Schlafphasen messen: Was Wearables und Schlaflabor leisten

Ein Schlaflabor ordnet eine Nacht in Zeitfenstern von 30 Sekunden einzeln einem Stadium zu; acht Stunden Aufzeichnung ergeben rechnerisch 960 solcher Epochen. [1] In einer Meta-Analyse von 24 Validierungsstudien mit 798 Teilnehmenden wichen Handgelenkgeräte bei der Gesamtschlafzeit im Mittel um rund 17 Minuten von der Polysomnografie ab. [2]

Die moderne Schlafforschung kann eine Nacht aus verschiedenen Perspektiven betrachten: elektrische Hirnaktivität, körperliche Signale am Handgelenk und das persönliche Erleben am nächsten Morgen. Zusammen ermöglichen diese Daten ein immer genaueres Verständnis. Besonders wertvoll werden sie, wenn klar ist, welche Frage jede Messung beantwortet.

Das gilt auch für Studien mit pflanzlichen Wirkstoffen. Ein veränderter Schlafphasenanteil kann ein interessanter physiologischer Hinweis sein. Ob zugleich eine belastende Insomnie nachlässt oder der Alltag leichter wird, braucht passende weitere Messgrößen. Hier lernst du, wie Schlaflabor, Wearables und Selbstauskünfte zusammenpassen und wie du ihre Ergebnisse präzise liest.

Was Schlafphasen beschreiben

Schlaf ist kein einheitlicher Zustand. In der üblichen Stadieneinteilung werden Wachsein, die Non-REM-Stadien N1, N2 und N3 sowie REM-Schlaf unterschieden. N3 wird wegen der ausgeprägten langsamen Hirnwellen häufig als Tiefschlaf oder Slow-Wave Sleep bezeichnet. REM steht für Rapid Eye Movement und beschreibt ein eigenes charakteristisches Muster. Die offizielle AASM-Auswertung unterscheidet diese Stadien in ihrer Scoring-Systematik. AASM: General Instructions [1]

Die zitierte Seite gehört zum Inter-Scorer-Reliability-Programm der AASM. Auswertende vergeben dort für jede Epoche eines Beispieldatensatzes mit 200 Epochen genau eine Stufe: W, N1, N2, N3 oder R. Getrennt davon werden Atmungsereignisse, Beinbewegungen und Arousals bewertet. Dass geschulte Fachleute ihre Zuordnungen an Referenzdaten prüfen lassen, zeigt, dass Schlafstadien das Ergebnis einer regelgeleiteten Auswertung sind. [1]

Ein Hypnogramm stellt die Folge solcher Zuordnungen über die Nacht dar. Es zeigt damit mehr als eine Gesamtzahl: wann geschlafen wurde, wie die Stadien aufeinanderfolgten und wo Wachabschnitte lagen. Die Aufteilung ist eine fachlich definierte Beschreibung aufgezeichneter Signale, keine direkte Anzeige einer einzelnen einheitlichen Größe namens Erholung.

Stadien, Dauer und Erleben ergänzen sich

Die gesamte Schlafzeit, der Anteil eines Stadiums und die Zahl der Wachphasen sind verschiedene Größen. Eine Nacht kann länger sein, ohne denselben Stadienanteil zu besitzen wie eine kürzere Nacht. Umgekehrt kann der Anteil eines Stadiums wachsen, während seine absolute Dauer ähnlich bleibt.

Für die Diagnostik einer Insomnie sieht die deutsche S3-Leitlinie mit dem höchsten Empfehlungsgrad Anamnese, körperliche Untersuchung, Schlaftagebücher und Fragebögen vor. Die Selbstauskunft ist dort also Grundlage der Diagnose und keine Ergänzung zu einem Gerätewert. Insomnie ist in der Leitlinie über Beschwerden in der Nacht und Beeinträchtigungen am Tag definiert, nicht über einen Mindestanteil eines Schlafstadiums. [5]

Auch das persönliche Erleben ist eine eigene Ebene. Ein Fragebogen kann erfassen, wie belastend Ein- und Durchschlafprobleme sind. Er misst damit etwas anderes als ein Gerät, das Stadien zuordnet. Für einen medizinisch relevanten Fortschritt ist besonders interessant, wie körperliche Messung, subjektive Beschwerden und Tagesfunktion zusammenhängen. An konkreten Versuchen erklärt das CBD und Schlaf.

Polysomnografie als Untersuchungsmethode

Die Polysomnografie, kurz PSG, zeichnet mehrere physiologische Signale gleichzeitig auf. Für die Stadieneinteilung sind insbesondere das Elektroenzephalogramm zur elektrischen Hirnaktivität, das Elektrookulogramm zu Augenbewegungen und das Elektromyogramm zur Muskelaktivität wichtig. Die Abkürzungen lauten EEG, EOG und EMG. Zusätzliche Kanäle können unter anderem Atmung, Sauerstoffsättigung und Herzaktivität erfassen.

