Kann man der HRV von Smartwatch oder Ring trauen?

Was ist die HRV von Wearables?

Wenn eine Smartwatch oder ein Ring einen HRV-Wert anzeigt, ist das eine Schätzung der Herzfrequenzvariabilität (HRV) – der natürlichen Schwankung der Zeit zwischen aufeinanderfolgenden Herzschlägen. Die Schätzung beruht meist auf einem optischen Pulssignal statt auf der elektrischen Aktivität des Herzens, und diese eine Tatsache steckt hinter dem größten Teil der Verwirrung, dem größten Teil des Marketings und den meisten ehrlichen Fragen danach, was die Zahl bedeutet.

Diese Seite beantwortet die Methodenfrage, die unter den Alltagsfragen liegt. Warum zwei Geräte nicht übereinstimmen, erzählt praktisch warum deine HRV auf jedem Gerät anders ist; was Apples zwei Uhrvarianten sind, behandelt Recovery HRV vs. Overall HRV auf der Apple Watch; was bei einem niedrigen Wert zu tun ist, gehört zu warum ist meine HRV auf der Apple Watch niedrig; und deine eigenen Messungen vergleichbar zu halten, ist Aufgabe von HRV konsequent gleich messen. Hier lautet die Frage: Wie genau kann ein Sensor an Handgelenk oder Finger nachbilden, was ein klinisches EKG messen würde – und was folgt aus der Antwort dafür, wie du deine Werte liest?

Drei Begriffe müssen auf dieser Seite getrennt bleiben, denn wo man sie vermischt, beginnen die meisten Übertreibungen. Ein EKG-basierter HRV-Wert, ein PPG-basierter Wert der Pulsratenvariabilität und ein proprietärer Wearable-Score, der aus der HRV und anderen Signalen berechnet wird, sind verwandte Messungen – nicht eine Messung [S3]. Sie können einander eng folgen, doch Signal, Verarbeitung und Bedeutung unterscheiden sich bei jedem Schritt.

Die kurze Antwort: Die HRV von Wearables kann nützlich sein, aber ihr Nutzen ist an Bedingungen geknüpft – an das Maß, an die Messbedingungen und daran, womit du sie vergleichst.

Wie funktioniert die HRV von Wearables?

Zwei Messketten gehen von zwei verschiedenen Signalen aus.

Die Referenzkette ist elektrisch. Ein EKG zeichnet die elektrische Aktivität des Herzens auf, und die scharfe R-Zacke jedes Herzschlags liefert einen präzisen Zeitbezug; aus den Intervallen zwischen aufeinanderfolgenden normalen Schlägen wird die HRV berechnet [S1] [S4]. Die Kette der Wearables ist optisch. Ein Sensor für Photoplethysmographie (PPG) schickt Licht in die Haut und verfolgt die kleinen Veränderungen des Blutvolumens, die jeder Schlag durch die periphere Durchblutung treibt; eine Software findet die wiederkehrenden Pulsspitzen und schätzt die Zeit zwischen ihnen [S3]. Die Variabilität, die aus diesen Pulsintervallen berechnet wird, heißt meist Pulsratenvariabilität (PRV).

Kurz gesagt: EKG → elektrische Spitzen → Intervalle von Schlag zu Schlag → HRV. Und: PPG → Pulsspitzen an der Haut → Intervalle von Puls zu Puls → PRV.

Jeder Herzschlag erzeugt letztlich eine Pulswelle, daher hängen die beiden Ketten eng zusammen. Doch der Puls muss erst zum Messort gelangen, und was unterwegs geschieht – Pulslaufzeit, Gefäßtonus, periphere Durchblutung –, kann zusammen mit Bewegungsartefakten, dem Hautkontakt des Sensors, den optischen Eigenschaften der Haut und der Signalverarbeitung des Geräts einen pulsbasierten Wert von seinem elektrischen Gegenstück wegbewegen [S3]. Ein Sensor an Handgelenk oder Ring ist deshalb keine kleinere EKG-Elektrode. Er beobachtet ein verwandtes Signal und schätzt daraus, und die Qualität der Schätzung hängt von den Bedingungen ab.

