Krankheit und HRV: was ein Wearable sehen kann und was nicht

Redaktion: ONDA Life (Yakiv Bilenko) · Aktualisiert am 24. Oktober 2026

Eine dünne türkisfarbene Herzrhythmuslinie auf dunklem Hintergrund wird neben dem schwachen Umriss eines Thermometers zu einer leuchtend orangen Welle und kehrt dann zu ruhigen Schlägen zurück.
Kurze Antwort

Entzündung und Infektion senken die Herzfrequenzvariabilität meist und erhöhen den Ruhepuls, aber der Zusammenhang ist ein Forschungsbefund, kein Test. Die am besten untersuchten Frühwarnungen vor einer Infektion beruhten auf einem Anstieg des Ruhepulses, nicht auf der Herzfrequenzvariabilität. Stress, Alkohol und Reisen lösen dieselben Warnungen aus. Eine solche Veränderung ist höchstens ein unspezifisches Frühsignal, dass der Körper belastet ist. Bei Symptomen geh zum Arzt, nicht zur Uhr.

Das Wichtigste

  • In Wearable-Studien ging eine niedrigere Herzfrequenzvariabilität, besonders die SDNN, mit höheren Werten des Entzündungsmarkers CRP einher, und die Autoren des Reviews nennen die Wearable-HRV einen explorativen Biomarker, kein Diagnosewerkzeug.
  • Die am besten untersuchten Frühwarnungen vor einer Infektion stützten sich auf den Ruhepuls im Vergleich zur eigenen Baseline, zusammen mit Schritten und Schlaf, nicht auf die Herzfrequenzvariabilität.
  • In einer prospektiven Smartwatch-Studie erschienen die Warnungen bei den meisten Infizierten vor den Symptomen, aber auch Stress, Alkohol und Reisen lösten Warnungen aus.
  • Nach einer Impfung erholten sich kurze Veränderungen der Herzfrequenzvariabilität in den untersuchten Studien innerhalb weniger Tage, mit größeren Veränderungen bei Frauen und jüngeren Menschen.
  • Nach einer Infektion trugen Herzfrequenzdaten in einer Forschungsstudie nur wenig zusätzlich zu den Symptomen bei, um Long COVID zu erkennen.
  • Ein Review des Fachgebiets sagt, dass die Fähigkeit von Wearables, Virusinfektionen im Alltag zu erkennen, noch nicht belegt ist.
  • Eine Wearable-Warnung ist ein unspezifisches Zeichen von Belastung; ONDA zeigt deinen Trend im Vergleich zu deiner eigenen Baseline und erkennt keine Krankheiten.

Warum kann Krankheit die HRV verschieben?

Die Herzfrequenzvariabilität (HRV) ist die Schwankung des Abstands zwischen aufeinanderfolgenden Herzschlägen. Entzündung, die Antwort des Körpers auf Infektion oder Verletzung, verschiebt vermutlich das Gleichgewicht des autonomen Nervensystems: weniger vagale und mehr sympathische Aktivität. Deshalb fragen Forschende, ob die HRV aus einem Wearable eine Entzündung widerspiegeln kann.

Das einzige systematische Review zu dieser Frage fasste die Richtung der Befunde aus elf Studien mit 2.419 Teilnehmenden zusammen [S1]. War der Entzündungsmarker CRP (C-reaktives Protein) erhöht, war die SDNN in 83 % der Vergleiche niedriger [S1]. Für die RMSSD und entzündungsfördernde Zytokine waren die Ergebnisse gemischt und meist nicht signifikant [S1]. Geräte, die ein EKG aufzeichneten, lieferten einheitlichere Ergebnisse als optische Pulssensoren [S1].

Die Autoren ziehen einen vorsichtigen Schluss. Derzeit sollte die Wearable-HRV als „explorativer oder ergänzender Biomarker“ gelten [S1]. Keine der eingeschlossenen Studien prüfte, wie genau die HRV eine Entzündung erkennen kann [S1]. Der Zusammenhang ist auf Gruppenebene also real, aber er ist ein Forschungsbefund, kein Test.

Was hat eine Infektion früh erkannt?

Das ist der Kernpunkt dieser Seite: Die am besten untersuchten Frühwarnungen vor einer Infektion liefen nicht über die HRV. Sie liefen über den Ruhepuls im Vergleich zur eigenen Baseline der Person, zusammen mit täglichen Schritten und Schlaf (Ruheherzfrequenz).

