in der ERP-Methodik ist, dass die Interpretation lange vor der eigentlichen Untersuchung der Daten beginnt.

ERP-Signalverläufe offenbaren nicht automatisch die Bedeutung eines kognitiven Prozesses. Stattdessen interpretieren Forschende einzelne ERP-Komponenten auf der Grundlage jahrzehntelanger experimenteller Evidenz, die diese Komponenten unter bestimmten Versuchsbedingungen mit bestimmten neuronalen Funktionen verknüpft [2]. Die Schlussfolgerungen, die aus einer ERP-Studie gezogen werden können, hängen daher nicht nur von den aufgezeichneten Daten ab, sondern auch von der Güte des Versuchsdesigns und der vorhandenen wissenschaftlichen Fachliteratur.

Kappenman et al. stellen fest, dass die Interpretation einer ERP-Komponente davon abhängt, wie gut frühere Forschungen ihre Beziehung zu dem untersuchten kognitiven Prozess etabliert haben. Komponenten mit einer stärkeren Konstruktvalidität stützen sicherere Schlussfolgerungen, während andere mehr Vorsicht und die Berücksichtigung alternativer Erklärungen erfordern [3]. Ein sorgfältiges Studiendesign trägt dazu bei, dass die beobachteten neuronalen Reaktionen sinnvoll mit der Forschungsfrage verknüpft und nicht auf unkontrollierte experimentelle Faktoren zurückgeführt werden können.

Wenn Forschende bereits in der Planungsphase über die Interpretation nachdenken, ermutigt sie das dazu, Experimente zu entwerfen, die in der Lage sind, bedeutsame wissenschaftliche Fragen zu beantworten, anstatt einfach nur statistisch signifikante Ergebnisse zu liefern.

Die Zukunft der ERP-Forschung

Ereignisbezogene Potenziale sind seit Jahrzehnten ein Eckpfeiler der kognitiven Neurowissenschaften, doch das Fachgebiet entwickelt sich ständig weiter. Fortschritte in der tragbaren EEG-Technologie, verbesserte experimentelle Software und immer ausgefeiltere Analysemethoden erweitern die Möglichkeiten, wo und wie ERP-Forschung betrieben werden kann.

Gleichzeitig bleiben die grundlegenden Prinzipien des ERP-Studiendesigns bemerkenswert beständig. Ein gut konzipiertes Experiment beginnt mit einer klaren wissenschaftlichen Fragestellung, wählt ein geeignetes kognitives Paradigma aus, kontrolliert experimentelle Variablen sorgfältig und interpretiert Ergebnisse im Kontext der etablierten Neurowissenschaften. Während neue Technologien die Datenerhebung und -analyse weiter verbessern, bleibt ein durchdachtes Versuchsdesign das Fundament einer aussagekräftigen ERP-Forschung [1], [2].

Da sich ERP-Studien über traditionelle Laborumgebungen hinaus in Klassenzimmer, Arbeitsplätze und andere reale Umgebungen verlagern, gewinnen diese Prinzipien zunehmend an Bedeutung. Unabhängig davon, wo Daten erhoben werden, hilft eine sorgfältige Planung Forschenden dabei, neuronale Aktivität zuverlässig mit den kognitiven Prozessen in Beziehung zu setzen, die sie verstehen möchten.

Wichtigste Erkenntnisse

  • Effektive ERP-Studien beginnen mit einer klar definierten Forschungsfrage und nicht mit einer bestimmten ERP-Komponente.

  • Experimentelle Aufgaben sollten den untersuchten kognitiven Prozess isolieren und gleichzeitig unzusammenhängende Quellen neuronaler Aktivität minimieren.

  • Präzises Ereignis-Timing, ausreichende Durchgangszahlen und eine durchdachte experimentelle Kontrolle tragen alle zu verlässlichen ERP-Messungen bei.

  • Die Berücksichtigung des Probandenkomforts und der Datenqualität vor Beginn der Aufzeichnung kann sowohl das Erlebnis der Teilnehmenden als auch die Zuverlässigkeit der resultierenden Daten verbessern.

  • Eine aussagekräftige Interpretation hängt sowohl von einem sorgfältigen Versuchsdesign als auch von jahrzehntelanger Forschung ab, die ERP-Komponenten mit spezifischen kognitiven Prozessen verknüpft.