Deshalb ist auch die Frage „Ist dieser Sensor genau?“ unvollständig. Die evidenzbasierte Fassung fragt: genau für welches Maß, bei welchem Menschen, unter welchen Bedingungen, mit welcher Verarbeitung? Die folgenden Abschnitte nehmen diese Teile einzeln auf.

Wie wird die HRV von Wearables gemessen?

Jeder HRV-Wert eines Wearables ist das Endprodukt einer Kette von Entscheidungen, und zwei Zahlen sind nur so weit vergleichbar, wie diese Entscheidungen übereinstimmen. Fünf Fragen entschlüsseln jeden HRV-Wert, den du siehst:

• Welches Signal wurde gemessen? Ein klinisches EKG, ein Brustgurt, der elektrische Aktivität erfasst, oder ein optischer PPG-Sensor an Handgelenk oder Finger – das Signal bestimmt, wovon der Wert eine Schätzung ist [S1] [S4].
• Welches Maß wurde berechnet? Ein Gerät zeigt vielleicht die RMSSD – die Quadratwurzel des Mittelwerts der quadrierten Differenzen aufeinanderfolgender Herzschläge [S1]; ein anderes stützt sich auf die SDNN – die Standardabweichung der Intervalle zwischen normalen Herzschlägen [S1]. Die beiden fassen unterschiedliche Eigenschaften derselben Aufzeichnung zusammen – die RMSSD isoliert die Veränderungen zwischen benachbarten Schlägen, die SDNN die Gesamtstreuung – und stützen sich unterschiedlich stark auf die parasympathische Modulation, daher sind ihre Werte nicht austauschbar [S2]. Manche Apps gehen weiter und zeigen einen proprietären Erholungs- oder Bereitschaftsscore, abgeleitet aus der HRV und anderen Signalen; ein Score ist kein Maß, und seine Berechnung wird meist nicht veröffentlicht. Die Konzeptseiten zu RMSSD und SDNN nehmen jedes Maß auseinander.
• Wann und wie wurde gemessen? Eine kurze Stichprobe, eine kontrollierte Ruheaufzeichnung und ein nächtliches Fenster sind unterschiedliche Messregime – und die Messdauer verändert sogar, was ein Wert bedeutet, denn längere Fenster sammeln langsamere Rhythmen und größere SDNN-Werte an [S2].
• Wie gut war das Signal? Bewegung, lockerer Sitz und schwache periphere Durchblutung verschlechtern eine optische Schätzung zuerst, und Studien auf Validierungsniveau filtern solche Aufzeichnungen heraus, bevor sie überhaupt etwas berechnen [S4].
• Schaust du auf einen Verlauf oder reagierst du auf eine einzelne Zahl? Ein einzelner Wert ist eine Beobachtung; eine Reihe von Werten, die auf dieselbe Weise erhoben wurden, ist ein Signal [S5].

Ein Brustgurt, der die elektrische Aktivität des Herzens erfasst, liegt näher an der Referenz als ein optischer Sensor. In einer einzelnen Validierungsstudie mit gesunden jungen Erwachsenen (Blalock et al., 2026) zeichneten ein Polar-Brustgurt und ein Labor-EKG gleichzeitig die Intervalle von Schlag zu Schlag auf, und die HRV-Werte des Gurts im Zeitbereich waren mit denen des EKG praktisch austauschbar [S11]. Deshalb dienen solche Gurte in Studien zu Wearables oft als praktische Referenz. Der Befund ist auf gesunde junge Erwachsene in einem kurzen Protokoll aus Ruhe, vorgegebener Atmung und Stehen beschränkt; auf optische Sensoren an Handgelenk oder Ring lässt er sich nicht übertragen.

Apples Ökosystem ist ein lebendiges Beispiel für die Frage nach dem Maß. Apple Health erfasst die HRV als SDNN [S6] – die HRV-Werte in Apple Health waren also schon immer SDNN-Werte, automatisch von der Apple Watch aufgezeichnet. Auf neueren Modellen gilt: Apple Watch Series 12 und Ultra 4 mit watchOS 27 zeigen zwei HRV-Varianten – Recovery HRV und Overall HRV – und messen die HRV bis zu alle fünf Minuten [S7]; Apple hat nicht angegeben, wie Recovery HRV berechnet wird. Außerdem gilt: iOS und watchOS 27 fügen Apple Health einen RMSSD-Datentyp hinzu [S8] – eine Plattformänderung, mit der Apps einen RMSSD-Wert in Apple Health schreiben können; das zählt immer dann, wenn ein Wert der Apple Watch mit einem Ring verglichen wird, der die RMSSD anzeigt.

