BRAIN-BOOST: WENIGER HÖRANSTRENGUNG DURCH EINEN VERBESSERTEN ZUGANG ZU RELEVANTEN SPRACHSIGNALEN – EIN STUDIENGESTÜTZTER BLICK AUF MODERNE SIGNALVERARBEITUNG
Von Christopher Slugocki, Francis Kuk, Petri Korhonen; Übersetzung & Zusammenfassung: Sascha Haag (Signia)/ Abbildungen: Signia
Sprache im Störgeräusch zu verstehen, gehört zu den größten Herausforderungen für Menschen mit Hörminderung. Besonders Gruppengespräche in Restaurants, bei Veranstaltungen oder im beruflichen Alltag verlangen dem Gehirn viel ab: Sprecher wechseln die Position, Stimmen überlagern sich, Hintergrundgeräusche konkurrieren mit relevanten Sprachsignalen. Für Hörgeräteträger entscheidet deshalb nicht allein, ob Sprache grundsätzlich hörbar ist, sondern wie klar sie vom Gehirn verarbeitet werden kann – und wie viel Anstrengung dafür notwendig ist.
Moderne Hörgeräte sollen Sprache nicht nur verstärken, sondern akustische Szenen so aufbereiten, dass das auditorische System relevante Sprachsignale möglichst effizient verarbeiten kann. Genau dieser Zusammenhang wurde erst kürzlich in zwei neuen Studien untersucht. Im Mittelpunkt stand die Multi-Beamforming-Technologie. Sie wurde daraufhin geprüft, wie sie die Gehirnreaktion auf Sprache in lauten, dynamischen Umgebungen beeinflusst und ob sie neuronale Signaturen der Höranstrengung reduziert (Slugocki et al., 2024a; Slugocki et al., 2024b). Das Ergebnis: Mit aktivierter Multi-Beamforming-Technologie war die automatisierte Gehirnreaktion auf kleine sprachliche Unterschiede um durchschnittlich 80 Prozent stärker. Gleichzeitig sank die mit Höranstrengung assoziierte Alpha-Band-Aktivität im Elektroenzephalogramm, kurz EEG, um durchschnittlich 50 Prozent.
Warum Signalverarbeitung für das Gehirn entscheidend ist
Klassische Richtmikrofonsysteme verbessern vor allem das Signal-Rausch-Verhältnis für Sprache von vorne. Ihr Nutzen für Sprache im Störgeräusch ist gut belegt (Bentler, 2005). In realen Gruppensituationen reicht dieser Ansatz jedoch nicht immer aus. Einseitige Richtmikrofone können Störquellen außerhalb des Richtbereichs zwar abschwächen und binaural verarbeitende Richtmikrofone setzen den Fokus noch enger, aber beide Arbeitsweisen neigen dazu, Sprecher außerhalb des Fokusbereichs ebenfalls abzuschwächen oder sogar zu verzerren (Best et al., 2015; Picou et al., 2014). Genau hier setzt die Multi-Beamforming-Technologie an. Sie analysiert die akustische Szene, erkennt verschiedene Sprecher anhand ihrer Positionen und Dynamik und hebt relevante Sprachquellen adaptiv hervor. Dabei wird die Multi-Beamforming-Technologie mit einer 2-Wege-Signalverarbeitung kombiniert. Sprach- und Umgebungssignale können getrennt verarbeitet werden, sodass relevante Sprache gezielter in den Sprachpfad gelangt, während Hintergrundgeräusche separat behandelt werden (Branda, 2021; Jensen et al., 2021).
Für die Hörakustik ist entscheidend: Sprachverständlichkeit allein beschreibt den Nutzen moderner Hörgeräte nur teilweise. Zwei Versorgungen können in klassischen Sprachtests ähnliche Ergebnisse erzielen, sich aber deutlich darin unterscheiden, wie anstrengend das Hören für die Träger im Alltag ist. Wenn Sprachsignale unvollständig oder verzerrt beim Gehirn ankommen, muss dieses stärker auf Top-down-Prozesse zurückgreifen und fehlende Informationen mithilfe des Kontexts, Spracherfahrung und Aufmerksamkeit ergänzen. Diese kognitive »Reparaturarbeit« gilt als wesentlicher Bestandteil von Höranstrengung (Francis & Love, 2020; Pichora-Fuller et al., 2016; Rönnberg et al., 2013).
