Wearables & Gesundheit: Was Oura Ring, Apple Watch & Co. wirklich messen können

Ein Ring bewertet morgens die Nacht. Die Uhr meldet eine veränderte Herzfrequenzvariabilität. Beim Training erscheint eine geschätzte VO₂max, zwischendurch berechnet ein Algorithmus Stress und Erholung. Wer ein modernes Wearable trägt, sammelt innerhalb weniger Wochen mehr physiologische Daten über sich selbst, als bei klassischen Gesundheitsuntersuchungen in Jahren entstehen würden.

Diese Datenmenge ist faszinierend. Sie kann aber auch einen falschen Eindruck von Genauigkeit erzeugen. Denn ein Wearable misst längst nicht jede Zahl, die anschließend in der App erscheint. Einige Werte stammen relativ direkt aus Sensoren. Andere werden aus mehreren Signalen berechnet. Scores wie „Readiness“, „Recovery“ oder „Stress“ gehen noch einen Schritt weiter und verdichten verschiedene Messgrößen zu einem herstellerspezifischen Modell.

Damit entsteht ein wesentlicher Unterschied zwischen messen, berechnen und medizinisch interpretieren.

Wearables werden inzwischen auch in der klinischen Forschung umfangreich eingesetzt. Eine Übersichtsarbeit von 2026 identifizierte 1.021 interventionelle Studien zwischen 2001 und 2025, in denen Wearable-Daten Bestandteil des Studienprotokolls waren. Gleichzeitig bleiben formal regulatorisch qualifizierte digitale Messgrößen selten.[1]

Dieser Ratgeber zeigt deshalb, wo Oura Ring, Apple Watch, Garmin, WHOOP und andere Systeme heute stark sind, wo ihre Grenzen liegen und warum der langfristige Verlauf häufig wertvoller ist als ein einzelner perfekter Score.

Was ein Wearable wirklich misst

Eine moderne Smartwatch enthält mehrere Sensoren. Ein optischer PPG-Sensor beleuchtet die Haut und registriert Veränderungen des reflektierten Lichts, die durch den pulsierenden Blutfluss entstehen. Beschleunigungssensoren erfassen Bewegung. Manche Geräte messen zusätzlich elektrische Signale für ein Ein-Kanal-EKG, Hauttemperatur oder die Sauerstoffsättigung.

Aus diesen Rohdaten entstehen anschließend zahlreiche weitere Größen.

Diese Unterscheidung verändert den Umgang mit den Zahlen. Ein Sensor kann beispielsweise Herzschläge sehr präzise erfassen. Daraus folgt noch nicht, dass ein daraus berechneter Stress- oder Erholungswert dieselbe Messgenauigkeit besitzt.

Bei proprietären Scores kommt eine zusätzliche Ebene hinzu: Hersteller verwenden unterschiedliche Algorithmen und Gewichtungen. Zwei Geräte können dieselben physiologischen Signale registrieren und daraus verschiedene Bewertungen erzeugen.

Herzfrequenz und HRV: vergleichsweise starke Messgrößen

Herzfrequenz gehört zu den Bereichen, in denen hochwertige Wearables besonders brauchbare Daten liefern können. Optische Sensoren registrieren die Pulswelle an Finger oder Handgelenk und bestimmen daraus die Abstände zwischen den Herzschlägen.

Bei Bewegung wird die Messung schwieriger. Armbewegungen, schlechter Hautkontakt, Schweiß, Temperatur und die Art der Belastung können optische Signale stören. In Ruhe und insbesondere während des Schlafs sind die Bedingungen häufig günstiger.

Eine Validierungsstudie untersuchte beispielsweise Herzfrequenz und Herzfrequenzvariabilität des Oura Rings während der Nacht gegenüber einem medizinischen EKG. Dabei zeigte das ringsbasierte PPG-System eine hohe Übereinstimmung für Ruheherzfrequenz und bestimmte HRV-Parameter.[2]

Was beschreibt die HRV?

Das Herz schlägt auch bei einem scheinbar gleichmäßigen Puls nicht exakt im selben Abstand. Zwischen zwei Herzschlägen liegen beispielsweise 910 Millisekunden, anschließend 870 und danach 940 Millisekunden. Diese zeitliche Variation wird als Herzfrequenzvariabilität beziehungsweise HRV bezeichnet.

