Normale HRV-Werte nach Alter und Geschlecht: Die Referenztabellen, die kaum einer veröffentlicht

Sam Health ist ein Wellness-Begleiter, kein Medizinprodukt. Die Daten und Bereiche hier sind Wellness-Signale für allgemeine Bewusstsein. Medizinische Fragen gehören zu deinem Arzt.

Kurz gesagt

In der größten Studie über gesunde Erwachsene, klar nach Alter und Geschlecht aufgeschlüsselt - 1.906 Personen aus der KORA-S4-Kohorte, gemessen mit 5-Minuten-EKG - sinkt das mittlere SDNN von etwa 49–50 ms im Alter von 25–34 Jahren auf etwa 28–30 ms im Alter von 65–74 Jahren. Geschlechtsspezifische Unterschiede beim SDNN und RMSSD sind kleiner als die meisten Blogs behaupten und weitgehend statistisch nicht signifikant. Deine Apple Watch wird typischerweise unter den Werten dieser Tabelle liegen - aktuelle Validierungsstudien zeigen, dass die Apple Watch das SDNN um etwa 8 ms gegenüber der Brustgurt-Referenz unterschätzt. Die Zahl, die zählt, ist nicht der Bevölkerungsmittelwert, sondern der Trend deiner eigenen sieben- bis vierzehntägigen Baseline, jeden Tag auf dieselbe Weise gemessen.

Was HRV wirklich misst

Herzfrequenzvariabilität ist die Variation der Zeit zwischen aufeinanderfolgenden Herzschlägen. Ein gesundes Nervensystem erzeugt einen Herzrhythmus, der variiert - die Abstände zwischen den Schlägen sind nicht gleichmäßig. Mehr Variation bedeutet normalerweise mehr parasympathischen (Erholungs-)Einfluss; weniger Variation bedeutet normalerweise mehr sympathischen (Stress, Belastung) Einfluss.

Es gibt mehrere Wege, diese Variation in eine Zahl zu fassen. Die zwei am meisten zitierten zeitbasierten Metriken sind:

• SDNN - Standardabweichung der normalen Herzschlag-Intervalle über das Messfenster. Die Apple Watch zeigt diese Metrik (Apple Developer, heartRateVariabilitySDNN, abgerufen 15. Mai 2026). Sie ist die Metrik, die am stärksten mit dem allgemeinen Herzrisiko in klinischen 24-Stunden-Aufzeichnungen zusammenhängt.
• RMSSD - Quadratwurzel des Mittelwerts der Quadrate aufeinanderfolgender Unterschiede zwischen benachbarten Schlag-Intervallen. Oura, WHOOP, Polar und Garmin zeigen normalerweise RMSSD oder eine Ableitung davon. Sie reagiert empfindlicher auf kurzfristige parasympathische Aktivität von Schlag zu Schlag.

Es gibt auch frequenzbasierte Metriken (LF, HF, LF/HF-Ratio) und nichtlineare Metriken, die einige Forschungsgeräte zeigen. Für den Alltag mit einem Consumer-Wearable sind SDNN und RMSSD die zwei Zahlen, denen du wirklich begegnest, und dieser Artikel konzentriert sich auf diese.

So sieht „Normal" bei gesunden Erwachsenen aus

Die zuverlässigste Referenztabelle für Nicht-Athleten stammt von Voss et al. 2015, veröffentlicht in PLOS ONE. Sie analysierten 5-Minuten-EKG-Aufzeichnungen von 1.906 gesunden Teilnehmern aus der KORA-S4-Kohorte (eine deutsche Bevölkerungsstudie), nach Geschlecht und in 10-Jahres-Altersgruppen von 25 bis 74 Jahren aufgeschlüsselt. Teilnehmer mit Herz-Kreislauf-Erkrankungen, Diabetes oder relevanten Medikamentennebenwirkungen wurden ausgeschlossen (Voss et al., 2015, PLOS ONE, abgerufen 15. Mai 2026).

Die folgenden Werte sind Mittelwerte und Standardabweichungen aus Tabelle 5 und 7 dieser Studie. Dies sind 5-Minuten-Klinik-EKG-Werte, keine Smartwatch-Werte. Wir erklären den Unterschied weiter unten.