Höranstrengung objektiv messen: Warum EEG eine wichtige Rolle spielt
Bereits vor den EEG-Untersuchungen hatten Verhaltensstudien Vorteile der Multi-Beamforming-Technologie aufgezeigt und weitere Untersuchungen in realistischen Gruppengesprächssituationen zeigten Präferenzen hinsichtlich Verständlichkeit, Klarheit, Konzentration und reduzierter Hintergrundgeräusche (Folkeard et al., 2024). Die EEG-Studien erweitern diese Befunde um die Frage, ob sich solche Vorteile auch direkt in der Gehirnverarbeitung zeigen.
Dafür wurden zwei EEG-Maße eingesetzt: Die Mismatch Negativity, kurz MMN, und die Alpha-Band-Leistung. Die MMN ist eine automatische Gehirnreaktion auf unerwartete akustische Abweichungen. In einem Oddball-Paradigma hört das Gehirn häufig einen Standardreiz, etwa /ba/, und seltener einen abweichenden Reiz, etwa /da/. Wird die Erwartung des Gehirns verletzt, entsteht eine messbare Differenzreaktion im EEG. Je besser das auditive System den Unterschied erkennt, desto stärker fällt die MMN aus (Näätänen et al., 2007; Paavilainen, 2013; Pakarinen et al., 2013). Für die Bewertung von Hörgeräte-Signalverarbeitung ist dies besonders relevant, weil die MMN keine aktive Aufmerksamkeit erfordert. Sie zeigt, wie gut kleine Sprachkontraste automatisch kodiert werden.
Abb. 1: Beispiel für Gehirnaktivität, die durch Standard-geräusche (S) und abweichende Geräusche (D) in einem passiven Oddball-Paradigma hervorgerufen wird. Die Mismatch-Negativität (MMN) wird durch den Unterschied zwischen Standard- und abweichenden Reaktionen sichtbar gemacht
Die Alpha-Band-Aktivität im Bereich von etwa 8 bis 12 Hz beschreibt einen anderen Aspekt. Sie nimmt insbesondere im zentralen Teil des Parietallappens des Gehirns zu, wenn Sprachverstehen im Störgeräusch schwieriger wird (Dimitrijevic et al., 2019; McMahon et al., 2016; Petersen et al., 2015). Eine erhöhte Alpha-Aktivität gilt daher als neuronaler Hinweis auf gesteigerte Höranstrengung: Das Gehirn mobilisiert zusätzliche Ressourcen, um sich auf relevante Sprachinformationen zu konzentrieren und Störendes auszublenden.
Abb. 2: Unter anstrengenden Hörbedingungen kann das Gehirn die »Alpha«-Aktivität über Regionen synchronisieren, die nicht an der Verarbeitung von auditiven Reizen beteiligt sind. Die Alpha-Aktivität kann im EEG anhand der Schwingungen zwischen 8 und 12 Hz gemessen und als Index für die aufgewendete Hörleistung zwischen verschiedenen Bedingungen verglichen werden
Der Messaufbau: Gruppengespräch im Labor
Der Messaufbau war kontrolliert und zugleich alltagsnah. Insgesamt nahmen 15 ältere Personen mit mittelschwerem bis schwerem sensorineuralem Hörverlust teil; das Durchschnittsalter lag bei 72,7 Jahren. Alle wurden beidseitig mit Signia Pure Charge&Go IX Hörgeräten versorgt, die die Multi-Beamforming-Technologie beinhalten. Die Anpassung erfolgte individuell nach der herstellereigenen Anpassformel und wurde mit Real-Ear-Messungen überprüft. Die Hörgeräte wurden in zwei Programmen getestet: Multi-Beamformer aktiviert und Multi-Beamformer deaktiviert. Beide Programme nutzten die 2-Wege-Signalverarbeitung, sodass der zentrale Unterschied in der Multi-Beamformer-Funktion (MBF) lag.
