Karin Bauer

Introbild  Das menschliche Gehör dient als geniales Vorbild für intelligente Technologien der Spracherkennung. (Adobe Stock).

Spracherkennung spielt eine wichtige Rolle in der Welt intelligenter Systeme. In der Verarbeitung von Schriftsprache mittels Künstlicher Intelligenz (KI) sind enorme Fortschritte erzielt worden. Die gesprochene Sprache zu erkennen und zu analysieren, birgt noch manche Herausforderung für die Forschung. Besonders erfolgversprechend scheinen Ansätze zu sein, die sich an einem der genialsten Spracherkennungssysteme der Welt als Vorbild orientieren: dem menschlichen Gehör. Dennoch soll das biologische Vorbild durch blinde Naturprozesse entstanden sein. Wie ist das möglich, wenn schon das Nachbild (in diesem Fall ein Mikrochip) eine unglaubliche Genialität seiner Erschaffer bzw. Nachahmer voraussetzt – und dennoch nicht an das Vorbild herankommt?

Einleitung

Intelligent entwickelte Technologien sind in unserem Alltag allgegenwärtig. Bei der Suche nach Innovationen wird auch am Vorbild biologischer Systeme geforscht (= Bionik). Dabei steht das menschliche Körpersystem mit seinen effizienten, nachhaltigen und kommunizierenden Systemen ebenfalls im Fokus der Wissenschaftler.

Zentrale Themen bei der Weiterentwicklung technischer bzw. digitaler Systeme sind Genauigkeit, Geschwindigkeit und Energie. Die Datenmengen, ihre Verarbeitung und die Kühlung von Rechensystemen benötigen viel Energie – und für durchgehende Datenerfassung zudem eine unterbrechungsfreie Stromversorgung. Forscher suchen nach Wegen, um die Energie- und Raumeffizienz zu optimieren. Außerdem arbeiten sie an Innovationen, die die Systeme resilienter gegen Störungen machen, und suchen Lösungen für eine effiziente Datenfilterung, um den Speicherverbrauch zu reduzieren (Nayak et al. 2021). Hinzu kommen noch anwendungsspezifische Fragen. Im Fall der Spracherkennungssysteme sind zum Beispiel Fehlerquoten ein Thema, die sich durch die Überlagerungen von Sprache und Geräuschen ergeben. Forscher suchen daher nach Möglichkeiten, die Datenerhebung durch Vorverarbeitungssysteme zu verbessern. Dabei lässt sich viel Hilfreiches an den menschlichen Sinnesorganen und ihrem Zusammenspiel mit dem Gehirn erkennen. In einem neuen Artikel von Zolfagharinejad et al. (2025) wurde ein Edge-Prozessor für zeitliche Signale vorgestellt, bei dem man sich in der Entwicklung funktional an der menschlichen Cochlea (Hörschnecke), dem Kernelement des Ohres, orientiert hat. Menschliche Sprachen übermitteln via Schall komplexe Daten, die in Ist-Zeit erfasst werden müssen. Ähnliches soll nun der von Zolfagharinejad et al. (2025) neu vorgestellten Edge-Zeitsignalprozessor mithilfe eines zuvor trainierten, neuronalen Netzwerkes leisten, wobei es insbesondere auf eine schnelle Verarbeitung ankommt.

Wenn solch ausgefeilt konstruierte Prozessoren auf einer existierenden Vorlage aufbauen – nämlich in diesem Fall auf dem menschlichen Innenohr (die Cochlea) –, dann lohnt sich eine eingehende Betrachtung des Prototyps.

Das menschliche Ohr ist im Zusammenspiel mit dem Gehirn ein erstaunliches Spracherkennungssystem, das Datenfilterung, -erhebung, -transformation und -verarbeitung bewerkstelligt. Zudem funktioniert es leistungsstark, unabhängig von unserer bewussten Lenkung und gesteuert von unserem vegetativen Nervensystem. Es ist energieeffizient und raumsparend, und kann darüber hinaus mit Temperaturschwankungen und sonstigen Umgebungsfaktoren zurechtkommen.