Kompakt zusammengefasst:

Situation	Wie man sie liest
Ein Gerät, ein Maß, jedes Mal ähnliche Bedingungen	Eine solide Grundlage für einen persönlichen Verlauf
Zwei Geräte, zwei verschiedene Maße oder Fenster	Die Werte sind nicht automatisch vergleichbar
Ein Wert, der während Bewegung gemessen wurde	Mit einer schlechteren Schätzung rechnen; mit Vorsicht behandeln
Ein ungewöhnlich niedriger oder hoher Wert	Eine Beobachtung, kein Urteil
Eine anhaltende Verschiebung zusammen mit besorgniserregenden Symptomen	Ein Bild, das man mit einer Ärztin oder einem Arzt besprechen sollte

Die praktische Regel folgt aus der Tabelle: dasselbe Gerät, dasselbe Maß, ähnliche Bedingungen, wiederholte Messungen – bevor man absolute Werte zwischen Geräten vergleicht. Wo deine Werte im Vergleich zu Altersgruppen der Bevölkerung liegen, ist eine eigene Frage; sie beantworten der HRV-Rechner und der Artikel normale HRV nach Alter, statt sie hier zu wiederholen.

Was beeinflusst die HRV von Wearables?

• Bewegung und Sport. Bewegung verzerrt das optische Signal, und Sport verändert Physiologie und Messumgebung zugleich; Studien in kontrollierter Ruhe sehen deshalb sauberer aus als Daten aus dem Alltag [S4].
• Sitz des Sensors und Durchblutung. Ein lockeres Armband oder kalte, schlecht durchblutete Haut schwächen das Pulssignal, auf das der Algorithmus angewiesen ist [S4].
• Messfenster und Tageszeit. Eine kurze Stichprobe am Tag und ein nächtlicher Durchschnitt beschreiben unterschiedliche Regime; Werte aus beiden sind nicht austauschbar [S2] [S5].
• Maß und Verarbeitung. RMSSD und SDNN beantworten unterschiedliche Fragen über dieselbe Aufzeichnung [S2], und die Filterung, Interpolation und Artefaktbehandlung jedes Herstellers prägen die endgültige Zahl [S3].
• Atmung und Körperhaltung. Atemfrequenz und Atemtiefe während des Fensters schreiben sich in den Wert ein [S5].
• Gerätewechsel. Der Wechsel von einem Gerät zum anderen kann auch die Baseline verschieben – eine Änderung des Messregimes, nicht der Physiologie [S3].

Was zeigt die Evidenz?

Gesichert. Das EKG ist die Referenzmethode für die Messung der Intervalle von Schlag zu Schlag [S1] [S4], und die Signalketten sind gut verstanden: Die PPG schätzt den Zeitpunkt der Schläge aus peripheren Pulswellen [S3], und die PRV hängt mit der EKG-basierten HRV zusammen, ist aber physiologisch nicht mit ihr identisch [S3]. Ebenso geklärt sind die Eigenschaften der Maße selbst: RMSSD und SDNN fassen unterschiedliche Aspekte einer Aufzeichnung zusammen [S2], und die Messdauer verändert, was ein Wert bedeutet [S2].

