Hersteller wie Sonova, GN, Demant/Oticon und Starkey bauen Deep Neural Networks (DNN) in aktuelle Premium-Hörgeräte ein. Die Technik soll vor allem in Situationen helfen, die Hörgeräteträger seit Jahren als problematisch schildern: Restaurantgespräche, Meetings, Familienfeiern. Überall dort treffen mehrere Stimmen und wechselnde Geräuschquellen aufeinander.
Studien zeigen messbare Effekte. Sie zeigen auch: DNN macht aus einem Hörgerät kein normales Gehör.
Was ein DNN im Hörgerät leistet
DNN ist die Abkürzung für Deep Neural Network, auf Deutsch: tiefes neuronales Netz. Es verarbeitet Daten in mehreren Schichten künstlicher Knoten. Jede Schicht bewertet die Eingaben neu und leitet sie weiter.
Am Ende steht eine Berechnung: Welche Signalanteile ähneln Sprache, welche eher Lärm, Musik oder Wind?
Hörgeräte beziehen diese Daten aus ihren Mikrofonen. Sie zerlegen den Schall in kleine Zeit- und Frequenzbereiche. Das DNN sucht darin Muster: Sprachanteile, Stimmengewirr, Störlärm, Richtungshinweise, Klangverläufe.
Das Training der Künstlichen Intelligenz läuft vorab auf Hochleistungsrechnern. Dort lernt das DNN anhand von Millionen Klangbeispielen. Im Hörgerät selbst läuft die Anwendung des trainierten Modells: die Inferenz.
Das Hörgerät trainiert also keine KI im Ohr. Es nutzt ein fertiges Modell, um neue Audiosignale in Echtzeit zu bewerten.
Warum Sprache im Lärm schwer zu verstehen ist
Sprache und Störlärm überlappen oft in denselben Frequenzbereichen. Ein Restaurant ist ein typisches Beispiel: Stimmen von links, klapperndes Geschirr von rechts, Musik im Hintergrund, ein Gesprächspartner direkt gegenüber. Für das Hörgerät ergibt sich kein klarer Lärmteppich, sondern ein wechselndes Gemisch ähnlicher Signale.
Klassische Hörgeräte setzen auf Richtmikrofone, Störlärmreduktion, Kompression und automatische Szenenerkennung. Diese Verfahren helfen, stoßen aber an Grenzen, wenn mehrere Sprecher gleichzeitig reden oder die wichtigste Stimme kaum aus dem Lärm hervorsticht.
Ein DNN kann hier präziser arbeiten. Es erkennt Muster und berechnet, welche Signalanteile wahrscheinlich Sprache sind und welche Störgeräusche. Anschließend hebt es Sprachanteile hervor und dämpft Störlärm.
Eine Einschränkung bleibt: Viele DNN-Systeme erkennen Sprache, aber nicht automatisch die Stimme, die der Nutzer hören möchte. Wenn mehrere Sprecher gleich laut und aus ähnlicher Richtung sprechen, wird die Trennung schwierig.
Welche Hersteller DNN nutzen
Sonova setzt beim Phonak Audéo Sphere Infinio auf den DEEPSONIC-Chip. Laut Hersteller arbeitet die DNN-Architektur mit 4,5 Millionen neuronalen Verbindungen und wurde mit über 22 Millionen Klangbeispielen trainiert. Phonak beschreibt den Chip als System, das Sprache und Hintergrundgeräusche in Echtzeit trennt.
GN verwendet bei ReSound Vivia ebenfalls einen eigenen DNN-Chip, trainiert mit 13,5 Millionen gesprochenen Sätzen. GN nennt außerdem 3,9 Millionen abgestimmte Klangparameter. Die Funktion Intelligent Focus soll Sprache hervorheben und störende Geräusche reduzieren.
Oticon setzt seit dem Modell Oticon More auf DNN-Technik. Beim Nachfolger Oticon Intent spricht der Hersteller von DNN 2.0, das Teil von MoreSound Intelligence 3.0 ist. Das erste DNN wurde mit 12 Millionen realen Klangszenen trainiert.
Starkey verweist bei Edge AI auf den G2 Neuro Processor mit integrierter Neural Processing Unit. Dieser Prozessor übernimmt Klangklassifikation, Sprachverbesserung und Lärmreduktion.
Die Angaben stammen von den Herstellern. Sie sind hilfreich für die Beratung, ersetzen aber keine unabhängigen Vergleichsdaten.
Was Studien zeigen
Eine 2023 in Scientific Reports veröffentlichte Studie beschreibt einen Deep-Learning-Algorithmus, der Störgeräusche unterdrückt und Sprache erhält. Hörgeräteträger erreichten damit ein Sprachverstehen auf dem Niveau normalhörender Kontrollpersonen.