Sie wird vom autonomen Nervensystem beeinflusst und reagiert unter anderem auf körperliche Belastung, Erholung, Schlaf, Alkohol, Infekte und psychophysiologische Aktivierung.

Eine einzelne HRV-Zahl besitzt jedoch nur begrenzte Aussagekraft. Werte unterscheiden sich stark zwischen Menschen und hängen zusätzlich von Messmethode, Körperhaltung, Tageszeit und verwendetem HRV-Parameter ab.

Für den Alltag ist deshalb häufig der eigene langfristige Verlauf interessanter als der Vergleich mit anderen Personen.

Wenn ein persönliches nächtliches HRV-Niveau über Wochen relativ stabil ist und sich anschließend mehrere Tage deutlich verschiebt, enthält diese Veränderung Information. Sie erklärt noch nicht ihre Ursache.

Schlaftracking: Muster erkennen statt Schlaflabor ersetzen

Schlaf ist wahrscheinlich einer der häufigsten Gründe, einen Ring oder eine Smartwatch nachts zu tragen. Gleichzeitig zeigt gerade das Schlaftracking, wie schnell aus Sensorwerten komplexe algorithmische Aussagen entstehen.

Ein Wearable sieht keine Schlafphase direkt. Die klassische Polysomnographie im Schlaflabor kombiniert unter anderem Hirnströme, Augenbewegungen und Muskelaktivität. Ein Ring oder eine Uhr versucht dagegen, Schlaf und einzelne Schlafstadien aus Signalen wie Bewegung, Herzfrequenz, HRV und teilweise Temperatur abzuleiten.

Das funktioniert inzwischen erstaunlich gut, aber nicht perfekt.

In einer Validierungsstudie mit 96 gesunden Erwachsenen und mehr als 421.000 ausgewerteten 30-Sekunden-Abschnitten wurde der Oura Ring Gen3 über mehrere Nächte mit ambulanter Polysomnographie verglichen. Für die Unterscheidung zwischen Schlaf und Wachsein erreichte das System eine hohe Sensitivität und eine Gesamtgenauigkeit von rund 92 Prozent. Die Genauigkeit der einzelnen Schlafstadien lag je nach Stadium niedriger.[3]

Das macht Wearables besonders brauchbar für Fragen wie:

• Wann gehe ich typischerweise schlafen?
• Wie lange schlafe ich ungefähr?
• Wie regelmäßig sind meine Schlafzeiten?
• Verändert sich mein Schlaf nach spätem Essen, Alkohol, Reisen oder Training?
• Wie entwickeln sich nächtlicher Puls und HRV über längere Zeit?

Eine vermeintlich exakt ausgewiesene Zahl wie „1 Stunde 42 Minuten Tiefschlaf“ sollte dagegen nicht mit einer entsprechenden Messung im Schlaflabor gleichgesetzt werden.

Ein Schlaftracker eignet sich gut zum Beobachten von Mustern. Ein Schlafscore ist keine klinische Schlafdiagnostik.

Kann ein Wearable Stress messen?

Der Begriff „Stress“ klingt zunächst so, als würde das Gerät einen inneren Zustand direkt erfassen. Tatsächlich registrieren Wearables physiologische Signale, die sich bei Belastung verändern können.

Dazu gehören je nach Gerät:

• Herzfrequenz,
• HRV,
• Hautleitfähigkeit,
• Temperatur,
• Bewegung,
• Atemfrequenz
• und Schlafparameter.

Algorithmen suchen anschließend nach Mustern, die in Trainings- oder Studiendaten mit Stresszuständen verbunden waren. Eine systematische Übersichtsarbeit von 2025 beschreibt HRV, PPG-Signale und elektrodermale Aktivität als häufig genutzte Informationsquellen für solche Modelle. Gleichzeitig erschweren kleine Datensätze, unterschiedliche Studiendesigns und fehlende Standardisierung die Übertragung in den realen Alltag.[4]

Hinzu kommt ein sprachliches Problem: physiologische Aktivierung ist nicht automatisch negativer psychischer Stress.

Auch Konzentration, körperliche Anstrengung, Aufregung oder Vorfreude können Herzfrequenz und autonome Regulation verändern. Ein Stress-Score beschreibt daher nicht automatisch, wie belastend eine Situation subjektiv empfunden wird.

Temperatur, SpO₂ und andere Trends

Viele Wearables erfassen inzwischen weitere physiologische Größen. Auch hier ist wichtig, genau hinzusehen, was gemessen wird.

