Mit dem falschen Maßstab gemessen

Von /

Warum Neurofeedback eine Forschung braucht, die zur Methode passt — ein Manifest

Neurofeedback wird an einem Standard gemessen, der für etwas ganz anderes entworfen wurde: für die Prüfung von Medikamenten. Die randomisiert-kontrollierte, doppelverblindete Studie (RCT) ist zu Recht der Goldstandard der Pharmakologie. Aber sie ist kein universelles Naturgesetz der Wirksamkeitsforschung. Sie ist ein Werkzeug, das für eine bestimmte Art von Intervention gebaut wurde — und Neurofeedback ist nicht diese Art von Intervention.

Wenn wir eine Lernmethode mit dem Messinstrument für Pillen prüfen und dann feststellen, dass das Ergebnis unbefriedigend ausfällt, dann liegt der erste Verdacht nahe: Vielleicht ist nicht die Methode das Problem, sondern das Messinstrument. Genau das ist die These dieses Textes. Und sie ist keine Ausrede für schwache Evidenz. Sie ist die Forderung nach der richtigen Evidenz.

Was der Goldstandard eigentlich misst

Die Logik des doppelverblindeten RCT ist bestechend — für Medikamente. Ein Wirkstoff wird dem Körper von außen zugeführt. Um seinen spezifischen Effekt vom Erwartungseffekt zu trennen, gibt man der Kontrollgruppe eine identisch aussehende Pille ohne Wirkstoff. Weder Behandelte noch Behandelnde wissen, wer was bekommt. Der Unterschied, der am Ende übrig bleibt, ist der pharmakologische Effekt der Substanz.

Diese Konstruktion setzt drei Dinge voraus: dass sich der Wirkstoff sauber von seinem „Träger“ trennen lässt, dass eine wirklich inerte Placebo-Bedingung existiert, und dass die Anwendung der Behandlung nichts zur Wirkung beiträgt. Bei einer Tablette treffen alle drei zu. Die Tablette wirkt, ob der Arzt sie mit Überzeugung reicht oder nicht; die Zuckerpille ist tatsächlich wirkungslos; und der Patient muss nichts tun außer schlucken.

Bei Neurofeedback trifft keine dieser drei Voraussetzungen zu. Das ist kein Detail. Das ist der ganze Punkt.

Warum diese Logik bei Neurofeedback bricht

Neurofeedback ist keine Substanz, die man verabreicht. Es ist ein Lernvorgang. Das Gehirn erhält eine Rückmeldung über seine eigene Aktivität und lernt über operante Konditionierung, diese Aktivität zu verändern. Der Wirkmechanismus ist die kontingente Rückmeldung — die Kopplung zwischen dem, was das Gehirn tut, und dem, was der oder die Trainierende auf dem Bildschirm sieht.

Damit zerfällt die Pharma-Analogie an der entscheidenden Stelle. Bei einer Pille ist die Placebo-Kontrolle die Substanz ohne Wirkstoff. Was aber ist die „Substanz ohne Wirkstoff“ bei einem Lernvorgang? Man müsste dem Gehirn eine Rückmeldung geben, die keine echte Rückmeldung ist — also Sham-Feedback, das nicht an die tatsächliche Hirnaktivität gekoppelt ist. Und genau hier entsteht das Problem: Eine Rückmeldung ohne echte Kopplung ist nicht die inaktive Version derselben Behandlung. Sie ist der Entzug des Wirkmechanismus selbst.

Brendan Parsons hat diesen Punkt 2026 präzise formuliert: Sham-Neurofeedback ist nicht inert. Es liefert strukturierte sensorische Rückmeldung, die genau jene Lernmechanismen anspricht, die auch das echte Training nutzt. Rein rechnerisch bleibt in vielen Sham-Bedingungen ein erheblicher Anteil funktional kontingenter Rückmeldung erhalten — in Parsons‘ Analyse in der Größenordnung von rund zwei Dritteln. Ein Sham, das zu zwei Dritteln wie das Verum wirkt, ist keine Placebo-Kontrolle. Es ist eine abgeschwächte aktive Bedingung. Wer echtes gegen solches Sham-Feedback testet, vergleicht nicht Behandlung gegen Nichts, sondern Behandlung gegen abgeschwächte Behandlung — und wundert sich dann über kleine Effekte.

