EMG-Daten auswerten: Filterung, Normalisierung, reproduzierbare Ergebnisse

Zwischen dem Rohsignal und der Zahl im Ergebnisteil liegen vier Verarbeitungsschritte. Jeder einzelne ist eine Entscheidung, jeder verändert das Ergebnis — und die wenigsten werden in Methodenteilen vollständig berichtet. Genau deshalb sind EMG-Werte zwischen Studien so oft nicht vergleichbar, obwohl dieselbe Größe gemessen wurde.

Wer EMG-Daten auswerten will, entscheidet in dieser Kette über die Belastbarkeit des Ergebnisses. Dieser Beitrag geht die vier Schritte durch, benennt bei jedem die übliche Wahl und ihre Konsequenz — und schließt mit dem Punkt, den keine Auswertung repariert.

Die Verarbeitungskette im Überblick

Das Oberflächen-EMG ist ein Signal mit Nullmittelwert: Positive und negative Anteile heben sich auf. Ein Mittelwert über das Rohsignal ergibt daher näherungsweise null, unabhängig davon, wie stark der Muskel arbeitet. Alle folgenden Schritte dienen dazu, aus diesem Signal eine interpretierbare Größe zu machen.

Schritt 1: Filterung

Das Rohsignal enthält Anteile, die nicht vom Muskel stammen: Bewegungsartefakte durch Kabel- und Elektrodenbewegung, Netzeinstreuung, Grundrauschen der Elektronik.

Bewegungsartefakte liegen im tiefen Frequenzbereich und fallen oberhalb von etwa 20 Hz rasch ab. Als allgemeine Empfehlung gilt ein Hochpassfilter mit 20 Hz Eckfrequenz und 12 dB/Oktave, wobei ausdrücklich davon abgeraten wird, unter diese Grenze zu gehen [1]. Der Grund für die Untergrenze ist die Abwägung: Ein niedrigerer Wert lässt Artefaktenergie im Signal, ein deutlich höherer entfernt Nutzsignal.

Zwei Punkte, die dabei häufig übersehen werden:

Ein Teil der Artefaktenergie bleibt erhalten. Der Ausläufer des Artefaktspektrums lässt sich nicht vollständig herausfiltern [1]. Filterung ist Schadensbegrenzung, keine Reparatur — die Vermeidung am Sensor ist wirksamer als jede nachträgliche Bearbeitung.

Netzfilter sind mit Vorsicht zu verwenden. Ein schmalbandiger Sperrfilter bei 50 Hz entfernt Netzeinstreuung, schneidet aber zugleich einen Bereich heraus, in dem das EMG-Signal erhebliche Leistung hat. Wenn die Einstreuung so stark ist, dass sie einen solchen Filter nötig macht, ist die Ursache in der Messkette zu suchen — Erdung, Elektrodenkontakt, Kabelführung.

Schritt 2: Amplitudenschätzung

Aus dem gefilterten Signal wird eine Einhüllende gebildet. Zwei Größen sind gebräuchlich: der quadratische Mittelwert (RMS) und der Mittelwert des gleichgerichteten Signals (ARV). Beide sind etablierte Schätzer der Signalamplitude; die Wahl zwischen ihnen ist weniger folgenreich als die Wahl der Fensterlänge, über die gemittelt wird.

Die Fensterlänge ist ein Kompromiss zwischen zwei Fehlern:

Fensterlänge	Konsequenz	Geeignet für
kurz (z. B. 20–50 ms)	folgt schnellen Änderungen, aber die Schätzung streut stark	schnellkräftige Bewegungen, Aktivierungsbeginn
lang (z. B. 250–500 ms)	glatte, stabile Kurve, verschleift aber kurze Ereignisse	statische Haltearbeit, Ermüdungsverläufe

Der entscheidende Punkt für die Vergleichbarkeit: Die Fensterlänge muss über alle Messungen einer Studie identisch sein und im Methodenteil stehen. Zwei Auswertungen desselben Rohsignals mit 50 und 500 ms Fenster liefern Kurven, die sich in Spitzenwerten deutlich unterscheiden — ohne dass sich am Muskel irgendetwas geändert hätte.