Hauttemperatur

Ein Ring misst beispielsweise nicht automatisch die medizinische Körperkerntemperatur. Häufig wird vielmehr die nächtliche Hauttemperatur beziehungsweise deren Abweichung von einer individuellen Basislinie erfasst.

Solche Veränderungen können bei Infekten, Menstruationszyklus, Umgebungstemperatur oder veränderter Schlafsituation auftreten. Die Ursache lässt sich aus dem Temperatursignal allein nicht bestimmen.

Sauerstoffsättigung

Optische Sensoren können außerdem die periphere Sauerstoffsättigung abschätzen. Für Trends, Höhenaufenthalte oder bestimmte nächtliche Beobachtungen kann das interessant sein.

Bei medizinisch auffälligen oder unerwarteten Werten zählen jedoch Messqualität, Geräteeignung und klinischer Kontext. Ein einzelner niedriger Smartwatch-Wert sollte weder ignoriert noch unmittelbar als Diagnose verstanden werden.

Atemfrequenz

Auch die Atemfrequenz wird bei vielen Wearables nicht über einen direkten Atemsensor bestimmt. Sie kann beispielsweise aus charakteristischen Veränderungen von Herzschlag, Bewegung oder PPG-Signal abgeleitet werden.

Wieder entsteht dasselbe Muster: Der langfristige persönliche Verlauf ist häufig belastbarer als die Interpretation einer einzelnen Abweichung.

Blutdruck: technisch wesentlich anspruchsvoller

Blutdruck war lange eine der schwierigsten Größen für Wearables. Der Grund liegt bereits im Messprinzip.

Ein klassisches Oberarmgerät erzeugt mit einer aufblasbaren Manschette kontrollierten Druck auf die Arterie und bestimmt daraus systolischen und diastolischen Blutdruck. Ein rein optisches Wearable besitzt diese direkte Druckreferenz nicht.

Viele cuffless Systeme versuchen deshalb, Blutdruck indirekt aus Pulswellen, Pulsankunftszeiten, optischen Signalen oder maschinellen Lernverfahren abzuschätzen.

Die Technologie hat sich deutlich weiterentwickelt. Gleichzeitig warnt die American Heart Association in einem aktuellen wissenschaftlichen Statement davor, sämtliche manschettenlosen Systeme mit etablierten Blutdruckmessverfahren gleichzusetzen. Bewegung, Körperhaltung, Sensorposition, Hautmerkmale und die Zeit seit der letzten Kalibrierung können die Ergebnisse beeinflussen.[5]

Die US-amerikanische AHA/ACC-Bluthochdruckleitlinie von 2025 empfiehlt cuffless Geräte deshalb derzeit nicht allgemein für Diagnose oder Therapiesteuerung eines erhöhten Blutdrucks, solange Präzision und Zuverlässigkeit nicht ausreichend nachgewiesen sind.[6]

Dieser Hinweis bedeutet allerdings nicht, dass jede Blutdrucklösung am Handgelenk technisch gleich funktioniert.

Hilo: optische Messung mit Manschetten-Kalibrierung

Hilo zeigt, wie sich cuffless Blutdrucksysteme inzwischen weiterentwickelt haben. Das leichte Band erfasst optische Signale am Handgelenk und berechnet daraus Blutdruckwerte. Zum System gehört zusätzlich eine klassische Oberarmmanschette, mit der das Band initial und später regelmäßig auf die individuelle Physiologie kalibriert wird.

Der Hersteller führt Hilo in Europa als CE-gekennzeichnetes Medizinprodukt der Klasse IIa und gibt eine Validierung nach ISO 81060-2 an. Die Oberarmmanschette ist Bestandteil des Systems und für die wiederkehrende Kalibrierung vorgesehen.[7]

Das Beispiel verdeutlicht einen wichtigen Fortschritt: Neuere Systeme versuchen nicht mehr zwangsläufig, aus einem unkalibrierten optischen Signal eine universell gültige Blutdruckzahl zu erzeugen. Persönliche Referenzmessungen werden in das Messmodell einbezogen.

Die Geräteklasse bleibt dennoch von einer klassischen einzelnen Blutdruckmessung zu unterscheiden. Ihr besonderer Nutzen liegt vor allem in der Möglichkeit, wesentlich häufiger und auch während des normalen Tagesverlaufs Messpunkte zu erzeugen.