Harold Pigott und Kollegen haben denselben Gedanken für die ADHS-Studien auf den Punkt gebracht: In vielen dieser Trials erhielten beide Gruppen eine Form von falscher Rückmeldung. Verglichen wurden damit „zwei Formen von Falsch-Feedback, nicht operante Konditionierung des EEG“. Kommt dann kein Unterschied heraus, ist das keine Aussage über die Wirksamkeit von Neurofeedback. Es ist eine Aussage darüber, dass zwei Varianten desselben unzureichenden Reizes sich ähnlich verhalten.

Das Verblindungsproblem ist nicht lösbar — und das ist ehrlich

Selbst wenn man das Sham-Problem beiseite lässt, bleibt die Verblindung. Doppelverblindung heißt: weder Behandelte noch Behandelnde wissen, in welcher Gruppe sie sind.

Den Behandler zu verblinden ist bei Neurofeedback praktisch unmöglich. Wer das Training durchführt, sieht die Signale, stellt Protokolle ein, reagiert auf die Person vor sich. Diese Responsivität ist Teil der Methode, kein Störfaktor, den man wegkonstruieren sollte — so wie man einem Physiotherapeuten nicht verbietet zu sehen, welche Übung er anleitet.

Und die Behandelten? Auch deren Verblindung ist heikel. Manche Studien erreichen sie — im großen ADHS-Trial von Arnold und der Neurofeedback Collaborative Group (2020) rieten nur rund ein Drittel der Kinder, Eltern und Trainer richtig, welche Bedingung vorlag. Die Verblindung war also erfolgreich. Aber sie war genau deshalb erfolgreich, weil das Sham dem Verum so ähnlich war, dass niemand den Unterschied merkte. Erfolgreiche Verblindung und ein sauberer Wirksamkeitstest schließen sich hier fast aus: Je überzeugender das Sham, desto aktiver ist es — und desto weniger kann die Studie überhaupt einen Unterschied finden. Das ist keine methodische Nachlässigkeit, die man beheben könnte. Es ist ein struktureller Widerspruch im Design.

Der Vergleich, der es klarstellt: Psychotherapie, Physio-, Ergotherapie

Neurofeedback ist eine Behandlungsmethode wie Psychotherapie — nur dass Geräte im Spiel sind. In beiden Fällen geht es um einen Lern- und Veränderungsprozess, an dem die behandelte Person aktiv mitwirkt und der von der Interaktion mit dem Behandler lebt.

Und nun die entscheidende Beobachtung: Für keine dieser verwandten Methoden verlangt irgendjemand eine echte Doppelverblindung. Man kann eine Psychotherapie nicht doppelverblinden — der Therapeut weiß, dass er Therapie macht, und der Klient weiß, dass er zum Therapeuten geht. Man kann eine Physiotherapie nicht doppelverblinden — der Physiotherapeut sieht, welche Übung er anleitet. Gleiches gilt für Ergotherapie, Logopädie, Rehabilitationssport.

Trotzdem zweifelt niemand ernsthaft daran, dass diese Methoden wirken. Sie gelten als evidenzbasiert. Sie werden von Kostenträgern erstattet. Sie stehen in Leitlinien. Die Evidenz dafür stammt nicht aus doppelverblindeten Placebo-Studien — die es prinzipiell nicht geben kann — sondern aus Designs, die zur Methode passen: assessor-verblindete Studien (die Bewerter der Ergebnisse sind verblindet, nicht die Anwender), Vergleiche gegen Wartelisten oder aktive Kontrollbedingungen, Dosis-Wirkungs-Analysen, Einzelfall-Experimentaldesigns. Die Physiotherapie-Forschung diskutiert das offen: Vollständige Verblindung ist bei aktiven Interventionen oft unmöglich, und die Fachwelt hat sich darauf verständigt, das anzuerkennen, statt die Methoden für unwirksam zu erklären. Für die Psychotherapie gilt dasselbe — auch die Depressionsforschung hält fest, dass kognitive Verhaltenstherapie nicht doppelverblindet werden kann und trotzdem als wirksam etabliert ist.

