Die wichtigste Neuerung bei Gehirn-Computer-Schnittstellen ist nicht das „Gedankenlesen“. Vielmehr liegt sie darin, dass sorgfältig entwickelte Forschungssysteme schnell und präzise genug werden, um nützliche Funktionen wie Sprechen, Cursorsteuerung, Roboterbewegungen und – in einem wegweisenden Fall – gedankengesteuertes Gehen wiederherzustellen. Im Jahr 2025 entwickelten implantierte Sprachsysteme den Sprung von langsamer Textausgabe hin zu nahezu sofortiger Sprachsynthese, während andere Forschungsteams zunehmend differenzierte motorische Steuerung demonstrierten. Ein Übersichtsartikel aus dem Jahr 2026 beschreibt die nächste Forschungsgrenze als den Übergang von der Dekodierung gesprochener Sprache hin zu umfassenderen Sprachrepräsentationen. Diese Fortschritte sind real, befinden sich aber noch größtenteils im experimentellen Stadium und basieren oft nur auf Daten von ein oder wenigen Probanden.
Wenn Sie neu auf diesem Gebiet sind, ist der beste Weg, den Fortschritt zu verstehen, die gesamte Kette zu verfolgen: was eine Gehirn-Computer-Schnittstelle tatsächlich misst, wie Software diese Signale in Befehle umwandelt, welches Gerät diese Befehle empfängt, wie Benutzer mit dem System trainieren und wo die Beweislage stark oder noch vorläufig ist.
Eine Gehirn-Computer-Schnittstelle (BCI) ist ein System, das neuronale Aktivität misst und Muster dieser Aktivität in Befehle für ein externes Gerät oder eine Software umwandelt. Der „Computer“ kann ein herkömmlicher Computer sein, aber die Ausgabe kann auch ein Kommunikationsprogramm, einen Roboterarm, eine Rollstuhlschnittstelle, einen Muskelstimulator oder ein Rückenmarkstimulationssystem steuern.
Der Begriff Neuroprothese wird häufig verwendet, wenn ein System entwickelt wurde, um eine verloren gegangene Funktion des Nervensystems zu ersetzen oder wiederherzustellen. Eine Sprachneuroprothese kann beispielsweise die mit dem Sprechversuch verbundenen Aktivitäten in Text oder synthetische Stimme umwandeln.
Nicht-invasive Gehirn-Computer-Schnittstellen (BCIs) erfassen Aktivität ohne chirurgischen Eingriff, meist mittels Elektroenzephalographie (EEG), die elektrische Signale über Elektroden auf der Kopfhaut misst. Sie vermeiden die Risiken einer Implantation, erfassen die Signale jedoch erst, nachdem diese Gewebe und Schädel durchdrungen haben, wodurch die räumliche Auflösung und die Signalstärke eingeschränkt sind.
Implantierte Gehirn-Computer-Schnittstellen (BCIs) platzieren Elektroden näher am Nervengewebe. Einige Systeme zeichnen Signale von der Kortexoberfläche mittels Elektrokortikographie (ECoG) auf. Andere nutzen intrakortikale Mikroelektroden-Arrays, die die Aktivität von Neuronengruppen innerhalb des Kortex erfassen. Diese Ansätze liefern zwar detailliertere Signale, erfordern jedoch einen chirurgischen Eingriff und bringen die langfristigen technischen Herausforderungen implantierter Medizinprodukte mit sich.
Die US-amerikanische Arzneimittelbehörde FDA hat spezifische Richtlinien für implantierbare Gehirn-Computer-Schnittstellen (BCIs) für Menschen mit Lähmungen oder Amputationen herausgegeben. Diese Richtlinien umfassen präklinische Tests und Aspekte klinischer Studien für Prüfgeräte. Siehe die FDA-Richtlinien zu implantierbaren BCI-Geräten .