Im Übungsdatensatz der AASM sind das drei EEG-Kanäle, zwei EOG-Kanäle, eine EMG-Ableitung am Kinn und ein EKG; hinzu kommen Muskelableitungen an beiden Beinen. Die Standardansicht zeigt jeweils eine 30-Sekunden-Epoche. [1]

Die Standardauswertung betrachtet aufeinanderfolgende Zeitfenster, üblicherweise von 30 Sekunden. Ein solches Fenster heißt Epoche. Die Signale werden nach festgelegten Regeln gemeinsam beurteilt und einem Stadium zugeordnet. Diese Verbindung mehrerer Messwege macht die PSG zu einem wichtigen Referenzverfahren für Schlafstadien. AASM: Signalkanäle und Epochenauswertung [1]

Das Referenzverfahren beantwortet konkrete Fragen

Eine gute Laboraufzeichnung ermöglicht eine differenzierte Einordnung. Ihre Aussage hängt dennoch von Aufzeichnungsqualität, Auswertung und Untersuchungsbedingungen ab. Eine einzelne Labornacht beschreibt außerdem zunächst diese Nacht. Für einen Verlauf im gewohnten Alltag können zusätzliche Messungen hilfreich sein.

Die S3-Leitlinie setzt die Polysomnografie gezielt ein: Sie soll bei begründetem Verdacht zum Ausschluss organischer Schlafstörungen verwendet werden und sollte bei weiteren begründeten Indikationen durchgeführt werden. Eine routinemäßige Laboruntersuchung jeder Insomnie sieht sie damit nicht vor. [5]

Ein Beispiel aus der aktuellen Wirkstoffforschung ist der CUPID-Versuch zu CBN. Er untersuchte diagnostizierte Insomnie in einzelnen Labornächten und setzte PSG ein. Sein primäres Maß war die Wachzeit nach dem Einschlafen. Ein ergänzendes Einschlafsignal beantwortete eine weitere Frage. Die beiden Ergebnisse bleiben getrennt, obwohl sie aus derselben Nacht stammen. Lavender et al., 2026 [8]

Im CUPID-Versuch verbrachten 20 Erwachsene mit diagnostizierter Insomnie drei Labornächte im Abstand von mindestens zwei Wochen am Woolcock Institute in Sydney. Die PSG lieferte neben der Wachzeit nach dem Einschlafen auch Einschlaflatenz, Stadienanteile und einen Arousal-Index; am Folgetag kamen Fahrsimulator, Aufmerksamkeits- und Gedächtnistests sowie Fragebögen hinzu. Die Labormessung war damit mit Messungen der Tagesfunktion verbunden. [8]

Die vollständige Einordnung dieses Versuchs findest du unter CBN und Schlaf. Für den Methodenvergleich ist entscheidend, dass hier elektrische und weitere physiologische Signale tatsächlich aufgezeichnet wurden.

Was ein Wearable tatsächlich schätzt

Ein Handgelenkgerät kann Schlafmerkmale aus Bewegung und weiteren körperlichen Signalen ableiten. Bei optischen Sensoren erfasst die Photoplethysmografie Veränderungen des oberflächlichen Blutvolumens. Daraus lassen sich pulsbezogene Informationen gewinnen. Ein Algorithmus verbindet die verfügbaren Signale und schätzt, ob Schlaf oder Wachsein und gegebenenfalls bestimmte Stadien vorliegen. [3]

Welche Signale eingehen, unterscheidet sich je Gerät. Das in der Validierung von Miller und Kollegen untersuchte Armband schätzt Schlaf aus Bewegung und Herzfrequenz, gewonnen per Beschleunigungssensor und Photoplethysmografie. [3] Die beiden Geräte einer französischen Klinikstudie arbeiteten laut Autoren mit Beschleunigungssensor und Ballistokardiografie; eines meldete vier Kategorien einschließlich REM, das andere nur Wachsein, leichten und tiefen Schlaf. [4]

Das ist eine technisch wertvolle Möglichkeit, viele Nächte mit vergleichsweise geringem Aufwand zu beobachten. Das Gerät misst dabei aber keine Hirnströme allein deshalb, weil seine App Begriffe wie Tiefschlaf oder REM anzeigt. Die Zuordnung entsteht aus einem Modell, das gegen ein geeignetes Referenzverfahren validiert werden muss.

