Intelligentes Hören mit KI –
Die neue Generation von Hörgeräten

Moderne Hörgeräte enthalten DNN-Chips mit vortrainierten tiefen neuronalen Netzen, die anhand von Millionen realer Klang­beispiele geschult wurden. Sie vergleichen das Live-Mikrofonsignal fortlaufend mit diesen Mustern, erkennen Sprache auch in lauter Umgebung und passen Verstärkung, Richt­mikrofon sowie Störgeräusch­­unterdrückung in Echtzeit (typischerweise innerhalb von Millisekunden) an. Das ist vor allem in schwierigen Hörumgebungen von großem Vorteil.

Deep Learning ist ein Teilbereich des maschinellen Lernens, bei dem besonders vielschichtige künstliche neuronale Netze (Deep Neural Networks, DNN) eingesetzt werden. Diese bestehen aus vielen hintereinandergeschalteten Rechenschichten und orientieren sich grob am Aufbau des menschlichen Gehirns. Weil jede Schicht immer komplexere Merkmale aus den Eingangsdaten herausfiltert, können DNNs sehr fein­gliedrige Muster erkennen und damit präzisere Vorhersagen treffen – etwa Sprache selbst in starkem Störgeräusch von anderen Klängen unterscheiden.

Das KI-Modell läuft lokal im Hörgerät; es verarbeitet das Live-Signal, legt aber keine Tonaufnahmen an. Einige Hersteller bieten optional Funktionen, bei denen anonymisierte Nutzungsstatistiken in die Cloud übertragen werden, um Algorithmen weiter zu verfeinern. Solche Datenpakete enthalten keine identifizierbaren Sprachinhalte und werden laut Branchen­standard verschlüsselt übertragen. Nutzer können diese sog. Tele-Health-Funktionen in der Regel aktiv ein- oder ausschalten.

Diese Namen unterscheiden sich von Hersteller zu Hersteller, beschreiben aber ein ähnliches Prinzip: Ein vorab trainiertes neuronales Netz analysiert das Klangumfeld, um Sprache von Störschall zu trennen und die Hörgeräteeinstellungen automatisch zu optimieren. Der konkrete Funktionsumfang – etwa die Nutzung von Bewegungssensoren oder die Möglichkeit zum Feintuning per App – variiert, doch die Grundlage bleibt dieselbe daten­getriebene KI-Signal­verarbeitung