Die Ergebnisse des BCI sind aussagekräftiger, wenn man vier Fragen stellt, bevor man sich eine Leistungszahl ansieht.
| Frage | Warum es wichtig ist |
|---|---|
| Welches Signal wird aufgezeichnet? | Skalp-EEG, kortikale Oberflächenableitungen und intrakortikale Ableitungen liefern sehr unterschiedliche Signalqualitäten und erfordern unterschiedliche Grade der Invasivität. |
| Was wird entschlüsselt? | Cursorrichtung, versuchte Fingerbewegungen, versuchte Sprache und innere Sprache sind unterschiedliche Aufgaben mit unterschiedlichem Schwierigkeitsgrad und unterschiedlichen Auswirkungen auf die Privatsphäre. |
| Was empfängt das Ausgangssignal? | Eine Gehirn-Computer-Schnittstelle (BCI) kann Software, ein Robotergerät, Muskeln oder einen Rückenmarkstimulator steuern. „Wiederhergestellte Bewegung“ bedeutet nicht zwangsläufig, dass der zugrunde liegende biologische Prozess geheilt ist. |
| Wie viele Personen wurden getestet? | Viele der Aufsehen erregenden Studien zu implantierten Gehirn-Computer-Schnittstellen (BCI) sind frühe Machbarkeitsstudien an einem oder einer Handvoll Teilnehmern. |
Dieser letzte Punkt ist von entscheidender Bedeutung. Ein Ergebnis kann wissenschaftlich bedeutsam und für einen Teilnehmer lebensverändernd sein, auch wenn es noch weit von einer Behandlung entfernt ist, deren Wirksamkeit an einer großen, heterogenen Patientenpopulation nachgewiesen wurde.
Die Schnittstelle erfasst zunächst ein Signal, das mit der beabsichtigten Aktion des Nutzers zusammenhängt. Bei motorischen Gehirn-Computer-Schnittstellen (BCIs) zeichnen Forscher häufig die Aktivität von Bereichen des motorischen Kortex auf, die an der Planung oder Ausführung von Bewegungen beteiligt sind. Bei Sprach-BCIs erfassen Elektroden die Aktivität, die mit den Bewegungen und Lautmustern beim Sprechen verbunden ist.
Das BCI durchsucht üblicherweise nicht das gesamte Gehirn nach einem abstrakten Gedanken. Es nutzt wiederholbare neuronale Muster, die mit einer definierten Aufgabe korrelieren.
Ein Decoder ist ein Algorithmus, der neuronale Aktivität einer beabsichtigten Ausgabe zuordnet. Während der Kalibrierung kann der Teilnehmer Bewegungen ausführen, sich Bewegungen vorstellen, vorgegebene Sätze sprechen oder eine andere strukturierte Aufgabe bearbeiten. Modelle des maschinellen Lernens ermitteln statistische Zusammenhänge zwischen den aufgezeichneten neuronalen Mustern und der beabsichtigten Handlung.
Die Kalibrierung ist wichtig, da neuronale Signale individuell variieren und sich im Laufe der Zeit verändern können. Hochleistungssysteme nutzen zunehmend adaptive Software, sodass die Kartierung auch dann noch aussagekräftig bleibt, wenn Aufzeichnungen abweichen oder der Benutzer geübter wird.
Das dekodierte Ergebnis wird zu einer Aktion. Im Bereich der Kommunikation kann die Ausgabe Text oder synthetische Sprache sein. Im Bereich der Bewegung kann es sich um eine Cursorbewegung, einen Roboterarmbefehl, ein Muskelstimulationsmuster oder ein Rückenmarkstimulationsmuster handeln.
Ein nützliches BCI ist üblicherweise ein geschlossenes System: Der Nutzer sieht, hört oder fühlt das Ergebnis und passt seinen nächsten Versuch entsprechend an. Das Feedback kann über einen Bildschirm, eine synthetische Stimme, die visuelle Darstellung eines sich bewegenden Roboterarms oder die physische Empfindung beim Stehen und Gehen erfolgen. Nutzer und Algorithmus passen sich effektiv aneinander an.
„Wiederherstellung der Mobilität“ umfasst verschiedene Funktionsebenen, von der Bewegung eines Cursors bis zur Steuerung einer Robotergliedmaße oder der Wiederherstellung der Verbindung von Gehirnbefehlen mit den spinalen Schaltkreisen, die das Gehen erzeugen.