Eine retrospektive Analyse aus Stanford untersuchte Smartwatch-Daten von 32 Menschen mit COVID aus einer Kohorte von fast 5.300 Teilnehmenden [S2]. Die meisten von ihnen hatten rund um die Erkrankung Veränderungen bei Herzfrequenz, täglichen Schritten oder Schlafdauer [S2]. Ein Warnsystem auf Basis eines starken Anstiegs des Ruhepulses gegenüber der persönlichen Baseline hätte 63 % der COVID-Fälle vor Beginn der Symptome markieren können [S2]. Das ist eine einzige Studie mit wenigen Infizierten, und die Warnungen wurden nachträglich simuliert, nicht in Echtzeit verschickt.

Dieselbe Gruppe testete dann Echtzeit-Warnungen in einer prospektiven Studie mit 3.318 Teilnehmenden, von denen 84 mit dem Coronavirus infiziert waren, das COVID verursacht [S3]. Das System nutzte Herzfrequenz und Schritte aus Smartwatches [S3]. Es schickte Warnungen vor oder ohne Symptome bei 67 der 84 Infizierten (80 %), und die ersten Signale kamen im Median 3 Tage vor Symptombeginn [S3]. Die Infektion wurde durch Tests bestätigt, nicht durch die Uhr.

Das sind drei Studien aus einer Forschungsgruppe, sie sind also keine unabhängigen Bestätigungen füreinander. In der ersten Studie bewarb Fitbit die Studie und stellte Geräte zur Verfügung, und der leitende Autor aller drei Studien hat mehrere Gesundheitstechnologie-Unternehmen mitgegründet und berät sie [S2] [S3] [S4]. Wearable-Studien zur Atemfrequenz während COVID weisen in eine ähnliche Richtung (Atemfrequenz).

Was bedeutet eine Warnung wirklich?

Verbreitet ist die Vorstellung, dass ein HRV-Abfall oder eine Warnung des Geräts bedeutet, dass du krank wirst. Die prospektive Studie zeigt, warum das nicht folgt. Andere Atemwegsinfektionen und auch Ereignisse ganz ohne Infektion, etwa Stress, Alkohol und Reisen, lösten ebenfalls Warnungen aus [S3]. Die Warnung schlug also auch bei Menschen an, die nicht mit dem Coronavirus infiziert waren, wenn auch seltener: im Durchschnitt 1,15 Warntage pro Person, verglichen mit 3,42 Warntagen pro Person bei COVID-Fällen [S3]. Eine Warnung sagt, dass etwas von deinem üblichen Muster abweicht, nicht, was die Ursache ist.

Eine Nacht nach dem Trinken ist ein typisches Beispiel: Die HRV sinkt und der Ruhepuls steigt, ohne dass eine Krankheit im Spiel ist (Alkohol und HRV). Kurzer Schlaf, eine späte Mahlzeit, hartes Training und Reisen bewegen dieselben Werte (warum sich die HRV von Tag zu Tag verändert; HRV und Herzfrequenz im Schlaf). Ein einzelner niedriger HRV-Wert bedeutet für sich genommen nicht, dass du gestresst oder krank bist.

Und die Impfung?

Eine Impfung ist eine geplante Herausforderung für das Immunsystem, sie zeigt also, was eine kurze Immunreaktion mit der HRV macht. Ein systematisches Review fand fünf Beobachtungsstudien, die die HRV nach einer COVID-Impfung gemessen hatten [S5]. Die HRV, vor allem die RMSSD, veränderte sich kurzzeitig und erholte sich innerhalb von bis zu 3 Tagen nach der Impfung [S5]. In einigen der Studien war die Veränderung bei Frauen größer als bei Männern und bei jüngeren größer als bei älteren Menschen [S5]. Es waren wenige Studien von begrenzter Qualität, und die HRV auf lange Sicht wurde nicht berichtet [S5]. Ein kurzer Abfall in den Tagen nach einer Impfung passt zu diesem Muster. Das Review bewertet die Impfung selbst nicht, und diese Seite tut es auch nicht.

Und die Zeit nach einer Erkrankung?

