Die weltweite Verbreitung der COVID-19-Pandemie schafft einen dringenden Bedarf an Forschung und Entwicklung sicherer und effizienter Lösungen zur frühzeitigen Erkennung von COVID-19. In diesem Papier wird ein intelligentes, zuverlässiges und kostengünstiges System vorgeschlagen, das die Hauptsymptome der COVID-19-Erkrankung (Fieber, Husten und Atembeschwerden) erkennt. Dieses System wendet das Prinzip der Multisensor-Datenfusion an, um eine robuste, präzise und komplementäre Analyse zwischen diesen Symptomen bereitzustellen, um festzustellen, ob eine Person Träger der COVID-19-Erkrankung ist oder nicht. Mithilfe von maschinellen Lernwerkzeugen wird das System auf Infrarotbildern trainiert, um das Fieber zu erkennen. Die erhaltenen Wärmebilder werden auch verwendet, um die Atemfrequenz zu kontrollieren, indem Temperaturänderungen um die Nasenbereiche im Gesicht überwacht werden. Diese Signatur wird durch ein gut trainiertes Wärmebildverarbeitungsmodell aus Online-Datenbanken erkannt. Um das dritte Symptom von COVID-19 (Husten) zu identifizieren, ist das System mit einem Netzwerk von Mikrofonen verbunden. Mithilfe eines spezifischen künstlichen Intelligenz (KI) Modells, das auf der Mel-Frequenz-Cepstrum-Koeffizienten (MFCC) Konvolutionalen Neuronalen Netzwerk (CNN) Architektur basiert, ist es möglich, das Hustengeräusch zu erkennen. Der kombinierte Einsatz der Wärme- und Tonsensoren ermöglicht die Zusammenführung der Daten des Multisensorsystems. Dieser Ansatz ist oft die am besten geeignete Antwort auf betriebliche Anforderungen, die eine vollständige, effiziente und reaktionsschnelle Diagnose erfordern. Das in diesem Papier vorgestellte System ist für den Einsatz in öffentlichen Gastinstitutionen konzipiert. Das Ziel ist es, zur Verlangsamung oder sogar zum Stopp der Ausbreitung von COVID-19 beizutragen. Dieses System kann auch als nützliches Mittel zur Früherkennung vieler anderer Krankheiten angepasst werden.