Frauen, 5-Minuten-Klinik-EKG

Quelle: Voss et al., 2015, Tabelle 5 (PLOS ONE).

Männer, 5-Minuten-Klinik-EKG

Quelle: Voss et al., 2015, Tabelle 7 (PLOS ONE).

Einige Muster sind hier besonders bemerkenswert:

• Der Altersrückgang ist real und steil. Das mittlere 5-Minuten-SDNN sinkt von etwa 50 ms in der 25–34-Gruppe auf unter 30 ms in der 65–74-Gruppe. Das mittlere RMSSD fällt im selben Altersbereich um die Hälfte. Das ist normale Physiologie, die in vielen unabhängigen Kohorten beobachtet wurde.
• Die Standardabweichungen sind riesig. Schau dir die SD-Spalte an. Eine 25- bis 34-jährige Frau mit einem 5-Minuten-SDNN von 30 ms liegt etwa eine Standardabweichung unter dem Mittelwert, befindet sich aber noch immer im gesunden Bereich. HRV variiert enorm von Mensch zu Mensch.
• Geschlechtsspezifische Unterschiede in zeitbasierten HRV-Metriken sind kleiner als viele Internetquellen behaupten. Voss et al. testeten Geschlechtsunterschiede direkt in jeder Altersgruppe und fanden keinen statistisch signifikanten Unterschied zwischen Männern und Frauen für SDNN oder RMSSD bei irgendeiner Altersgruppe von 25–34 bis 65–74 Jahren (Voss et al., 2015, Tabelle 9). Geschlechtsspezifische Unterschiede treten bei einigen frequenzbasierten (LF/HF) und nichtlinearen Metriken auf, aber für die einfachen zeitbasierten Zahlen, die die meisten Consumer-Wearables zeigen, spielt Alter eine viel größere Rolle als Geschlecht.

Die systematische Übersicht von Nunan et al. 2010 über 44 Kurzzeit-HRV-Studien (21.438 Teilnehmer) kam zu einer ähnlichen Schlussfolgerung: Es gibt eine angemessene Übereinstimmung zwischen den Studien bei den Mittelwerten, aber die Unterschiede zwischen Individuen sind enorm, und Kurzzeit-Werte aus der Literatur liegen tendenziell unter den älteren ESC-Task-Force-Langzeit-Normen (Nunan et al., 2010, Pacing Clin Electrophysiol, abgerufen 15. Mai 2026).

Was deine Apple Watch zeigt - und warum es nicht zur Tabelle passt

Die Apple Watch berechnet SDNN über kurze Fenster mit ihrem optischen Herzfrequenz-Sensor: Grünes Licht durchleuchtet die Blutgefäße am Handgelenk, das reflektierte Signal wird mit hoher Frequenz erfasst und anschließend in Schlag-Intervalle umgerechnet (Apple Support, Monitor your heart rate with Apple Watch, abgerufen 15. Mai 2026). Der HealthKit-Typ ist heartRateVariabilitySDNN und wird am zuverlässigsten während Atemübungen und ruhigen, stillen Momenten tagsüber erfasst (Apple Developer, heartRateVariabilitySDNN, abgerufen 15. Mai 2026).

Es gibt drei Gründe, warum deine Apple-Watch-Zahl wahrscheinlich unter den Werten der Voss-Tabelle liegt:

1. Der Sensor und das Messfenster sind unterschiedlich. Voss verwendete ein 5-Minuten-Ruhe-EKG mit Brustelektroden. Die Apple Watch nutzt Handgelenks-Photoplethysmographie in kurzen, oft variablen Zeitfenstern. Das sind nicht die gleichen Messungen, auch wenn sie das gleiche SDNN-Label tragen.
2. Die Apple Watch unterschätzt SDNN im Vergleich zu einem Brustgurt-Standard. Eine 2024 durchgeführte prospektive Validierungsstudie aus Dublin verglich Apple Watch Series 9 und Ultra 2 mit einem Polar-H10-Brustgurt und der Kubios-HRV-Referenzsoftware bei 39 gesunden Erwachsenen über 316 gepaarte Messungen in 14 Tagen. Die Apple Watch unterschätzte das SDNN um durchschnittlich 8,31 ms (95% CI −11,04 bis −5,59 ms), mit einem mittleren absoluten Fehler von etwa 20 ms und einem mittleren absoluten prozentualen Fehler von etwa 29 Prozent. Der Ruhepuls der Apple Watch wich dagegen im Durchschnitt nur etwa 0,1 bpm von der Referenz ab (O'Grady et al., 2024, Sensors, abgerufen 15. Mai 2026).
3. Der Alltag beeinflusst diese Zahl ständig. Schlaf der vorherigen Nacht, Alkohol, Trainingsbelastung, Position (sitzend vs. liegend), Tageszeit, Flüssigkeitszufuhr, Stress und sogar Umgebungstemperatur wirken sich alle auf die HRV aus. Die Voss-Tabelle ist eine Zahl pro Altersgruppe; deine Watch erzeugt Dutzende Werte pro Woche, jeweils unter unterschiedlichen Bedingungen erfasst.

Wenn du dir also die Voss-Zahlen ansiehst und dann auf deiner Apple Watch zum Beispiel im Alter von 32 Jahren ein SDNN von 28 ms siehst, bist du nicht "niedrig" im klinischen Sinne. Du siehst lediglich das Ergebnis einer anderen Messmethode und eines anderen Messkontextes. Der richtige Vergleichspunkt ist deine eigene Baseline - die eine kostenlose App wie Sam aus deinen Apple-Health-Daten verfolgen kann - nicht ein veröffentlichter Mittelwert.

SDNN vs. RMSSD: eine schnelle Übersetzung

Wenn du von einem anderen Wearable wechselst oder die HRV deiner Apple Watch mit dem Oura-Wert einer Freundin vergleichst, solltest du zwei Dinge wissen:

• Die Apple Watch zeigt SDNN. Oura und WHOOP zeigen RMSSD oder einen RMSSD-abgeleiteten Score. Polar kann beides zeigen. Garmins "Stress"-Metrik wird aus RMSSD berechnet.
• RMSSD-Zahlen sind normalerweise kleiner als SDNN-Zahlen aus der gleichen Aufzeichnung. In den Voss-Daten oben ist das mittlere RMSSD etwa 80–90 Prozent des mittleren SDNN bei jüngeren Altersgruppen und fällt schneller mit dem Alter als SDNN. Sie sind unterschiedliche Metriken, die unterschiedliche Aspekte der Variabilität erfassen, nicht unterschiedliche Gesundheitszustände. Bei ein und derselben Person spiegeln höheres SDNN und höheres RMSSD beide in der Regel bessere Erholung und ein besseres parasympathisches Gleichgewicht wider, aber ihre absoluten Werte sind nicht austauschbar.

An dieser Stelle noch eine technische Anmerkung, die durchaus erwähnenswert ist: In der Voss-2015-Studie enthält der Poincaré-Plot-Index SD1 exakt dieselbe Information wie RMSSD, verbunden durch eine feste mathematische Umrechnung (SD1 × √2 = RMSSD). Falls dir "SD1" in einer wissenschaftlichen Publikation begegnet, behandle es einfach als RMSSD unter anderem Namen.

Was das für deine eigenen Daten bedeutet

Vor diesem Hintergrund ein paar praktische Regeln:

• Nutze eine rollende persönliche Baseline. Ein sieben- bis vierzehntägiger rollender Durchschnitt deines Apple-Watch-SDNN, gemessen unter ähnlichen Bedingungen, ist der nützlichste einzelne Vergleichswert. Sam Health basiert genau auf diesem Prinzip - es zeigt eine Abweichung, wenn dein täglicher Wert deutlich von deiner eigenen Baseline abweicht, nicht wenn du unter dem Wert einer Bevölkerungstabelle liegst.
• Beobachte die Richtung, nicht die absolute Zahl. Ein berufstätiger Nicht-Sportler, dessen SDNN innerhalb von drei Wochen von 42 ms auf 30 ms abfällt, zeigt eine Abweichung, die Aufmerksamkeit verdient. Dieselbe Person, deren Wert über Monate hinweg unverändert bei 30 ms bleibt, befindet sich einfach auf ihrer eigenen Baseline.
• Gib der Baseline Zeit. Apples Overnight-Vitals-App braucht etwa sieben Nächte, um einen typischen Bereich für ihre Overnight-Metriken aufzubauen (Apple Support, Track your overnight vitals with Apple Watch, abgerufen 15. Mai 2026). Die Tag-zu-Tag-Schwankungen der HRV sind groß genug, dass du dir selbst 14–30 Tage geben solltest, bevor du einem Trend zu viel Bedeutung beimisst.
• Die Zyklusphase spielt eine Rolle für menstruierende Menschen. HRV sinkt normalerweise in der lutealen Phase gegenüber der follikulären Phase, was bedeutet, dass eine Einstufung als "normale HRV" ohne Berücksichtigung der Zyklusphase in die Irre führen kann. Wir behandeln das im Detail in unserem Artikel über Zyklusphase und HRV, Schlaf und Ruhepuls.
• Was ist mit der 50-ms-Schwelle für das 24-Stunden-SDNN der ESC-Task-Force? Sie stammt von vollständigen 24-Stunden-Holter-EKG-Aufzeichnungen (ESC/NASPE HRV Task Force, 1996, abgerufen 15. Mai 2026). Die Apple Watch produziert diese Aufzeichnung nicht. Die klinische Schwelle ist nicht direkt mit deinem Handgelenks-Wert vergleichbar - sie als persönlichen Grenzwert zu verwenden ist ein Kategoriefehler.

Wo Sam Health passt

Sam Health liest dein Apple Watch SDNN über HealthKit und zeigt es dir als Trend gegenüber deiner eigenen persönlichen Baseline anstatt gegenüber einer Bevölkerungstabelle. Es zeigt Einblicke, wenn es neuen, wissenswerten Kontext zu deiner HRV gibt - zum Beispiel, wenn ein längerfristiger Abwärtstrend zusammen mit anderen Abweichungen in deinen Overnight-Metriken auftritt - und hilft dir mit täglichen Einblicken, gesündere Gewohnheiten aufzubauen. Es ist ein Wellness-Begleiter, kein Medizinprodukt.

Sam kostenlos ausprobieren

Quellen

• Voss A. et al. - Short-Term Heart Rate Variability - Influence of Gender and Age in Healthy Subjects, PLOS ONE 10(3):e0118308 (2015) - https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0118308 - abgerufen 15. Mai 2026.
• Nunan D. et al. - A Quantitative Systematic Review of Normal Values for Short-Term Heart Rate Variability in Healthy Adults, Pacing and Clinical Electrophysiology 33(11):1407–1417 (2010) - https://pubmed.ncbi.nlm.nih.gov/20663071/ - abgerufen 15. Mai 2026.
• Shaffer F. & Ginsberg J.P. - An Overview of Heart Rate Variability Metrics and Norms, Frontiers in Public Health 5:258 (2017) - https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2017.00258/full - abgerufen 15. Mai 2026.
• ESC / NASPE HRV Task Force - Heart Rate Variability: Standards of Measurement, Physiological Interpretation, and Clinical Use (1996) - https://www.escardio.org/static-file/Escardio/Guidelines/Scientific-Statements/guidelines-Heart-Rate-Variability-FT-1996.pdf - abgerufen 15. Mai 2026.
• O'Grady B., Lambe R., Baldwin M., Acheson T., Doherty C. - The Validity of Apple Watch Series 9 and Ultra 2 for Serial Measurements of Heart Rate Variability and Resting Heart Rate, Sensors 24(19):6220 (2024) - https://www.mdpi.com/1424-8220/24/19/6220 - abgerufen 15. Mai 2026.
• Apple Developer Documentation - heartRateVariabilitySDNN - https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/heartratevariabilitysdnn - abgerufen 15. Mai 2026.
• Apple Support - Monitor your heart rate with Apple Watch - https://support.apple.com/en-us/120277 - abgerufen 15. Mai 2026.
• Apple Support - Track your overnight vitals with Apple Watch - https://support.apple.com/en-us/120142 - abgerufen 15. Mai 2026.