Eine Studie aus dem Jahr 2025, veröffentlicht in Nature Medicine, berichtete über ein leistungsstarkes implantiertes Gehirn-Computer-Interface (BCI), das bei einem Teilnehmer mit Tetraplegie infolge einer Rückenmarksverletzung drei unabhängige Fingergruppen dekodierte. Der Daumen konnte zweidimensional gesteuert werden, was insgesamt vier Freiheitsgrade ermöglichte. Der Teilnehmer nutzte das System für Aufgaben zur Zielauswahl und zur Steuerung eines Quadcopter-Spiels. Dies ist relevant, da eine präzise, fingerähnliche Steuerung der Flexibilität, die man von der alltäglichen Computerinteraktion erwartet, näher kommt als ein einfacher Links-Rechts-Befehl. Lesen Sie die Originalstudie zur Fingersteuerung mittels BCI in Nature Medicine .
Das Ergebnis bedeutet nicht, dass die gelähmten Finger des Teilnehmers ihre normale Beweglichkeit wiedererlangt haben. Die Gehirn-Computer-Schnittstelle (BCI) dekodierte die beabsichtigte Fingerbewegung und leitete sie an ein digitales Steuerungssystem weiter. Diese Unterscheidung – zwischen der Wiederherstellung der Kontrolle und der Reparatur des ursprünglichen biologischen Schaltkreises – ist eines der wichtigsten Konzepte für Einsteiger.
Ein direkteres Beispiel für körperliche Mobilität lieferte eine Studie aus dem Jahr 2023, veröffentlicht in Nature. Forscher entwickelten eine Gehirn-Rückenmark-Schnittstelle – eine digitale Brücke, die Bewegungsabsichten des Gehirns aufzeichnete und diese zur Steuerung der epiduralen elektrischen Stimulation des Rückenmarks unterhalb einer Verletzung nutzte. Bei einem Teilnehmer mit chronischer Tetraplegie unterstützte das System Stehen, Gehen, Treppensteigen und die Fortbewegung in anspruchsvollerem Gelände. Die Studie berichtete über eine stabile Nutzung über ein Jahr, einschließlich der selbstständigen Nutzung zu Hause, und beschrieb zudem eine neurologische Erholung, die es dem Teilnehmer ermöglichte, selbst bei ausgeschalteter Schnittstelle mit Krücken zu gehen. Lesen Sie die Originalstudie zur Gehirn-Rückenmark-Schnittstelle in Nature .
Dies ist ein aussagekräftiger Machbarkeitsnachweis, jedoch handelte es sich um eine Demonstration mit nur einem Teilnehmer. Er sollte nicht als Beweis dafür interpretiert werden, dass dasselbe Ergebnis derzeit für alle Menschen mit Rückenmarksverletzungen verfügbar oder garantiert ist.
Die Sprachtechnologie hat sich besonders schnell weiterentwickelt, weil eine Gehirn-Computer-Schnittstelle (BCI) die neuronale Aktivität nutzen kann, die beim Sprechen entsteht, selbst wenn eine Lähmung die Muskeln daran hindert, verständliche Laute zu erzeugen.
In einer 2024 von den National Institutes of Health (NIH) zusammengefassten Studie implantierten Forscher einem Mann mit amyotropher Lateralsklerose (ALS), einer fortschreitenden Erkrankung, die die motorischen Nervenzellen schädigt, vier Arrays mit je 64 Mikroelektroden. Das System dekodierte Sprachversuche in Wörter. Nach etwa 16 Stunden Nutzung berichtete die Studie von einer Worterkennungsrate von ca. 97,5 % und einer Kommunikationsrate von etwa 32 Wörtern pro Minute. Die Leistung blieb während des gesamten Studienzeitraums von über acht Monaten erhalten. Siehe die NIH-Zusammenfassung der Studie zur Sprachneuroprothese aus dem Jahr 2024 .
Diese Ergebnisse wurden an einem einzelnen Probanden erzielt und basierten auf Kalibrierung, neuronalen Aufzeichnungen, maschinellem Lernen und einem externen Rechensystem. Die Zahl sollte daher als Studienergebnis und nicht als allgemeingültiger Genauigkeitswert für sprachgesteuerte Gehirn-Computer-Schnittstellen (BCIs) verstanden werden.
Die nächste Herausforderung war das richtige Timing im Gespräch. Textnachrichten können die Kommunikation zwar wiederherstellen, aber ein natürliches Gespräch setzt voraus, dass man die Stimme schnell genug hört, um abwechselnd sprechen zu können, zu unterbrechen, die Betonung zu ändern und ohne lange Pausen zu reagieren.