Empfohlene Lektüre

Literaturhinweise

[1] C. Pütz, M. Span und M. Lorist, „Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants“, STAR Protocols, Bd. 6, Nr. 2, Art.-Nr. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.

[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2. Aufl. Cambridge, MA: MIT Press, 2014.

[3] E. S. Kappenman et al., „Best Practices for Event-Related Potential Research in Clinical Populations“, Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, Bd. 1, Nr. 2, S. 110–115, 2016.

[4] N. S. Williams, G. M. McArthur und N. A. Badcock, „It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research“, PeerJ, Bd. 9, e10700, 2021.

Das Design einer Studie zu ereignisbezogenen Potenzialen (ERP) umfasst weit mehr als nur die Auswahl eines EEG-Systems oder die Aufzeichnung von Gehirnaktivität. Bevor die Datenerhebung beginnt, müssen Forschende eine klare wissenschaftliche Fragestellung definieren, den kognitiven Prozess bestimmen, den sie untersuchen möchten, ein geeignetes experimentelles Paradigma auswählen und eine Studie konzipieren, die in der Lage ist, die relevanten neuronalen Prozesse zu isolieren. Diese Entscheidungen prägen die Qualität der Daten und die Schlussfolgerungen, die aus der Studie gezogen werden können.

Dieser Artikel befasst sich mit den wichtigsten Überlegungen beim Entwurf eines ERP-Experiments – von der Formulierung einer Forschungsfrage bis hin zur Erhebung zuverlässiger, interpretierbarer Daten.

Mit der Forschungsfrage beginnen

Wenn Menschen zum ersten Mal von ereignisbezogenen Potenzialen (ERPs) hören, konzentrieren sie sich oft auf die Technologie. Sie denken an EEG-Elektroden, farbenfrohe Gehirnwellenaufzeichnungen und spezialisierte Software, die neuronale Reaktionen mit Millisekunden-Präzision analysiert.

Erfahrene Forschende betrachten ERP-Studien unterdessen meist ganz anders.

Lange bevor Elektroden angebracht oder Daten erhoben werden, treffen Forschende eine Reihe von Entscheidungen, die bestimmen, ob ein Experiment seine wissenschaftliche Fragestellung beantworten kann. Sie identifizieren den kognitiven Prozess, den sie untersuchen möchten, wählen eine geeignete experimentelle Aufgabe aus, definieren die zu messenden Ereignisse und entwickeln Bedingungen, die es ermöglichen, spezifische neuronale Reaktionen von den vielen gleichzeitig ablaufenden Prozessen zu isolieren [1], [2].

Mit anderen Worten: Erfolgreiche ERP-Forschung beginnt beim experimentellen Design und nicht bei der EEG-Technologie.

Diesen Unterschied zu verstehen, ist einer der wichtigsten Schritte bei der Konzeption einer effektiven ERP-Studie.

Die Forschungsfrage definieren

Ein ERP-Experiment sollte mit einer wissenschaftlichen Fragestellung beginnen und nicht mit einer bestimmten ERP-Komponente.

Beispielsweise möchte ein Forscher vielleicht verstehen, wie sich die Aufmerksamkeit beim Lernen verändert, wie das Arbeitsgedächtnis aktualisiert wird, wie Menschen Fehler erkennen oder wie das Gehirn auf unerwartete Reize reagiert. Jede dieser Fragen spiegelt einen anderen kognitiven Prozess wider und erfordert möglicherweise ein anderes experimentelles Paradigma.

Sobald die Forschungsfrage feststeht, können Forschende die ERP-Komponenten auswählen, die am wahrscheinlichsten Einblicke in diesen Prozess bieten. Komponenten wie die P300, N170, Mismatch Negativity (MMN) oder die Error-Related Negativity (ERN) sind wertvoll, da jahrzehntelange Forschung sie mit spezifischen Aspekten der Wahrnehmung, Aufmerksamkeit, des Gedächtnisses oder der kognitiven Kontrolle verknüpft hat [2]. Die ERP-Komponente wird somit zu einem Werkzeug zur Untersuchung der Kognition und nicht zum eigentlichen Ziel der Studie.

