SANTIAGO / LONDON (IT BOLTWISE) – Forschende haben eine „Speech Clock“ vorgestellt, die aus Sprachmerkmalen ein voraussichtliches Alter ableiten kann. Dafür analysieren sie hunderte Eigenschaften wie Tonhöhe und Sprechtempo in kurzen Audioaufnahmen. Der errechnete „Speech Age Gap“ steht dabei in Verbindung mit kognitiven Auffälligkeiten. Das Verfahren kommt ohne teure oder invasive Tests aus und könnte besonders in ressourcenarmen Regionen helfen.
Eine kleine Änderung im Alltag – vier Minuten zu sprechen – könnte künftig Aufschluss darüber geben, wie schnell der Körper altert. Forschende berichten über eine „Speech Clock“, die das Alter einer Person allein anhand von Merkmalen aus der Stimme und dem Sprechverhalten schätzt. Im Kern entsteht aus dem gesprochenen Audio ein rechnerisches Bild, das nicht nur das kalendarische Alter widerspiegelt, sondern eine Art Indikator für den biologischen Alterungsprozess sein soll. Damit rückt Sprache als biometrische Messgröße in den Fokus, obwohl sie bisher eher als Kommunikationskanal und weniger als diagnostisches Signal behandelt wurde.
Die Technik dahinter folgt einem typischen KI-Workflow, nur dass die Eingabedaten nicht Bilder oder Laborwerte sind, sondern Audiosignale. Für das Training wurden 2.928 spanischsprachige Personen aus mehreren Ländern erfasst – unter anderem Argentinien, Chile, Kolumbien, Mexiko und Peru. Die Teilnehmenden umfassten sowohl gesunde Personen als auch Menschen mit milden kognitiven Beeinträchtigungen, Alzheimer-Krankheit oder anderen Formen von Demenz. Aus den Aufnahmen extrahierten die Forschenden mit Hilfe von Machine-Learning-Algorithmen mehr als 700 Stimm- und Sprechcharakteristika, die sich mit dem Alter und mit kognitiven Veränderungen verändern können. Dazu gehören Parameter wie die Tonhöhe und die Bandbreite des verwendeten Vokabulars, aber auch zeitliche Aspekte wie das Sprechtempo.
Auf Basis dieser Merkmalsdaten trainierte das Team ein Modell, das das Alter der jeweiligen Teilnehmenden vorhersagt. Der entscheidende Punkt ist, dass daraus ein „Speech Age Gap“ berechnet wird: die Differenz zwischen dem vom Sprachmodell geschätzten Alter und dem tatsächlichen, chronologischen Alter. In den Ergebnissen zeigt sich, dass große Speech Age Gaps eng mit kognitiven Problemen verknüpft waren – also genau mit jenen Zuständen, die typischerweise im Spektrum von Demenz auftreten. Gleichzeitig wurden gesunde Personen im Regelfall so eingestuft, dass die Sprache stärker zu ihrem chronologischen Alter passte. Damit verbindet die „Speech Clock“ eine rechnerische Altersabschätzung mit einer diagnostisch relevanten Trennschärfe zwischen gesunden und kognitiv beeinträchtigten Gruppen.
Ein wichtiger Kontext ist, wie „Ageing Clocks“ bislang typischerweise funktionieren. „Brain Clocks“ nutzen Signaturen aus der Neurobildgebung, um abzuschätzen, ob das Gehirn schneller altert als es das Lebensalter erwarten ließe. „Epigenetic Clocks“ wiederum arbeiten mit Mustern aus Methyl-Tags auf DNA, um ein biologisches Alter zu bestimmen. Solche Ansätze erfordern häufig spezielle Labormedien, Bildgebung oder andere Ressourcen – und sie sind in der Praxis nicht überall gleichermaßen verfügbar. Genau hier setzt die Idee der Speech Clock an: Sprechen benötigt keine invasive Probenentnahme und keine teuren Scanner. Stattdessen lässt sich der Ansatz prinzipiell als reine Auswertungsaufgabe nach einem kurzen Sprach-Recording umsetzen, was ihn besonders für Regionen mit begrenzter medizinischer Infrastruktur interessant macht.
Für die praktische Anwendung spielt zudem die Einfachheit der Datenerfassung eine Rolle. In der Studie wird betont, dass schon sehr kurze Sprachaufnahmen eine hohe Vorhersagekraft ermöglichen können – in den Angaben wird von vier Minuten gesprochen. Für Unternehmen und Forschungsteams ist das relevant, weil die Hürde für Datenerhebung sinkt: Ein vergleichsweise unkomplizierter Audio-Upload oder ein Smartphone-Recording kann als Eingangsdatenquelle dienen. Technisch heißt das auch, dass die Modellgüte stark davon abhängt, wie robust die Sprachmerkmale unter realen Bedingungen sind – also etwa bei unterschiedlichen Mikrofonen, Raumakustiken oder Sprechstilen. Hier entscheidet die Generalisierbarkeit: Ein Modell, das in einem Studiendesign sauber funktioniert, muss im Alltag gegen akustische Verzerrungen und demografische Streuung bestehen.
Auch regulatorisch und ethisch entsteht damit ein neues Spannungsfeld. Während die Studie selbst vor allem den wissenschaftlichen Nutzen herausstellt, verschiebt eine sprachbasierte Alters- und Gesundheitsabschätzung den Charakter von „biometrischen“ Daten: Stimme ist persönlich, schwer vollständig zu anonymisieren, und in vielen Anwendungen ohnehin bereits Bestandteil digitaler Systeme. Für die nächste Ausbaustufe wird es daher darauf ankommen, wie eindeutig sich die Ergebnisse interpretieren lassen, wie gut sich Fehlklassifikationen erklären und abfangen lassen und welche Nutzungszwecke ausgeschlossen oder priorisiert werden. Besonders wichtig ist die Frage, ob der Speech Age Gap als Screening-Instrument dient oder ob er eher als begleitende Verlaufskennzahl verstanden wird – denn die klinische Einordnung muss stets mit anderen Informationen zusammen erfolgen.
Insgesamt zeigt die Speech Clock, dass sich Altersprozesse nicht nur im Labor oder im Scanner abbilden lassen, sondern auch in Alltagsdaten wie Sprache. Für die KI-Entwicklung eröffnet das einen weiteren Anwendungsbereich für modellgestützte Merkmalsanalyse: von der Extraktion von mehr als 700 Signal- und Sprachfeatures bis zur Kalibrierung eines Altersregressionsmodells. Für Gesundheitsanbieter und Forschungsteams entsteht zugleich ein realistischer Weg zu niedrigschwelligen Messungen, sofern die Modelle in verschiedenen Sprachräumen und mit unterschiedlichen Aufnahmesettings validiert werden. Der konkrete Mehrwert wird sich letztlich daran zeigen, wie stabil die Vorhersagen bleiben, wenn die Technik vom kontrollierten Studiensetting in den Routinebetrieb übergeht – und ob sich der Speech Age Gap als belastbare Verlaufsgröße über verschiedene Patientengruppen hinweg bestätigt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-„Speech Clock“: Wie Sprachmuster Ihr biologisches Alter schätzen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-„Speech Clock“: Wie Sprachmuster Ihr biologisches Alter schätzen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-„Speech Clock“: Wie Sprachmuster Ihr biologisches Alter schätzen« bei Google Deutschland suchen, bei Bing oder Google News!