Smartwatches sammeln rund um die Uhr Daten zu Schlaf, Bewegung und Herzfrequenz. Ein Muster darin zu finden, ist inzwischen vergleichsweise leicht. Schwieriger ist die Frage, ob es stabil ist, zu einer plausiblen Erklärung passt und medizinisch überhaupt etwas bedeutet. Genau an dieser Grenze setzt Googles Biomarker Discovery Framework an.
Der aktuelle Research-Beitrag beschreibt eine Forschungsarchitektur, mit der Kandidaten aus Wearable- und klinischen Daten priorisiert werden sollen. Ihr sinnvoller Beitrag liegt nicht in einer neuen Diagnosefunktion für die Uhr. Er liegt darin, dass Hypothesen, statistische Prüfung, methodische Gegenwehr und menschliche Bewertung getrennt behandelt werden. Das Ergebnis sind Forschungskandidaten, nicht Befunde für einzelne Menschen.
Was Google mit dem Framework untersucht hat
Google Research veröffentlichte den Beitrag am 21. August 2026. Das zugehörige CoDaS-Paper beschreibt drei unterschiedliche Datensätze mit zusammen 9.279 Teilnehmerbeobachtungen. Diese Zahl ist wichtig, wird aber leicht missverstanden: Sie steht weder für 9.279 unabhängige Personen noch für klinisch bestätigte Fälle. In GLOBEM kommen etwa wiederholte Beobachtungen derselben Menschen vor.
Das Team priorisierte 41 Kandidaten im Bereich mentale Gesundheit und 25 für metabolische Endpunkte. „Kandidat“ meint hier eine statistisch und fachlich interessante Assoziation, die weiter geprüft werden soll. Daraus wird kein validierter Biomarker und erst recht keine Diagnose. Beispiele aus dem Material betreffen Schwankungen der Schlafdauer oder des Schlafbeginns sowie einen Index aus Schritten und Ruheherzfrequenz. Solche Signale können für Forschung nützlich sein, erklären aber nicht automatisch, warum ein Mensch erkrankt ist oder wie es ihm individuell geht.
Die Prozesskarte: Wo ein Muster geprüft wird
Die Redaktion hat Googles aktuelle Darstellung mit dem ausführlicheren arXiv-v2-Paper sowie dem Kohorten- und Validierungskontext abgeglichen. Daraus lässt sich der Ablauf für Leser so zusammenfassen:
- Rohdaten verstehen: Zuerst werden Sensoren, fehlende Werte, Zeitstrukturen und der jeweilige Endpunkt beschrieben.
- Hypothesen formulieren: Agenten verbinden Fachliteratur mit möglichen Merkmalen aus den Daten.
- Deterministisch prüfen: Statistik und Machine Learning testen, welche Zusammenhänge im Datensatz übrig bleiben.
- Gegenprüfung organisieren: Critic- und Defender-Schritte suchen nach Leakage, Confounding, Overfitting, instabilen Gruppen oder bloßen Proxy-Merkmalen.
- Biologisch einordnen: Literatur- und Mechanismusarbeit prüft, ob eine Erklärung plausibel ist, ohne daraus Kausalität zu machen.
- Menschlich verantworten: Menschen bewerten Bericht und Interpretation. Danach bleibt die Frage offen, ob ein Kandidat außerhalb dieser Daten trägt.
Diese Karte ist eine redaktionelle Vereinfachung der beschriebenen Forschungskette. Sie ist kein vollständiger Plan von Googles interner Software. Ihr Nutzen liegt darin, dass sie zwei Dinge auseinanderhält: Ein Sprachmodell kann eine Hypothese vorschlagen, aber die Datenprüfung und die Entscheidung über ihre Bedeutung dürfen nicht in derselben Blackbox verschwinden.
Warum die Gegenprüfung mehr zählt als die Kandidatenzahl
Im CoDaS-Paper gehören dazu 11 interne Checks. Sie prüfen unter anderem gehaltene Datenanteile, Permutationen, Bootstrap-Stabilität, Untergruppen, andere Methoden und die Empfindlichkeit gegenüber Störfaktoren. Das ist eine bessere Absicherung als ein einzelner Modelllauf. Es sind aber keine elf unabhängigen Beweise: Die Checks wurden nicht vorab registriert, teilen teilweise dieselben Daten und ersetzen keine neue Studie mit anderer Population.
