{"id":479830,"date":"2026-10-27T14:15:12","date_gmt":"2026-10-27T14:15:12","guid":{"rendered":"https:\/\/www.europesays.com\/at\/479830\/"},"modified":"2026-10-27T14:15:12","modified_gmt":"2026-10-27T14:15:12","slug":"sprach-age-gap-ki-analysiert-kurze-aufnahmen-zur-einschaetzung-von-hirnalterung","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/at\/479830\/","title":{"rendered":"Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung"},"content":{"rendered":"<p>LONDON (IT BOLTWISE) \u2013 Eine KI kann aus wenigen Minuten gesprochener Alltagssprache einen \u201eSpeech Age Gap\u201c ableiten, der bei Demenz deutlich st\u00e4rker ausf\u00e4llt als bei kognitiv gesunden Erwachsenen. Die Studie basiert auf nahezu 3.000 spanischsprachigen Teilnehmenden aus f\u00fcnf L\u00e4ndern in Lateinamerika. Dabei korreliert die sprachbasierte Sch\u00e4tzung nicht nur mit kognitiven Tests, sondern auch mit Hirn- und DNA-basierten Alternsmarkern. Entscheidend ist der Anspruch: Sprache als g\u00fcnstige, nicht-invasive Messgr\u00f6\u00dfe f\u00fcr Regionen, in denen MRT- oder Biomarker-Tests schwer zug\u00e4nglich sind.<\/p>\n<p><a href=\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/10\/ai-speech-age-gap-voice-aging-clock.jpg\" class=\"itbw-article-image-container open-in-lightbox\" style=\"display:block;line-height:0;\"><img loading=\"lazy\" decoding=\"async\" width=\"1536\" height=\"1024\" itemprop=\"image\" src=\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/10\/ai-speech-age-gap-voice-aging-clock.jpg\" alt=\"Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung\" title=\"Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung\" class=\"open-in-lightbox size-full wp-image-2704027\"\/><\/a>Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung (Foto: IT BOLTWISE)<\/p>\n<p><a style=\"border:0 !important;\" href=\"https:\/\/www.google.com\/preferences\/source?q=https:\/\/www.it-boltwise.de\" target=\"_blank\" rel=\"noopener noreferrer nofollow\" class=\"google-news-follow-btn\"><\/p>\n<p>    \ud83e\udde0 KI &amp; Robotik auf Google News abonnieren<\/p>\n<p><\/a><\/p>\n<p>Es ist vor allem die Kombination aus Zug\u00e4nglichkeit und Datentiefe, die diese Arbeit technisch und gesellschaftlich interessant macht. Denn statt einen einzelnen Biomarker zu suchen, nutzt das Forschungsteam einen Ansatz, der aus kurzen Sprachaufnahmen gleich mehrere Dimensionen des Alterns ableitet: kognitive Leistungsf\u00e4higkeit, Muster der Hirnalterung und sogar Spuren sozialer Lebensbedingungen. Das Ergebnis ist ein statistisches Ma\u00df, der sogenannte \u201eSpeech Age Gap\u201c: Die KI trainiert auf Basis von Sprechdaten eine Vorhersage des kalendarischen Alters und berechnet anschlie\u00dfend die Abweichung zur tats\u00e4chlichen Alterszahl. Eine positive Abweichung wird dabei in der Logik biologischer Alterungsuhren h\u00e4ufig als beschleunigtes Altern interpretiert, w\u00e4hrend negative Werte eher zu einem verz\u00f6gerten bzw. \u201eges\u00fcnderen\u201c Verlauf passen.<\/p>\n<p>Damit reiht sich das Verfahren in die Kategorie \u201ebiologische Aging Clocks\u201c ein, allerdings mit einem deutlich niedrigeren infrastrukturellen Aufwand. Viele etablierte Modelle brauchen magnetresonanztomografische Messungen (etwa Hirnvolumen oder -aktivit\u00e4t) oder Blutanalysen, die chemische Modifikationen an der DNA untersuchen, wie epigenetische Methylierung. Solche Verfahren sind in klinischen Routinen zwar wissenschaftlich etabliert, aber in Teilen der Welt logistisch teuer und organisatorisch schwer zu skalieren. Die hier untersuchte Alternative setzt dagegen bei etwas an, das in jedem Alltag verf\u00fcgbar ist: Sprechen. Sprechen verlangt die schnelle Koordination mehrerer kognitiver Prozesse und motorischer Abl\u00e4ufe; im normalen Alterungsprozess ver\u00e4ndern sich Tempo, Pausenstruktur und Wortabruf, und bei neurodegenerativen Erkrankungen bricht dieses Zusammenspiel oft fr\u00fcher oder st\u00e4rker zusammen.