Hier liegt die eigentliche Ungerechtigkeit. Wir wenden auf Neurofeedback einen Standard an, den wir bei jeder strukturell verwandten Methode niemals verlangen würden. Und dann deuten wir das Scheitern an diesem falschen Standard als Beleg gegen die Methode.

Was die „Goldstandard“-Studien wirklich zeigen

Der große ADHS-Trial von 2020 fand zwischen echtem und Sham-Neurofeedback keinen signifikanten Unterschied. Beide Gruppen verbesserten sich deutlich. Für Kritiker war das der Beweis: Neurofeedback wirkt nicht besser als Placebo.

Doch was zeigte die Studie bei genauerem Hinsehen? Es gab keinen Nachweis, dass die Kinder überhaupt gelernt hatten, ihr EEG zu regulieren. Und ohne Lernen kein Lerneffekt — das ist keine Rettungshypothese, sondern die logische Voraussetzung der Methode. Pigott und Kollegen weisen auf ein verbreitetes Konstruktionsproblem hin: Wenn Belohnungsschwellen automatisch nachjustiert werden, um über alle Sitzungen eine Erfolgsquote von etwa 80 % zu halten, dann wird das Gehirn für tatsächliches Lernen bestraft — verbessert sich die Zielaktivität, wird die Belohnung entzogen und die Schwelle heruntergesetzt. Ein Design, das Lernen aktiv verhindert, kann keine lernbasierte Methode testen.

Der scheinbare Nullbefund ist damit gut erklärbar, ohne dass man Neurofeedback für unwirksam halten müsste: Es wurden zwei Formen unzureichenden Feedbacks verglichen, in einem Setup, das echtes Lernen erschwerte, mit einem Sham, das selbst teilweise aktiv war. Bemerkenswert ist eine Randnotiz derselben Studie, die in der Debatte oft untergeht: Die Neurofeedback-Gruppe benötigte am Ende der Nachbeobachtung signifikant weniger Medikation. Ein sauberer Beleg für Wirksamkeit ist das nicht — aber es ist das Gegenteil von „nichts“.

Die Gegenargumente — ernst genommen und beantwortet

Ein Manifest, das die Gegenseite nicht ernst nimmt, überzeugt niemanden. Also die stärksten Einwände, offen adressiert.

„Das ist doch nur eine bequeme Ausrede für schwache Evidenz.“ Das wäre es, wenn wir sagen würden: Prüft uns nicht. Das Gegenteil ist der Fall. Wir fordern strengere und methodisch passendere Prüfung, nicht weniger. Eine lernbasierte Methode lässt sich härter testen als über eine bloße Gruppendifferenz: Man kann verlangen, dass die Trainierenden nachweislich lernen, ihre Zielaktivität zu verändern — und dass dieser Regulationserfolg mit der klinischen Verbesserung zusammenhängt. Genau dieser Zusammenhang ist ein spezifischer Wirksamkeitsnachweis, den ein reiner Placebo-Effekt nicht erklären kann. Das ist anspruchsvoller als das, was viele RCTs überhaupt erheben, nicht anspruchsloser.

„Ohne Verblindung ist doch alles nur Placebo.“ Wer das konsequent behauptet, müsste Psychotherapie, Physiotherapie und Ergotherapie ebenfalls für Placebo erklären. Das tut niemand — zu Recht. Spezifität lässt sich auch ohne Verblindung zeigen: über den Zusammenhang zwischen neuronaler Regulation und Ergebnis, über protokollspezifische Effekte (ein Training an Ort A verändert Zielgröße A, nicht die unbeteiligte Zielgröße B), über Transfer-Messungen ohne Feedback, über tierexperimentelle Modelle, in denen Erwartung keine Rolle spielt. Verblindung ist ein Weg, Erwartungseffekte zu kontrollieren — nicht der einzige.

„Ein renommiertes Fachjournal hat gefordert, es sei Zeit, aufzuhören.“ Es stimmt: Nach den ernüchternden Sham-Trials gab es prominente Stimmen, etwa im American Journal of Psychiatry, die das Ende der Neurofeedback-Forschung bei ADHS nahelegten. Diese Position verdient Respekt, weil sie aus solider Skepsis kommt. Aber sie zieht die falsche Schlussfolgerung aus dem richtigen Befund. Dass Studien mit ungeeignetem Design keine Effekte finden, ist ein Argument gegen das Design, nicht gegen die Methode. „Aufhören“ ist die Antwort, wenn eine Methode an einem passenden Test scheitert. An einem unpassenden Test zu scheitern, ist ein Auftrag, den Test zu ändern.

