Eine weltweite Gesundheitsbedrohung, die chronisch-obstruktive Lungenerkrankung (COPD), erfordert eine frühzeitige Erkennung und Intervention zur effektiven Behandlung. Ausgehend vom umfangreichen 12-Kanal-Lungenklang-Datensatz „RespiratoryDatabase@TR“ etabliert unsere Studie ein robustes multiklassifizierendes Diagnosesystem zur Beurteilung der Schweregradstufen von COPD. Wir setzen ein strenges Verfahren zur Merkmalsextraktion ein, das Spektrogramme, Mel-Spektrogramme sowie Chromogramme umfasst, ergänzt durch spezifische Daten-Präprozessierung- und Verstärkungsmethoden. Als Trainingsmodell wird RESNET50 gewählt, um eine präzise Klassifizierung über alle Schweregrade von COPD hinweg sicherzustellen. Unsere Ergebnisse unterstreichen die Bedeutung von klangbasierten Prognosen, insbesondere bei der Früherkennung von COPD. Mit einer weltweiten Schätzung von rund 251 Millionen Betroffenen ist es entscheidend, innovative Ansätze wie unseren zu entwickeln. Die Kombination umfangreicher Datensätze mit fortgeschrittenen Methoden des maschinellen Lernens birgt das Potenzial, die Diagnose und Behandlung von COPD global zu transformieren und das Leben von Millionen Betroffenen erheblich zu verbessern.