Kann die Apple Watch eine Krankheit erkennen, bevor man Symptome bemerkt - was die Wissenschaft dazu wirklich sagt

Kurz zusammengefasst

Die Forschung bestätigt auf Populationsebene: Wearable-Signale wie erhöhter Ruhepuls, niedriges HRV und Schlafstörungen verschieben sich tatsächlich in den Tagen rund um Krankheitsbeginn. Die Wissenschaft ist echt. Aber die ehrliche Antwort auf die Frage, ob deine Apple Watch eine Krankheit erkennen kann, bevor du Symptome merkst, lautet: nicht zuverlässig, nicht auf Individualebene, und nicht in einer Weise, die Apple behauptet oder validiert hat. Die Studien, die Schlagzeilen machten, waren retrospektiv und auf Populationsebene; ihre Übertragung auf Echtzeit-Individualwarnungen ist ein deutlich schwierigeres Problem. Apples eigene Vitals-App, mit watchOS 11 eingeführt, benachrichtigt dich, wenn mehrere nächtliche Metriken ungewöhnlich sind - Apple stellt aber explizit klar, dass die Funktion nicht für medizinische Zwecke gedacht ist.

---

Was die Forschung wirklich untersucht hat

Die am häufigsten zitierte Forschung zur Früherkennung von Krankheiten mit Wearables stammt von zwei Gruppen: Michael Snyders Labor an der Stanford University und dem Scripps Research Translational Institute.

2017 veröffentlichten Snyder und Kollegen in PLOS Biology Ergebnisse von 60 Probanden mit jeweils ein bis sieben tragbaren Biosensoren. Das Team erfasste fast zwei Milliarden Messungen, darunter Herzfrequenz, Hauttemperatur, Sauerstoffsättigung und Aktivität. Sie zeigten, dass Abweichungen von der persönlichen Baseline jeder einzelnen Person nachweisbar waren und mit Krankheitsereignissen korrelierten - einschließlich Snyders eigener Lyme-Borreliose-Infektion, die sich im Flugzeug als abnormales Herzfrequenz- und Sauerstoffsättigungsmuster zeigte, bevor er Symptome entwickelte. Das Fazit der Studie war angemessen formuliert als Machbarkeitsbeweis: Bei gut etablierter persönlicher Baseline können Wearable-erkannte Ausreißer mit Gesundheitsereignissen korrelieren. Eric Topol vom Scripps Research Institute nannte die Aussicht auf Infektionserkennung vor deren Auftreten "sehr provokativ."

Diese Gruppe veröffentlichte später Forschung in Nature Biomedical Engineering, die die gleiche Logik auf COVID-19 anwendete: Smartwatch-Daten konnten mit Infektion vor Symptombeginn assoziiert werden (Snyder et al., Nat Biomed Eng, Dezember 2020; DOI: 10.1038/s41551-020-00640-6).

Die rigorösesten quantitativen Daten kamen von Scripps. Gadaleta, Radin und Kollegen veröffentlichten 2021 eine Studie in npj Digital Medicine mit 38.911 Probanden aus der DETECT-Studie, von denen 1.118 per PCR positiv getestet wurden. Mit einem Gradient-Boosting-Modell trainiert auf passiv erfassten Smartwatch- und Fitness-Tracker-Daten erreichten sie einen AUC von 0,83 bei symptomatischen Personen, wenn alle Daten verfügbar waren. Aber wenn sie sich auf passive Sensordaten vor dem Testdatum beschränkten - das Szenario, das echte präsymptomatische Erkennung abbildet -, fiel die Performance auf einen AUC von 0,70 für alle Probanden ab, unabhängig davon, ob sie Symptome berichtet hatten.

Ein AUC von 0,70 bedeutet, dass das Modell eine COVID-positive Person in etwa 70 % der Fälle höher einstufte als eine COVID-negative Person. Das liegt spürbar über dem Zufallsniveau - aber es bedeutet auch bedeutungsvolle Raten sowohl von falsch-positiven als auch falsch-negativen Ergebnissen. Für individuelle alltägliche Nutzung, wo die Wahrscheinlichkeit, an irgendeinem Morgen eine bestimmte Krankheit zu haben, niedrig ist, ist das praktische Signal-Rausch-Verhältnis deutlich ungünstiger als diese Zahl suggeriert.

---

Das Signal ist echt - das Problem ist Spezifität

Warum kannst du dich nicht darauf verlassen? Weil die physiologischen Signale, die sich in Krankheit verschieben, nicht eindeutig sind für Krankheit.