Kontextabhängig. Die neueste Evidenz geht direkt auf die Frage der Verbrauchergeräte ein. Eine systematische Übersichtsarbeit mit Metaanalyse (Xu et al., 2026) verglich die PPG-basierte PRV mit der EKG-basierten HRV in gesunden oder augenscheinlich gesunden, nicht klinischen Populationen [S3]. Ihre qualitative Synthese umfasste 43 Studien, doch nur 10 eigenständige Studien lieferten genug vergleichbare Daten für ein quantitatives Pooling. Wo sich die Daten poolen ließen, waren die standardisierten Fehler für RMSSD und SDNN relativ klein, wobei Sensitivitätsanalysen die RMSSD-Ergebnisse stärker stützten als die SDNN-Schätzungen [S3]. Wichtiger als die gepoolten Zahlen ist die Grenze, die die Autorinnen und Autoren selbst ziehen: Die quantitative Synthese beruhte auf wenigen Studien, überwiegend aus Ruhe- oder kontrollierten Bedingungen, und die gepoolten Schätzungen sollten nicht auf Schlaf, Sport, Stress oder Alltagsbedingungen verallgemeinert oder als Beleg für Austauschbarkeit gelesen werden [S3].

Eine kontrollierte Validierungsstudie (Zuern et al., 2026) umfasste 66 Teilnehmende mit Sinusrhythmus, bei denen gleichzeitig ein klinisches EKG und ein PPG-Sensor am Handgelenk aufzeichneten [S4]. Unter kontrollierten Ruhebedingungen bildete die PPG am Handgelenk EKG-basierte Indizes so eng nach, dass die Autorinnen und Autoren ausgewählte Parameter für Kurzzeitmessungen befürworten – und zugleich weitere Validierung unter realen Bedingungen fordern [S4]. Die Übereinstimmung hing vom Maß ab: Kurzzeitvariabilitäts- und Entropiemaße stimmten schlechter überein als Standardmaße der Intervalle [S4], und Aufzeichnungen mit schlechter Signalqualität – geringe Durchblutung, Bewegungsartefakte – wurden vor der Analyse ausgeschlossen [S4]. Genau auf diese Filterung kann man sich im Alltag nicht verlassen.

Nächtliche Werte fügen eine zweite Ebene hinzu: Geräte berechnen sie unterschiedlich. In einer Studie zu nächtlichen Werten (Dial et al., 2025) trugen 13 gesunde Erwachsene im Schlaf gleichzeitig eine EKG-Referenz und mehrere Verbraucher-Wearables, insgesamt über 536 Nächte [S9]. In dieser Studie unterschied sich die Übereinstimmung mit der Referenz zwischen den Geräten: Die Oura-Ringe stimmten eng mit ihr überein, WHOOP akzeptabel, die Uhren von Garmin (Fenix) und Polar weniger eng [S9]. Das Ergebnis beschreibt diese Geräteversionen in dieser kleinen Gruppe gesunder Erwachsener im Schlaf – es ist keine Rangliste der Marken. Jeder Hersteller berechnet seine nächtliche HRV über eigene Fenster mit Methoden, die nicht standardisiert sind, und die Autorinnen und Autoren der Studie merken an, dass ohne Transparenz der Hersteller weder Nutzerinnen und Nutzer noch unabhängige Forschende erkennen können, wie solche Werte berechnet oder gewichtet werden [S10].

Für die Apple Watch fand eine fortlaufend aktualisierte systematische Übersichtsarbeit mit Metaanalyse (Lambe et al., 2026) gegenüber Referenzmethoden eine leichte mittlere Unterschätzung der Herzfrequenz, eine mäßige Streuung der einzelnen Messwerte und eine Genauigkeit, die je nach Messgröße, Bedingungen und individueller Physiologie variierte [S12]; die Zusammenfassung nennt kein gepooltes HRV-Ergebnis. Eine einzelne Validierungsstudie derselben Gruppe (O'Grady et al., 2024) verglich wiederholte HRV-Messungen zweier neuerer Apple-Watch-Modelle bei gesunden Erwachsenen mit einer Brustgurt-Referenz: Die Uhr neigte dazu, die HRV zu unterschätzen, und erreichte die vorab festgelegte Äquivalenzgrenze der Autorinnen und Autoren nicht [S13]. Die Studie entstand vor Apples Varianten Recovery HRV und Overall HRV und sagt nichts darüber, wie diese abschneiden.

Apples Ökosystem gehört hierher als Gerätetatsache: Apple Health speichert die HRV als SDNN [S6], neuere Uhrmodelle bieten zwei HRV-Varianten [S7], und die Plattform akzeptiert nun auch einen RMSSD-Wert [S8] – eng gefasste Aussagen darüber, was aufgezeichnet wird, nicht über die Gesundheit.