Aufbau des Ohres

Das auditive System besteht aus zwei Bereichen: 1. dem Ohr als Schallempfänger und Transformator und 2. dem Gehirn, das die eingehenden Daten auswertet und dabei mit mehreren Verarbeitungsebenen bzw. Prozessoren vergleichbar ist. Die Schnittstelle zwischen Schallwellen und elektrischen Signalen für das Nervensystem und damit das zentrale Element in der Cochlea zur Aufnahme und Transformation des Schalls im auditiven System stellt das Corti-Organ im menschlichen Innenohr dar; dies wird weiter unten genauer beschrieben. Mit einem gesunden Ohr können Frequenzen von 18 Hz–18 kHz, mit einer Lärmintensität zwischen 40–80 dB ermittelt werden (Waschke et al. 2015).

Doch schon bevor im Corti-Organ eine genaue Schallanalyse durchgeführt wird, sind die zuführenden Ohrräume in ausgeklügelter Art und Weise an der Schallweiterleitung beteiligt.

Die reliefartig geformte Ohrmuschel (Abb. 1) leitet die von außen eintreffenden Schallwellen nach innen. Am rechten bzw. linken Ohr treffen die Schallwellen, je nach Schallquelle, leicht versetzt ein, was ein wichtiger Aspekt für die räumliche Orientierung darstellt. Die Wellen im Relief der Ohrmuschel verfeinern diese Differenzierung, da die Wege – je nach Einfallswinkel – etwas länger oder kürzer sind. Aus diesem minimal versetzten Eintreffen der in Form von elektrischen Impulsen weitergeleiteten Schallimpulse erstellt das Gehirn in kürzester Zeit eine Art Schallbild für differenzierte räumliche Wahrnehmung (Frings et al. 2019; Gitt 2003).

Von der Ohrmuschel tritt die Schallwelle in den ca. 2 cm langen äußeren Gehörgang (Abb. 1). Die Membran des Trommelfells bildet eine luftdichte Trennwand zur Außenwelt, die das Innere vor Keimen schützt. Die Fläche des Trommelfells von ca. 50–75 mm² läuft zur Mitte trichterförmig zu und überträgt die Schwingungen an das Mittelohr. Der Spannungsgrad des Trommelfells lässt sich verändern, um die Schallweiterleitung zu begünstigen oder zu hemmen. Wird die Spannung durch einen Muskel (M. tensor tympani) erhöht, begünstigt das die Schallweiterleitung. Besteht ein zu hoher Schalldruck, hemmt ein anderer Muskel (M. stapedius) die Vibration des Trommelfells und schützt damit das sensible Innenohr (Schünke et al. 2009; Waschke et al. 2015).

Abb. 1  Schematische Darstellung des menschlichen Gehörs. (Nach Lars Chittka; Axel Brockmann, CC BY 2.5)

Die Vibration des Trommelfells bringt die Gehörknöchelchen im Mittelohr in Schwingung. Diese sind in einer Reihe in der Paukenhöhle aufgehängt: Hammer, Amboss und Steigbügel (Abb. 1). Das Trommelfell steht mit der Fläche des Hammerkopfs in Kontakt und so wird die Vibration vom Hammer über den Amboss zur Steigbügelplatte geleitet. Diese Platte hat Kontakt zu einer weiteren Membran, die in das ovale Fenster eingespannt ist und den Übergang zum Innenohr bildet (Abb. 1).

Die Gehörknöchelchen transformieren durch einen durchdachten Mechanismus die Schallenergie vom Medium Luft in ein flüssiges Medium, denn hinter dem ovalen Fenster trifft die bis dahin via Luft übertragene Schwingung auf die Lymphflüssigkeit in der Hörschnecke (Cochlea; Abb. 1). Ohne diesen Vorgang der Transformation würden bei dem Übergang von Luft zu flüssigem Medium bis zu 90 % der Schallenergie reflektiert werden und somit für die auditive Wahrnehmung verloren gehen.