Huawei Watch D2: Mini-Manschette am Handgelenk

Die Huawei Watch D2 verfolgt einen anderen technischen Weg. Im Armband befindet sich ein mechanisches Luftkissen. Damit führt die Uhr oszillometrische Blutdruckmessungen direkt am Handgelenk durch.

Huawei bietet außerdem einen Modus zur ambulanten Blutdrucküberwachung über 24 Stunden an. Die Blutdruck- und ABPM-Funktionen sind nach Angaben des Herstellers in Europa gemäß Medizinprodukteverordnung CE-zertifiziert.[8]

Damit wird deutlich, warum pauschale Aussagen wie „Smartwatches messen Blutdruck unzuverlässig“ oder „Smartwatches können inzwischen Blutdruck messen“ zu grob sind.

Messprinzip, Kalibrierung, Validierung und vorgesehener Verwendungszweck müssen gemeinsam betrachtet werden.

EKG und Herzrhythmus: wenn Wearables medizinischer werden

Bei einigen Smartwatches verschwimmt die Grenze zwischen Fitnessgerät und Medizinprodukt besonders deutlich. Ein Beispiel ist das Ein-Kanal-EKG.

Während optische PPG-Sensoren Pulswellen registrieren, erfassen EKG-Elektroden elektrische Spannungsänderungen des Herzens. Bei einer Smartwatch entsteht typischerweise eine einzelne elektrische Ableitung, wenn die zweite Hand eine Elektrode an der Uhr berührt.

Das ist wesentlich weniger Information als ein diagnostisches 12-Kanal-EKG. Für bestimmte Rhythmusfragen kann eine solche Ableitung dennoch nützlich sein.

Eine Metaanalyse von 2025 wertete elf Studien mit insgesamt 4.241 Personen zur Erkennung von Vorhofflimmern durch das Apple-Watch-EKG aus. Gegenüber einem standardmäßigen 12-Kanal-EKG ergaben sich gepoolt eine Sensitivität von 94,8 Prozent und eine Spezifität von 95 Prozent.[9]

Eine größere Metaanalyse verschiedener Smartwatches mit mehr als 17.000 untersuchten Personen kam ebenfalls zu hohen gepoolten Werten für die Erkennung von Vorhofflimmern, zeigte aber Unterschiede zwischen Geräten und Studien.[10]

Diese Ergebnisse lassen sich nicht auf jede Herzrhythmusstörung übertragen. Eine normale Smartwatch-Aufzeichnung schließt keine Herzerkrankung aus, und eine Warnmeldung beweist noch kein Vorhofflimmern.

Wearables können hier jedoch etwas schaffen, das früher schwierig war: ein elektrisches Signal genau in dem Moment festhalten, in dem eine episodische Auffälligkeit auftritt.

VO₂max: wertvoller Trend, aber meist keine direkte Messung

Auch bei der VO₂max ist die Anzeige auf einer Sportuhr nicht mit einer direkten Messung im Labor gleichzusetzen.

Die maximale Sauerstoffaufnahme beschreibt, wie viel Sauerstoff der Körper unter hoher Belastung aufnehmen und nutzen kann. Bei einer Spiroergometrie werden dafür Atemgase während zunehmender Belastung tatsächlich gemessen.

Ein Wearable besitzt normalerweise keinen Atemgassensor. Die Uhr schätzt die VO₂max aus Größen wie Herzfrequenz, Laufgeschwindigkeit, Leistung, Bewegung, Alter, Geschlecht und dem jeweiligen Herstelleralgorithmus.

Eine Validierungsstudie von 2025 verglich die VO₂max-Schätzung der Apple Watch in einer überwiegend sehr fitten Stichprobe mit indirekter Kalorimetrie. Die Uhr unterschätzte die gemessene VO₂max im Mittel um rund 6 ml/kg/min; die Abweichungen zwischen einzelnen Personen waren erheblich.[11]

Für Training und langfristige Entwicklung kann eine solche Schätzung trotzdem interessant sein. Verwendet man dasselbe Gerät unter vergleichbaren Bedingungen, kann der Verlauf Hinweise darauf geben, ob sich die geschätzte kardiorespiratorische Fitness verändert.

Wer die Sauerstoffaufnahme möglichst exakt bestimmen möchte, benötigt eine entsprechende Leistungsdiagnostik.