Manche Menschen haben noch Monate nach einer Infektion Symptome; das nennt man Long COVID. Die Stanford-Gruppe baute Machine-Learning-Modelle aus Herzfrequenzdaten von 126 Menschen mit einer akuten Coronavirus-Infektion [S4]. Herzfrequenzmerkmale zusätzlich zu den Symptomen ergaben eine Verbesserung um etwa 5 % gegenüber den Symptomen allein bei zwei Maßen der Modellgenauigkeit (ROC-AUC und PR-AUC) [S4]. Die Autoren sehen darin einen möglichen objektiven Biomarker [S4]. Es ist eine einzige Kohorte ohne Prüfung an neuen Menschen, das Ergebnis ist also eine Forschungsrichtung, keine Möglichkeit, Long COVID mit einer Uhr zu erkennen.

Was zeigt die Evidenz?

Was wir nicht wissen. Ein Review des Fachgebiets, geschrieben von Forschenden, die mit Wearable-Daten arbeiten, sagt, dass Virusinfektionen Herzfrequenz, Atemfrequenz, HRV, Temperatur, Aktivität und Schlaf schon vor den Symptomen verändern können [S6]. Es sagt auch, dass „die Fähigkeit von Wearables, Virusinfektionen unter Alltagsbedingungen zu erkennen, erst noch belegt werden muss“ [S6]. Drei seiner Autoren waren Angestellte von physIQ, einem Unternehmen, das Wearable-Daten analysiert [S6].

Nach Evidenzklasse.

  • Erste Hinweise. Die Wearable-SDNN ist meist niedriger, wenn das CRP erhöht ist [S1]. Ein Anstieg des Ruhepulses gegenüber der persönlichen Baseline ging in Forschungskohorten bei vielen Infektionen den Symptomen voraus [S2] [S3]. Stress, Alkohol und Reisen lösen dieselben Warnungen aus [S3]. Veränderungen der HRV nach einer Impfung sind kurz und erholen sich innerhalb von Tagen [S5]. Herzfrequenzdaten trugen in einer Studie wenig zusätzlich zu den Symptomen für Long COVID bei [S4].
  • Unbekannt. Ob ein Consumer-Wearable eine Virusinfektion im Alltag zuverlässig erkennen kann [S6].

Was sie dir nicht sagt

  • Ein Wearable diagnostiziert keine Infektion. Die Autoren des Reviews nennen die Wearable-HRV einen explorativen Biomarker [S1], und die Erkennung im Alltag ist nicht belegt [S6].
  • Eine Warnung sagt dir nicht die Ursache. Infektion, Stress, Alkohol und Reisen können dieselbe Veränderung hervorrufen [S3].
  • Die HRV war nicht das wichtigste Frühsignal. Die am besten untersuchten Frühwarnungen stützten sich auf Ruhepuls, Schritte und Schlaf [S2] [S3].
  • Ein normaler Wert schließt eine Krankheit nicht aus. Viele Infizierte in den Studien bekamen keine Warnung [S3].
  • Sie gibt keinen Rat zu Tests, Behandlung oder Impfung.
  • Bevölkerungsdaten sind keine Vorhersage für dich. Die Studien beschreiben Gruppen von Menschen; dein eigenes Muster kann abweichen.

Was kannst du bei einem deutlichen Abfall tun?

Wenn deine HRV mehrere Tage hintereinander deutlich unter deinem üblichen Bereich liegt und dein Ruhepuls höher ist, betrachte das als unspezifisches Frühsignal, dass der Körper belastet ist. Es ist ein Grund, dich auszuruhen und darauf zu achten, wie du dich fühlst. Wenn du Symptome hast, geh zu einer Ärztin oder einem Arzt, statt dich auf deine Uhr zu verlassen. Eine einzelne niedrige Nacht ist meist kein Grund zur Sorge (HRV richtig deuten).

Stress, Alkohol und Reisen können denselben Abfall auslösen; Warum ist meine HRV niedrig? stellt sie nebeneinander.