Ruhepuls steigt, wenn das Immunsystem auf Infektion reagiert - aber er steigt auch nach Alkohol, nach intensivem Training, bei schlechtem Schlaf, oder unter anhaltendem psychologischen Stress. HRV sinkt in den Tagen vor Krankheit - aber HRV sinkt auch morgens nach Wein, nach einem späten Flug, oder in einer stressigen Arbeitswoche. (Für einen breiteren Überblick über welche Signale wirklich aussagekräftig sind, siehe unsere Erklärung der wichtigen Biomarker im Alltag.) Handgelenktemperatur kann bei Fieber ansteigen - aber wie Apple explizit dokumentiert, reagiert sie auch auf Alkohol, Sport vor dem Schlafengehen, ein warmes Schlafzimmer und eine lockere Uhrenpassform.

Das ist das Spezifitätsproblem. In der Breite ist das Signal echt - über Tausende Menschen und viele Krankheitsereignisse ist das Muster statistisch nachweisbar. Aber für einen Einzelnen an einem bestimmten Morgen sind erhöhter Ruhepuls und ausgeflaggte Temperatur deutlich eher auf das gestrige Essen und ein offenes Fenster zurückzuführen als auf den Beginn einer Grippe.

Die Scripps-Studie zeigt das ehrlich. Die höheren AUC-Zahlen benötigten selbstgemeldete Symptome im Modell - das heißt, der Algorithmus erkannte teilweise die Tatsache, dass jemand bereits bemerkt hatte, dass es ihm schlecht geht. Ohne Symptome und mit nur prätest-passiven Daten fällt AUC auf 0,70. Die Lücke zwischen 0,83 und 0,70 zeigt genau, wie viel die Symptome selbst zur Vorhersage beitrugen.

---

Was Apple Watch damit tatsächlich macht

Apple führte die Vitals-App mit watchOS 11 im September 2024 ein. Sie überwacht fünf nächtliche Metriken: Herzfrequenz, Atemfrequenz, Sauerstoffsättigung, Handgelenktemperatur und Schlafdauer. Nach sieben Nächten etabliert sie einen persönlichen typischen Bereich für jede. Falls mehrere Metriken in der gleichen Nacht außerhalb liegen, erhältst du eine Benachrichtigung am nächsten Morgen mit Kontext, das notiert, dass "Faktoren wie deine Medikamente, Höhe, Alkoholkonsum oder sogar Krankheit deine Metriken beeinflussen können."

Diese Formulierung ist präzise und gut vertretbar: Krankheit wird als eine von mehreren möglichen Erklärungen genannt, nicht als Schlussfolgerung. Apple fügt dann eine Anmerkung hinzu, die vollständig gelesen gehört: "Vitals-App-Messungen sind nicht für medizinische Zwecke gedacht. Konsultiere bitte deinen Arzt, bevor du Entscheidungen bezüglich deiner Gesundheit triffst."

Das ist keine Standard-Fußnote. Es spiegelt eine echte regulatorische Realität: Apple Watch ist nicht validiert oder genehmigt für Krankheitserkennung. Die Vitals-App ist ein Wellness-Awareness-Tool. Sie kann dich auffordern, darauf zu achten, wie du dich fühlst. Sie kann dir nicht sagen, was die Werte verursacht - die gleiche bewusste Grenzziehung, die die Health-App davon abhält, deine Zahlen zu interpretieren.

---

Warum individuelle Vorhersage noch ungelöst ist

Es gibt einen bedeutsamen Unterschied zwischen dem, was Populationsstudien zeigen, und was individuelle Vorhersage benötigt.

Eine Studie, die zeigt, dass über Tausende Menschen der Ruhepuls in den Tagen vor einem bestätigten COVID-Test erhöht ist, sagt dir nicht, dass dein erhöhter Ruhepuls morgen bedeutet, dass du krank wirst. Sie sagt dir, dass erhöhter Ruhepuls auf Populationsebene mit Krankheit assoziiert ist - und auch mit vielem anderen.

Diese Lücke zu schließen würde erfordern: ein Modell, speziell auf deine Physiologie trainiert über ausreichend lange Zeit, um dein Krankheitsmuster von deinem Alkoholmuster und deinem Übertrainingsmuster zu unterscheiden; eine Krankheit, die häufig genug in deiner Umgebung ist, um eine positive Warnung statistisch sinnvoll zu machen; und prospektive klinische Validierung - nicht retrospektive Analyse von Menschen, die bereits bekannt positiv getestet wurden.