Wie die direkte Messung funktioniert und warum hinter einer einzigen VO₂max-Zahl eine ganze Transportkette aus Lunge, Herz, Blut, Gefäßen und Muskulatur steckt, erklären wir ausführlich im Ratgeber VO₂max und maximale Sauerstoffaufnahme.

Die eigentliche Stärke: aus Messpunkten werden Zeitreihen

Bis hierhin könnte der Eindruck entstehen, Wearables seien vor allem unvollkommene Versionen medizinischer Messgeräte.

Damit würde man ihre besondere Stärke übersehen.

Eine ärztliche Untersuchung kann sehr präzise sein, findet aber zu einem bestimmten Zeitpunkt statt. Ein Laborwert ist eine Momentaufnahme. Ein Ruhe-EKG dauert wenige Sekunden. Eine einzelne Blutdruckmessung beschreibt einen bestimmten Augenblick.

Wearables können dagegen über Wochen, Monate oder Jahre Informationen sammeln.

Dadurch verändert sich die Fragestellung. Statt ausschließlich zu fragen, ob ein Wert innerhalb eines allgemeinen Referenzbereichs liegt, wird sichtbar, wie sich ein Mensch gegenüber seinem bisherigen eigenen Verlauf verändert.

Ein Ruhepuls von 62 Schlägen pro Minute kann für sich betrachtet vollkommen unspektakulär sein. Wenn derselbe Mensch über Monate nachts konstant bei 50 bis 52 Schlägen lag und anschließend gleichzeitig Ruhepuls, Temperatur, HRV und Schlaf verändert sind, entsteht ein Muster.

Dieses Muster besitzt keine eindeutige Diagnose.

Es kann jedoch signalisieren: Der aktuelle Zustand unterscheidet sich von der persönlichen Basislinie.

Genau darin liegt ein wesentlicher Unterschied zu vielen klassischen Gesundheitsmessungen. Wearables liefern weniger diagnostische Tiefe pro Messpunkt, dafür eine ungewöhnlich hohe zeitliche Dichte.

Was Wearables nicht sehen können

Die beeindruckende Datenmenge eines Wearables kann leicht vergessen lassen, wie viel Biologie außerhalb seiner Sensoren liegt.

Eine Smartwatch kann beispielsweise nicht direkt bestimmen:

• ApoB oder Lipoprotein(a),
• HbA1c,
• Ferritin oder Blutbild,
• Schilddrüsenhormone,
• Leber- und Nierenparameter,
• Vitaminstatus,
• arterielle Plaques,
• Knochendichte,
• Organveränderungen in der Bildgebung
• oder zahlreiche andere Labor- und Strukturparameter.

Ein Wearable kann beispielsweise zeigen, dass sich Ruhepuls, Schlaf oder Leistungsfähigkeit verändert haben. Ob dahinter Trainingsbelastung, ein Infekt, Eisenmangel, Schilddrüsenfunktion, Medikamente, psychische Belastung oder etwas völlig anderes steht, lässt sich daraus häufig nicht ableiten.

Wer Laborparameter im Kontext von Prävention und gesundem Altern betrachten möchte, findet im Ratgeber Longevity-Blutwerte und Biomarker die dazugehörige diagnostische Ebene.

Wenn Körpergefühl und Wearable nicht dasselbe sagen

Wearables erzeugen eine interessante neue Situation: Zum eigenen Körpergefühl kommt eine zweite Informationsquelle hinzu.

Manchmal stimmen beide überein. Nach wenig Schlaf fühlt man sich erschöpft und die nächtlichen Daten sehen ebenfalls ungewöhnlich aus.

Manchmal widersprechen sie sich.

Eine Tätigkeit kann subjektiv entspannend sein und physiologisch trotzdem deutliche Aktivierung erzeugen. Kreatives Arbeiten ist ein gutes Beispiel. Musik, Fotografie oder andere intensive Hobbys können Freude machen und gleichzeitig mit hoher Konzentration, Zeitdruck oder Leistungsanspruch verbunden sein.

Umgekehrt kann ein Mensch morgens das Gefühl haben, katastrophal geschlafen zu haben, während Bewegung, Herzfrequenz und Schlafdauer relativ unauffällig aussehen.

Beide Ebenen besitzen Grenzen.