<\/p>\n<p>Im technischen Kern analysiert das Team aus jeder Aufgabe akustische und sprachliche Merkmale, die dann zu sieben zusammengesetzten Kategorien geb\u00fcndelt werden. Dazu geh\u00f6ren Zeitmuster der Sprache (Timing), die Tonh\u00f6he bzw. der Stimmverlauf (Pitch), der emotionale Gehalt der gew\u00e4hlten W\u00f6rter, au\u00dferdem Wortfrequenzen, die \u201eVerbosity\u201c beziehungsweise Sprachergiebigkeit, sowie semantische Eigenschaften: semantische Konkretheit und semantische Granularit\u00e4t. F\u00fcr die Datenaufbereitung kommt eine automatisierte Speech-Analyse-App zum Einsatz, die Hintergrundger\u00e4usche reduziert, die Sprecherstimme vom Versuchsleitenden abtrennt und daraus Texttranskripte generiert. Auf dieser Grundlage trainieren die Forschenden ein Machine-Learning-Modell, das aus den sieben Merkmalsgruppen das chronologische Alter sch\u00e4tzt. Danach wird pro Person das eigentliche Alter von der Vorhersage abgezogen, wodurch der Speech Age Gap als pers\u00f6nliche Abweichung entsteht.<\/p>\n<p>Die Studie untersucht dabei eine gro\u00dfe, mehrregionale Kohorte mit 2.928 Teilnehmenden, die als native Spanischsprecher aus f\u00fcnf L\u00e4ndern rekrutiert wurden: Kolumbien, Peru, Mexiko, Chile und Argentinien. Das durchschnittliche Alter lag bei rund 65 Jahren, Frauen machten 67 % der Stichprobe aus. Die Gruppe umfasst 1.504 Personen ohne kognitiven Befund und 1.424 Patientinnen und Patienten mit verschiedenen neurodegenerativen Diagnosen. Unter den Betroffenen finden sich 24 Personen mit milder kognitiver Beeintr\u00e4chtigung (MCI), also einer \u00dcbergangsphase zwischen typischer Alterung und Demenz, 1.068 mit Alzheimer-Krankheit und weitere 332 mit frontotemporaler Demenz. Interessant ist hier die Aufteilung der frontotemporalen F\u00e4lle in Varianten mit st\u00e4rkerer Ausrichtung auf Verhalten und Motorik gegen\u00fcber solchen, die Spracheproduktion und -verst\u00e4ndnis dominanter betreffen. F\u00fcr die Sprechdaten absolvieren alle Teilnehmenden sieben kurze Aufgaben in einem ruhigen Raum, darunter das Beschreiben eines animierten Videos und das Erz\u00e4hlen einer Geschichte direkt sowie nach einer 20- bis 30-min\u00fctigen Verz\u00f6gerung. Zus\u00e4tzlich werden Wortabrufaufgaben eingesetzt, etwa das Nennen m\u00f6glichst vieler W\u00f6rter mit einem bestimmten Anfangsbuchstaben oder aus einer Kategorie innerhalb von 60 Sekunden.<\/p>\n<p>Wenn man die Modellg\u00fcte betrachtet, zeigt sich ein Muster, das f\u00fcr die Einordnung von \u201eClock\u201c-Ans\u00e4tzen typisch ist: Das System verfehlt das tats\u00e4chliche Alter im Mittel um etwa neun Jahre, erkl\u00e4rt aber dennoch einen betr\u00e4chtlichen Teil der Altersschwankungen innerhalb des Datensatzes. In der Studie liegt der erkl\u00e4rte Varianzanteil bei ungef\u00e4hr 44 %, und nach einer statistischen Korrektur, die h\u00e4ufig bei Alterspr\u00e4diktionsmodellen angewandt wird, ergibt sich eine Korrelation von 0,74 zwischen Vorhersage und tats\u00e4chlichem Alter. F\u00fcr die Frage, ob der Speech Age Gap wirklich zwischen Gruppen trennt, sind aber nicht die absoluten Fehler der wichtigste Punkt, sondern die Differenzen zwischen diagnostischen Kategorien. Kognitiv gesunde Erwachsene weisen die niedrigsten Speech Age Gaps auf, w\u00e4hrend alle Patientengruppen gr\u00f6\u00dfere Abweichungen zeigen. Dabei fallen die gr\u00f6\u00dften Gap-Werte bei Sprache-dominanten frontotemporalen Demenzvarianten auf, gefolgt von verhaltens-\/motorisch gepr\u00e4gten Varianten, w\u00e4hrend Alzheimer und MCI im Vergleich niedrigere, aber weiterhin erh\u00f6hte Abweichungen zeigen. Entscheidend: Diese Gruppenunterschiede bleiben auch dann sichtbar, wenn Faktoren wie chronologisches Alter, Geschlecht, Bildungsjahre, Herkunftsland, medizinische Begleiterkrankungen und die Zahl der gesprochenen Sprachen ber\u00fccksichtigt werden.