Apple-Health-Daten verstehen: Deine Daten sagen nicht, was du denkst

Ich trage seit 2018 eine Apple Watch. Als ich anfing, Observa zu entwickeln, hatte Apple Health acht Jahre meiner Daten: Schlaf, Herzfrequenz, HRV, EKG-Aufzeichnungen, Achtsamkeitsminuten, Trainings, Blutsauerstoff, Stabilität beim Gehen und so weiter.

Ich hatte keine Ahnung, was das alles bedeutete.

Das meine ich wörtlich. Ich konnte die App „Health“ öffnen, einer Zahl beim Steigen und Fallen zusehen, ein Diagramm in Form einer kleinen Bergkette betrachten und trotzdem die einzige Frage nicht beantworten, die zählte: Sollte ich diese Woche irgendetwas anders machen?

Observa gibt es, um diese Frage zu beantworten.

Was kann Apple Health gut?

Apple Health ist hervorragend in dem, wofür es gemacht ist. Es sammelt, vereinheitlicht und speichert Gesundheitswerte mit Datenschutzgarantien, die kein anderes System für Verbraucher geboten hat. Die Diagramme sind gut gestaltet, mit Einheiten geht es sorgfältig um, und die Datenebene ist, ehrlich gesagt, die beste der Branche.

Was Apple Health nicht versucht und meiner Meinung nach auch nicht versuchen sollte: die Daten einordnen. Es sagt dir nicht, dass deine HRV wegen der zwei kurzen Nächte letzte Woche gesunken ist. Es verbindet deine Ruheherzfrequenz am Morgen nicht mit dem Wein vom Samstag. Es sagt nicht: „Deine Trainingsbelastung liegt zwanzig Prozent über deinem Durchschnitt der letzten acht Wochen, und deine Erholungswerte sinken; denk über eine Deload-Woche nach.“ Apple hält sich hier zu Recht zurück. Gesundheitsdaten sind sensibel, und zu viel Deutung ist eine echte Gefahr.

Für dich als Nutzer hinterlässt diese Zurückhaltung aber eine Lücke: Du hast die Daten und nichts, das dir sagt, was sie bedeuten.

Das Problem mit dem Starren auf Diagramme

Wenn du schon einmal zwanzig Minuten durch ein Jahr HRV-Messungen gescrollt hast, auf der Suche nach einem Muster, kennst du das Problem. Das Gehirn erkennt Muster in verrauschten Zeitreihen schlecht. Wir sehen Trends, die nicht da sind, und übersehen solche, die da sind. Wir klammern uns an die letzte Messung. Ein niedriger Wert macht uns nervös, ein hoher beruhigt uns, und statistisch bedeutet keiner von beiden etwas.

Mehr Willenskraft hilft hier nicht, denn das Problem ist die Darstellung. Ein Diagramm mit siebenhundert Datenpunkten und ohne jede Einordnung funktioniert eher wie ein Rorschachtest als wie ein Werkzeug.

Was Observa tut

Observa setzt auf Apple Health auf und beantwortet eine kleine Zahl von Fragen direkt:

• Wie erholt bin ich heute, und warum? Die Bereitschaft gewichtet Schlaf, HRV, Ruheherzfrequenz und Trainingsbelastung im Vergleich zu deinem eigenen üblichen Bereich, und „Warum dieser Wert?“ zeigt, welche davon sie bewegt haben.
• Wie sieht meine HRV im Vergleich zu meiner eigenen Basislinie aus? Deiner Basislinie, nicht der der Bevölkerung. Ein HRV-Wert von 38 ms bedeutet nichts, solange du nicht weißt, ob deine persönliche Basislinie bei 32 oder bei 56 liegt.
• Welche Gewohnheiten fallen bei mir oft mit besserem Schlaf und besserer Erholung zusammen? „Muster“ zeigt bis zu vier davon über 14, 28 oder 90 Tage in einer Rangfolge, jedes mit einer Angabe zur Konfidenz. Hier stecken die interessanten Geschichten, bei denen du sagst: „Ach, natürlich.“
• Hält meine Trainingsbelastung mit meiner Erholung Schritt? Die Trainingsbelastung vergleicht deine letzten 7 Tage mit deinen letzten 28, und „Soll ich heute trainieren?“ macht daraus Steigern, Halten, Erholen oder Ruhen. Laufen Belastung und Erholung auseinander, baust du Ermüdung auf, egal wie sich die einzelnen Trainings angefühlt haben.