Das Wearable kennt Gedanken, Schmerzen, Erschöpfung oder Stimmung nur indirekt. Das subjektive Empfinden wiederum kann physiologische Veränderungen übersehen, die sich im Alltag kaum bemerkbar machen.

Interessant wird der Vergleich deshalb nicht als Wettbewerb zwischen Mensch und Algorithmus, sondern als zusätzliche Beobachtung:

Wann passen Gefühl und Daten zusammen – und wann nicht?

Readiness, Recovery und Stress-Scores richtig lesen

Viele Apps reduzieren mehrere Messgrößen auf eine leicht verständliche Zahl:

82 Punkte Readiness. 64 Prozent Recovery. Hoher Stress. Gute Erholung.

Solche Scores sind praktisch, weil niemand morgens fünf Kurven und zwölf Einzelwerte analysieren möchte. Gleichzeitig sind sie keine universellen biologischen Maßeinheiten.

Ein Score kann beispielsweise enthalten:

• HRV,
• Ruheherzfrequenz,
• Schlafdauer,
• Schlafregelmäßigkeit,
• Aktivität,
• Temperaturabweichungen,
• Trainingsbelastung
• und herstellerspezifische Gewichtungen.

Andere Hersteller können aus ähnlichen Eingangsdaten einen anders aufgebauten Score berechnen.

Ein Oura-Wert von 85 ist deshalb nicht dasselbe wie 85 Punkte eines anderen Systems. Selbst innerhalb desselben Ökosystems können Algorithmus-Updates verändern, wie Eingangsdaten gewichtet werden.

Wann auffällige Wearable-Daten medizinisch abgeklärt werden sollten

Die meisten ungewöhnlichen Wearable-Werte sind keine medizinischen Notfälle. Messfehler, ein lockeres Armband, Bewegung, eine kurze Nacht, Alkohol, ungewohntes Training oder ein Softwareproblem können einzelne Datenpunkte verschieben.

Mehr Aufmerksamkeit verdienen Auffälligkeiten, wenn sie:

• wiederholt auftreten,
• deutlich von der persönlichen Basislinie abweichen,
• über längere Zeit bestehen,
• mit Beschwerden zusammen auftreten,
• von einem für diese Messung medizinisch vorgesehenen Gerät stammen
• oder eine spezifische Warnfunktion wie eine wiederholte Rhythmusmeldung betreffen.

Bei akuten Beschwerden wie Brustschmerzen, ausgeprägter Atemnot, Ohnmacht oder anderen potenziell ernsten Symptomen sollte die Entscheidung über medizinische Hilfe nicht von einem Wearable-Score abhängig gemacht werden.

Umgekehrt schafft ein unauffälliger Ring oder eine unauffällige Smartwatch keine Garantie dafür, dass gesundheitlich alles unauffällig ist. Viele relevante Prozesse liegen vollständig außerhalb der vorhandenen Sensorik.

Wearables und Gesundheitsdiagnostik ergänzen sich

Damit lässt sich die Rolle von Wearables ziemlich klar beschreiben.

Wearables besitzen hohe zeitliche Auflösung. Sie beobachten wenige physiologische Ebenen sehr häufig.

Klinische Diagnostik besitzt größere biologische Tiefe. Labor, EKG, Bildgebung, Lungenfunktion, Leistungsdiagnostik und weitere Untersuchungen können Fragen beantworten, die ein Sensor am Handgelenk gar nicht erfassen kann.

Besonders interessant wird die Verbindung beider Welten.

Ein langfristiger Trend kann einen Anlass liefern, genauer hinzusehen. Eine klinische Untersuchung kann anschließend klären, ob die beobachtete Veränderung medizinisch relevant ist. Danach kann das Wearable wiederum zeigen, wie sich bestimmte Alltagsparameter weiterentwickeln.

Der einzelne Laborzettel und die Wearable-Kurve beantworten damit unterschiedliche Fragen.

Wie solche Zeitreihen eines Tages mit Laborwerten, Genomik, Bildgebung und anderen Datenebenen verbunden werden könnten, betrachten wir ausführlicher im Ratgeber Diagnostik der Zukunft.

Welches Wearable passt zu welchem Ziel?

Wer ein Wearable auswählen möchte, sollte weniger auf die längste Funktionsliste achten als auf die Frage, welche Daten im eigenen Alltag tatsächlich interessant sind.

Digitale Biomarker: wohin sich Wearables entwickeln

Die technische Entwicklung endet nicht bei Schlaf, Puls und Schritten.

