Die Dissertation beschreibt ein akustisches Mustererkennungsverfahren für die zerstörungsfreie Werkstoffprüfung. Das universelle, weitestgehend problemunabhängige Verfahren verwendet statistische Klassifikatoren, um Prüfobjekte zu identifizieren oder deren Zustand abzuschätzen. Aus einem Prüfobjekt können für die zerstörungsfreie Prüfung relevante Signale ermittelt werden, entweder durch Anregung (aktive Methoden) oder durch Aufnahme von Arbeitsgeräuschen (passive Methoden). Eine These der Arbeit bestand darin, dass sich Eigenschaften von Prüfobjekten in typischen Zeit- und Frequenzverläufen von Spektrogrammen der Messsignale ausdrücken. Dabei kann ein Signal durch akustische Ereignisse oder durch eine Folge dieser Ereignisse modelliert werden. Die Arbeit zeigt, dass eine Beschreibung des Signals durch zeitliche Abfolgen von akustischen Ereignissen möglich ist. In Anlehnung an die Musik wird dieser Zusammenhang als Partitur bezeichnet. Die akustischen Ereignisse können durch Verteilungsdichtefunktionen modelliert werden. Die zeitliche Abfolge dieser Ereignisse (die Partitur) ist mit Hilfe endlicher stochastischer Automaten beschreibbar. Die Arbeit liefert eine verbesserte Formulierung der Hidden-MARKOV-Modelle. Durch die Verwendung dieser mathematischen Beschreibung können zwei der drei klassischen HMM-Probleme, die Berechnung aller Wege und die Ermittlung des besten Weges, vereinigt werden. Auch die zwei wichtigsten Parameterschätzverfahren, VITERBI-Training und BAUM-WELCH-Algorithmus, können in einer einheitlichen mathematischen Schreibweise formuliert werden. Die Arbeit präsentiert eine Reihe von Experimenten, durch die das Verfahren systematisch für eine große Vielzahl technischer Signale untersucht wird. Darüber hinaus kann dasselbe Verfahren auch für andere Signale (Sprache, Musik und Biosignale) erfolgreich angewendet werden.