<\/p>\n<p>Besonders stark wirkt die Validierung \u00fcber mehrere \u201eEbenen\u201c hinweg. Die Forschenden pr\u00fcfen den Zusammenhang zwischen Speech Age Gap und kognitiven Testleistungen, Biomarkern im Blut sowie einem umfassenden Ma\u00df f\u00fcr den sozialen \u201eExposome\u201c-Kontext. Mit gr\u00f6\u00dferem Speech Age Gap geht im Datensatz eine schlechtere Performance in Tests zu Ged\u00e4chtnis, exekutiven Funktionen, Alltagsfunktionalit\u00e4t sowie sprachlichen und nichtsprachlichen Aufgaben einher. Der Zusammenhang ist dabei ausgepr\u00e4gter bei Tests mit verbalen Bestandteilen, etwa beim Nacherz\u00e4hlen, als bei Aufgaben, die die Autorinnen und Autoren als nichtverbal klassifizieren (beispielsweise Kopier- und sp\u00e4teres Remodelling komplexer Figuren). In einem Teil der Stichprobe mit Blutmessungen korreliert ein h\u00f6herer Speech Age Gap zudem mit erh\u00f6hten Plasmawerten von phosphoryliertem Tau-217; bemerkenswert ist die Spezifit\u00e4t, die in der Arbeit vor allem bei Alzheimer-Patientinnen und -Patienten sichtbar wird. Parallel dazu deckt das Social-Exposome-Modell \u00fcber 319 Items lebenslange sozio\u00f6konomische Bedingungen ab, etwa Bildungswege, Ern\u00e4hrungsunsicherheit, finanziellen Stress, Zugang zu Gesundheitsversorgung und fr\u00fche Belastungen. Gr\u00f6\u00dfere Speech Age Gaps gehen sowohl bei gesunden Kontrollen als auch bei Alzheimer-F\u00e4llen mit einem ung\u00fcnstigeren sozialen Exposome einher \u2013 ein Hinweis darauf, dass kumulierte Umweltfaktoren messbare Spuren in einer \u201eAlltagsmodalit\u00e4t\u201c wie Sprache hinterlassen k\u00f6nnen.<\/p>\n<p>F\u00fcr die technische Substanz der \u201eClock\u201c-Behauptung sind jedoch die Quervergleiche zu Hirn- und epigenetischen Alternsuhren zentral. In Subgruppen mit verf\u00fcgbaren neurobildgebenden Daten zeigen sich moderat bis starke positive Korrelationen zwischen Speech Age Gap und Hirn-Alterungsma\u00dfen: strukturelle MRT-basierte Hirnalterung (Korrelation 0,42), funktionelle MRT bei Ruheaktivit\u00e4t bzw. Kommunikationsmustern (0,49) sowie ein kombiniertes Brain-Clock-Modell (0,53). Auch epigenetische Uhren passen sich an, allerdings schw\u00e4cher: Korrelationen liegen dort grob bei etwa 0,2, und zwar besonders bei gesunden Erwachsenen sowie bei Alzheimer-F\u00e4llen, was zur generellen Beobachtung passt, dass unterschiedliche \u201eUhrentypen\u201c nicht identisch sind, sondern jeweils andere biologische Prozesse abbilden. Zus\u00e4tzlich analysiert das Team einzelne Hirnnetzwerke: Der Speech Clock bildet eher die Gesamt-Hirnalterung ab als das Altern isolierter Netzwerke. Ein kleiner, statistisch signifikanter Bezug zeigt sich vor allem beim Sprach-Netzwerk und beim Salience-Netzwerk; andere einzelne Netzwerke liefern keine stabilen Beziehungen. Zugleich bleibt die Arbeit methodisch vorsichtig: Weil die Analyse \u00fcberwiegend querschnittsbasiert ist, kann der Speech Age Gap nicht beweisen, dass eine \u201e\u00e4lter klingende\u201c Stimme zuk\u00fcnftigen kognitiven Abbau zwangsl\u00e4ufig vorhersagt. Die Autorinnen und Autoren positionieren die Ergebnisse daher als erg\u00e4nzendes Signal, das erst im Zusammenspiel mit etablierten Untersuchungen diagnostisch belastbar wird. Als n\u00e4chste Schritte werden longitudinale Studien gefordert, insbesondere \u00fcber mehrere Sprachen hinweg, um zu pr\u00fcfen, ob die Merkmalslogik aus dem spanischen Datensatz \u00fcbertragbar ist.