Eine von der Sleep Research Society angeforderte Übersicht kam 2024 zu dem Ergebnis, dass Mehrsensor-Geräte für Verbraucher klassische Aktigrafie beim Erfassen von Schlaf, gemessen an der PSG, übertreffen. Als klare Grenzen nennt sie die Fehlklassifikation von Wachzeit innerhalb der Schlafperiode, Probleme beim Erfassen von Schlaf außerhalb der Hauptschlafphase, Artefakte und eine unklare Übertragbarkeit auf Menschen mit bestimmten Merkmalen oder Begleiterkrankungen. Hautfarbe oder Adipositas können danach die Sensorleistung beeinträchtigen. [10]

Eine Genauigkeitszahl braucht ihren Bezug

Miller und Kollegen verglichen 2020 ein WHOOP-System mit PSG. Zwölf gesunde Erwachsene lieferten insgesamt 86 Schlafaufzeichnungen. Die Übereinstimmung betrug 89 Prozent für die Unterscheidung Schlaf gegenüber Wachsein, aber 64 Prozent für vier Kategorien aus Wachsein, leichtem Schlaf, Tiefschlaf und REM. Die Bettzeiten wurden von Forschenden eingegeben. Originalabstract [3]

Hinter den beiden Prozentwerten stehen weitere Kennzahlen. Für Schlaf gegen Wachsein lag die Sensitivität für Schlaf bei 95 Prozent, die Spezifität für Wachsein bei 51 Prozent und Cohens Kappa bei 0,49; bei vier Kategorien lag Kappa bei 0,47. Die Gesamtschlafzeit überschätzte das Gerät um 8,2 ± 32,9 Minuten, ein nicht signifikanter Unterschied. Die zwölf Teilnehmenden, sechs Frauen und sechs Männer mit einem mittleren Alter von 22,9 Jahren, schliefen während eines zehntägigen Laborprotokolls; die Stadien wertete das Unternehmen mit eigenen, nicht offengelegten Algorithmen aus. Gefördert wurde die Arbeit laut Datenbankeintrag vom Australian Institute of Sport und vom Australian Research Council. [3]

Diese Zahlen betreffen unterschiedliche Klassifikationsaufgaben. Ein hoher Wert für Schlaf gegen Wachsein ist keine identische Genauigkeit für jedes Schlafstadium. Zudem sind 86 Aufzeichnungen nicht 86 unabhängige Teilnehmende. Gerätegeneration, Algorithmus, Population und Auswertungsbedingungen gehören zur Interpretation.

Eine Meta-Analyse von 2025 fasste 24 Validierungsstudien mit 798 Teilnehmenden und zwölf Gerätefamilien zusammen. Eingeschlossen waren gesunde Erwachsene sowie Patientinnen und Patienten, darunter Menschen mit Insomnie, schlafbezogenen Atmungsstörungen, Hypersomnie oder Depression. Gegenüber der PSG ergaben sich signifikante mittlere Differenzen von −16,9 Minuten bei der Gesamtschlafzeit, −4,7 bei der Schlafeffizienz, +2,6 Minuten bei der Einschlaflatenz und +13,3 Minuten bei der Wachzeit nach dem Einschlafen; laut Text maßen mit Ausnahme von Fitbit die Geräte die Wachzeit länger als die PSG. Einheiten und die Richtung der Differenzbildung nennt der Text nicht ausdrücklich; die Minutenangaben folgen der üblichen Messgröße. Schlafstadien wertete die Analyse ausdrücklich nicht aus. Finanziert wurde sie aus Forschungsmitteln der Soonchunhyang University. [2]

Neuere Gerätegenerationen werden zunehmend über mehrere Nächte geprüft. Eine Validierung des Oura Ring der dritten Generation mit überarbeitetem Stadienalgorithmus an 96 gesunden japanischen Erwachsenen zwischen 20 und 70 Jahren mit bis zu drei ambulanten PSG-Nächten fand für Gesamtschlafzeit, Einschlaflatenz, Wachzeit sowie Leicht- und Tiefschlaf keine signifikanten Unterschiede; REM-Schlaf wurde um 4,1 bis 5,6 Minuten unterschätzt, die Schlafeffizienz um 1,1 bis 1,5 Prozent. Die Genauigkeit der Stadienzuordnung lag zwischen 75,5 Prozent für Leichtschlaf und 90,6 Prozent für REM. Die Zusammenfassung nennt keine Finanzierung; im PubMed-Eintrag erklären drei Autoren finanzielle Unterstützung durch Oura Health Oy. Laut Volltext wurde die Studie überwiegend von Oura Health Oy finanziert; der Sponsor hatte nach Angaben der Autoren keine Rolle bei Analyse und Interpretation. [11]