All das gibt es für die Apple Watch oder andere Consumer-Wearables bislang nicht. Die Forschungsgemeinschaft arbeitet aktiv daran, und die Richtung ist wirklich vielversprechend. Aber "vielversprechend in Peer-Review-Forschung" und "validiert für individuelle klinische Nutzung" sind verschiedene Kategorien - der Kontrast ist klar, wenn du anschaust, was Apple Watch Vorhofflimmern-Verlauf kann und nicht kann, wo selbst ein genehmigtes Feature explizit kein Screening-Tool ist.

---

Was du sinnvoll mit den Daten tun kannst

Die Tatsache, dass individuelle Validierung noch nicht existiert, macht die Daten nicht nutzlos - sie ändert, wie du sie verwenden solltest.

Am vertretbarsten ist die Rolle als Aufforderung, aufzupassen. Falls deine Vitals-App mehrere Metriken als ungewöhnlich flaggt und du dir auch subjektiv ein bisschen unwohl fühlst, ist diese Übereinstimmung ein aussagekräftiger Kontext: Ruhe, meide anstrengenden Sport, und beobachte wie du dich über die nächsten 24 Stunden fühlst. Das ist keine Diagnose und sollte deine eigene Symptombewertung nicht ersetzen.

Was es nicht tun sollte, ist, klinisches Urteil in beide Richtungen zu ersetzen - weder "meine Uhr sagt mir, es geht mir gut, also gehe ich nicht zum Arzt" noch "meine Uhr flaggte mich, also muss ich krank werden." Beide Lesarten wenden falsch an, was die Daten tatsächlich unterstützen können.

Sinnvoll ist es, die eigene Baseline über die Zeit aufmerksam im Blick zu behalten. Über Wochen und Monate lernst du, wie deine nächtlichen Metriken aussehen, wenn du ausgeruht und nicht gestresst bist. Abweichungen von diesem Muster - besonders wenn mehrere Metriken sich zusammen verschieben und es keine offensichtliche Lifestyle-Erklärung gibt - sind es wert, dass du sie dir notierst, und eine kostenlose App wie Sam kann dir diese Verschiebungen im Vergleich zu deiner persönlichen, aus Apple-Health-Daten ermittelten Baseline aufzeigen. Sie als Wellness-Signal, nicht als medizinische Warnung zu behandeln, entspricht sowohl dem, was die Daten tatsächlich zeigen, als auch dem, was Apple validiert hat.

---

So hilft dir Sam

Sam zeigt die nächtlichen Metriken deiner Apple Watch - HRV, Ruhepuls, Handgelenktemperatur, Schlaf und Atemfrequenz - auf einer Zeitleiste, damit du sehen kannst, wann sich mehrere Signale gleichzeitig von deiner persönlichen Baseline abweichen. Diese Multi-Metrik-Ansicht ist genau das, was die Forschung als aussagekräftiger einstuft als jede einzelne Metrik für sich genommen. Das vollständige Spektrum dessen, was die Sensoren deiner Apple Watch erfassen, findest du in unserem kompletten Sensor-Überblick für 2026.

Sam kostenlos ausprobieren

Quellen

• Verfolge deine nächtlichen Vitals mit Apple Watch - Apple Support, veröffentlicht September 2025. Zugegriffen 16. Mai 2026.
• Verfolge nächtliche Handgelenktemperatur-Veränderungen mit Apple Watch - Apple Support, veröffentlicht Oktober 2025. Zugegriffen 16. Mai 2026.
• Wearable sensors can tell when you are getting sick - Stanford Medicine News, 12. Januar 2017. Bericht über: Li X, Dunn J, Salins D et al., PLOS Biology, 2017. Zugegriffen 16. Mai 2026.
• Pre-symptomatic detection of COVID-19 from smartwatch data - Snyder MP et al., Nature Biomedical Engineering, Vol. 4, pp. 1208–1220, Dezember 2020. DOI: 10.1038/s41551-020-00640-6. Zugegriffen 16. Mai 2026.
• Passive detection of COVID-19 with wearable sensors and explainable machine learning algorithms - Gadaleta M, Radin JM, Topol EJ, Quer G et al., npj Digital Medicine, 4(1):166, Dezember 2021. DOI: 10.1038/s41746-021-00533-1. PMID: 34880366. Zugegriffen 16. Mai 2026.