Wie erkennt ein Wearable die Emotionen meines Hundes? Ein Blick in unsere Patentanmeldung

Ein Emotions-Wearable für Hunde erkennt Gefühle nicht, indem es deinen Hund belauscht. Es filtert direkt auf dem Gerät nach den Momenten, in denen dein Hund tatsächlich einen Laut von sich gibt, verwirft alles andere und analysiert dann die Frequenzmuster dieses Lauts zusammen mit Herzfrequenz, Atmung und Aktivität. Genau diese Methode haben wir am 27. Februar 2026 als Patent beim Deutschen Patent- und Markenamt (DPMA) eingereicht. In diesem Artikel erklären wir dir, was in der Anmeldung steht, und zwar in einer Sprache, für die du kein Informatikstudium brauchst.

Woran erkennt man überhaupt, wie sich ein Hund fühlt?

Hunde kommunizieren ihre Gefühle über zwei Kanäle, die du längst kennst: den Körper (Rute, Ohren, Haltung, Blick) und Laute (Bellen, Winseln, Knurren, Heulen). Den Körper siehst du, wenn du da bist. Die Laute sind das, was bleibt, wenn du es nicht bist.

Das Problem: Nicht jedes Bellen ist dasselbe Bellen. Ein freudiges Bellen an der Tür, ein aufmerksames Bellen am Fenster und ein panisches Bellen in der leeren Wohnung klingen für menschliche Ohren oft ähnlich. Für einen Algorithmus, der Tonhöhe, Rhythmus, Dauer und die Verteilung der Energie über die Frequenzen gleichzeitig auswertet, unterscheiden sie sich deutlich. Und der Körper erzählt seine eigene Geschichte. Ein rasender Puls hinter einer ruhig klingenden Lautäußerung erzählt etwas anderes als derselbe Laut bei entspanntem Herzschlag.

Ein Emotions-Wearable wie Voicari setzt genau hier an. Es „hört" nicht mit, es erfasst Lautäußerungs-Ereignisse und Vitaldaten und übersetzt sie in einen von 24 emotionalen Zuständen über 7 emotionale Kernfamilien hinweg.

Was passiert auf dem Gerät, bevor überhaupt etwas analysiert wird?

Der wichtigste Teil der Methode passiert, bevor ein einziger Datenpunkt das Wearable verlässt. Unsere Patentanmeldung beschreibt einen zweistufigen Filter, der direkt auf dem Gerät läuft.

• Stufe 1: Lautstärke-Schwelle. Das Mikrofon läuft in einem stromsparenden Modus und misst nur den Energiepegel seiner Umgebung. Erst wenn dieser Pegel einen Schwellenwert überschreitet, startet überhaupt eine kurze Aufnahme. Stille und leise Hintergrundgeräusche lösen nichts aus.
• Stufe 2: Bellerkennung auf dem Chip. Ein kleines, speziell komprimiertes KI-Modell läuft in einem abgeschotteten Bereich des Chips, auf den weder die App noch Voicari selbst zugreifen kann, und entscheidet: Bellereignis oder nicht? Nur was als Bellereignis erkannt wird, wird verschlüsselt an Voicaris Server übertragen und dort verschlüsselt gespeichert. Umgebungsgeräusche, der Fernseher, Straßenlärm und menschliche Sprache werden auf dem Gerät verworfen. Voicari erstellt oder speichert keine Audioaufnahmen.

Die Anmeldung ordnet das als technische Notwendigkeit ein: Ein Gerät, das ununterbrochen Audio aufzeichnet und überträgt, hat innerhalb weniger Stunden einen leeren Akku und produziert eine Flut von Daten, die niemand verarbeiten will. Für dich als Halterin oder Halter ist der Effekt ein anderer: Deinem Wohnzimmer wird nicht zugehört. Was kein Bellereignis ist, wird nicht analysiert, nicht übertragen, nicht gespeichert. Nicht weil wir es versprechen, sondern weil das Gerät von Grund auf so gebaut ist. Wir vergleichen das mit anderen Geräten in unserem Artikel Sind Hunde-Tracker sicher?.

Wie wird aus einem Bellen ein Emotionswert?