Die CBD-Terpen-Schlafstudie von Wang verweist auf diese und eine weitere Validierung aus 2020. Die zweite Arbeit untersuchte ausdrücklich WHOOP Strap 2.0. Im geöffneten Wang-Haupttext ließ sich die eingesetzte Geräte- und Algorithmusgeneration nicht eindeutig zuordnen. Deshalb wird hier keine Genauigkeitsangabe eines neueren Modells auf den Versuch übertragen. Die Strap-2.0-Validierung wurde laut eigener Offenlegung von WHOOP finanziert. Berryhill et al., Originalmethoden und Disclosure [6] [7]

Die zweite Validierung stammt von Berryhill und Kollegen und untersuchte 32 gesunde Erwachsene zwischen 18 und 45 Jahren in einer PSG-Nacht. Für die Schlafdauer ergaben sich 13,8 Minuten mittlere Verzerrung und 17,8 Minuten Präzisionsfehler. Die Stadienzuordnung erreichte einen Intraklassen-Korrelationskoeffizienten von 0,67, gegenüber 0,91 zwischen zwei menschlichen Auswertenden; für REM-Schlaf lag er bei 0,85, für Tiefschlaf bei 0,74. Die Studie wurde laut Offenlegung über einen Zuschuss von WHOOP an die University of Arizona finanziert. [7]

Im Methodenteil der Wang-Studie werden beide Validierungen als unabhängig von WHOOP veröffentlicht beschrieben, und die beiden Koeffizienten erscheinen dort REM-Schlaf und Tiefschlaf in umgekehrter Zuordnung. [6] Für die Einordnung zählt die Originalarbeit. [7]

Schlafanteil und gesamte Schlafzeit

Ein Anteil beschreibt das Verhältnis einer bestimmten Schlafdauer zur gesamten Schlafzeit. Für Tiefschlaf plus REM werden die beiden zugeordneten Dauern addiert und durch die Gesamtschlafzeit geteilt. Ändert sich der Nenner, kann der Anteil anders verlaufen als die absolute Minutenzahl.

Ein rein rechnerisches Beispiel macht den Unterschied sichtbar: Bei konstant sechs Stunden Schlaf entsprechen 40 Prozent 144 Minuten. Ein Anstieg auf 41,3 Prozent ergäbe unter derselben Annahme rund 149 Minuten. Das sind 1,3 Prozentpunkte mehr Anteil. Diese Rechenillustration ist kein Studienergebnis und setzt ausdrücklich eine unveränderte Gesamtschlafzeit voraus.

In der Studie von Wang war die Hauptzielgröße als Tiefschlaf plus REM in Prozent der Gesamtschlafzeit festgelegt. Das Armband leitete die Stadien aus Herzfrequenz, Atemfrequenz und Herzfrequenzvariabilität ab, verarbeitet mit den Algorithmen des Herstellers; Gerätemodell und Algorithmusversion nennt der Methodenteil nicht. Die Studie lief dezentral im eigenen Bett über zwei Behandlungsphasen von je vier Wochen, ausgewertet wurden nur Nächte unter Studienmedikation. [6]

Was die CBD-Terpen-Studie tatsächlich berichtete

Wang und Kollegen fanden für die untersuchte Kombination gegenüber Placebo einen mittleren Anstieg des gerätebasierten Tiefschlaf-plus-REM-Anteils um 1,3 Prozentpunkte. Das veröffentlichte 95-Prozent-Konfidenzintervall reichte von 0,1 bis 2,5 Prozentpunkten. Eine Verlängerung der Gesamtschlafzeit wurde nicht gezeigt. Originalartikel, primärer Endpunkt und Tabelle 1 [6]

Für die Gesamtschlafzeit lag der Unterschied bei −6,9 Minuten (95-Prozent-Konfidenzintervall −16,0 bis 2,4). Finanziert wurde die Studie von Defined Research; sechs Autoren gaben eine Kapitalbeteiligung an. [6]

Die häufig genannten 48 zusätzlichen Minuten betrafen fünf nachträglich ausgewählte besonders gut ansprechende Personen. Sie sind nicht der Durchschnitt der gesamten Auswertung. Die vollständige Ergebnisdarstellung muss deshalb zwischen Gesamtgruppe, vorab definiertem Hauptziel und nachträglich betrachteter Teilgruppe unterscheiden. [6]

Zur Reichweite gehört auch der Teilnehmerfluss: Von 125 Randomisierten schieden 63 während der Ausgangsphase aus. 62 schlossen ab; nach Entblindung wurden sechs weitere Datensätze ausgeschlossen. 56 gingen in die endgültige Analyse ein. Das gemessene Signal ist interessant, braucht aber eine Bestätigung mit möglichst vollständiger Nachverfolgung der ursprünglich zugeteilten Personen. [6]

Wie du kleine Veränderungen einordnest

Ein kleiner mittlerer Unterschied kann wissenschaftlich aufschlussreich sein. Seine Bedeutung wird klarer, wenn du drei Fragen verbindest: Wie präzise wurde er geschätzt? Wie zuverlässig erfasst das Verfahren die gewünschte Größe? Und erleben die untersuchten Menschen eine passende Verbesserung?

