Was 14 Tage Apple-Health-Daten zeigen können und was nicht

Die meisten Menschen, mit denen ich spreche, haben eine Apple Watch und in der App „Health“ zwei oder mehr Jahre Daten, die sie nie geöffnet oder abgefragt haben, geschweige denn etwas daraus gelernt.

Das ist nicht ihre Schuld. Die App „Health“ speichert alles und deutet sehr wenig. Sie zeigt dir die Ruheherzfrequenz von gestern. Sie sagt dir nicht, welche deiner Gewohnheiten diese Zahl immer wieder verschiebt.

Observa soll genau diese Deutung übernehmen. Bevor es darum geht, wie das funktioniert, gibt es eine praktische Frage, die mir öfter gestellt wird als jede andere.

Wie viele Daten brauchst du, bevor das alles etwas bedeutet?

Das hängt von der Frage ab, die du stellst, und die Antwort fällt in drei Stufen.

Stufe 1: Zwei Wochen für Muster mit einer Gewohnheit

Zwei Wochen, in denen du die Uhr regelmäßig trägst, sind das Minimum. Nach etwa 14 Tagen hast du genug Nächte, HRV-Messungen und Trainings, um Fragen zu einer einzelnen Gewohnheit zu stellen: Hat diese eine Gewohnheit diesen einen Wert regelmäßig verschoben? Muster sehen in dieser Phase aus wie diese ausgedachten Beispiele:

• An Tagen, an denen du nach 18:00 Uhr trainiert hast, lag dein Tiefschlaf eher unter deinem üblichen Bereich.
• Nach Nächten, die kürzer waren als dein Schlafziel, lag deine Ruheherzfrequenz am nächsten Morgen eher höher.
• Deine HRV war am Morgen nach deinen härtesten Trainingstagen eher niedriger.

Jedes Beispiel verbindet eine Gewohnheit mit einem Ergebnis, und jedes braucht genug Tage mit beiden Bedingungen (grob 10 oder mehr von jeder), damit der Vergleich etwas bedeutet. Für Selbstversuche ist eine lockerere Messlatte als in der Forschung in Ordnung, denn wenn du falsch liegst, probierst du eben zwei Wochen lang etwas anderes.

Was dir 14 Tage noch nicht geben können: alles, was mehrere Gewohnheiten verbindet, alles Jahreszeitliche und alles, was von Trainingszyklen abhängt. Die Daten sind echt, der Ausschnitt ist nur zu schmal.

Stufe 2: 60 Tage für Muster, die Gewohnheiten verbinden

Ab etwa 60 Tagen wird zweierlei möglich. Deine Basislinie für jeden Wert (HRV als SDNN, Ruheherzfrequenz, Schlafeffizienz, Zeit in jeder Schlafphase) hat genug gewöhnliche Wochen gesehen, dass eine Abweichung davon etwas bedeutet. Und du hast genug Wochen, die sich nicht überschneiden, um Gewohnheiten in Kombination zu betrachten.

Eine Frage zu einer Gewohnheit lautet: „Haben späte Trainings meine HRV beeinflusst?“ Eine kombinierte Frage lautet: „Hat ein spätes Training zusammen mit einer kurzen Nacht meine HRV stärker beeinflusst als jedes von beiden allein?“ Viel von der nützlichen Selbsterkenntnis steckt in solchen zusammengesetzten Mustern.

Sechzig Tage entsprechen außerdem etwa zwei Menstruationszyklen, zwei Trainingsblöcken und genug Schwankung von Woche zu Woche, um zu sehen, wie sich dein Körper im normalen Leben verändert.

Stufe 3: 90 bis 365 Tage für Trends

In diesem Zeitraum wird die Drift der Basislinie sichtbar. Deine Ruheherzfrequenz ist keine Konstante. Sie sinkt, wenn du Ausdauer aufbaust, steigt in stressigen Phasen, fällt in Wochen mit reduziertem Training vor einem Wettkampf und klettert bei Atemwegsinfekten, die du nicht immer bemerkst. Verfolgst du die Ruheherzfrequenz Woche für Woche im Vergleich zum letzten Quartal, siehst du, was für deinen Körper „normal“ ist. Bei der HRV ist es genauso, denn sie schwankt mit den Jahreszeiten, und ein häufiger Irrtum ist, einen Rückgang im Winter als „mit mir stimmt etwas nicht“ zu lesen, obwohl er nur heißt: „Meine HRV liegt im Winter niedriger.“

Neunzig Tage reichen, um einen vollständigen Block an Trainingsanpassung zu sehen. Sechs Monate zeigen die Schwankungen der Jahreszeiten. Ein Jahr reicht, um zu sehen, wie sich deine Körperwerte über einen ganzen Zyklus deines Lebens verändern.

Was dir keine Menge an Apple-Health-Daten sagen kann

Ursache und Wirkung. Gesundheits-Apps übergehen das regelmäßig, dabei ist es wichtig.

Eine Korrelationsanalyse kann dir sagen, dass dein Tiefschlaf an Tagen, an denen du nach 18:00 Uhr trainierst, eher niedriger ausfällt. Sie kann dir nicht sagen, dass das Training ihn verursacht hat. Etwas, das du zufällig an denselben Tagen tust (Koffein, viele Meetings, Stress, Essen, Alkohol), kann die eigentliche Ursache sein. Eine statistische Korrelation allein beweist nie eine Ursache.

