Wir schlagen ENCASE vor, um Expertenmerkmale mit tiefen neuronalen Netzen (DNNs) zur Klassifizierung von EKG-Daten zu kombinieren. Zunächst untersuchen und implementieren wir Expertenmerkmale aus den Bereichen Statistik, Signalverarbeitung und Medizin. Anschließend entwickeln wir DNNs, um tiefgehende Merkmale automatisch zu extrahieren. Darüber hinaus stellen wir einen neuen Algorithmus vor, um die repräsentativste Wellenform („Centerwave“) innerhalb langer EKG-Aufzeichnungen zu identifizieren und Merkmale aus dieser Centerwave zu extrahieren. Schließlich werden diese Merkmale kombiniert und in ensembles von Klassifikatoren eingesetzt. Experimente zur 4-Klassen-Klassifizierung von EKG-Daten erzielen einen F1-Score von 0,84, was deutlich besser ist als jeder einzelne Modellansatz.