Das Konfidenzintervall beschreibt statistische Unsicherheit unter den Annahmen der Analyse. Es beseitigt jedoch nicht automatisch systematische Messfehler, unvollständige Teilnehmerdaten oder Unsicherheit über die Übertragbarkeit. Ebenso beweist ein kleiner p-Wert nicht, dass eine Veränderung im Alltag als wichtig empfunden wird.

Mehrere Perspektiven machen ein Ergebnis stärker

Bei Wang ergaben die fünf subjektiven Schlafmaße des modifizierten PGI-Fragebogens laut Autoren keine signifikante Verbesserung; die Testdaten werden im Haupttext nicht gezeigt. Das gerätebasierte Signal und das persönliche Erleben sollten deshalb jeweils als eigene Ergebnisse sichtbar bleiben. Originaltext, subjektive Schlafmaße [6]

Auch der Ausgangswert zählt. Im CBD-Pilotversuch von Narayan bestanden Unterschiede beim Wohlbefinden bereits vor der aktiven Behandlung; die Diskussion benennt zudem anfänglich erhöhte objektive Schlafeffizienz in der CBD-Gruppe. Ein späterer Gruppenabstand allein beweist deshalb keine neu entstandene Verbesserung. Die grundlegenden Insomnieziele zeigten überwiegend keinen signifikanten Vorteil. Narayan et al., Results und Discussion [9]

Narayan und Kollegen erhoben den Schlaf parallel mit Papier-Schlaftagebuch und Aktigrafie. Bei der Schlafeffizienz zeigten die wöchentlichen Selbstauskünfte Verbesserungen in der CBD-Gruppe, ohne Unterschied zwischen den Gruppen; die Autoren deuten das entweder als Abweichung zwischen Selbstauskunft und objektiver Messung oder als höhere Empfindlichkeit der Aktigrafie für diese Größe. [9]

Gerade diese Differenzierung unterstützt die Weiterentwicklung: Eine Folgestudie kann gezielt prüfen, ob ein physiologisches Signal auch in PSG, Beschwerden und Tagesfunktion wiederkehrt. Ähnliche Verbindungen zwischen Symptom und Alltag erläutert der Beitrag zu chronischen Schmerzen.

Eine Checkliste für Studienberichte

Beim Lesen hilft eine feste Reihenfolge. Zuerst kommt die Frage, danach das Messverfahren und erst dann die hervorgehobene Zahl. So erkennst du schneller, welcher Teil einer Nacht tatsächlich untersucht wurde.

• Population: Gesunde Erwachsene, selbstberichtete Schlafprobleme oder diagnostizierte Insomnie?
• Messung: PSG, bewegungsbasierte Aktigrafie, algorithmische Stadienzuordnung oder Selbstauskunft?
• Version und Vergleich: Welches Gerät und welcher Algorithmus wurden in welcher Population gegen welches Referenzverfahren geprüft?
• Endpunkt: Anteil, absolute Minuten, Wachzeit, Beschwerden oder Funktion am nächsten Tag?
• Auswertung: Primärer Vergleich, ergänzender Befund oder nachträglich ausgewählte Teilgruppe? Wie viele der Randomisierten wurden ausgewertet?
• Alltagsbezug: Gibt es passende patientenrelevante Ergebnisse und eine ausreichend lange Beobachtung?

Aus der neueren Validierungsliteratur lassen sich zwei Prüffragen ergänzen. Erstens: Wurde das Gerät in einer Gruppe geprüft, die der Studienpopulation entspricht? Bei 58 beziehungsweise 52 auswertbaren Patientinnen und Patienten eines Pariser Schlafzentrums lagen die Kappa-Werte für die Übereinstimmung je Epoche bei 0,12 und 0,07. [4] Zweitens: Werden Nachtsummen oder epochengenaue Übereinstimmung berichtet? Die Meta-Analyse von 2025 poolte nur Nachtsummen wie Gesamtschlafzeit und Wachzeit. [2]

Die National Sleep Foundation hebt in ihrer Stellungnahme von 2026 das Potenzial zugänglicher Schlaftechnologien ebenso hervor wie die Notwendigkeit, ihre Möglichkeiten und Grenzen zu verstehen. Das ist ein sinnvoller Entwicklungsrahmen: Alltagsdaten können neue Einblicke schaffen, wenn ihre Bedeutung sauber beschrieben ist. Die Stellungnahme ist keine eigene Gerätevalidierung. Originalabstract [12]

Für die medizinische Pflanzenforschung entstehen dadurch bessere Verbindungen zwischen Labor und Alltag. Verlässliche Messung hilft, aussichtsreiche Signale gezielt weiterzuverfolgen. Die ausführliche Leselogik zu Endpunkten und Unsicherheit bietet Medizinische Studien verstehen; die Bedeutung definierter Präparate erläutert Vollspektrum, Breitspektrum und Isolat.

