Diese Dissertation befasst sich mit der automatischen Analyse von Sprachstörungen, die aus einem klinischen Zustand (Morbus Parkinson und Hörverlust) oder dem natürlichen Alterungsprozess resultieren. Bei der Parkinson-Krankheit wird der Verlauf der Sprachsymptome anhand von Sprachaufzeichnungen bewertet, die kurzzeitig (4 Monate) und langfristig (5 Jahre) aufgenommen wurden. Verfahren des maschinellen Lernens werden verwendet, um drei Aufgaben zu erfüllen: (1) automatische Klassifizierung von Patienten vs. gesunden Sprechern. (2) Regressionsanalyse zur Vorhersage des Dysarthrie-Niveaus und des neurologischen Zustands. (3) Sprechereinbettungen zur Analyse des zeitlichen Verlaufs der Sprachsymptome. Bei Hörverlust wird eine automatische akustische Analyse durchgeführt, um zu beurteilen, ob die Dauer und der Beginn der Taubheit (vor oder nach dem Spracherwerb) die Sprachproduktion von Cochlea-Implantat-Trägern beeinflussen. Darüber hinaus zeigen Artikulations-, Prosodie- und Phonemanalysen, dass Cochlea-Implantat-Träger auch nach einer Hörrehabilitation eine veränderte Sprachproduktion aufweisen.