Schritt 3: Normalisierung — der folgenreichste Schritt

Eine EMG-Amplitude in Mikrovolt ist für sich genommen nicht interpretierbar. Sie hängt neben der Muskelaktivität von der Dicke des Unterhautfettgewebes, der Elektrodenposition, dem Hautzustand und der Elektrodengeometrie ab. Vergleiche zwischen Personen, Muskeln oder Messterminen erfordern deshalb eine Bezugsgröße.

Die umfassende Aufarbeitung von über 25 Jahren Forschung zu dieser Frage prüft acht Normalisierungsverfahren danach, wie gut sie den Vergleich von EMG-Daten ermöglichen [2]. Das wichtigste Ergebnis für die Praxis ist ein negatives: Es gibt kein universell akzeptiertes Verfahren. Verschiedene Techniken werden weiterhin nebeneinander und teils austauschbar verwendet — die Wahl muss zur Fragestellung passen und begründet werden.

Die grobe Orientierung:

• Maximale willkürliche Kontraktion (MVC) — der verbreitetste Bezugswert und in kontrollierten, isometrischen Bedingungen gut etabliert. Die Schwäche liegt in der Referenzmessung selbst: Motivation, Schmerz, Lerneffekte und Protokollunterschiede beeinflussen, ob tatsächlich ein Maximum erreicht wird. Bei Patienten mit Schmerz oder Hemmung ist genau das oft nicht der Fall.
• Spitzen- oder Mittelwert aus der untersuchten Aufgabe selbst — wenn das Ziel ist, die Streuung zwischen Personen zu reduzieren, ist dieser Bezug häufig die bessere Wahl. Der Preis: Aussagen über das absolute Aktivierungsniveau sind damit nicht mehr möglich, weil der Bezugswert selbst aufgabenabhängig ist.
• Submaximale Referenzkontraktion — ein Kompromiss für Populationen, bei denen eine echte Maximalkontraktion nicht zumutbar oder nicht erreichbar ist.

Wie eine MVC-Referenzmessung sauber durchgeführt wird, beschreibt die Anleitung zur MVC-Erstkalibrierung im Detail.

Ehrlichkeitsvermerk: Die Normalisierungsmethode ist der Schritt, der Ergebnisse am stärksten verschiebt — und derjenige, bei dem am ehesten die Versuchung besteht, sie nachträglich zu wechseln, bis das Resultat überzeugend aussieht. Wer die Methode vor der Datenerhebung festlegt und dann dabei bleibt, verliert gelegentlich ein schönes Ergebnis und gewinnt ein belastbares. In Methodenteilen erkennt man umgekehrt an einer unbegründeten oder unüblichen Normalisierung häufig, dass genau das nicht geschehen ist.

Was die Auswertung nicht repariert: Crosstalk

Crosstalk bezeichnet den Anteil im Signal, der von benachbarten Muskeln stammt und nicht vom Zielmuskel. Die grundlegende theoretische und praktische Abschätzung dieses Effekts stammt aus den frühen Arbeiten zur Oberflächen-EMG und ist bis heute die Referenz [3].

Für die Auswertung ist der entscheidende Punkt: Crosstalk lässt sich nachträglich nicht sauber entfernen. Der Fremdanteil hat dieselben spektralen Eigenschaften wie das Nutzsignal — kein Filter trennt sie. Was hilft, sind Entscheidungen bei der Erfassung: Elektrodengröße und Elektrodenabstand bestimmen, aus welchem Volumen abgeleitet wird, und damit, wie viel Nachbarmuskel mitgemessen wird [4]. Die dokumentierte, standardisierte Positionierung nach dem SENIAM-Leitfaden ist auch aus diesem Grund keine Formalie.