Studienlage auf einen Blick

Die Tabelle stellt die Messverfahren nebeneinander, die in diesem Beitrag vorkommen. Jede Zeile beruht auf einer geprüften Quelle; Werte aus gesunden Gruppen und aus Patientengruppen stehen getrennt.

Neuere Forschung 2024–2026

Meta-Analyse zu Handgelenkgeräten, 2025. 24 Validierungsstudien, 798 Teilnehmende, Literatur bis März 2024; Endpunkte Gesamtschlafzeit, Schlafeffizienz, Einschlaflatenz und Wachzeit nach dem Einschlafen im Vergleich zur PSG. Ergebnis: signifikante mittlere Differenzen bei allen vier Größen, Heterogenität I² zwischen 57,9 und 84,1 Prozent. Grenze: keine Auswertung von Schlafstadien, unterschiedliche Geräte und Populationen. Finanzierung: Soonchunhyang University, keine Interessenkonflikte angegeben. [2]

Klinikstudie mit Patientinnen und Patienten, 2025. Prospektive Beobachtungsstudie an 65 Erwachsenen, die zur Videopolysomnografie in ein Pariser Schlafzentrum überwiesen wurden, unter anderem mit Verdacht auf Schlafapnoe, Hypersomnie oder Insomnie; zwei Handgelenkgeräte in derselben Nacht. Ergebnis: Beide Geräte überschätzten die Gesamtschlafzeit, die Stadienzuordnung wich deutlich ab, Kappa je Epoche 0,12 und 0,07, bei Insomnie für ein Gerät 0,00. Grenze: eine Nacht, ausgewählte Klinikpopulation, zwei ältere Geräte. Finanzierung: Spende der MSD-Avenir-Stiftung; Geräte aus Forschungsmitteln gekauft, die Hersteller waren nicht beteiligt. [4]

Fingerring-Validierung über mehrere Nächte, 2024. 96 gesunde Erwachsene, 421.045 Epochen, bis zu drei ambulante PSG-Nächte in einem Hotel, Auswertung nach AASM-Kriterien. Ergebnis: keine signifikanten Unterschiede bei den meisten Nachtsummen, Sensitivität für Schlaf 94,4 bis 94,5 Prozent, Spezifität 73,0 bis 74,6 Prozent. Grenze: nur gesunde Erwachsene einer Population. Finanzierung: In der Zusammenfassung nicht angegeben; im PubMed-Eintrag erklären drei Autoren finanzielle Unterstützung durch Oura Health Oy; laut Volltext überwiegend durch Oura Health Oy finanziert, die auch die Ringe stellte. [11]

Übersicht der Sleep Research Society, 2024. Stand der Forschung und Hinweise für den Einsatz von Wearables in der Schlaf- und Chronobiologieforschung. Ergebnis: Mehrsensor-Geräte übertreffen klassische Aktigrafie, mit Grenzen bei Wacherkennung, Artefakten und Übertragbarkeit. Grenze: Übersichtsarbeit ohne eigene Daten. [10]

Deutscher Bezugsrahmen

Für Deutschland legt die S3-Leitlinie „Insomnie bei Erwachsenen“ der Deutschen Gesellschaft für Schlafforschung und Schlafmedizin fest, welche Messverfahren in der Diagnostik vorgesehen sind; sie wurde am 13.11.2024 inhaltlich überarbeitet und gilt bis 12.11.2029. Anamnese, körperliche Untersuchung, Schlaftagebücher und Fragebögen erhalten den höchsten Empfehlungsgrad. Aktigrafie kann eingesetzt werden, um Ruhe- und Aktivitätszeiten über längere Zeiträume zu erfassen. Die Polysomnografie soll bei begründetem Verdacht auf organische Schlafstörungen und sollte bei weiteren begründeten Indikationen eingesetzt werden. [5]

Eine eigene Empfehlung zu Verbraucher-Wearables enthalten die Diagnostik-Empfehlungen D3 und D4 nicht. Im Text der Leitlinie heißt es zu Lifestyle-Wearables, ihr Nutzen für Diagnostik oder Verlaufsbeobachtung der Insomnie sei bislang nicht hinreichend belegt. [5] Für Studienberichte bedeutet das: Ein gerätebasierter Schlafphasenwert ist in der deutschen Versorgung kein Diagnosekriterium der Insomnie. Die Angaben sind Sachinformation zum Stand vom 22.10.2026 und keine medizinische Beratung.