Wie eine Forschung aussieht, die zur Methode passt

Forschungsmethoden müssen sich an dem orientieren, was erforschbar ist. Für Neurofeedback existiert dieser Weg bereits — er muss nur anerkannt und konsequent gegangen werden.

Der wichtigste Baustein ist der Regulationsnachweis als Wirksamkeitskriterium. Statt nur zu fragen „Ging es der Gruppe besser?“, fragt man: „Haben die Trainierenden gelernt, ihre Zielaktivität zu verändern — und hängt dieser Lernerfolg mit der klinischen Verbesserung zusammen?“ Dieser Manipulationscheck ist bei Pillenstudien überflüssig, bei Lernmethoden aber der Kern des Ganzen. Wer ihn liefert, zeigt Spezifität ohne Verblindungstheater.

Dazu kommt assessor-blinde statt doppelblinde Prüfung: Die Bewerter der Ergebnisse werden verblindet, während der Behandler seine Arbeit sinnvoll tun darf — exakt der Standard, der in der Physiotherapie-Forschung akzeptiert ist. Ergänzend eignen sich Within-Subject- und Einzelfall-Experimentaldesigns (N-of-1, SCED), die für individualisierte Verfahren oft aussagekräftiger sind als große Parallelgruppen. Und schließlich praxisbasierte Evidenz aus systematischen Verlaufsregistern, die zeigt, was unter realen Bedingungen geschieht.

Das ist kein Wunschzettel. Vieles davon ist bereits Konsens. Die CRED-nf-Checkliste (Ros et al., 2020, Brain) — von einer breiten internationalen Fachgruppe getragen — verlangt genau diese Dinge: Kontrollbedingungen, die zur Fragestellung passen; die Dokumentation neuronaler Veränderung über Sitzungen hinweg; die Verknüpfung von Regulationserfolg mit klinischem Ergebnis; Transparenz über Schwellenwert-Regeln und Erwartungen. Auch Parsons (2026) argumentiert für einen tiered-control-Ansatz, der die Kontrollbedingung an das Forschungsziel anpasst, statt reflexhaft ein Sham einzusetzen, das den Mechanismus zerstört. Der Rahmen, den er vorschlägt, ist ausdrücklich der der Psychotherapieforschung — jener Forschung also, die längst gelernt hat, interaktive, adaptive Verfahren seriös zu prüfen, ohne eine inerte Kontrolle zu verlangen, die es gar nicht geben kann.

Worum es wirklich geht

Wir stecken fest — nicht, weil Neurofeedback keine Nachweise erbringen könnte, sondern weil die geforderten Nachweise von einer Sorte sind, die diese Methode prinzipiell nicht liefern kann und nicht liefern muss. Solange Anerkennung an einen Standard geknüpft bleibt, der für Pillen gemacht ist, werden wir ihn nie erfüllen — so wenig wie Psychotherapie oder Physiotherapie ihn je erfüllt haben.

Die Forderung dieses Manifests ist deshalb nüchtern und keineswegs bescheiden: Wirksamkeit muss mit den Methoden geprüft werden, die zur Sache passen. Ein Verfahren, das auf Lernen beruht, wird über den Nachweis von Lernen geprüft — über die Kopplung von neuronaler Regulation und klinischer Veränderung, über assessor-blinde Designs, über Einzelfall- und Verlaufsforschung, über die Standards, die die eigene Fachgemeinschaft sich bereits gegeben hat.

Das ist kein Absenken der Ansprüche. Es ist ihre Präzisierung. Und es ist die einzige Grundlage, auf der Neurofeedback die Anerkennung bekommen kann, die eine methodisch redliche Forschung verdient. Wer eine Lernmethode weiter mit dem Maßstab für Pillen misst, misst nicht ihre Wirksamkeit. Er misst nur, wie schlecht der Maßstab passt.

 

Quellen