Multiple Sklerose (MS) ist eine neuroinflammatorische Krankheit, von der weltweit Millionen von Menschen betroffen sind. Da die Dysarthrie bei Menschen mit MS (pwMS) besonders ausgeprägt ist, zielt diese Arbeit darauf ab, akustische Merkmale zu identifizieren, die sich zwischen Menschen mit MS und gesunden Kontrollpersonen (HC) unterscheiden. Darüber hinaus entwickeln wir automatische Klassifizierungsmethoden zur Unterscheidung zwischen pwMS und HC. In dieser Arbeit stellen wir einen neuen Datensatz aus einer deutschsprachigen Kohorte vor, der 39 Patienten mit geringer Behinderung bei schubförmiger MS und 16 HC enthält. Die Ergebnisse deuten darauf hin, dass bestimmte interpretierbare Sprachmerkmale für die Diagnose von MS nützlich sein könnten und dass Methoden des maschinellen Lernens möglicherweise ein schnelles und unauffälliges Screening in der klinischen Praxis unterstützen könnten. Die Studie unterstreicht die Bedeutung der Analyse der freien Sprache im Vergleich zur gelesenen Sprache.