Zahlen für Fachleser

Häufige Fragen

Misst ein Wearable Tiefschlaf und REM?

Nicht direkt. Ein Handgelenkgerät erfasst Bewegung und Pulssignale und schätzt daraus mit einem Algorithmus Schlafstadien. Die Polysomnografie leitet die Stadien dagegen aus Hirnströmen, Augenbewegungen und Muskelspannung ab. Wie gut eine Schätzung ist, zeigt nur eine Validierung gegen die PSG, und die Ergebnisse unterscheiden sich je Gerät, Algorithmus und Population deutlich. [3] [1]

Wie genau sind Schlaftracker im Vergleich zum Schlaflabor?

Für die Unterscheidung von Schlaf und Wachsein erreichen sie in gesunden Gruppen oft hohe Übereinstimmung, für einzelne Stadien deutlich weniger. Eine Meta-Analyse von 24 Studien fand signifikante Abweichungen bei Gesamtschlafzeit, Schlafeffizienz, Einschlaflatenz und Wachzeit nach dem Einschlafen. Stadien wertete sie nicht aus. [2]

Gelten Validierungen an Gesunden auch bei Schlafstörungen?

Nicht automatisch. In einer Pariser Klinikstudie mit Patientinnen und Patienten, die zur Polysomnografie überwiesen worden waren, lag die epochengenaue Übereinstimmung zweier Handgelenkgeräte mit der PSG nahe dem Zufall. Die Autoren halten diese Geräte in dieser Gruppe für nicht verlässlich bei der Erfassung der Schlafarchitektur. [4]

Was ist der Unterschied zwischen Aktigrafie und einem Wearable?

Aktigrafie bezeichnet die Bewegungsmessung mit einem Forschungsgerät, meist am Handgelenk, und schätzt vor allem Schlaf und Wachsein. Verbraucher-Wearables kombinieren Bewegung oft mit Pulssignalen und geben zusätzlich Stadien aus. Eine Übersicht von 2024 sieht Mehrsensor-Geräte gegenüber klassischer Aktigrafie im Vorteil, nennt aber klare Grenzen. [10] [9]

Wann wird im Schlaflabor gemessen?

Nach der deutschen S3-Leitlinie zur Insomnie soll die Polysomnografie bei begründetem Verdacht zum Ausschluss organischer Schlafstörungen eingesetzt werden und sollte bei weiteren begründeten Indikationen durchgeführt werden. Grundlage der Diagnostik sind Anamnese, körperliche Untersuchung, Schlaftagebücher und Fragebögen. Diese Information ersetzt keine ärztliche Abklärung. [5]

Warum reicht ein höherer Tiefschlafanteil nicht als Studienergebnis?

Ein Anteil hängt von der Gesamtschlafzeit ab und sagt allein nichts darüber, ob Beschwerden oder die Tagesfunktion besser werden. In der CBD-Terpen-Studie stieg der gerätebasierte Anteil um 1,3 Prozentpunkte, während die Gesamtschlafzeit nicht länger wurde und subjektive Maße keine signifikante Verbesserung zeigten. [6]

Wer finanziert Validierungsstudien zu Wearables?

Das ist unterschiedlich und gehört zur Einordnung. Eine der WHOOP-Validierungen von 2020 wurde über einen Zuschuss des Herstellers finanziert, die andere laut Datenbankeintrag von öffentlichen Sportforschungs- und Forschungsförderern. Die französische Klinikstudie kaufte die Geräte aus Forschungsmitteln, die Hersteller waren nicht beteiligt. Bei der Fingerring-Validierung erklären drei Autoren finanzielle Unterstützung durch Oura Health Oy; laut Volltext wurde die Studie überwiegend vom Hersteller finanziert, ergänzt durch Mittel der Universität Tokio. [7] [3] [4] [11]

Weiterlesen im Wissensbereich

• CBD und Schlaf: Was gute Schlafstudien untersuchen – zeigt an konkreten CBD-Studien, wie Messverfahren und Endpunkte die Ergebnisse prägen.
• CBN und Schlaf: Ein neues Forschungsfeld im Überblick – ordnet den polysomnografischen CUPID-Versuch vollständig ein.
• Medizinische Studien verstehen: Dein Weg durch die Evidenz – erklärt Endpunkte, Konfidenzintervalle und Studiendesigns im Überblick.
• Studien, Erwartungen und Finanzierung: Forschung fair beurteilen – beschreibt, wie Erwartung und Finanzierung bei der Bewertung von Studien zu berücksichtigen sind.
• Glossar Forschung und Medizin A–Z – erklärt die Fachbegriffe dieses Beitrags, darunter „Inter-Scorer-Reliabilität“, „Polysomnografie und Videopolysomnografie“, „Aktigrafie“ und „Sensitivität und Spezifität“, jeweils mit Quelle und Querverweisen.