Eine 2025 in Nature veröffentlichte Studie demonstrierte eine sofort wirksame Sprachsynthese-Neuroprothese bei einem ALS-Patienten. Vier implantierte Arrays mit 256 Mikroelektroden zeichneten die neuronale Aktivität des sprachbezogenen motorischen Kortex auf. Das System synthetisierte verständliche Sprache mit sehr geringer Latenz und ermöglichte eine gewisse Modulation von Intonation und Tonhöhe, einschließlich kurzer Melodien. Lesen Sie die Originalstudie zur Sprachsynthese in Nature aus dem Jahr 2025. Die UC Davis betonte, dass sich dieses Gerät noch im Forschungsstadium befindet und die Ergebnisse an einer größeren Teilnehmergruppe bestätigt werden müssen; siehe den Studienbericht und den Kontext der Studie der UC Davis .
Eine weitere, vom NIH finanzierte Studie aus dem Jahr 2025 untersuchte einen anderen Implantationsansatz bei einer Frau, die nach einem Schlaganfall 18 Jahre lang nicht sprechen konnte. Das System dekodierte Sprachversuche kontinuierlich in hörbare Wörter und erreichte mit seinem vollständigen Vokabular 47,5 Wörter pro Minute. Mit einem begrenzten Vokabular von 50 Wörtern war die Leistung sogar noch höher. Laut NIH konnte sprachbezogene Hirnaktivität in weniger als einer Viertelsekunde in hörbare Sprache übersetzt werden. Siehe den NIH-Bericht zur Streaming-Gehirn-zu-Sprache-Synthese .
Hier wird die Sprache der Science-Fiction besonders irreführend. Aktuelle, leistungsstarke Sprach-BCIs funktionieren im Allgemeinen am besten, wenn ein Nutzer bewusst versucht zu sprechen. Dadurch entsteht ein starkes, aufgabenspezifisches neuronales Signal. Dies ist nicht gleichzusetzen mit dem freien Lesen beliebiger privater Gedanken.
Dennoch untersuchen Forscher die innere Sprache , also still gedachte Wörter oder Sätze. 2025 berichtete ein Team unter der Leitung von Stanford, dass die innere Sprache anhand von Aufzeichnungen des motorischen Kortex bei vier Teilnehmern mit schweren motorischen und sprachlichen Beeinträchtigungen dekodiert werden konnte. Die Forscher behandelten auch den Datenschutz als Designproblem: Sie testeten Methoden, um versucht zu sprechen von innerer Sprache zu unterscheiden, und demonstrierten eine passwortähnliche Strategie, die eine unbeabsichtigte Dekodierung verhindern soll. Stanford weist ausdrücklich darauf hin, dass implantierte Gehirn-Computer-Schnittstellen (BCIs) sich noch in einem frühen Forschungsstadium befinden und die aktuellen Systeme nicht die nötige Auflösung besitzen, um unkontrollierte private Gedanken präzise zu dekodieren. Siehe die Erklärung der Studie zur inneren Sprache von Stanford Medicine .
Im Jahr 2026 beschrieben Forscher in Nature Reviews Bioengineering einen möglichen Übergang von sprachbasierten Gehirn-Computer-Schnittstellen ( BCIs) zu solchen , die möglicherweise eines Tages höhere konzeptuelle Repräsentationen entschlüsseln können. Dies ist eine Forschungsrichtung, kein demonstrierter allgemeiner Gedankenleser. Lesen Sie den Artikel in Nature Reviews Bioengineering aus dem Jahr 2026 .
Für potenzielle Anwender ist dies kein Gerät, das man einfach kaufen, einschalten und dessen Funktion erwarten kann. Aktuell implantierte Systeme werden in der Regel im Rahmen von Forschungsstudien mit klar definierten Einschlusskriterien evaluiert.
Ein EEG-Headset, ein ECoG-Array, ein intrakortikales Mikroelektrodenimplantat und ein Hirn-Rückenmark-Stimulationssystem weisen unterschiedliche Signalqualitäten, Risiken, Ziele und klinische Behandlungspfade auf. Ergebnisse einer Kategorie sollten nicht ohne Weiteres auf eine andere übertragen werden.