Diese Reihenfolge ist wichtig, da das Versuchsdesign immer der Forschungsfrage dienen sollte. Wenn man mit einer kognitiven Hypothese beginnt, wird sichergestellt, dass jede nachfolgende Entscheidung – vom Aufgabendesign bis zur statistischen Analyse – das wissenschaftliche Ziel unterstützt.

Aufgaben entwerfen, die Gehirnaktivität isolieren

Eine der größten Stärken ereignisbezogener Potenziale ist ihre außergewöhnliche zeitliche Auflösung, die es Forschenden ermöglicht, neuronale Aktivität im Millisekundentakt zu beobachten. Diese Präzision stellt jedoch auch eine Herausforderung dar.

In jedem gegebenen Moment führt das Gehirn mehrere kognitive Operationen gleichzeitig aus. Visuelle Wahrnehmung, Aufmerksamkeit, Gedächtnis, Entscheidungsfindung und motorische Vorbereitung können sich zeitlich überschneiden und gemeinsam zu dem an der Kopfoberfläche aufgezeichneten EEG-Signal beitragen.

Daher besteht die Herausforderung für Forschende darin, ein Experiment zu konzipieren, das den spezifischen zu untersuchenden kognitiven Prozess isoliert und gleichzeitig den Einfluss nicht relevanter neuronaler Aktivität minimiert.

Kappenman et al. erklären, dass die bloße Aufzeichnung von EEG-Daten während eines beliebigen Experiments selten Daten liefert, die eindeutig interpretiert werden können. Stattdessen sollten ERP-Experimente so gestaltet sein, dass sich die untersuchte kognitive Operation unterscheidet, während irrelevante Faktoren so konsistent wie möglich bleiben. Dadurch wird es einfacher, Veränderungen im ERP-Signalverlauf dem untersuchten Prozess zuzuordnen und nicht anderer, gleichzeitiger neuronaler Aktivität [3].

Forschende erreichen dies durch sorgfältig kontrollierte experimentelle Paradigmen. Oddball-Aufgaben, Go/No-Go-Paradigmen, Flanker-Aufgaben, Stroop-Aufgaben und andere kognitive Paradigmen sind weit verbreitet, da sie zuverlässig spezifische kognitive Prozesse ansprechen und gleichzeitig unnötige Variabilität begrenzen. Die Auswahl der geeigneten Aufgabe ist daher genauso wichtig wie die Auswahl der ERP-Komponente selbst.

Paradigma

Was die teilnehmende Person tut

Kognitiver Prozess

Häufig untersuchte Komponenten

Oddball

Reagiert auf seltene Zielreize unter häufigen Standardreizen

Erkennung unerwarteter oder aufgabenrelevanter Reize

P300 (ungefähr 250–500 ms)

Passiver auditiver Oddball

Hört zu, ohne zu reagieren, während seltene Töne auftreten

Automatische Erkennung auditiver Veränderungen

Mismatch Negativity (ungefähr 100–250 ms)

Go/No-Go

Reagiert auf „Go“-Reize, hält bei „No-Go“ inne

Reaktionshemmung (Inhibition)

N2 und P3

Flanker

Identifiziert ein zentrales Ziel, das von Distraktoren umgeben ist

Konflikt- und Fehlerüberwachung

Error-Related Negativity (innerhalb von etwa 100 ms nach einem Fehler)

Stroop

Nennt die Druckfarbe kongruenter oder inkongruenter Wörter

Interferenz und kognitive Kontrolle

N450

Gesichter- vs. Objektbetrachtung

Betrachtet Gesichter und Bilder ohne Gesichter

Gesichtswahrnehmung

N170

Ereignisse sind wichtiger als kontinuierliche Aufzeichnungen

Im Gegensatz zu traditionellen EEG-Analysen, die möglicherweise die laufende neuronale Aktivität untersuchen, konzentriert sich die ERP-Forschung auf die Reaktion des Gehirns auf bestimmte Ereignisse.