Quellen

1. American Academy of Sleep Medicine (AASM). Inter-scorer Reliability Program: General Instructions. Online-Hilfe, abgerufen am 22.10.2026. isr.aasm.org, General Instructions Volltext geprüft
2. Lee YJ, Lee JY, Cho JH, Kang YJ, Choi JH. Performance of consumer wrist-worn sleep tracking devices compared to polysomnography: a meta-analysis. J Clin Sleep Med 2025;21(3):573–582. PMC11874098 doi:10.5664/jcsm.11460 Volltext geprüft
3. Miller DJ, Lastella M, Scanlan AT, Bellenger C, Halson SL, Roach GD, Sargent C. A validation study of the WHOOP strap against polysomnography to assess sleep. J Sports Sci 2020;38(22):2631–2636. PubMed PMID 32713257 doi:10.1080/02640414.2020.1797448 Abstract geprüft
4. Frija J, Mullaert J, Abensur Vuillaume L, Grajoszex M, Wanono R, Benzaquen H, Kerzabi F, Geoffroy PA, Matrot B, Trioux T, Penzel T, d’Ortho MP. Metrology of two wearable sleep trackers against polysomnography in patients with sleep complaints. J Sleep Res 2025;34(2):e14235 (online 14.06.2024). PMC11911034 doi:10.1111/jsr.14235 Volltext geprüft
5. Spiegelhalder K, Baum E, Becker M et al. für die Deutsche Gesellschaft für Schlafforschung und Schlafmedizin (DGSM). S3-Leitlinie Insomnie bei Erwachsenen, Update 2025, AWMF-Registernummer 063-003, Version 2.0, Stand 13.11.2024, gültig bis 12.11.2029. Zeitschriftenfassung: Somnologie 2025;29:240–277. register.awmf.org, Leitlinie 063-003 (PDF) doi:10.1007/s11818-025-00530-6 Volltext geprüft
6. Wang M, Faust M, Abbott S, Patel V, Chang E, Clark JI, Stella N, Muchowski PJ. Effects of a cannabidiol/terpene formulation on sleep in individuals with insomnia: a double-blind, placebo-controlled, randomized, crossover study. J Clin Sleep Med 2025;21(1):69–80 (online 2024). PMC11701282 doi:10.5664/jcsm.11324 Volltext geprüft
7. Berryhill S, Morton CJ, Dean A, Berryhill A, Provencio-Dean N, Patel SI, Estep L, Combs D, Mashaqi S, Gerald LB, Krishnan JA, Parthasarathy S. Effect of wearables on sleep in healthy individuals: a randomized crossover trial and validation study. J Clin Sleep Med 2020;16(5):775–783. PMC7849816 doi:10.5664/jcsm.8356 Volltext geprüft
8. Lavender IG, Marshall NS, McCartney D, Cho G, Irwin C, Suraev A, Gordon R, Arnold JC, D’Rozario AL, Gordon CJ, Saini B, Sivam S, Zheng Y, Grunstein RR, Yee BJ, McGregor IS, Hoyos CM. Cannabinol for Acute Treatment of Insomnia Disorder in a Randomized Placebo-Controlled Crossover Trial. J Sleep Res 2026;35(4):e70284. PMC13357646 PubMed PMID 41698831 Volltext geprüft
9. Narayan AJ, Downey LA, Rose S, Di Natale L, Hayley AC. Cannabidiol for moderate–severe insomnia: a randomized controlled pilot trial […]. J Clin Sleep Med 2024;20(5):753–763. PMC11063694 Volltext geprüft
10. de Zambotti M, Goldstein C, Cook J, Menghini L, Altini M, Cheng P, Robillard R. State of the science and recommendations for using wearable technology in sleep and circadian research. Sleep 2024;47(4):zsad325. PubMed PMID 38149978 doi:10.1093/sleep/zsad325 Volltext geprüft
11. Svensson T, Madhawa K, Nt H, Chung UI, Svensson AK. Validity and reliability of the Oura Ring Generation 3 (Gen3) with Oura sleep staging algorithm 2.0 (OSSA 2.0) when compared to multi-night ambulatory polysomnography: a validation study of 96 participants and 421,045 epochs. Sleep Med 2024;115:251–263. PubMed PMID 38382312 doi:10.1016/j.sleep.2024.01.020 Volltext geprüft
12. Dzierzewski JM, Erickson AJ, Ferri R, Kanady J, Kirchhoff T, Lopos J, Seixas A, Sullivan SS. Consumer sleep technology: A position statement from the National Sleep Foundation. Sleep Health 2026;12(2):380–385. PubMed PMID 41792005 doi:10.1016/j.sleh.2026.02.003 Abstract geprüft