Nutze Erkenntnisse aus Korrelationen deshalb als Hypothesen, die sich zu testen lohnen, nicht als Urteile. Zeigt dir Observa, dass dein Schlaf eher schlechter mit späten Trainings zusammenfällt, ist die sinnvolle Reaktion, zwei Wochen lang früher zu trainieren und zu sehen, ob dein Schlaf besser wird. Nur so wird aus einer Korrelation etwas, das einem Wissen über die Ursache nahekommt.

Deshalb formuliert Observa jedes Muster als „fällt tendenziell zusammen mit“, versieht es mit einer Angabe zur Konfidenz und ergänzt einen Hinweis „Warum sehe ich das?“. Du kannst jedes Muster mit „Trifft zu“ oder „Trifft nicht zu“ markieren, und du solltest selbst beurteilen, ob es sich lohnt, danach zu handeln.

Warum die Gründe hinter einem Wert wichtiger sind als der Wert

Viele Gesundheits-Apps berechnen eine einzige Tageszahl: eine Erholung von 0 bis 100 wie bei WHOOP, den Erholungsprozentsatz von Athlytic, ein biologisches Alter wie bei Bevel. Als Zusammenfassung auf einen Blick funktionieren sie. Für sich allein sind sie undurchsichtig, und du siehst kaum, was sie von Tag zu Tag bewegt.

Auch Observa gibt dir eine Tageszahl. Die Bereitschaft reicht von 0 bis 100 und gewichtet Schlaf, HRV, Ruheherzfrequenz und Trainingsbelastung im Vergleich zu deinem eigenen üblichen Bereich. Der Unterschied ist, dass sie ihren Rechenweg zeigt. Tippst du auf „Warum dieser Wert?“, listet sie auf, welche Signale in deinem üblichen Bereich liegen und welche den Wert am stärksten bewegt haben. „Die Bereitschaft ist moderat, weil deine HRV unter deinem üblichen Bereich liegt“ sagt dir etwas Konkretes. „Deine Erholung liegt bei 58/100“ sagt dir für sich allein etwas Gemitteltes, und wenn du fragst „Warum?“, hat die Zahl keine Antwort.

Aus demselben Grund ist es fast immer Zeitverschwendung, deine Zahlen mit denen anderer zu vergleichen. Die absolute HRV unterscheidet sich enorm nach Alter, Geschlecht, Fitness und Zeitpunkt der Messung. Der Vergleich, der dir etwas sagt, ist du, heute, gemessen an deinem eigenen Normalwert. Alles andere ist Rauschen.

Eine Anmerkung zur HRV der Apple Watch

Die Apple Watch zeichnet die HRV als SDNN auf (die Standardabweichung der Abstände zwischen Herzschlägen), zu wechselnden Zeiten über den Tag und in der Nacht, meist wenn du still bist. Viele Werkzeuge aus der Sportwissenschaft nutzen ein anderes HRV-Maß, deshalb lassen sich die absoluten Zahlen nicht direkt mit Messungen eines Brustgurts oder mit Werten einer Uhr einer anderen Marke vergleichen. Vergleichen kannst du die Messung deiner Uhr an dir über die Zeit. Verfolge also diesen SDNN-Wert im Vergleich zu deiner eigenen Basislinie und halte deine Rohzahl nicht neben die eines Freundes.

Die Apple Watch kann auch EKGs aufzeichnen. Observa Pro zeigt diese Aufzeichnungen und den Verlauf ihrer Einstufungen so, wie Apple Health sie gespeichert hat, nur zur Information; die App diagnostiziert nichts. Die Daten zu den Schlafphasen (Tief, REM, Kern, Wach) stammen von den Bewegungs- und Herzfrequenzsensoren der Uhr. Für Trends sind sie genau genug, für eine klinische Bestimmung der Schlafphasen nicht.

Observa liest diese Daten aus Apple Health und vergleicht sie mit deinem eigenen üblichen Bereich. Jeden Morgen bekommst du die Bereitschaft, einen Schlafwert und eine Einschätzung deines Stresses, jeweils mit „Warum dieser Wert?“, und der Reiter „Muster“ blickt 14, 28 oder 90 Tage zurück und sucht nach den Gewohnheiten, die oft mit deiner Erholung, deinem Schlaf und deiner HRV zusammenfallen. Die App braucht kein Konto, und die Auswertung läuft auf deinem Gerät. Das Ziel ist, zu nutzen, was Apple Health seit Jahren sammelt.

Welche Werte überhaupt eine Basislinie verdienen, steht in 6 Apple-Health-Werte, die sich lohnen.

Kurz zusammengefasst

• 14 Tage reichen für Muster mit einer Gewohnheit: späte Trainings und Tiefschlaf, kurze Nächte und die Ruheherzfrequenz am nächsten Morgen.
• 60 Tage sind ein vernünftiges Minimum für Muster, die Gewohnheiten verbinden, und für eine Basislinie, die das normale Leben gesehen hat.
• 90 bis 365 Tage brauchst du für Trends: jahreszeitliche Schwankungen der HRV, Drift der Ruheherzfrequenz, Anpassung an Training.
• Korrelation ist keine Kausalität. Behandle jede Erkenntnis als Hypothese, die du zwei Wochen lang testest.
• Vergleich dich mit deiner Basislinie, nicht mit anderen. Absolute HRV und Ruheherzfrequenz unterscheiden sich von Körper zu Körper enorm.

Die Daten stapeln sich in der App „Health“, seit du die Uhr hast. Es fehlte nur etwas, das sie lesen kann.