Die Forschung untersucht Wearables inzwischen für zahlreiche digitale Messgrößen: Bewegungsmuster, Rhythmusstörungen, Blutdruck, neurologische Funktionen, Glukoseverläufe, Schlaf, kardiovaskuläre Parameter und weitere physiologische Signale. Auch biochemische Sensoren jenseits der klassischen kontinuierlichen Glukosemessung gehören zu den Entwicklungsfeldern.[1]

Interessant wird dabei zunehmend die Kombination mehrerer Signale.

Eine isolierte Veränderung der Herzfrequenz kann viele Ursachen haben. Treten gleichzeitig Änderungen von Temperatur, HRV, Schlaf, Aktivität und Atemfrequenz auf, enthält dieses Muster mehr Information als jeder Einzelwert.

Ob daraus ein klinisch brauchbarer digitaler Biomarker entsteht, hängt jedoch von mehr ab als von einem beeindruckenden Algorithmus.

Erforderlich sind unter anderem:

• reproduzierbare Sensorik,
• klare Definition der Messgröße,
• Validierung in unterschiedlichen Populationen,
• Vergleich mit geeigneten Referenzverfahren,
• Nachweis eines klinisch relevanten Zusammenhangs
• und eine klare Antwort darauf, welche Entscheidung die zusätzliche Information verbessern soll.

Mehr Daten erzeugen damit dieselbe Herausforderung, die bereits aus Labor- und Omics-Diagnostik bekannt ist: Messbarkeit ist noch keine medizinische Bedeutung.

Und was ist mit Datenschutz?

Gesundheits-Wearables sammeln ungewöhnlich intime Langzeitdaten. Schlafzeiten, Bewegung, Herzfrequenz, Standort- oder Trainingsinformationen und weitere Gesundheitsparameter können über Jahre gespeichert werden.

Vor der Entscheidung für ein System lohnt sich deshalb ein Blick darauf, welche Daten lokal oder in der Cloud gespeichert werden, welche Exportmöglichkeiten existieren, ob ein Abonnement erforderlich ist und wie der Anbieter mit Gesundheitsdaten umgeht.

Ein Wearable wird häufig jahrelang getragen. Die Datenstrategie des Herstellers kann deshalb ebenso relevant werden wie Akkulaufzeit oder Displaygröße.

Fazit: Trends sind oft wertvoller als einzelne Scores

Moderne Wearables können physiologische Veränderungen sichtbar machen, die im normalen Alltag leicht verborgen bleiben. Herzfrequenz, HRV, Bewegung und bestimmte nächtliche Parameter lassen sich über lange Zeiträume beobachten. Bei EKG und Blutdruck reichen einzelne Systeme inzwischen deutlich in medizinische Anwendungsbereiche hinein.

Die Grenzen beginnen dort, wo aus Sensorsignalen weitreichende Aussagen werden.

Ein Algorithmus kann Schlafstadien schätzen. Er ersetzt keine Polysomnographie. Eine Uhr kann VO₂max berechnen. Sie misst deshalb keine Atemgase. Ein Stress-Score kann autonome Aktivierung beschreiben, kennt aber weder Gedanken noch Lebenssituation. Ein veränderter Ruhepuls kann ein Signal sein, aber keine Ursache nennen.

Die wertvollste Perspektive entsteht deshalb häufig über den Verlauf.

Wie sieht meine persönliche Basislinie aus? Welche Werte verändern sich gemeinsam? Bleibt eine Veränderung bestehen? Und passt sie zu dem, was ich im Alltag tatsächlich erlebe?

Wer Wearables so nutzt, muss keinem einzelnen Score hinterherlaufen. Das Gerät wird vielmehr zu einem persönlichen Messinstrument für Entwicklungen über die Zeit.

Und manchmal besteht die interessanteste Erkenntnis tatsächlich darin, dass der Körper auf eine Situation anders reagiert, als man selbst erwartet hätte.

FAQ – häufige Fragen zu Wearables und Gesundheitsdaten

Was möchtest Du jetzt machen?

Wearables berühren mehrere Gesundheitsbereiche, die sich mit einer einzelnen Uhr oder einem Ring nur teilweise erfassen lassen. Je nachdem, welche Frage Dich interessiert, führen unterschiedliche Wege weiter.