Allerdings lief das System in Echtzeit auf einem Laptop. Die Autoren betonen, dass die nötige Rechenleistung damals die Kapazitäten kleiner Hörgeräte überstieg.
Eine praxisnähere Studie erschien 2024 im American Journal of Audiology. 40 erfahrene Hörgeräteträger testeten 2 Premium-Hörgeräte in realen Alltagssituationen. Die Forschenden analysierten 3.614 Alltagseinschätzungen und 6.812 Stunden Schalldaten.
Das Ergebnis: Die Zufriedenheit unterschied sich zwischen klassischer und DNN-basierter Störlärmreduktion nicht grundsätzlich. Beim DNN-System blieb die Zufriedenheit jedoch stabiler, auch bei wechselndem Signal-Rausch-Abstand.
Eine 2025 in Frontiers in Audiology and Otology veröffentlichte Studie untersuchte einen kommerziellen DNN-Algorithmus (Edge Mode) an 20 Personen mit sensorineuralem Hörverlust. Die Ergebnisse zeigten Verbesserungen in mehreren Sprach-im-Lärm-Tests, aber nicht in allen Testbedingungen.
Die Studien bestätigen: DNN hilft je nach Lärmart unterschiedlich stark. Besonders bei Mehrsprecher-Lärm zeigen sich Vorteile. Gleichförmiger oder sprachähnlicher Störschall bleibt schwierig.
Warum die Rechenleistung ins Hörgerät passt
Hörgeräte sind klein und müssen den ganzen Tag laufen. Deshalb nutzen DNN-Hörsysteme spezialisierte Chips und stark komprimierte Modelle.
Phonak nennt für DEEPSONIC 7,7 Milliarden Operationen pro Sekunde. GN spricht bei ReSound Vivia von 4,9 Billionen Operationen pro Tag. Solche Zahlen zeigen, wie stark Hersteller die Rechenleistung auf die Echtzeit-Trennung von Sprache und Lärm ausrichten.
Rechenintensive DNN-Funktionen kommen vor allem in anspruchsvollen Hörsituationen zum Einsatz. Wie oft und wie lange sie aktiv sind, hängt vom Hersteller, vom Programm und von der Hörumgebung ab.
Die größte technische Hürde bleibt die Latenz. Verzögert das Hörgerät das Signal zu stark, klingt es unnatürlich. Bei offenen Anpassungen kann das schon nach wenigen Millisekunden auffallen.
Wo DNN an Grenzen stößt
DNN kann Sprache im Störlärm besser herausarbeiten, aber keinen schlechten Signal-Rausch-Abstand ausgleichen.
Schwierig bleiben Räume mit starkem Nachhall, mehrere gleich laute Sprecher aus ähnlicher Richtung, große Entfernungen zum Sprecher, laute Musik und ungünstige akustische Kopplungen. Auch eine eingeschränkte zentrale Hörverarbeitung setzt Grenzen.
Die Anpassung bleibt Handwerk. Otoplastik, Dome, Rückkopplungsreserve, Verstärkungsziel, Kompression, MPO und Feinanpassung entscheiden mit, ob der Kunde den Vorteil hört.
Für Hörakustiker zählt die Frage: Wo rechnet das DNN? In der App? In der Szenenerkennung? Oder direkt im Signalweg, während das Hörgerät Sprache und Lärm trennt?
Auch die Diagnostik verändert sich
DNN und ähnliche KI-Verfahren erreichen auch die Hördiagnostik. Ein Projekt der Acousticon Hörsysteme GmbH aus Reinheim und der Goethe-Universität Frankfurt entwickelt KI, die Antworten in Sprachtests automatisch erkennt.
Das Hessische Ministerium für Digitalisierung und Innovation fördert das dreijährige Projekt seit Januar 2026 mit fast 500.000 Euro aus dem Programm Distr@l.
Das Ziel: Tests sollen einheitlicher werden und Abläufe im Fachgeschäft erleichtern. Offen bleibt, wie gut die Systeme mit Dialekten, undeutlicher Sprache, Nebengeräuschen und wechselnden Testbedingungen umgehen.
Was Hörakustiker daraus lernen können
DNN ist in der Hörgerätetechnik angekommen. Es verbessert das Sprachverstehen in bestimmten Störlärmsituationen, besonders bei mehreren Sprechern und wechselnden Geräuschen.
Für Kunden braucht es klare Worte: Ein DNN-Hörgerät erhöht die Chancen auf besseres Verstehen. Der Nutzen hängt von Raum, Hörverlust, Anpassung, akustischer Ankopplung und Hörziel ab.
Gute Beratung verkauft keine KI-Wunder. Sie erklärt, wann DNN hilft, wann Zusatzmikrofone sinnvoller sind und warum selbst die beste Technik nur so gut ist wie die Anpassung.