In ONDA

ONDA bildet eine persönliche Baseline aus Werten, die in Apple Health gespeichert sind – von der Apple Watch oder einem anderen Gerät, das Herzdaten dorthin synchronisiert [S7]. Das Fenster beträgt 14 Tage, und ONDA vergleicht deinen letzten Tag mit Daten mit deinem eigenen Korridor – dem Durchschnitt deiner früheren Tage mit ausreichend Daten plus/minus einer Standardabweichung – und markiert ihn nur, wenn er mindestens 1,5 Standardabweichungen außerhalb liegt und sich um einen Mindestbetrag verändert hat: Ruhepuls um mindestens 5 S/min höher, HRV um mindestens 15 % niedriger, Atemfrequenz um mindestens 2 Atemzüge pro Minute höher. Es gibt höchstens ein Signal alle zwei Tage. Apple Health erfasst die HRV als SDNN, daher ist der HRV-Trend in ONDA ein SDNN-Trend (deine HRV-Baseline). Ein solches Signal ist beschreibend: Es sagt, dass deine letzten Werte außerhalb deines eigenen Korridors liegt, nicht warum. Eine Infektion, eine kurze Nacht, Alkohol oder Reisen können es alle auslösen. ONDA erkennt keine Krankheiten, stellt keine Diagnosen und ersetzt keine Ärztin und keinen Arzt.

Bildungsinformation, keine Diagnose und keine medizinische Behandlung.

Evidenz auf einen Blick

AussageEvidenzEinschränkung
In Wearable-Studien war die SDNN meist niedriger, wenn der Entzündungsmarker CRP erhöht war (Fakten illness.inflammation.studies, illness.inflammation.sdnnCrp). [S1]Erste HinweiseAuszählung der Ergebnisrichtungen über heterogene Beobachtungsstudien; kein gepoolter Effekt; Zusammenhänge, keine Ursache.
Die Zusammenhänge zwischen RMSSD und entzündungsfördernden Zytokinen waren uneinheitlich. [S1]Erste HinweiseWenige Zytokin-Studien; unterschiedliche Geräte und Aufzeichnungsdauern.
Die Autoren des Reviews betrachten die Wearable-HRV als explorativen oder ergänzenden Biomarker für Entzündung, nicht als Diagnosewerkzeug. [S1]Erste HinweiseSchlussfolgerung der Autoren; keine Studie berichtete die diagnostische Genauigkeit.
In einer retrospektiven Smartwatch-Analyse zeigten die meisten Menschen mit COVID Veränderungen bei Herzfrequenz, Schritten oder Schlaf, und ein Warnsystem auf Basis eines Anstiegs des Ruhepulses gegenüber der persönlichen Baseline hätte viele Fälle vor den Symptomen markieren können (Fakten illness.mishra.cohort, illness.mishra.realtime). [S2]Erste HinweiseEine einzige Studie mit wenigen Infizierten; retrospektive Simulation; die Erkennung nutzte Ruhepuls, Schritte und Schlaf, nicht die HRV.
In einer prospektiven Studie markierte ein Echtzeit-Warnsystem auf Basis von Herzfrequenz und Schritten aus Smartwatches die meisten Infektionen, typischerweise einige Tage vor den Symptomen (Fakten illness.alavi.cohort, illness.alavi.alerts, illness.alavi.lead). [S3]Erste HinweiseEine einzige Kohorte derselben Gruppe wie die retrospektive Studie; Infektion durch Tests bestätigt, nicht durch das Gerät; Herzfrequenz und Schritte, nicht HRV.
Auch Stress, Alkohol, Reisen und andere Atemwegsinfektionen lösten Warnungen aus, seltener als COVID (Fakt illness.alavi.otherEvents). [S3]Erste HinweiseUrsachen der Ereignisse in Fragebögen selbst angegeben; die Häufigkeit der Warnungen hängt vom Algorithmus und seinen Schwellen ab.
Nach einer COVID-Impfung veränderte sich die HRV, vor allem die RMSSD, kurzzeitig und erholte sich innerhalb weniger Tage (Fakten vaccine.kwon.studies, vaccine.kwon.recovery). [S5]Erste HinweiseWenige Beobachtungsstudien begrenzter Qualität; HRV langfristig nicht berichtet.
In einigen der Studien war die Veränderung der RMSSD nach der Impfung bei Frauen größer als bei Männern und bei jüngeren größer als bei älteren Menschen. [S5]Erste HinweiseNur von einigen der Studien berichtet; kleine Stichproben.
In einer Kohorte verbesserte das Hinzufügen von Herzfrequenzmerkmalen aus einem Wearable zu den Symptomen ein Machine-Learning-Modell zur Erkennung von Long COVID nur mäßig (Fakten longcovid.uwakwe.cohort, longcovid.uwakwe.gain). [S4]Erste HinweiseEine einzige Kohorte; keine externe Validierung; Machine-Learning-Ergebnisse sehen oft besser aus, als sie sich in neuen Daten erweisen; Forschungswerkzeug, kein klinischer Test.
Ein Review des Fachgebiets stellt fest, dass Virusinfektionen Herzfrequenz, Atemfrequenz, HRV, Temperatur, Aktivität und Schlaf schon vor den Symptomen verändern können. [S6]Erste HinweiseNarratives Review; überwiegend Studien aus der Pandemiezeit; einige Autoren bei einem Unternehmen für Wearable-Datenanalyse angestellt.
Dasselbe Review stellt fest, dass die Fähigkeit von Wearables, Virusinfektionen unter Alltagsbedingungen zu erkennen, nicht belegt ist. [S6]UnbekanntGeschrieben, bevor die obige prospektive Studie in ihrer endgültigen Form erschien; diese Studie prüft nicht den Alltagsgebrauch außerhalb einer Forschungskohorte.
ONDA bildet seine Baseline aus Apple-Health-Werten und vergleicht den letzten Tag mit Daten mit dem eigenen Korridor der Nutzerin oder des Nutzers (Fakten baseline.window, baseline.compare, baseline.floors, onda.signal.cadence). [S7]GesichertBeschreibt nur das Verhalten der App; kein Beleg für eine Gesundheitsaussage.