Ein Ereignis kann die Präsentation eines Bildes, das Erscheinen eines Wortes, ein Ton, der Tastendruck einer Testperson oder ein Feedback darüber sein, ob eine Antwort richtig war. Diese präzise getimten Ereignisse ermöglichen es Forschenden, EEG-Aufzeichnungen über wiederholte Durchgänge (Trials) hinweg auszurichten und durchschnittliche neuronale Reaktionen zu berechnen, die ereignisbezogene Aktivität aufdecken [1].

Da ERP-Analysen auf einem exakten Timing beruhen, sind Event-Marker eines der kritischsten Elemente des Studiendesigns. Selbst kleine Unstimmigkeiten zwischen Stimuluspräsentation und Ereignismarkierung können Latenzmessungen beeinflussen – insbesondere dann, wenn Forschende schnelle kognitive Prozesse untersuchen, die sich über nur wenige hundert Millisekunden erstrecken.

Neuere Validierungsstudien haben zudem gezeigt, wie wichtig eine präzise Ereignismarkierung für verlässliche ERP-Messungen mit tragbaren EEG-Systemen ist [4].

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

Die Wahl der richtigen Anzahl von Durchgängen (Trials)

Anders als viele Verhaltensexperimente stützen sich ERP-Studien nicht auf eine einzelne Beobachtung. Stattdessen präsentieren Forschende denselben Ereignistyp viele Male und bilden den Durchschnitt der resultierenden EEG-Antworten. Dieser Prozess reduziert die kontinuierliche Hintergrundaktivität und bewahrt gleichzeitig die neuronale Reaktion, die konsistent nach jedem Ereignis auftritt [1], [2].

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

Die Anzahl der erforderlichen Durchgänge hängt von mehreren Faktoren ab, darunter:

  • Die gemessene ERP-Komponente

  • Die erwartete Variabilität der Reaktion

  • Die Gesamtqualität der aufgezeichneten Daten.

Komponenten mit kleineren Amplituden oder größerer Variabilität erfordern oft zusätzliche Durchgänge, um ein akzeptables Signal-Rausch-Verhältnis zu erzielen. Gleichzeitig müssen Forschende die praktischen Grenzen der Datenerhebung berücksichtigen. Längere Experimente können zu Ermüdung, vermehrten Bewegungen und nachlassender Aufmerksamkeit der Teilnehmenden führen, was wiederum zusätzliche Artefakte in die Aufzeichnung einbringen kann [1].

Die Konzeption einer effektiven ERP-Studie erfordert daher ein Abwägen zwischen statistischer Zuverlässigkeit und dem Wohlbefinden der Probanden. Anstatt so viele Durchgänge wie möglich zu sammeln, zielen Forschende darauf ab, genügend qualitativ hochwertige Beobachtungen zu erhalten, um die wissenschaftliche Fragestellung zu beantworten und gleichzeitig das Engagement der Teilnehmenden während des gesamten Experiments aufrechtzuerhalten.

Faktor

Auswirkung auf benötigte Durchgänge

Reaktion im Versuchsdesign

Komponente mit kleiner Amplitude

Mehr Durchgänge für ein akzeptables Signal-Rausch-Verhältnis

Diese Komponente bei der Versuchsplanung priorisieren

Hohe Reaktionsvariabilität

Mehr Durchgänge zur Stabilisierung des Mittelwerts

Pilotstudie zur Abschätzung der Variabilität vor der Hauptstudie

Erwarteter Datenverlust bei der Vorverarbeitung

Weniger verwertbare Durchgänge als aufgezeichnet

Zusätzliche Durchgänge aufzeichnen, um verworfene Epochen auszugleichen

Ermüdung der Teilnehmenden

Längere Sitzungen führen zu mehr Bewegungen und Lidschlägen

Pausen einbauen; Sitzungsdauer realistisch halten

Ausbalancieren der experimentellen Kontrolle

Jedes ERP-Experiment enthält Variablen, die Forschende untersuchen möchten, und Variablen, die sie kontrollieren möchten.

Angenommen, eine Forscherin möchte anhand eines Oddball-Paradigmas untersuchen, wie das Gehirn auf unerwartete Ereignisse reagiert. Im Idealfall besteht der Hauptunterschied zwischen den Versuchsbedingungen in der Wahrscheinlichkeit des Zielreizes und nicht in Veränderungen der Helligkeit des Stimulus, der Reaktionszuordnung oder der Aufgabenschwierigkeit. Wenn sich mehrere Variablen gleichzeitig ändern, wird es schwierig festzustellen, welcher Faktor die beobachteten ERP-Unterschiede hervorgerufen hat.