Praktisch heißt das: Bei kleinen, dicht benachbarten Muskeln und bei ausgeprägtem Unterhautfettgewebe ist Zurückhaltung in der Interpretation angebracht. Eine Aussage über einen einzelnen kleinen Muskel, abgeleitet mit großflächigen Elektroden, sollte als das gekennzeichnet werden, was sie ist — eine Aussage über eine Region, nicht über einen Muskel.

Fünf Fehler, die in der Auswertungspraxis wiederkehren

Die Verarbeitung wird erst nach Sichtung der Daten festgelegt. Wer Filtergrenzen, Fensterlänge oder Normalisierung anpasst, nachdem er die Ergebnisse gesehen hat, erzeugt einen Freiheitsgrad, der sich später nicht mehr aus dem Ergebnis herausrechnen lässt. Die Kette gehört vor die Datenerhebung, nicht danach.

Das Rohsignal wird nicht aufgehoben. Wer nur die verarbeitete Einhüllende speichert, kann eine Entscheidung später nicht revidieren — weder auf Nachfrage von Reviewern noch bei einer Neuauswertung mit anderer Fragestellung. Rohdaten aufzubewahren kostet Speicherplatz und spart im Zweifel eine komplette Messreihe.

Die Normalisierung wird zwischen Terminen gewechselt. Auch derselbe Verfahrenstyp ist nicht automatisch derselbe Bezug: Eine MVC, die beim Ersttermin in anderer Position oder mit anderer Anweisung erhoben wurde, liefert einen anderen Referenzwert. Damit werden Verlaufsunterschiede vorgetäuscht, die es nicht gibt. Und selbst sauber normalisierte Amplituden zweier Übungen sagen nichts über deren Trainingseffekt, wie das Beispiel Hip Thrust oder Kniebeuge zeigt.

Mittelwerte werden über zu wenige Zyklen gebildet. Angesichts der bekannten Variabilität von Wiederholung zu Wiederholung ist ein Mittelwert aus zwei oder drei Durchgängen instabil. Wie viele nötig sind, hängt von Aufgabe und Muskel ab — die Zahl gehört in jedem Fall in den Bericht.

Aus Amplitudenunterschieden werden physiologische Aussagen abgeleitet. Eine höhere normalisierte Amplitude bedeutet zunächst nur: mehr Signal unter dieser Elektrode, unter diesen Bedingungen. Rückschlüsse auf Kraft, Rekrutierungsstrategie oder Trainingswirkung sind ein zusätzlicher Interpretationsschritt, der eigens begründet werden muss.

Reproduzierbarkeit: was dokumentiert werden muss

Die Wiederholbarkeit von EMG-Messungen ist begrenzt, aber quantifizierbar. Für das Gehen zeigt sich die Variabilität von Schritt zu Schritt bei Kindern nahezu doppelt so hoch wie bei nicht beeinträchtigten Erwachsenen, während die Wiederholbarkeit zwischen zwei Untersuchungsterminen vergleichbar ausfiel [5]. Verlaufsvergleiche sind also möglich — vorausgesetzt, es wird über genügend Zyklen gemittelt und das Protokoll bleibt konstant.

Die etablierten Berichtsstandards verlangen die Angabe der wesentlichen Erfassungs- und Verarbeitungsparameter [6]. Für die Auswertung heißt das mindestens:

• Abtastrate und Auflösung
• Filtertyp, Eckfrequenzen und Flankensteilheit
• Amplitudenschätzer (RMS oder ARV) und Fensterlänge
• Normalisierungsverfahren inklusive Beschreibung der Referenzmessung
• Elektrodentyp, Elektrodengröße und Abstand der Ableitpunkte
• Zahl der ausgewerteten Wiederholungen und die Ausschlusskriterien für verworfene Durchgänge

Der letzte Punkt ist der am häufigsten fehlende. Wenn nicht dokumentiert ist, nach welcher Regel gestörte Durchgänge verworfen wurden, lässt sich nicht mehr unterscheiden, ob eine Auswahl methodisch begründet oder ergebnisgetrieben war. Wer die physiologischen Grundlagen hinter diesen Parametern nachvollziehen möchte, findet sie in den Grundlagen der Oberflächenelektromyographie; die aktuellen Empfehlungen zur Erfassung und Vorverarbeitung sind in der einschlägigen Tutorial-Literatur zusammengefasst [7, 8].