Die meisten erfolgreichen Systeme werden anhand eng definierter Aufgaben trainiert. Sie erkennen statistische Muster, die mit Sprach- oder Bewegungsversuchen verbunden sind, und ordnen diese einer Ausgabe zu. Das ist eine beeindruckende neuronale Dekodierung, aber kein uneingeschränkter Zugriff auf alles, was eine Person denkt oder weiß.
Eine Gehirn-Computer-Schnittstelle (BCI) allein kann eine gelähmte Extremität nicht bewegen. Sie muss Befehle an eine bestimmte Stelle senden. Dies kann ein Roboterarm, ein Cursor, eine funktionelle elektrische Muskelstimulation oder ein Rückenmarkstimulator sein. Der gesamte Signalweg bestimmt, was „Wiederherstellung“ tatsächlich bedeutet.
Einige der wichtigsten Demonstrationen auf diesem Gebiet – darunter die natürliche Sprachsynthese durch Gehirnaktivität und die Gehfähigkeit des Gehirns in Verbindung mit der Wirbelsäulensteuerung – wurden an einzelnen Probanden durchgeführt. Frühe Machbarkeitsstudien beantworten die Frage „Kann das funktionieren?“, bevor größere Studien die Fragen „Wie zuverlässig, für wen und mit welchen Risiken?“ beantworten können.
Der praktische Nutzen hängt auch von der Latenz, dem Kalibrierungsaufwand, der langfristigen Signalstabilität, der Fehlerkorrektur, dem Komfort, den Bedürfnissen der Pflegeperson, der Verwendbarkeit zu Hause, der Reparierbarkeit und der Frage ab, ob der Benutzer das System ohne die ständige Anwesenheit eines Forschungsteams bedienen kann.
Die Langzeitstabilität stellt eine große Herausforderung dar. Neuronale Aufzeichnungen können sich verändern, wenn sich Elektroden, Gewebe, Hardware oder physiologische Gegebenheiten ändern. Ein System, das in einer Laborsitzung gute Ergebnisse liefert, muss auch über Monate und Jahre hinweg zuverlässig funktionieren.
Die Praktikabilität der Hardware ist ebenso wichtig. Viele Forschungssysteme sind nach wie vor auf externe Computer, Kabel, Spezialanschlüsse oder Laborinfrastruktur angewiesen. Vollständig implantierbare und drahtlose Systeme könnten die tägliche Nutzbarkeit verbessern, müssen aber hohe Anforderungen an Stromversorgung, Wärmeentwicklung, Datenübertragung, Cybersicherheit und Zuverlässigkeit erfüllen.
Die klinische Evidenz muss erweitert werden. Forscher benötigen größere und diversere Teilnehmergruppen, geeignete Vergleichsgruppen, aussagekräftige patientenzentrierte Ergebnisparameter und eine lange Nachbeobachtungszeit. Die FDA-Leitlinie für implantierte Gehirn-Computer-Schnittstellen (BCI) trägt dieser Realität Rechnung, indem sie Biokompatibilität, elektrische Sicherheit, Software, Cybersicherheit, gegebenenfalls Tierversuche, Humanfaktoren, klinische Endpunkte und weitere Aspekte berücksichtigt, die für den Übergang von der Machbarkeitsstudie zur Marktzulassung relevant sind.
Mit zunehmender Leistungsfähigkeit der Dekodierungssysteme gewinnen Selbstbestimmung und Datenschutz an Bedeutung. Systeme sollten es dem Nutzer erleichtern, die Ausgabe zu aktivieren und beabsichtigte Befehle von inneren Gedanken zu unterscheiden. Die Forschung zur inneren Sprache ab 2025 ist nicht nur wegen der verbesserten Dekodierung wichtig, sondern auch, weil die Forscher Mechanismen zum Schutz vor unbeabsichtigter Ausgabe getestet haben.
Der klarste Weg führt hin zu Gehirn-Computer-Schnittstellen (BCIs), die schneller, natürlicher und besser in den Alltag integriert sind. Im Bereich der Sprachverarbeitung bedeutet dies den Übergang von der Buchstabenauswahl zur Dekodierung ganzer Wörter und schließlich zur kontinuierlichen Sprachausgabe mit Timing und Ausdruck. Im Bereich der Bewegungsverarbeitung bedeutet es den Übergang von einfacher Cursorsteuerung zu vielfältigen Freiheitsgraden, gemeinsamer Steuerung mit intelligenter Assistenzsoftware und Schnittstellen, die das Nervensystem des Nutzers stimulieren.