Die Tests fanden in einem doppelwandigen, schallgedämmten Raum statt. Sechs Lautsprecher waren in einem Abstand von einem Meter um die Versuchsperson angeordnet. Die Zielsprache wurde abwechselnd von 0 Grad und 330 Grad präsentiert, um zwei Gesprächspartner an einem Tisch zu simulieren. Gleichzeitig wurde eine komplexe Geräuschkulisse erzeugt: ISTS-Maskierungs- und Cafeteria-Geräusche kamen aus mehreren Richtungen. Damit bildete der Aufbau keine einfache Situation wie Frontalsprache-und-rückwärtiges-Rauschen-Situation ab, sondern eine dynamische Gruppengesprächsumgebung.
Im ersten Experiment wurde geprüft, wie stark das Gehirn kleine phonemische Unterschiede verarbeitet (Slugocki et al., 2024a). Zunächst wurde individuell das Signal-Rausch-Verhältnis bestimmt, bei dem die Teilnehmer eine /ba/-/da/-Unterscheidungsaufgabe mit 75 Prozent lösen konnten. Anschließend hörten sie passiv eine Oddball-Sequenz aus 85 Prozent Standardreizen /ba/ und 15 Prozent abweichenden Reizen /da/. Die Reize wechselten zwischen den beiden Sprecherpositionen, während das Hintergrundgeräusch aktiv blieb. Das EEG wurde mit 19 Elektroden nach dem 10-20-System aufgezeichnet.
Abb. 3: Schematische Darstellung der Testumgebung und der Sprache-im-Lärm-Konfiguration, die für alle Phasen dieser Studie verwendet wurden
Mit aktivierter Multi-Beamforming-Technologie war die MMN-Reaktion signifikant größer als mit deaktivierter Technologie. Die Fläche unter der MMN-Kurve nahm im Durchschnitt um 80 Prozent zu. Das bedeutet: Das Gehirn registrierte die feinen Unterschiede zwischen /ba/ und /da/ stärker und automatischer, wenn der Multi-Beamformer aktiv war. Da die Aufgabe keine aktive Aufmerksamkeit verlangte, spricht der Befund für eine verbesserte Bottom-up-Verarbeitung von Sprache.
Abb. 4: Gemittelte Standardwellen (schwarz, durchgezogene Linien), abweichende Wellen (rosa, durchgezogene Linien) und Differenzwellen (grau, gestrichelte Linien), die durch die phonemische Oddball-Sequenz an den im Bereich des Parietallappens geklebten Elektrodenstellen (weiße Kreise in den topografischen Darstellungen) hervorgerufen wurden. Die blau schraffierten Bereiche stellen die Flächen unter den Kurven (AUCs) der Mismatch-Negativität-Reaktion (MMN) dar. Die topografischen Darstellungen zeigen die verteilte Kopfhautaktivität für einen Bereich von 50 ms um den Peak der Differenzwellen
Im zweiten Experiment wurde die Alpha-Band-Aktivität als Marker der Höranstrengung untersucht (Slugocki et al., 2024b). Dreizehn Teilnehmer nahmen daran teil. Zunächst wurde individuell die Sprachrezeptionsschwelle für 50 Prozent korrektes Verstehen bestimmt, gemessen mit Sätzen aus dem Repeat-Recall-Test (Slugocki et al., 2018; Kuk et al., 2021). Die Sätze wiesen eine syntaktisch korrekte Struktur auf, jedoch fehlte ihnen eine semantisch relevante Bedeutung. Dies erschwerte die Interpretation, sodass Kontextwissen für die Analyse nur begrenzt hilfreich war. In der EEG-Phase wurden diese Sätze bei individuell festgelegtem Signal-Rausch-Verhältnis aus den beiden Sprecherpositionen präsentiert. Die Teilnehmer mussten die Sätze wiederholen, während die Alpha-Band-Aktivität aufgezeichnet wurde.