Quellen

Titel von Arbeiten und Zeitschriften stehen in der Originalsprache.

  1. [S1] Siswishanto et al. (2026). Clinical Evidence of Wearable-Derived Heart Rate Variability for Detecting Systemic Inflammation: A Systematic Review. Diagnostics. DOI 10.3390/diagnostics16040538 · PMID 41750686 · Synthesis without meta-analysis (vote counting); no diagnostic accuracy data in the included studies; part of the first author's doctoral thesis; no industry ties declared
  2. [S2] Mishra et al. (2020). Pre-symptomatic detection of COVID-19 from smartwatch data. Nature Biomedical Engineering. DOI 10.1038/s41551-020-00640-6 · PMID 33208926 · Retrospective analysis, Stanford (Snyder lab); Fitbit promoted the study and donated devices, Google covered cloud costs; the senior author co-founded and advises several health-technology companies (Personalis, Qbio, January, SensOmics, Protos, Mirvie, Oralome)
  3. [S3] Alavi et al. (2022). Real-time alerting system for COVID-19 and other stress events using wearable data. Nature Medicine. DOI 10.1038/s41591-021-01593-2 · PMID 34845389 · Prospective cohort, same Stanford group as Mishra 2020; funded by NIH grants, gifts and cloud credits (Amazon Web Services, Google); the senior author co-founded and advises several health-technology companies
  4. [S4] Uwakwe et al. (2025). Longitudinal wearable sensor data enhance precision of Long COVID detection. PLOS Digital Health. DOI 10.1371/journal.pdig.0001093 · PMID 41264615 · Machine-learning modelling in one cohort without external validation; same Stanford group; the senior author co-founded and advises several health-technology companies, the other authors declare none
  5. [S5] Kwon & Lee (2022). Impact of COVID-19 Vaccination on Heart Rate Variability: A Systematic Review. Vaccines. DOI 10.3390/vaccines10122095 · PMID 36560505 · Small evidence base of observational studies of limited quality; authors declare no conflict of interest
  6. [S6] Goergen et al. (2022). Detection and Monitoring of Viral Infections via Wearable Devices and Biometric Data. Annual Review of Biomedical Engineering. DOI 10.1146/annurev-bioeng-103020-040136 · PMID 34932906 · Narrative review; three of the seven authors were employees of physIQ, a company that analyses wearable data, and one also consulted for Tempus and received research funding from Janssen
  7. [S7] ONDA — product documentation: How ONDA works. How ONDA works.

Verwandte Seiten

So entstehen die Seiten von ONDA Science: Jede Zahl stammt aus einer einzigen geprüften Faktenliste, jede Aussage ist ihren Quellen zugeordnet und nach Stärke der Evidenz eingestuft, und Quellen brauchen eine DOI oder PMID (Herstellerdokumentation nur für Gerätefakten).