Diese Arbeit präsentiert einen Ansatz basierend auf tiefen neuronalen Netzen zur Simulation des Drucks eines mechanischen Beatmungsgeräts. Bei herkömmlichen mechanischen Beatmungsgeräten wird der Druck von medizinischem Personal überwacht, was zu ungenauen Verläufen führen kann, wenn der richtige Druck nicht korrekt erfasst wird. In dieser Arbeit werden aktuelle Forschungsergebnisse genutzt, um einen Simulator auf Basis eines tiefen Sequenzmodells bereitzustellen, der den Atemwegsdruck im Atmungskreislauf während der Inspiration basierend auf einer Zeitreihe von Steuerparametern und Lungenattributen vorhersagt. Dieser Ansatz zeigt die Wirksamkeit von neuronale-Netz-basierten Steuerungen, die Druckwellenformen signifikant besser nachverfolgen als der derzeitige Industriestandard, und liefert zudem wertvolle Erkenntnisse für die Entwicklung effektiver und robuster druckgesteuerter mechanischer Beatmungsgeräte.