Zwei Faktoren wirken dem Energieverlust der Schallwelle entgegen: Zum einen bündeln die Gehörknöchelchen die Schallwelle und zum anderen spielt auch der jeweilige Durchmesser der Membranen eine Schlüsselrolle: Das Trommelfell hat eine Fläche von ca. 50–75 mm², während die Membran im ovalen Fenster, auf welche die Fußplatte des Steigbügels die Schwingung überträgt, mit 3–4 mm² deutlich kleiner ist.

Die Bündelung, die durch Übertragung von einer größeren auf eine kleinere Membran geschieht, verstärkt die Schallenergie ziemlich genau um den Faktor, den sie durch den Übergang in das flüssige Medium verlieren würde. Wir sehen einen durchdachten Mechanismus im Mittelohr, der den Energieverlust der Schallwellen ausgleicht (Gitt 2003; Frings et al. 2019).

Diese Prinzipien in der Paukenhöhle funktionieren jedoch nur dann, wenn der Luftdruck zwischen Außen- und Mittelohr sowie die Druckverhältnisse im Innenohr ausgeglichen sind. Stimmen die Druckverhältnisse nicht überein, wird die Hörfähigkeit gemindert. Damit der Luftdruck an der sogenannten Luftschranke des Trommelfells ausgeglichen werden kann, sorgen die Eustachischen Röhren (Abb. 1) beiderseits zwischen Paukenhöhle und dem oberen Rachenraum für den Druckausgleich. Diese Gewebeschläuche werden bei Bedarf muskulär geöffnet. Außerdem sorgen sie für eine Belüftung der Paukenhöhle (Waschke et al. 2015).

Die von den Gehörknöchelchen bewegte Membran am ovalen Fenster bringt die Innenohrflüssigkeit in der Hörschnecke in Schwingung. Passgenaue Mulden und Röhren im Schädelknochen bilden hierfür das nötige knöcherne Höhlensystem. Dieses ist mit häutigen Schläuchen ausgelegt und mit Flüssigkeiten gefüllt. Hinter dem ovalen Fenster liegt ein Vorhof, von dem die Bogengänge des Gleichgewichtsorgans und der Zugang zum eigentlichen Hörorgan, der Hörschnecke, abzweigen.

Die Hörschnecke (Cochlea)

Als schneckenförmiger, knöcherner Kanal bildet die Hörschnecke (Cochlea) einen Hohlraum für drei mit Lymphflüssigkeit gefüllte Schläuche (Abb. 1+2). Sie windet sich mit 2 ½ Windungen und ca. 35 mm Länge um die eigene Achse. Die drei Gänge hängen funktional zusammen (Abb. 2): Vom Vorhof aus schiebt sich die Schallwelle in den oberen Gang, der als Scala vestibuli bezeichnet wird. Dieser Gang führt hinauf zur Schneckenspitze, dem Helicotrema. Von dort wird die Welle über den unteren Gang, die Scala tympani, wieder abgeleitet.

Der untere Gang endet am runden Fenster (Abb. 1) und führt so den Schalldruck zurück zum Mittelohr. Die Membranen im ovalen und runden Fenster bewegen sich in Abstimmung zueinander, sobald der Steigbügel der Gehörknöchelchen die Membran nach innen drückt. Diese komplexe Bauweise, die die Schallwelle über das Helicotrema führt, sorgt dafür, dass Infraschall (Schwingungen unter 16 Hz), statische Auslenkungen oder Veränderungen im atmosphärischen Druck nicht negativ in die Schallanalyse einwirken können.

Abb. 2  Querschnitt des Gehörgangs in der Hörschnecke mit Cortiorgan. (Via AI nach OpenStax – Wikimedia Commons File:1406 Cochlea.jpg, CC BY-SA 4.0)

Zwischen der Scala vestibuli und der Scala tympani befindet sich der dritte Gang, der Ductus cochlearis. Oben ist er umschlossen von der Reissnermembran als Decke und unten von der Basilarmembran als Boden (Abb. 2). Im Ductus cochlearis befindet sich die Schallanalyse-Instanz. Das hochkomplexe Corti-Organ (Abb. 2) liegt der Basilarmembran auf und wird von kaliumionenreicher Endolymphe umspült, die für ein optimales Rezeptorpotential sorgt. Das Corti-Organ besteht aus zwei Typen von mechanorezeptiven Haarzellen und verschiedenen Stützzellen. Die Sensorik ist durch biochemische Wirkmechanismen und feinstmechanische Ausstattung sehr gut auf die physikalischen Eigenschaften der relevanten Schallereignisse abgestimmt.