Abb. 5: Schematische Darstellung des Testprotokolls für Sprache in lauter Umgebung, das zur Messung der neuronalen Oszillationsaktivität im Alpha-Band verwendet wird
Mit deaktivierter Multi-Beamformer-Funktion zeigte sich während der Satzpräsentation eine ausgeprägte Alpha-Band-Aktivität im zentralen Parietallappen des Gehirns. Dieses Muster passt zu anspruchsvollem Hören im Störgeräusch. Mit aktivierter Multi-Beamforming-Technologie war die Alpha-Band-Leistung dagegen deutlich reduziert. Die statistische Analyse ergab eine durchschnittliche Reduktion um 50 Prozent. Zusammen zeigen beide Experimente ein konsistentes Bild: Wenn Multi-Beamforming Sprachkontraste besser verfügbar macht, kann das Gehirn Sprache automatischer kodieren und muss weniger neuronale Ressourcen für anstrengendes Zuhören mobilisieren.
Abb. 6: Spektrogramme (untere Felder) zum Vergleich der durchschnittlichen Alpha-Band-Aktivität an den im Bereich des Parietallapens des Gehirns angebrachten Elektroden (rote Punkte auf der Kopfkarte oben rechts), gemessen unter MBF-OFF- und MBF-ON-Bedingungen. Horizontale gepunktete Linien kennzeichnen Frequenzen im Alpha-Band. Vertikale gestrichelte Linien kennzeichnen den Satzbeginn und das durchschnittliche Satzende. Topografische Karten der Aktivität im Alpha-Band, gemittelt über die Dauer eines Zielsatzes, sind über beiden Spektrogrammen dargestellt. Die Stärke der Aktivität wird durch die Sättigung/ Intensität der roten Farbe angezeigt, wobei dunklere Rottöne eine größere Alphaleistung anzeigen, was auf eine größere Höranstrengung hindeutet
Für Hörakustiker ergeben sich daraus wichtige Schlussfolgerungen. Erstens sollte der Erfolg einer Versorgung nicht nur über Sprachverständlichkeit bewertet werden, sondern auch über die wahrgenommene und messbare Höranstrengung. Zweitens zeigen die EEG-Daten, dass moderne Signalverarbeitung auf neurophysiologischer Ebene wirksam sein kann. Ein kontrastreicheres und klareres Eingangssignal bedeutet nicht nur die Möglichkeit mehr zu verstehen, sondern potenziell auch weniger kognitive »Reparaturarbeit« leisten zu müssen. Drittens unterstreichen die Studien, wie wichtig realitätsnahe Messsituationen sind. Alltagshören ist dynamisch: Sprecher wechseln, Geräusche kommen aus mehreren Richtungen, Aufmerksamkeit muss flexibel gelenkt werden.
Leichtes Zuhören ist damit mehr als Komfort. Es beeinflusst, ob Menschen aktiv an Gesprächen teilnehmen, soziale Situationen aufsuchen und sich in Gruppen sicher fühlen. Gerade laute Umgebungen gehören weiterhin zu den Situationen, in denen Hörgeräteträger häufig Einschränkungen erleben (Picou, 2022). Technologien, die Höranstrengung reduzieren, können deshalb zur sozialen Teilhabe beitragen; dieser Aspekt gewinnt auch vor dem Hintergrund aktueller Forschung zu Hörinterventionen, sozialer Isolation und Einsamkeit an Bedeutung (Reed et al., 2025).
Die dargestellten Studien zeigen, dass Signia IX mit Multi-Beamforming-Technologie einen messbaren Beitrag dazu leisten kann. Die um 80 Prozent stärkere MMN-Reaktion spricht für eine robustere automatische Erkennung feiner Sprachkontraste. Die um 50 Prozent reduzierte Alpha-Band-Aktivität zeigt eine geringere neuronale Signatur der Höranstrengung. Für die Praxis bedeutet das: Es geht nicht nur darum, ob Sprache verstanden wird. Es geht darum, wie viel Energie dieses Verstehen kostet – und wie moderne Hörgeräte das Gehirn dabei unterstützen können.