<\/p>\n<p>\t\ud83d\udcb3 <a alt=\"Amazon Kreditkarte\" target=\"_blank\" style=\"color:#8351a9;text-decoration: none !important;\" href=\"https:\/\/www.it-boltwise.de\/freecard\" rel=\"nofollow noopener\">Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!<\/a><br \/>\ud83d\udd25 <a alt=\"Amazon Hot Deals\" target=\"_blank\" style=\"color:#8351a9;text-decoration: none !important;\" href=\"https:\/\/www.it-boltwise.de\/sponsoreddeals\" rel=\"nofollow noopener\">Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!<\/a><br \/>\ud83c\udf89 <a alt=\"Amazon Haul Store\" target=\"_blank\" style=\"color:#8351a9;text-decoration: none !important;\" href=\"https:\/\/www.amazon.de\/-\/en\/haul\/store?&amp;linkCode=ll2&amp;tag=boltwise-21&amp;linkId=399013a5af0a4d143675bfd9301b35bc&amp;language=en_GB&amp;ref_=as_li_ss_tl&amp;creatorsDisableRedirect=true\" rel=\"nofollow noopener\">Amazon Haul-Store f\u00fcr absolute Schn\u00e4ppchenj\u00e4ger!<\/a><\/p>\n<p><\/p>\n<p>        <a class=\"aawp-product__image-link\" href=\"https:\/\/www.amazon.de\/dp\/B0FNRG2V5N?tag=boltwise-21&amp;linkCode=ogi&amp;th=1&amp;psc=1&amp;creatorsDisableRedirect=true\" title=\"Plantbot Upgraded Large Smart Flower Pot Pet Planter Robot with Artificial Intelligence, Time Temperature Display, and Numerous Expressive Animations Based, for Indoor Decoration, Gifts (White)\" rel=\"nofollow noopener sponsored\" target=\"_blank\"><br \/>\n            <img decoding=\"async\" class=\"aawp-product__image\" src=\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/10\/1793110510_46_418bcqWDLCL._SL160_.jpg\" alt=\"Plantbot Upgraded Large Smart Flower Pot Pet Planter Robot with Artificial Intelligence, Time Temperature Display, and Numerous Expressive Animations Based, for Indoor Decoration, Gifts (White)\"\/><br \/>\n        <\/a><\/p>\n<p>        <a class=\"aawp-product__title\" href=\"https:\/\/www.amazon.de\/dp\/B0FNRG2V5N?tag=boltwise-21&amp;linkCode=ogi&amp;th=1&amp;psc=1&amp;creatorsDisableRedirect=true\" title=\"Plantbot Upgraded Large Smart Flower Pot Pet Planter Robot with Artificial Intelligence, Time Temperature Display, and Numerous Expressive Animations Based, for Indoor Decoration, Gifts (White)\" rel=\"nofollow noopener sponsored\" target=\"_blank\"><br \/>\n            Plantbot Upgraded Large Smart Flower Pot Pet Planter Robot with Artificial Intelligence, Time Temperature Display, and Numerous Expressive Animations Based, for Indoor Decoration, Gifts (White)        <\/a><\/p>\n<p>            \u3010XL-Gr\u00f6\u00dfe f\u00fcr gedeihende Pflanzen\u3011Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, gro\u00dfes 13,7 cm gro\u00dfes Design bietet Platz f\u00fcr Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz f\u00fcr Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Ger\u00e4t wiegt nur 355 g.        <\/p>\n<p>    Bestseller Nr. 1 \u1d43\u293b\u1dbb \u00abKI Gadgets\u00bb<\/p>\n<p>    Bestseller Nr. 2 \u1d43\u293b\u1dbb \u00abKI Gadgets\u00bb<\/p>\n<p>    Bestseller Nr. 3 \u1d43\u293b\u1dbb \u00abKI Gadgets\u00bb<\/p>\n<p>    Bestseller Nr. 4 \u1d43\u293b\u1dbb \u00abKI Gadgets\u00bb<\/p>\n<p>    Bestseller Nr. 5 \u1d43\u293b\u1dbb \u00abKI Gadgets\u00bb<\/p>\n<p>\n<a title=\"Hat Ihnen der Artikel bzw. die News - Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung - gefallen? Dann abonnieren Sie uns doch auf Insta: AI News, Tech Trends &amp; Robotics - Instagram - Boltwise\" style=\"border:0 !important;\" href=\"https:\/\/www.it-boltwise.de\/iglink\" target=\"_blank\" rel=\"nofollow noopener\"><img loading=\"lazy\" width=\"980\" height=\"774\" decoding=\"async\" title=\"Hat Ihnen der Artikel bzw. die News - Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung - gefallen? Dann abonnieren Sie uns doch auf Insta: AI News, Tech Trends &amp; Robotics - Instagram - Boltwise\" alt=\"Hat Ihnen der Artikel bzw. die News - Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung - gefallen? Dann abonnieren Sie uns doch auf Insta: AI News, Tech Trends &amp; Robotics - Instagram - Boltwise\" src=\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/10\/1793110512_498_instagram.png\" style=\"width:100%;-webkit-filter: grayscale(0) !important;filter: grayscale(0) !important;\"\/><\/a><\/p>\n<p>        <img loading=\"lazy\" width=\"512\" height=\"512\" decoding=\"async\" style=\"width:42px;\" src=\"https:\/\/www.europesays.com\/at\/wp-content\/uploads\/2026\/10\/1793110512_198_4698570_email_inbox_letter_message_notifications_icon.png\"\/><\/p>\n<p>            Unseren KI-Morning-Newsletter \u00abDer KI<br \/>\n                News Espresso\u00bb mit den besten KI-News des letzten Tages gratis per eMail &#8211; ohne Werbung:<br \/>\n                <a style=\"color:#8351a9;\" href=\"https:\/\/www.it-boltwise.de\/ki-morning-newsletter\" rel=\"nofollow noopener\" target=\"_blank\">Hier kostenlos eintragen!<\/a><\/p>\n<p><\/p>\n<p>Erg\u00e4nzungen und Infos bitte an die Redaktion per eMail an de-info[at]it-boltwise.de. Da wir bei KI-erzeugten News und Inhalten selten auftretende KI-Halluzinationen nicht ausschlie\u00dfen k\u00f6nnen, bitten wir Sie bei Falschangaben und Fehlinformationen uns via eMail zu kontaktieren und zu informieren. Bitte vergessen Sie nicht in der eMail die Artikel-Headline zu nennen: &#8222;Sprach-\u201eAge Gap\u201c: KI analysiert kurze Aufnahmen zur Einsch\u00e4tzung von Hirnalterung&#8220;.<\/p>\n","protected":false},"excerpt":{"rendered":"LONDON (IT BOLTWISE) \u2013 Eine KI kann aus wenigen Minuten gesprochener Alltagssprache einen \u201eSpeech Age Gap\u201c ableiten, der&hellip;\n","protected":false},"author":2,"featured_media":479831,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[20],"tags":[17360,9571,46,42,113214,113215,30953,113216,129,9803,124,123,507,508,36966,9607,29475,5044,44,113217,113218],"class_list":["post-479830","post","type-post","status-publish","format-standard","has-post-thumbnail","category-gesundheit","tag-ai","tag-artificial-intelligence","tag-at","tag-austria","tag-biological-aging-clock","tag-brain-imaging","tag-dementia","tag-epigenetic-aging","tag-gehirn","tag-geist","tag-gesundheit","tag-health","tag-ki","tag-kuenstliche-intelligenz","tag-machine-learning","tag-neurologie","tag-neuroscience","tag-neurowissenschaften","tag-oesterreich","tag-social-exposome","tag-speech-recognition"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@at\/117513298174136138","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/posts\/479830","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/comments?post=479830"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/posts\/479830\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/media\/479831"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/media?parent=479830"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/categories?post=479830"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/at\/wp-json\/wp\/v2\/tags?post=479830"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}