Leitlinie / Expertenkonsens. Aktuelle Leitlinien halten fest, dass Eingangssignal, Messdauer, Umgebung, Atmung und Auswertungsverfahren alle Sorgfalt und Zuverlässigkeit beeinflussen [S5] und dass Befunde aus HRV-Messungen mit Wearables – auch in der Forschung – innerhalb dieser Grenzen interpretiert und eingeordnet werden sollten [S5]. Die Folge für den Alltag: Gleiches mit Gleichem vergleichen.

Unbekannt. Wie gut sich diese Methoden auf die Vielfalt der Verbrauchergeräte und proprietären Algorithmen übertragen lassen; wie sie bei uneingeschränkter Bewegung im Alltag und über nächtliche Fenster abschneiden, die Geräte unterschiedlich definieren; wie sie sich bei Menschen mit Herzrhythmusstörungen oder bestimmten Erkrankungen verhalten; und ab wann eine Veränderung, die ein Wearable erkennt, klinisch bedeutsam wird. Nichts davon ist geklärt – ein Grund für Messkompetenz, nicht dafür, die Daten zu verwerfen.

Was dir die HRV von Wearables nicht sagt

• Sie ist keine EKG-Messung. Ein PPG-basierter Wert ist eine Schätzung aus einem verwandten Signal, und gepoolte Übereinstimmung gilt weder für jede Situation noch als Austauschbarkeit [S3].
• Sie ist keine universelle Zahl. RMSSD, SDNN und proprietäre Scores beschreiben verschiedene Dinge; ein Wert ohne Maß und Fenster ist eine unvollständige Information [S2] [S3].
• Sie ist weder Diagnose noch Stressurteil. Ein einzelner niedriger HRV-Wert bedeutet für sich genommen nicht, dass du gestresst oder krank bist [S1] [S5] – und dieselbe Vorsicht gilt für ungewöhnlich hohe Werte.
• Sie zeigt nicht an, wie du dich fühlst. In einer Beobachtungsstudie stimmte das Befinden der Menschen nicht durchgängig mit der nächtlichen HRV ihres Trackers überein; alle Autorinnen und Autoren arbeiten für PepsiCo R&D (Gatorade Sports Science Institute), das die Studie finanziert hat [S14].
• Sie ist nicht der Vagustonus. Die Einordnung ist entscheidend. Der Vagustonus lässt sich nicht direkt messen; HRV-Maße wie RMSSD spiegeln vagal vermittelte Veränderungen der Herzfrequenz wider [S1] [S5].
• Sie ist keine Geräterangliste. Die Übereinstimmung hängt von Maß, Bedingungen, Signalqualität und Verarbeitung ab [S3] [S4]; welches Gerät zu dir passt, ist eine Frage für Produkttests, und diese Seite nennt bewusst keinen „genauesten“ Tracker.
• Ein einzelner Wert sagt wenig. Methodische Leitlinien fordern eine eingeordnete Interpretation [S5]; deine eigenen jüngsten Werte unter vergleichbaren Bedingungen sind der aussagekräftigere Vergleich.

In ONDA

ONDA steht auf der Verbraucherseite dieser Evidenz, und seine Dokumentation sagt klar, woher jede Zahl stammt. Die Baseline beruht auf den HRV-Werten, die in Apple Health geschrieben werden – von der Apple Watch oder von jedem Tracker, dessen App Herzdaten dorthin synchronisiert –, und diese Werte sind SDNN-Werte: Apple Health erfasst die HRV als SDNN [S6]. Der Live-Wert während einer Übung ist ein Ersatzmaß, berechnet aus der Standardabweichung der Herzfrequenz – weder RMSSD noch SDNN; die Handykamera liefert den Puls, nicht die HRV; und der mit der Apple Watch verfügbare Kohärenzwert ist ein proprietärer Feedback-Score, keine klinische HRV-Messung. ONDA nutzt das Signal für Biofeedback: Die Frage ist nicht nur, wie hoch die Zahl ist, sondern was mit ihr geschieht, während du übst. Die App vergleicht jede Nacht mit deinem eigenen jüngsten Korridor und stellt keine Diagnosen. Siehe was ONDA misst.