Die eigentliche Analyse beginnt auf Voicaris Servern. Vereinfacht laufen vier Schritte nacheinander ab, die in unserer Anmeldung jeweils einzeln beschrieben sind.

1. Der Laut wird zu einem Bild. Aus dem Audiosignal wird ein sogenanntes Log-Mel-Spektrogramm: eine Darstellung davon, wie viel Energie in welcher Frequenz zu welchem Moment steckt. Die Mel-Skala ist dem menschlichen Hören nachempfunden und macht Unterschiede in den relevanten Frequenzen leichter sichtbar.
2. Störungen werden herausgerechnet. Eine Technik namens Per-Channel Energy Normalization (PCEN) gleicht aus, ob dein Hund näher am oder weiter weg vom Mikrofon war, ob im Hintergrund eine Waschmaschine lief oder ob er in einer halligen Küche stand. Das ist der Unterschied zwischen einem Modell, das im Labor funktioniert, und einem, das bei dir zu Hause funktioniert.
3. Die emotional relevanten Frequenzen werden betont. Unsere Forschung zeigt, dass die emotionale Information in Hundelauten vor allem in den tieferen Frequenzen steckt, unterhalb von rund 4 kHz. Die Methode teilt das Spektrogramm deshalb in einen tiefen und einen hohen Kanal, analysiert den tiefen Kanal in höherer Auflösung und gewichtet den hohen Kanal ab. Hochfrequenter Umgebungslärm verliert so seinen Einfluss.
4. Ein Deep-Learning-Modell liest den Laut wie einen Satz. Das Emotionsmodell kombiniert drei Bausteine. Faltungsnetzwerke (CNN) erkennen lokale Muster im Spektrogramm, etwa harmonische Strukturen oder abrupte Energieänderungen. Rekurrente Netzwerke (RNN) verfolgen, wie sich diese Muster über die Dauer des Lauts entwickeln. Ein Attention-Mechanismus gibt anschließend den Abschnitten mehr Gewicht, die am meisten über die Emotion verraten, zum Beispiel dem Beginn einer Bellsequenz oder ihrem lautesten Moment. Lange Lautäußerungen werden zunächst in überlappende Segmente zerlegt, jedes Segment wird für sich bewertet, und die Ergebnisse werden zu einem Gesamtwert zusammengeführt.

Das Ergebnis ist keine Ja-oder-Nein-Antwort, sondern eine Wahrscheinlichkeitsverteilung über die Emotionsklassen, inklusive eines Konfidenzwerts.

Warum reicht Audio allein nicht aus?

Manche Emotionen klingen verwirrend ähnlich. Unsere Anmeldung nutzt das Beispiel, das jede Hundehalterin und jeder Hundehalter kennt: Angst und Ärger. Ein defensives Knurren und ein aggressives Knurren liegen akustisch nah beieinander. Was sie trennt, ist oft der Körper.

Deshalb verarbeitet die Methode neben dem Audiosignal die Vitaldaten, die das Wearable misst: Herzfrequenz, Atmung, Bewegung und Aktivität. Dazu kommen die Profildaten deines Hundes wie Alter, Rasse und Größe. Ein multimodaler Interpreter führt all das zusammen und kann eine Entscheidung zugunsten der wahrscheinlicheren Emotion korrigieren. Ein Chihuahua und eine Deutsche Dogge bellen in unterschiedlichen Frequenzbereichen, und was beim einen ein aufgeregter Puls ist, ist beim anderen ein Ruhezustand. Diese Vitaldaten sind Wellness-Signale, die zur Emotionserkennung dienen, keine medizinische Diagnose.

Welche Emotionen kann das Wearable unterscheiden?

Das Modell ordnet Lautäußerungen 7 emotionalen Kernfamilien zu, die in der affektiven Neurowissenschaft verankert sind: Freude/Spielen, Neugier/Suchen, Fürsorge, Ruhe/Neutral, Angst, Ärger/Wut und Trauer/Panik/Kummer. Innerhalb dieser Familien unterscheidet Voicari 24 emotionale Zustände.

Diese Taxonomie ist von der Forschung zu primären Emotionssystemen bei Säugetieren inspiriert (vor allem bekannt durch Jaak Panksepp) und für die praktische Klassifikation von Hundelauten angepasst.