Die Erzeugung von elektrischen Impulsen im Corti-Organ

Der Schalldruck einer eintreffenden Schallwelle bringt zunächst die Flüssigkeit in der Scala vestibuli und der Scala tympani in Schwingung. Dabei bewegt sich die Schallwelle nicht nur in Längsrichtung zur Spitze hinauf, sondern bringt auch die Basilarmembran (Abb. 2) in Vibration. Diese bewegt sich um wenige Nanometer auf und ab und bewegt so das Corti-Organ (Abb. 2+3) mit. Von der Basis in Richtung Spitze der Cochlea wandeln sich die mechanischen Eigenschaften der Basilarmembran: An der Basis der Cochlea ist die Membran mit 0,1 mm schmaler und fester als an ihrer Spitze. Die Basilarmembran wird nach oben hin um das 5-Fache breiter und dünner, was sie elastischer macht und wodurch das Gewebe die Schwingung leichter aufnimmt. Dadurch schwingt nach oben hin mehr Masse. Dank dieses Bauplans funktioniert das Corti-Organ nach dem Prinzip der Tonotopie, bei dem jede Frequenz einem spezialisierten Analyse-Bereich zugeordnet ist.

Der Schall entwickelt als Wanderwelle an speziellen Orten frequenzspezifische Maxima. So befinden sich die Analysebereiche für hohe Frequenzen an der Basis und für tiefe in Richtung der Spitze der Cochlea. Auf der Basilarmembran reihen sich symmetrisch geordnet ca. 3.500 innere und 12.000 äußere Haarsinneszellen auf. Über ihnen spannt sich die Tektorialmembran aus. Im Takt der Frequenzen bewegen sich so drei Elemente in der Flüssigkeit: Basilarmembran, Tektorialmembranund Haarsinneszellen. Mittels Resonanzschwingung (s. u.) werden die Frequenzen genau differenziert wahrgenommen.

Die inneren Haarsinneszellen wandeln die mechanischen Schwingungen mit einer Geschwindigkeit von 10 μ/s in elektrische Signale um. Da aber das Potenzial der Vibration, die von der Basilarmembran ausgeht, nicht ausreicht, wirken zusätzlich die äußeren Haarsinneszellen als Tonaufnehmer und Verstärker. Jedes dieser 3.500 Härchen verfügt wiederum über einen Haarschopf weiterer Härchen und in ihrer Zellmembran ist ein ungewöhnliches Protein eingelagert: das Prestin (von ital. „presto“= schnell).

Ihre Bauweise ermöglicht eine fantastische Elastizität und Beweglichkeit, mit der die Härchen den Takt der Basilarmembran aufnehmen und (vereinfacht gesagt) um das 1000-fache verstärken. Erst jetzt kommen die inneren Haarsinneszellen für die Transduktion in elektrische Signale zum Zug: Mit ca. 1.000 nm Länge arbeiten sie mittels Resonanzschwingung in der Flüssigkeit wie Strömungssensoren. Auf ihrer Spitze befinden sich 50–120 Fortsätze, die durch Proteinfäden (Tip-Links) untereinander in Verbindung stehen. Dies sorgt dafür, dass ihre Resonanzreaktion geordnet abläuft.

Damit die differenzierte Frequenzanalyse auch adäquat übermittelt werden kann, befinden sich am unteren Ende jedes Härchens 10–20 Synapsen, die elektrische Signale an das Gehirn weiterleiten. Hörnervenfasern weisen auch in Ruhe ein Aktionspotential auf. Ein Schallimpuls erhöht dieses Potenzial. Um den gesamten dynamischen Bereich abzudecken, wird jede Haarzelle von Neuronen mit unterschiedlicher Erregungsschwelle kontaktiert. Bei steigendem Schalldruckpegel werden folglich auch mehr Neuronen zur Reizweiterleitung aktiviert, die den Reiz weiterleiten. Die großzügige Ausstattung mit Neuronen ist demnach keine Überversorgung, sondern ein wohldurchdachtes Prinzip, um Lautstärken differenziert wahrzunehmen.

