AI Hearing System (AIHearS); Teilvorhaben Fraunhofer IDMT (FHG)

Abstract

Das Verbundprojekt AIHearS (AI Hearing System) entwickelte und validierte ein maschinell-lernbasiertes (ML) System zur individuellen Klanganpassung in alltagsnahen Hörumgebungen. Ziel war es, die Akzeptanz und subjektive Wahrnehmung von Hörunterstützung durch einen auf persönlichen Klanganpassungs-Interaktionsdaten trainierten Algorithmus zu verbessern, der Präferenzen für Klangparameter in Echtzeit vorhersagt. Fraunhofer IDMT brachte Expertise in Signalverarbeitung, Hörakustik und maschinellem Lernen ein. Technologischer Kern war das Modul "Selektives Hören", das Sprache und Hintergrund trennt und dem Nutzer die Kontrolle über das Signal-Rausch-Verhältnis ermöglicht; dazu wurden mehrere Deep-Learning-Architekturen implementiert und evaluiert. Ergänzend wurden Algorithmen wie Multibandkompression, Limiter, Rückkopplungsunterdrückung, Kopfhörerentzerrung und HRTF-basierte akustische Kalibrierung entwickelt. Eine konventionelle NAL-NL2-Anpassung diente als Vergleichsbasis. In der kontrollierten Endevaluation (n=22) zeigte das auf individuellen Self-Fitting-Daten trainierte ML-Modell Vorteile gegenüber der konventionellen Formel: Die subjektive Höranstrengung in Klangszenen mit Störgeräusch verbesserte sich um bis zu zwei Kategorien, Sprachverständlichkeit und Lautheitswahrnehmung waren vorteilhaft, alle Akzeptanzkriterien wurden erfüllt. Alle Projektmeilensteine wurden eingehalten; statt einer Feldstudie erfolgte ein Fokus auf den Machbarkeitsnachweis im Labor.