Aus diesem Grund konzipieren Forschende Experimente sorgfältig so, dass nicht relevante Faktoren über die Bedingungen hinweg so konsistent wie möglich bleiben. Kappenman et al. betonen, dass ein durchdachtes Versuchsdesign unerlässlich ist, um den untersuchten kognitiven Prozess zu isolieren, anstatt mehrere sich überlappende neuronale Prozesse gleichzeitig zu messen [3].

Eine gängige Strategie ist die Verwendung von Differenzkurven (Difference Waves), die ERP-Reaktionen zwischen sorgfältig aufeinander abgestimmten Versuchsbedingungen vergleichen. Durch die Subtraktion der Aktivität, die beiden Bedingungen gemeinsam ist, können Forschende die neuronale Reaktion, die mit der experimentellen Manipulation verbunden ist, klarer untersuchen. Obwohl Differenzkurven nicht jede methodische Herausforderung beseitigen, veranschaulichen sie ein wichtiges Prinzip der ERP-Forschung: Eine aussagekräftige Interpretation hängt von einem sorgfältigen Versuchsdesign ab, lange bevor die statistische Analyse beginnt [3].

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

Planung für hohe Datenqualität

Viele Faktoren, die die ERP-Datenqualität beeinflussen, werden bereits festgelegt, bevor die erste Person das Experiment durchführt.

Sitzungslänge, Komfort für die Probanden, Aufgabenschwierigkeit und Aufzeichnungsverfahren wirken sich alle auf die Qualität des EEG-Signals aus. Lange oder anstrengende Experimente können zu mehr Ermüdung, Bewegung und Lidschlägen führen, während unklare Anweisungen unnötige Variabilität bei den Antworten der Teilnehmenden hervorrufen können. Diese praktischen Erwägungen beeinflussen nicht nur die Erfahrung der Teilnehmenden, sondern auch die Zuverlässigkeit der resultierenden Daten.

Auch das Artefaktmanagement beginnt bereits während der Studienplanung und nicht erst nach der Datenerhebung. Obwohl moderne Vorverarbeitungstechniken den Einfluss bestimmter Artefakte reduzieren können, können sie ein schlechtes Versuchsdesign oder durchgehend verrauschte Aufnahmen nicht kompensieren.

Pütz et al. empfehlen, die Datenqualität während des gesamten Planungsprozesses zu berücksichtigen, indem realistische Aufzeichnungssitzungen konzipiert, klare Anweisungen für die Teilnehmenden bereitgestellt und ausreichend Durchgänge gesammelt werden, um Datenverluste während der Vorverarbeitung auszugleichen [1].

Eine vorausschauende Planung der Datenqualität trägt dazu bei, vermeidbare Probleme bei der Analyse zu reduzieren, und stärkt das Vertrauen in die Endergebnisse.

Interpretation beginnt vor der Analyse

Eine der wichtigsten Lektionen in der ERP-Methodik ist, dass die Interpretation lange vor der eigentlichen Untersuchung der Daten beginnt.

ERP-Signalverläufe offenbaren nicht automatisch die Bedeutung eines kognitiven Prozesses. Stattdessen interpretieren Forschende einzelne ERP-Komponenten auf der Grundlage jahrzehntelanger experimenteller Evidenz, die diese Komponenten unter bestimmten Versuchsbedingungen mit bestimmten neuronalen Funktionen verknüpft [2]. Die Schlussfolgerungen, die aus einer ERP-Studie gezogen werden können, hängen daher nicht nur von den aufgezeichneten Daten ab, sondern auch von der Güte des Versuchsdesigns und der vorhandenen wissenschaftlichen Fachliteratur.

Kappenman et al. stellen fest, dass die Interpretation einer ERP-Komponente davon abhängt, wie gut frühere Forschungen ihre Beziehung zu dem untersuchten kognitiven Prozess etabliert haben. Komponenten mit einer stärkeren Konstruktvalidität stützen sicherere Schlussfolgerungen, während andere mehr Vorsicht und die Berücksichtigung alternativer Erklärungen erfordern [3]. Ein sorgfältiges Studiendesign trägt dazu bei, dass die beobachteten neuronalen Reaktionen sinnvoll mit der Forschungsfrage verknüpft und nicht auf unkontrollierte experimentelle Faktoren zurückgeführt werden können.