Fazit

Wer EMG-Daten auswerten muss, entscheidet über deren Belastbarkeit mindestens so stark wie die Messtechnik selbst. Vier Entscheidungen tragen das Ergebnis: die Filtergrenzen, die Fensterlänge der Amplitudenschätzung, das Normalisierungsverfahren und die Regel, nach der Durchgänge ausgeschlossen werden.

Für keine dieser Entscheidungen gibt es eine allgemeingültig richtige Antwort — für alle gibt es die Anforderung, sie vor der Datenerhebung zu treffen, konstant zu halten und zu berichten. Was sich nicht in der Auswertung lösen lässt, ist Crosstalk: Er wird bei der Elektrodenwahl entschieden, nicht am Rechner.

Sie planen einen Messaufbau oder erweitern ein bestehendes Labor?

Elektrodengeometrie, Abtastrate und Kanalzahl legen fest, welche Auswertungen später überhaupt möglich sind — diese Entscheidungen fallen vor dem Kauf, nicht danach. Vereinbaren Sie einen Termin oder senden Sie uns eine Anfrage: Wir gehen Ihre Fragestellung durch und klären, welche Konfiguration sie trägt. Setup, Integration und Anwenderschulung übernehmen wir vor Ort.

Zur ersten Eingrenzung hilft der Systemfinder; typische Konstellationen aus der Bewegungsforschung zeigt unsere Anwendungsseite. Systeme wie das WaveX erfassen bis zu 36 Kanäle mit 2.000 Hz und 16 bit — die Grundlage dafür, dass die Auswertung nicht an der Erfassung scheitert.

Häufige Fragen

Quellen

• De Luca CJ, Gilmore LD, Kuznetsov M, Roy SH. Filtering the surface EMG signal: Movement artifact and baseline noise contamination. Journal of Biomechanics, 2010;43(8):1573–1579. DOI: 10.1016/j.jbiomech.2010.01.027
• Burden A. How should we normalize electromyograms obtained from healthy participants? What we have learned from over 25 years of research. Journal of Electromyography and Kinesiology, 2010;20(6):1023–1035. DOI: 10.1016/j.jelekin.2010.07.004 · PMID: 20702112
• Winter DA, Fuglevand AJ, Archer SE. Crosstalk in surface electromyography: Theoretical and practical estimates. Journal of Electromyography and Kinesiology, 1994;4(1):15–26. DOI: 10.1016/1050-6411(94)90023-X
• Merletti R, Muceli S. Tutorial. Surface EMG detection in space and time: Best practices. Journal of Electromyography and Kinesiology, 2019;49:102363. DOI: 10.1016/j.jelekin.2019.102363
• Granata KP, Padua DA, Abel MF. Repeatability of surface EMG during gait in children. Gait & Posture, 2005;22(4):346–350. DOI: 10.1016/j.gaitpost.2004.11.014 · PMID: 16274917
• Merletti R. Standards for reporting EMG data. Journal of Electromyography and Kinesiology, 1999;9(1):III–IV. (befürwortet durch ISEK)
• Merletti R, Cerone GL. Tutorial. Surface EMG detection, conditioning and pre-processing: Best practices. Journal of Electromyography and Kinesiology, 2020;54:102440. DOI: 10.1016/j.jelekin.2020.102440
• Hermens HJ, Freriks B, Disselhorst-Klug C, Rau G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology, 2000;10(5):361–374. DOI: 10.1016/S1050-6411(00)00027-4 —