Fraunhofer-Institut für Digitale Medientechnologie IDMT
Mehr als die Hälfte der Erwachsenen über 60 Jahren leidet unter Hörverlust (»World report on hearing«, World Health Organization, 2021). Oft verzichten Betroffene auf eine Hörunterstützung, was jedoch das Risiko für Folgeschäden, wie Arbeitsunfälle, Depression oder Demenz, erhöht.
Das Ziel des Projekts AIHEARS liegt in der Erforschung, Entwicklung und Evaluation eines KI-basierten Hörsystems, das individuelle Klangbedürfnisse und -präferenzen berücksichtigt und automatisch in alltäglichen Hörsituationen anwendet. Das Konsortium will dazu beitragen, dass eine Hörversorgung einfach zugänglich und eine selbstständige Anpassung der Hörlösung auf die eigenen Bedürfnisse erleichtert wird. In einer hardwareunabhängigen Anwendung sollen gängige medizinische Hörverstärkungen in Form von Hörgeräten als auch nicht-medizinische Geräte, wie Kopfhörer oder Earbuds, berücksichtigt werden. So soll ein möglichst niederschwelliger Einsatz und eine frühzeitige Nutzung von Hörverstärkung gefördert werden.
Das auf KI basierende Steuerungssystem in AIHEARS soll von den Nutzenden selbst im individuellen täglichen Hörumfeld trainiert werden. Dabei werden Alltags-Hörumfelder klassifiziert und Klanganpassungen zugeordnet. Der trainierte Algorithmus soll anschließend die Präferenzen von individueller Klanganpassung in Echtzeit vorhersagen und in automatisch erkannten Hörumfeldern anwenden können.
Beitrag des Fraunhofer IDMT im Projekt
Das Fraunhofer IDMT-HSA ist im Projekt für die Erforschung der personalisierbaren Audiosignalverarbeitung verantwortlich. Dazu gehört insbesondere die Entwicklung und Evaluation von Algorithmen zum personalisierten, selektiven Hören durch intelligente Quellentrennung. Sie sollen u. a. dafür sorgen, dass bestimmte relevante Geräusche aus einem Mix verschiedener Sprechenden und Hintergrundgeräuschen extrahiert werden. Entsprechende Konzepte der Personalisierung sollen sicherstellen, dass die individuellen Klangpräferenzen der Anwenderinnen und Anwender im Alltag automatisch berücksichtigt werden. Um dies zu erreichen, werden die Entwicklungen im Projektverlauf mehrfach evaluiert und für den Echtzeitbetrieb über Modelle und in Hörversuchen optimiert.