Gerade bei Wearables ist das entscheidend. Schlaf, Aktivität und Herzfrequenz reagieren auf Alltag, Schichtarbeit, Medikamente, Fitness, Alter, Gerätetyp und Messlücken. Ein Modell kann einen Zusammenhang sauber beschreiben und dennoch beim nächsten Gerät, in einer anderen Altersgruppe oder in einem anderen Gesundheitssystem anders ausfallen. Die methodische Gegenprüfung reduziert solche Risiken, sie hebt sie nicht auf.
Drei Kohorten, kein einfacher Replikationsnachweis
Die Datensätze erfüllen unterschiedliche Aufgaben. Die Digital Well-being Study verbindet passive Sensorwerte mit Fragebogenkontext. GLOBEM enthält mehrjährige, wiederholte Messwellen und weist selbst auf offene Generalisierungsfragen hin. WEAR-ME verbindet Wearable-Daten mit Laborwerten; dort dient HOMA-IR als metabolischer Bezugspunkt. Für CoDaS wurden aus der ursprünglichen WEAR-ME-Kohorte 1.078 analytische Teilnehmende nach Ausschlüssen verwendet, während die Nature-Studie zum Kontext ursprünglich 1.165 Teilnehmende beschreibt.
Das ist keine Randnotiz. Schlafdauer-Variabilität in einem Datensatz und Schlafbeginn-Variabilität in einem anderen sind verwandte Beobachtungen, aber nicht dieselbe Messung mit demselben Endpunkt. Man kann darin einen Hinweis auf ein gemeinsames Konstrukt sehen. Eine direkte Replikation eines identischen Biomarkers wäre damit nicht belegt. Ebenso gehören Leistungswerte aus dem separaten Nature-Modell nicht als Validierungsbeleg zum Google-Framework.
Von der Forschung zur medizinischen Nutzung fehlt noch eine Stufe
Der stärkste Einwand gegen jede schnelle Erfolgsgeschichte ist deshalb berechtigt: Auch eine gut dokumentierte Hypothesensuche sagt noch nicht, ob ein Signal klinisch nützt. Die unabhängige DACIA-Arbeit zu digitalen Biomarkern trennt Datenerhebung, Kontext, Interpretation und konkrete Handlung. Sie fordert externe Validierung mit unabhängigen Patientengruppen, bevor solche Signale in Versorgung oder klinische Praxis wandern.
Ein nächster belastbarer Nachweis müsste vorab festlegen, was gemessen wird und welcher klinische Endpunkt zählt. Er müsste den Kandidaten in einer unabhängigen, prospektiven Kohorte prüfen, Messgeräte und Datenqualität transparent machen, Störfaktoren und Untergruppen offenlegen und zeigen, welche verantwortete Handlung aus einem auffälligen Signal folgen würde. Erst dann lässt sich beurteilen, ob ein Muster zusätzlich zu bestehenden Verfahren eine praktische Rolle spielen kann.
Was das für Deutschland und Europa bedeutet
Für Deutschland und Europa ist der Beitrag vor allem als Forschungs- und Datenqualitätsfrage interessant. Wenn aus einem solchen Ansatz später eine medizinische Funktion wird, kommen Zweckbestimmung, Messvalidierung, Datenschutz und mögliche Medizinprodukte- sowie KI-Regeln hinzu. Die EU-Leitlinie MDCG 2025-6 beschreibt, dass MDR/IVDR und AI Act bei einschlägigen medizinischen KI-Produkten zusammenwirken können. Sie ist ausdrücklich nicht bindend und klassifiziert dieses Framework nicht.
Googles Veröffentlichung belegt daher weder eine CE-Kennzeichnung noch eine EU-Zulassung, eine deutsche Versorgungskette oder eine Datenschutzgarantie. Sie zeigt aber einen vernünftigen Punkt für die Forschung: Bei Wearable-Daten ist nicht der erste gefundene Zusammenhang entscheidend, sondern die nachvollziehbare Kette von der Hypothese über die Gegenprüfung bis zur unabhängigen Validierung.
Quellen und weiterführende Informationen
- Google Research: An AI tool for prioritizing candidate biomarkers from wearable sensor data (21. August 2026)
- CoDaS: An AI Co-Data-Scientist for Prioritizing Candidate Biomarkers from Wearable Sensor Data, arXiv-v2
- Nature: Insulin resistance prediction from wearables and routine blood biomarkers
- DACIA: From wearable sensor data to digital biomarker development
- FDA: Digital Health Technologies for Remote Data Acquisition in Clinical Investigations
- MDCG 2025-6: Interplay between MDR, IVDR and the Artificial Intelligence Act
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-08-23.