Die vielversprechendsten zukünftigen Systeme könnten auch bidirektional sein : Sie würden nicht nur die motorischen Absichten des Gehirns erfassen, sondern auch nützliche sensorische Informationen an das Nervensystem zurücksenden. Sensorisches Feedback könnte die Steuerung robotischer oder stimulierter Bewegungen erleichtern, da der Benutzer nicht mehr allein auf sein Sehvermögen angewiesen wäre.
Dennoch ist der Weg von beeindruckenden Forschungsergebnissen zu verlässlicher Medizintechnik lang. Sicherheit, Langlebigkeit, Autonomie, Schulungsaufwand, Datenschutz, Bezahlbarkeit und Zugänglichkeit sind genauso wichtig wie die Genauigkeit der Dekodierung.
Die BCI-Technologie ist in einem wichtigen Sinne bereits über Science-Fiction hinaus: In veröffentlichten Studien am Menschen wurde die neuronale Aktivität von gelähmten Menschen genutzt, um Texte zu erzeugen, Sprache zu synthetisieren, komplexe digitale Bewegungen zu steuern und Gehirnbefehle mit der Rückenmarkstimulation für das Gehen zu verbinden.
Doch „Realität“ bedeutet nicht automatisch routinemäßige Verfügbarkeit. Die leistungsstärksten implantierbaren Systeme befinden sich noch in der Erprobungsphase, viele wegweisende Ergebnisse basieren auf sehr wenigen Teilnehmern, und unterschiedliche neurologische Erkrankungen erfordern möglicherweise unterschiedliche Schnittstellen. Um die Entwicklung auf diesem Gebiet zu verfolgen, ist es daher wichtig zu fragen, welches Signal aufgezeichnet wurde, was der Teilnehmer bewusst tat, wie der Decoder trainiert wurde, welches Gerät die Ausgabe empfing, wie viele Personen getestet wurden und wie lange der Nutzen anhielt.
Dieser Rahmen macht die Fortschritte leichter würdigbar, ohne dass sorgfältige Neurotechnik zu einem Versprechen wird, das die Beweislage noch nicht stützt.
Compare seven global programs for digital supply chains, logistics, analytics, global trade, and operations, with practical guidance on choosing the right fit.
Erfahren Sie, wie Gehirn-Computer-Schnittstellen neuronale Signale entschlüsseln, um Kommunikation und Bewegung wiederherzustellen, was aktuelle Studien erreicht haben und was den Einsatz von BCI noch einschränkt.
Erfahren Sie, wie kommerzielle Drohnen Sensoren, Edge-KI, Batterien, Kommunikationssysteme und Flugsteuerungssoftware kombinieren – und wo die Autonomie noch immer von der Mission und den Vorschriften abhängt.
Compare seven strong battery and energy storage master's options by materials, systems, research, industry exposure, flexibility, language, and cost trade-offs.
Erfahren Sie, wie Nutzlastmasse, Batteriegrenzen, Wetterbedingungen, Antriebseffizienz und Flugzeugarchitektur die Reichweite industrieller UAVs beeinflussen – und wie Sie diese verbessern können.
Vergleichen Sie führende Studiengänge im Bereich Biomedizintechnik für intelligente medizinische Geräte, einschließlich Design, Bioelektronik, KI, Cybersicherheit, klinische Ausbildung und Regulierung.
Build a practical Salesforce downtime continuity plan with clear priorities, fallback workflows, recovery checks, testing criteria, and realistic limits.
Probleme mit StoreForce können zu Störungen bei Zeitplänen, Zeiterfassung, Schichtwechseln und der internen Kommunikation führen. Erfahren Sie, wie Sie das Problem diagnostizieren, den Geschäftsbetrieb aufrechterhalten und die Wiederherstellung sicherstellen.
Erfahren Sie, wie Sie den Salesforce-Support während eines größeren Ausfalls kontaktieren, den richtigen Kanal auswählen, einen aussagekräftigen Fall vorbereiten und nachfassen, ohne doppelte Tickets zu erstellen.
Vergleichen Sie herausragende Masterstudiengänge in den Bereichen FinTech und Cybersicherheit weltweit, einschließlich Lehrplan, Format, Karrierechancen und aktuellen Zulassungsinformationen für 2027.