Wenn Forschende bereits in der Planungsphase über die Interpretation nachdenken, ermutigt sie das dazu, Experimente zu entwerfen, die in der Lage sind, bedeutsame wissenschaftliche Fragen zu beantworten, anstatt einfach nur statistisch signifikante Ergebnisse zu liefern.

Die Zukunft der ERP-Forschung

Ereignisbezogene Potenziale sind seit Jahrzehnten ein Eckpfeiler der kognitiven Neurowissenschaften, doch das Fachgebiet entwickelt sich ständig weiter. Fortschritte in der tragbaren EEG-Technologie, verbesserte experimentelle Software und immer ausgefeiltere Analysemethoden erweitern die Möglichkeiten, wo und wie ERP-Forschung betrieben werden kann.

Gleichzeitig bleiben die grundlegenden Prinzipien des ERP-Studiendesigns bemerkenswert beständig. Ein gut konzipiertes Experiment beginnt mit einer klaren wissenschaftlichen Fragestellung, wählt ein geeignetes kognitives Paradigma aus, kontrolliert experimentelle Variablen sorgfältig und interpretiert Ergebnisse im Kontext der etablierten Neurowissenschaften. Während neue Technologien die Datenerhebung und -analyse weiter verbessern, bleibt ein durchdachtes Versuchsdesign das Fundament einer aussagekräftigen ERP-Forschung [1], [2].

Da sich ERP-Studien über traditionelle Laborumgebungen hinaus in Klassenzimmer, Arbeitsplätze und andere reale Umgebungen verlagern, gewinnen diese Prinzipien zunehmend an Bedeutung. Unabhängig davon, wo Daten erhoben werden, hilft eine sorgfältige Planung Forschenden dabei, neuronale Aktivität zuverlässig mit den kognitiven Prozessen in Beziehung zu setzen, die sie verstehen möchten.

Wichtigste Erkenntnisse

  • Effektive ERP-Studien beginnen mit einer klar definierten Forschungsfrage und nicht mit einer bestimmten ERP-Komponente.

  • Experimentelle Aufgaben sollten den untersuchten kognitiven Prozess isolieren und gleichzeitig unzusammenhängende Quellen neuronaler Aktivität minimieren.

  • Präzises Ereignis-Timing, ausreichende Durchgangszahlen und eine durchdachte experimentelle Kontrolle tragen alle zu verlässlichen ERP-Messungen bei.

  • Die Berücksichtigung des Probandenkomforts und der Datenqualität vor Beginn der Aufzeichnung kann sowohl das Erlebnis der Teilnehmenden als auch die Zuverlässigkeit der resultierenden Daten verbessern.

  • Eine aussagekräftige Interpretation hängt sowohl von einem sorgfältigen Versuchsdesign als auch von jahrzehntelanger Forschung ab, die ERP-Komponenten mit spezifischen kognitiven Prozessen verknüpft.

Empfohlene Lektüre

Literaturhinweise

[1] C. Pütz, M. Span und M. Lorist, „Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants“, STAR Protocols, Bd. 6, Nr. 2, Art.-Nr. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.

[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2. Aufl. Cambridge, MA: MIT Press, 2014.

[3] E. S. Kappenman et al., „Best Practices for Event-Related Potential Research in Clinical Populations“, Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, Bd. 1, Nr. 2, S. 110–115, 2016.

[4] N. S. Williams, G. M. McArthur und N. A. Badcock, „It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research“, PeerJ, Bd. 9, e10700, 2021.

Emotiv Black Friday Sale 2026 Banner: Vorzeitiger Zugang vom 9. bis 14. Nov., 20 % Rabatt auf headsets und neue EmotivPRO-Lizenzen mit dem Code BFWEEK20 an der Kasse, zeigt vier Emotiv EEG-headsets auf dunklem Hintergrund.

Weiterlesen

Emotiv Black Friday Sale 2026