• VO₂max und maximale Sauerstoffaufnahme: Wie kardiorespiratorische Fitness tatsächlich gemessen wird und wodurch sich Laborwert und Wearable-Schätzung unterscheiden.
• Longevity-Blutwerte und Biomarker: Welche Gesundheitsinformationen erst durch Laborwerte und weitere diagnostische Messgrößen sichtbar werden.
• Gefäßalterung: Blutdruck, arterielle Steifigkeit, Pulswelle und Gefäßfunktion im Zusammenhang.
• Biologisches Alter testen: Warum auch komplexe Gesundheits-Scores aus Messwerten und mathematischen Modellen entstehen.
• Diagnostik der Zukunft: Wie Wearables eines Tages mit Labor, Omics, Bildgebung und longitudinalen Gesundheitsdaten zusammenspielen könnten.

Quellen

• [1] Fayad ZA, Hirten RP, Nadkarni GN, Kim YS. Wearable technologies in clinical trials for drug development: trends and emerging opportunities. Nature Reviews Drug Discovery. 2026;25(6):448–468. DOI: 10.1038/s41573-026-01403-9.
• [2] Kinnunen H, Rantanen A, Kenttä T, Koskimäki H. Feasible assessment of recovery and cardiovascular health: accuracy of nocturnal HR and HRV assessed via ring PPG in comparison to medical grade ECG. Physiological Measurement. 2020;41(4):04NT01. DOI: 10.1088/1361-6579/ab840a.
• [3] Svensson T, Madhawa K, Hoang NT et al. Validity and reliability of the Oura Ring Generation 3 with Oura Sleep Staging Algorithm 2.0 when compared to multi-night ambulatory polysomnography. Sleep Medicine. 2024;115:251–263. DOI: 10.1016/j.sleep.2024.01.020.
• [4] Pataca AO, Zdravevski E, Coelho PJ et al. Use of machine learning for predicting stress episodes based on wearable sensor data: A systematic review. Computers in Biology and Medicine. 2025;198(Pt A):111166. DOI: 10.1016/j.compbiomed.2025.111166.
• [5] Cohen JB, Byfield RL, Hardy ST et al. Cuffless Devices for the Measurement of Blood Pressure: A Scientific Statement From the American Heart Association. Hypertension. 2026;83(3):876–886. DOI: 10.1161/HYP.0000000000000254.
• [6] Jones DW, Ferdinand KC, Taler SJ et al. 2025 AHA/ACC Guideline for the Prevention, Detection, Evaluation, and Management of High Blood Pressure in Adults. Journal of the American College of Cardiology. 2025. DOI: 10.1016/j.jacc.2025.05.007.
• [7] Hilo. Hilo blood-pressure monitoring system. Technische und regulatorische Produktinformationen: CE Class IIa nach EU MDR, Validierung nach ISO 81060-2, Oberarmmanschette zur Kalibrierung. Abruf: September 2026.
• [8] Huawei. HUAWEI WATCH D2. Technische und regulatorische Produktinformationen zur oszillometrischen Blutdruckmessung, ambulanten Blutdruckmessung und CE-Zertifizierung nach MDR. Abruf: September 2026.
• [9] Shahid S, Iqbal M, Saeed H et al. Diagnostic Accuracy of Apple Watch Electrocardiogram for Atrial Fibrillation: A Systematic Review and Meta-Analysis. JACC: Advances. 2025;4(2):101538. DOI: 10.1016/j.jacadv.2024.101538.
• [10] Barrera N, Solorzano M, Jimenez Y et al. Accuracy of Smartwatches in the Detection of Atrial Fibrillation: A Systematic Review and Diagnostic Meta-Analysis. JACC: Advances. 2025;4(11 Pt 1):102133. DOI: 10.1016/j.jacadv.2025.102133.
• [11] Lambe R, O’Grady B, Baldwin M, Doherty C. Investigating the accuracy of Apple Watch VO₂max measurements: A validation study. PLOS ONE. 2025;20(5):e0323741. DOI: 10.1371/journal.pone.0323741.

Abgelegt unter: apple watch , Blutdruck , digitale biomarker , ekg , garmin , gesundheitsdaten , gesundheitsmonitoring , herzfrequenzvariabilität , hilo , hrv , huawei watch , Longevity , oura ring , prävention , samsung galaxy watch , schlaftracking , smartwatch gesundheit , vo2max , wearables , whoop