Das Modell ist auf Datenpunkten von über 30.000 Hunden aus mehr als 110 Rassen trainiert. Die Verhaltens-Labels stammen aus unserer Arbeit mit Partnern für Verhaltens-Labeling und einem Beirat aus Tierärztinnen, Tierärzten und Expertinnen und Experten für Hundeverhalten. Die Details findest du auf unserer Forschungsseite.

Wie das Voicari-Gerät im Detail funktioniert, siehst du auf der Seite zu Voicari Series 1.0.

Was genau haben wir zum Patent angemeldet?

Die Patentanmeldung wurde am 27. Februar 2026 beim Deutschen Patent- und Markenamt (DPMA) unter dem Aktenzeichen 10 2026 108 261.0 eingereicht. Sie umfasst 22 Ansprüche und eine 45-seitige Beschreibung. Schützen lassen wollen wir die Methode als Ganzes: die Erfassung am Hund, die zweistufige Filterung auf dem Gerät, die frequenzbewusste Analyse auf dem Server, die multimodale Fusion mit Vitaldaten und das Training des zugrunde liegenden KI-Modells.

Aufbauend auf dieser deutschen Anmeldung haben wir dieselbe Erfindung in weiteren Märkten eingereicht:

• Europäisches Patentamt (EPA): Anmeldung 26175404.8, eingereicht am 29. April 2026
• Australien (IP Australia): Anmeldung 2026203553, eingereicht am 8. Mai 2026
• Vereinigte Staaten (USPTO): Anmeldung 19/695,633, eingereicht am 2. Juni 2026

All das sind Patentanmeldungen und Patent angemeldet. Keine davon ist erteilt.

Was bedeutet das für dich als Hundehalterin oder Hundehalter?

Ganz praktisch: Wenn dein Hund bellt, während er allein zu Hause ist, zeigt die App nicht nur „gebellt". Sie zeigt eine Einschätzung, ob dieses Bellen eher nach Aufregung, Neugier oder Angst klang, wann es begann und wie lange es dauerte. Über Tage und Wochen entsteht so ein Bild, das du mit deinen Ohren allein nie bekommen würdest. Bei echten gesundheitlichen Sorgen ist das Wearable allerdings kein Ersatz für deine Tierärztin oder deinen Tierarzt, gehe also immer zur Tierärztin oder zum Tierarzt, wenn dich etwas beunruhigt.

Voicari Series 1.0 ist aktuell als Founding Member vorbestellbar, mit einer begrenzten Zahl an Plätzen. Die ersten Geräte sollen ab Oktober 2026 ausgeliefert werden. Entwickelt und designt in Berlin, DSGVO-konform. We Speak Dog.

Häufige Fragen

Hört Voicari bei mir zu Hause mit? Nein. Das Mikrofon misst zunächst nur den Lautstärkepegel. Eine kurze Aufnahme startet erst, wenn ein Schwellenwert überschritten wird, und ein KI-Modell direkt auf dem Gerät prüft, ob es ein Bellereignis ist. Nur erkannte Bellereignisse verlassen das Gerät. Sprache und Umgebungsgeräusche werden auf dem Gerät verworfen. Du kannst die Erkennung in der App jederzeit pausieren.

Hat Voicari ein Patent angemeldet? Voicari hat am 27. Februar 2026 eine Patentanmeldung beim DPMA eingereicht (Aktenzeichen 10 2026 108 261.0) und Folgeanmeldungen in Europa, den Vereinigten Staaten und Australien eingereicht. Dabei handelt es sich um Patentanmeldungen, das Patent ist angemeldet.

Funktioniert die Emotionserkennung für jede Rasse? Das Modell ist auf Daten von mehr als 30.000 Hunden aus über 110 Rassen trainiert und bezieht Profildaten wie Rasse, Alter und Größe in die Analyse ein. Voicari Series 1.0 ist für Hunde ab 15 kg ausgelegt.

Woher kommen die Emotionskategorien? Die 7 Kernfamilien sind in der affektiven Neurowissenschaft und in der Forschung zu primären Emotionssystemen bei Säugetieren verankert. Sie wurden für die praktische Klassifikation von Hundelauten angepasst.

Founding Member werden