LONDON (IT BOLTWISE) – Sprachliche Auffälligkeiten wie verlängerte Sprechpausen und Wortfindungsstörungen rücken immer stärker in den Fokus der Demenzfrüherkennung. Eine computerbasierte Sprachanalyse identifiziert biologische Risikogruppen in bis zu 77 % der Fälle, während etablierte kognitive Testmodelle auf 47 % kommen. Parallel laufen große Projekte wie SpeechDX, die Sprachdaten mit Bluttests und Hirnscans zusammenführen. Gleichzeitig bleibt der kommerzielle Einsatz vorerst an fehlender Evidenz gekoppelt.

Sprachanalyse bei Demenz: KI erkennt Risikogruppen früher als TestsSprachanalyse bei Demenz: KI erkennt Risikogruppen früher als Tests (Foto: IT BOLTWISE)

🧠 KI & Robotik auf Google News abonnieren

Demenz kündigt sich häufig nicht schlagartig an, sondern über Monate im Alltag: Wer später über „den roten Faden“ stolpert, merkt oft zuerst, dass die Sprache weniger flüssig wird. In der Forschung rücken dabei ganz konkrete Muster in den Vordergrund, etwa verlängerte Sprechpausen, Wortfindungsstörungen oder ein Satzbau, der ins Abschweifen gerät. Der Ansatz wirkt zunächst unspektakulär, weil er an der alltäglichen Kommunikation ansetzt. Gerade deshalb ist er spannend: Sprache ist messbar, wiederholbar und lässt sich mit digitalen Signalen aus Sensorik und Software verbinden.

Ein niedrigschwelliger Einstieg kommt aus dem 60-Sekunden-Test, den Neil K. Shah von CareYaya in den Mittelpunkt stellt: Probanden sollen innerhalb einer Minute möglichst viele verschiedene Tierarten nennen. Als grobe Orientierung gilt ein Ergebnis von weniger als 15 Tieren als Anlass für eine weitergehende kognitive Abklärung. Wichtig ist jedoch die Einordnung: Der Wert ist weder eine allgemeingültige Schwelle noch ein Beleg für eine Demenzerkrankung, weil Alter, Bildungshintergrund, Sprache sowie die Tageskonzentration stark hineinspielen. Für die Praxis heißt das: Solche Screenings können Lücken im Zugang schließen, ersetzen aber nicht die Diagnostik durch Fachteams.

Technisch verlagert sich der Schwerpunkt anschließend auf softwarebasierte Verfahren, die nicht nur zählen, sondern Sprache in vielen Dimensionen gleichzeitig bewerten. In einer Studie eines Teams um Marziye Eshghi (Mass General Brigham) werden mit Sensoren und Algorithmen rund 130 sprachbezogene Merkmale erfasst. Dazu gehören unter anderem Sprechgeschwindigkeit, Pausendauern, Tonhöhe, Wortschatz sowie sogar Aspekte der feinmotorischen Koordination beim Sprechen und bei Gesichtsmuskelbewegungen. In der Untersuchung an 49 kognitiv unbeeinträchtigten Personen konnte die computergestützte Analyse biologische Risikogruppen – bestimmt über Blutproteine und genetische Varianten – in bis zu 77 % der Fälle korrekt identifizieren. Etablierte kognitive Testmodelle kamen demgegenüber auf eine Quote von 47 %.

Damit wird klar, warum solche Systeme in der Forschung als potenzielles Brückenelement gelten: Sie könnten helfen, frühe Veränderungen zu erkennen, bevor klassische Tests eindeutig positive Befunde liefern. Dennoch bleibt es ein früher Entwicklungsstand, weil „Korrektheit“ auf Studienbedingungen beruht und sich im Alltag erst beweisen muss. Genau an dieser Übertragung arbeitet das dreijährige Forschungsprojekt SpeechDX, koordiniert von Melissa Lee bei der Alzheimer’s Drug Discovery Foundation. Die Initiative sammelt Sprachaufnahmen zusammen mit Bluttests, Hirnscans und kognitiven Erhebungen von 2.000 Probanden in den USA, Australien und Spanien – in Englisch, Spanisch und Katalanisch. Steven Arnold von der Harvard University ordnet die Sprachanalyse als potenziell wertvolles Instrument für Früherkennung und Verlaufsbeobachtung ein, weist aber zugleich darauf hin, dass die Datenbasis für einen breiten Routineeinsatz noch nicht ausreicht.

Parallel dazu verschiebt sich die Messlogik von „Risikogruppen“ hin zu „biologischem Alter“ als sprachbasiertem Signal. Ein internationales Team um Damián Dellavale (CONICET und Centro Atómico Bariloche) publizierte dazu eine softwarebasierte „Sprachuhr“ in Science Advances. Die Datenbasis umfasste 2.928 spanischsprachige Teilnehmende aus mehreren Ländern, darunter gesunde Personen, Menschen mit leichter kognitiver Beeinträchtigung, Alzheimer-Patienten sowie Betroffene mit frontotemporaler Demenz. In sieben Aufgaben – etwa Video- und Tier- oder Gemüsebenennung sowie dem Nacherzählen einer Geschichte nach 20 bis 30 Minuten – zeigte sich, dass die Diskrepanz zwischen geschätztem Sprechalter und tatsächlichem Alter bei kognitiv Gesunden am geringsten und bei sprachdominanter frontotemporaler Demenz am stärksten ausfiel. Bei Alzheimer-Patienten korrelierte dieser Wert zusätzlich mit dem Biomarker p-tau217.

Auch spätere Arbeiten vertiefen den Zusammenhang zwischen Sprache und Gehirnbiologie. In einer weiteren Studie, veröffentlicht im September 2026 in Science Advances, analysierte ein Team um Hernan Hernandez (Latin American Brain Health Institute) gemeinsam mit Agustin Ibanez und Adolfo M. García das Stimmalter bei fast 3.000 Personen. Dabei korrelierte es mit per Magnetresonanztomografie gemessenem Hirnalter sowie DNA-basierten Altersmarkern. Interessant für den klinischen und gesellschaftlichen Kontext: Es zeigte sich zudem eine Verbindung zu sozioökonomischen Belastungsfaktoren im Lebenslauf, etwa Bildung, Gesundheit oder Finanzen, die mit einer beschleunigten Alterung der Sprache einhergehen können. Dellavale und Kollegen betonten zugleich die Grenzen: Es handelt sich um Querschnittsdaten ohne individuelle Verlaufsprognose, daher seien langfristige Studien in verschiedenen Sprachen erforderlich. Für den Markt bedeutet das: Automatisierte, standardisierte Sprachanalysen können Forschungslücken schließen, aber der Weg in Produkte führt über robuste Längsschnittdaten, klare Evidenzpfade und reproduzierbare Messbedingungen.

💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!


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)


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)

  • 【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.

Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 6 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 7 ᵃ⤻ᶻ «KI Gadgets»

Bestseller Nr. 8 ᵃ⤻ᶻ «KI Gadgets»

Hat Ihnen der Artikel bzw. die News - Sprachanalyse bei Demenz: KI erkennt Risikogruppen früher als Tests - gefallen? Dann abonnieren Sie uns doch auf Insta: AI News, Tech Trends & Robotics - Instagram - Boltwise

Unseren KI-Morning-Newsletter «Der KI
News Espresso» mit den besten KI-News des letzten Tages gratis per eMail – ohne Werbung:
Hier kostenlos eintragen!

Ergänzungen 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 ausschließen können, 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: „Sprachanalyse bei Demenz: KI erkennt Risikogruppen früher als Tests“.