Die vom Ohr codierten Signale müssen im Gehirn einer weiteren komplexen Analyse unterzogen werden. Nur so können die überlagernd eintreffenden Schallinformationen inhaltlich differenziert analysiert und als Geräusch, Klang, Musik oder Sprache weiterer Analyse unterzogen werden. Ohne diesen elementaren Schritt fände die enorme Datenmenge keine adäquate Anwendung.

Abb. 3  Schematische Darstellung der Zelltypen des Vestibulums und der Hörschnecke (Cochlea). Einblick in den Ductus cochlearis: Haarzellen in Lila und Grün, Stützzellen in Türkis und Neuronen in Rot, die nicht-sensorischen Zelltypen in Grau. (Stark verändert nach van der Valk, W.H., Steinhart, M.R., Zhang, J. et al. (2021) Building inner ears: recent advances and future challenges for in vitro organoid systems. Cell Death Differ 28, 24–34, https://www.nature.com/articles/s41418-020-00678-8, CC BY 4.0, Wikimedia)

Informationsverarbeitung im Nervensystem

Von den Haarsinneszellen ausgehend leiten aufsteigende (afferente) Nervenbahnen über mehrere Verschaltungspunkte die Signale in den Hirnstamm. Von dort werden sie dem auditiven Cortex im Großhirn zugeführt. Das Prinzip der Tonotopie bleibt dabei erhalten: viele Neuronen sind speziellen Frequenzen zugeordnet. Des Weiteren werden die Signale auf verschiedene Areale im Hirnstamm verschaltet, wodurch die Informationen spezifisch ausgewertet werden können. So können spezifische Informationen ausgewertet werden. Neben den aufsteigenden Bahnen kommuniziert das Gehirn über absteigende Nervenbahnen (efferente) mit dem Ohrsystem und kann es bei Bedarf funktional modulieren (Speckmann 2013).

Schlussfolgerungen: Vorbild und Nachbau

Zolfagharinejad et al. (2025, 886) haben auf Basis des Corti-Organs einen Edge-Temporal-Signal-Prozessor zur Tonaufnahme und -verarbeitung entwickelt. Dieser Edge-Prozessor für zeitliche Signale erreicht eine „Genauigkeit, die der von Software nahekommt“. Dabei verarbeitet eine nichtlineare Schicht aus rekonfigurierbaren und nichtlinearen Verarbeitungseinheiten die Merkmale in zeitlicher Abfolge analog – ähnlich wie es sich bei der menschlichen Hörschnecke verhält. Außerdem „implementiert ein analoger In-Memory-Computing-Chip […] ein kompaktes neuronales Netzwerk, das auf den extrahierten Merkmalen für die Klassifizierung trainiert wurde“. Die Prozessoren bauen auf der existierenden Vorlage des menschlichen Innenohres auf.

Doch wie schneidet der Edge-Prozessor im Vergleich zum biologischen Vorbild ab? Das Ohr kann mit einer hohen Energie- und Raumeffizienz aufwarten. Dies ist mit einer noch genaueren funktionalen Datenfilterung, durchgehender Stromversorgung und beeindruckender Geschwindigkeit möglich. Nayak et al. (2024) schreiben, dass das Hauptproblem der Edge-Analytik die Größe der Edge-Geräte und die begrenzte Stromversorgung ist. Des Weiteren beschreiben die Autoren auch Probleme bezüglich der Datensicherheit, Begrenzungen in der Speicherkapazität und begrenzte Ressourcen in der Rechenleistung.