Nichts davon ist eine medizinische Diagnose. Observa kann dir nicht sagen, ob du eine Schlafstörung, ein Herzproblem oder eine Autoimmunerkrankung hast, und gibt auch nicht vor, es zu können. Was die App kann: ein Jahr deiner eigenen Daten nehmen und daraus die drei oder vier Sätze machen, die dir eine umsichtige Trainerin oder ein umsichtiger Trainer sagen würde, wenn sie Zeit hätten, alles sorgfältig zu lesen. Die meisten haben diese Zeit nicht.

Warum es auf dem Gerät laufen musste

Die zweite Bedingung hinter Observa ist die naheliegende: Gesundheitsdaten sollten dein Gerät nie verlassen.

Das ist eine Frage der Werte, und es ist auch eine technische Entscheidung mit echten Folgen für die App. Eine Cloud-Version von Observa könnte bessere Korrelationsmodelle, größere Datensätze und mehr Rechenleistung nutzen. Sie wäre aber auch ein Ziel für Datenlecks, ein regulatorisches Minenfeld in mehreren Rechtsordnungen und, am schlimmsten, etwas, das du nicht überprüfen könntest.

Die Auswertung von Observa läuft auf dem Gerät, mit Regeln und Statistik, die einfach genug sind, um dort berechnet zu werden. Sie ist einfacher als das, was ein Cloud-Dienst leisten könnte. Dafür sieht niemand außer dir auch nur einen einzigen Datenpunkt. Es gibt kein Cloud-Konto, das gehackt werden könnte, und keine Datenbank, in die irgendjemand bei Lagerland Apps hineinschauen könnte.

Ich halte das bei Gesundheitsdaten für den richtigen Kompromiss. Ich weiß, dass nicht alle das so sehen, und für manche Zwecke, etwa klinische Forschung und Langzeitstudien über ganze Bevölkerungsgruppen, kann eine Auswertung auf dem Gerät nicht mithalten. Dafür ist Observa nicht gedacht. Die App ist die Deutungsebene für das Leben eines einzelnen Menschen, und dieser Mensch besitzt sie.

Was das in der Praxis heißt

Wenn du die App „Health“ immer wieder öffnest, scrollst und mit nichts herauskommst, ist Observa für dich gemacht. Die App liest, was schon in Apple Health gespeichert ist (mit deiner Erlaubnis und beschränkt auf die Kategorien, die du freigibst), und gibt dir am Morgen eine Einschätzung statt einer Wand aus Diagrammen.

Sie sagt dir nicht, was du essen oder wann du schlafen sollst. Sie sagt dir etwas Konkretes, etwa „Die Bereitschaft ist moderat, weil deine Ruheherzfrequenz über deinem üblichen Bereich liegt“, und überlässt die Entscheidung dir.

Das ist die ganze App: Apples Datenebene plus eine dünne Schicht ehrlicher Deutung, die auf deinem Gerät bleibt und ohne medizinische Versprechen auskommt. Sie erledigt die bescheidene, nützliche Aufgabe, die die App „Health“ offenlässt.

Welche Werte das Deuten überhaupt lohnen, steht in 6 Apple-Health-Werte, die sich lohnen, und wie viele Tage Daten du für ein Muster brauchst, in was 14 Tage Apple-Health-Daten zeigen können.