Anders als die Edge-Technologie besitzt das menschliche Hörsystem die Fähigkeit, sich der Umgebung anzupassen und adäquat auf Veränderungen bei Lautstärkepegel, Luftdruck und Temperatur zu reagieren. Zudem ist die Speicherkapazität größer. Sensoren und Prozessor – das meint hier die verschiedenen Elemente des Hörorgans und das Gehirn – sind in der Lage, miteinander zu kommunizieren und selbstorganisiert funktionale Modulationen vorzunehmen. Weiterhin verfügt das menschliche Hörsystem über Selbstreinigungs- und -heilungskräfte, die im technischen Nachbau in dieser Form nicht zu finden sind.

Im Übrigen ist das menschliche Ohr bereits im 6. Schwangerschaftsmonat voll funktionsfähig (Spiecker-Henke 2014). Die ontogenetische Entwicklung des Ohres beginnt schon in den ersten Tagen der Schwangerschaft. Die Ausbildung der einzelnen Systemteile läuft in der Ontogenese immer nach einer bestimmten Choreografie ab und die Vernetzung der Einzelteile erfolgt dabei zuverlässig (Waschke et al. 2015, 486f).

Im Bereich technischer Innovation ist jedem Forscher bewusst, dass es enorme Kreativität und Intelligenz erfordert, um solch komplexe Systeme zu entwickeln und zu verbessern. Doch warum wird Intelligentes Design in der Biologie so schnell als Illusion abgetan? Der Grund hierfür ist wohl nur im weltanschaulichen Bereich zu suchen.

Es bleibt festzuhalten: Der Analogieschluss ist mehr als angemessen, dass hinter dem weitaus komplexeren Design des menschlichen auditiven Systems ein in diesem Maße noch größerer Urheber und Schöpfer stehen muss. Denn wenn hinter einem Prozessor ein kreativer Denker steht, dann kann man analog beim Original ebenfalls davon ausgehen.

Der Apostel Paulus beschreibt dies in seinem Brief an die Römer folgendermaßen: „Sein unsichtbares Wesen, sowohl seine ewige Kraft als auch seine Göttlichkeit wird seit Erschaffung der Welt in dem Gemachten wahrgenommen […]“ (Römer 1, 20). Mit großer Geduld lässt der Schöpfer sich von Wissenschaftlern Schritt für Schritt in die Karten schauen und erduldet unzählige Plagiate, die sich in bionischen Nachbauten finden – und bei denen er nur äußerst selten als Urheber Anerkennung findet.

Literatur

Frings S & Müller F (2019) Biologie der Sinne. Springer Verlag, S. 205–243.
Gitt W (2003) Faszination Mensch. 2. Aufl. CLV., S. 21–29
Lippert H (1993) Anatomie – Text und Atlas. 6. Aufl. Verlag Urban & Schwarzenberg, S. 416.
Nayak S et al. (2024) A review on edge analytics: Issues, challenges, opportunities, promises, future directions, and applications. Digital Communications and Networks 10, 783–804.
Schünke M, Schulte E & Schumacher U (2009) Prometheus. Lernatlas der Anatomie Kopf. Hals und Neuroanatomie. Thieme Verlag. 2. Aufl., S. 129f+439.
Speckmann EJ Hescheler J & Köhling R (2013) Physiologie. 6. Aufl. Verlag Urban & Fischer, S. 124–132.
Spiecker-Henke, M. (2014) Leitlinien der Stimmtherapie. 2. Aufl. Verlag Thieme, S. 26.
Waschke J, Böckers TM & Paulsen F (Hrsg.) (2015) Sobotta Anatomie: Das Lehrbuch; 1. Aufl. Elsevier, S. 485–499+755–758.
Zolfagharinejad M et al. (2025) Analogue speech recognition based on physical computing. Nature 645, 886–892.

Karin Bauer hat am Lichtenberger® Institut den Studiengang für angewandte Stimmphysiologie durchlaufen und eine Ausbildung als Gesundheits- und Krankenpflegerin absolviert. Sie arbeitet freiberuflich als Stimmbildnerin, hält Seminare und Workshops rund um das Thema Stimme.

Danksagung: Wir danken Prof. Dr. Uwe Aßmann und Heike Buder für einige wertvolle Hinweise.

Hier geht es zu aktuellen News zum Thema Intelligent Design.
Hier geht es zu Grundsatzartikeln zum Thema Intelligent Design.