Wie genau misst die Apple Watch Schlaf?

Kurz gesagt: Die Apple Watch kann als Orientierung dienen, um Schlaf gegenüber Wachsein und grobe Trends der Schlafdauer rückblickend zu betrachten. Sie ist jedoch kein Gerät, das für eine einzelne Nacht mit derselben Genauigkeit wie eine PSG (Polysomnographie) feststellt, wie viele Minuten „Tiefschlaf“ aufgetreten sind.

Wichtig ist, die folgenden 3 Arten von Zahlen nicht miteinander zu vermischen:

1. Zahlen aus Apples eigener Validierung der Schlafstadienfunktion
2. Zahlen aus unabhängigen Vergleichen einer handelsüblichen Apple Watch mit PSG
3. Zahlen aus Feelmos Paper 17 zur Bewertung eines Forschungsmodells, das herzbezogene Informationen und zeitlichen Kontext nutzt (Details zu Merkmalsdesign, Vorverarbeitung und Modellaufbau sind nicht öffentlich)

Apples offizielle Entwicklungsdaten umfassen 1,171 Nächte. Die öffentlichen, gepaarten Apple-Watch-Herzfrequenz- und PSG-Daten in Paper 17 stammen dagegen von 31 Personen. Auch wenn Zahlen ähnlich wirken können, sind die Hersteller-Entwicklungsdaten und Feelmos interne Analyse getrennte Studien.

Was ist PSG?

Bei einer PSG werden unter anderem Hirnströme, Augenbewegungen, Muskelaktivität, EKG und Atmung gleichzeitig gemessen. Fachleute beurteilen das Schlafstadium in Abschnitten von 30 Sekunden. Bei Vergleichen von Schlafstadien dient sie als Referenz.

Die Apple Watch schätzt Schlaf anhand kleiner Sensoren am Handgelenk. Das ist bequem für Messungen über viele Nächte, erfasst aber nicht dieselben Signale wie eine PSG.

Was zeigte Apples offizielle Validierung?

Laut Apples technischem Dokument von 2025 verwendet der Standardschlafstadien-Klassifikator den Beschleunigungssensor als Eingang. Er entscheidet nicht allein anhand der HRV. Aus Beschleunigungssignalen, einschließlich kleiner atembedingter Bewegungen des Handgelenks, klassifiziert er alle 30 Sekunden Wachsein, REM-, Kern- oder Tiefschlaf.

Gruppe in Apples offiziellem Dokument	Personen	Aufzeichnungen	Wichtigstes Ergebnis
Entwicklungsdaten	858	1,171 Nächte	Für die Modellentwicklung verwendet; keine unabhängige Bewertung
Nicht in der Entwicklung verwendete Validierungsdaten	166	299 Nächte	Frühere 4-Stadien-Version: mittleres κ 0.63 (SD 0.13)
Aktualisierte watchOS-26-Version auf denselben Validierungsdaten	166	299 Nächte	4-Stadien-κ: Median 0.68 (SD 0.11)
Separate klinische PSG-Gruppe, aktualisierte Version	236	390 Watch-Sitzungen	4-Stadien-κ: Median 0.66 (SD 0.16)

κ (Kappa) beschreibt die Übereinstimmung nach Abzug des zufällig erwarteten Anteils. Werte näher an 1 bedeuten höhere Übereinstimmung; 0 entspricht ungefähr dem Zufallsniveau. Zahlen mit Mittelwert statt Median, aus verschiedenen Gruppen oder Betriebssystemversionen sollten jedoch nicht direkt nebeneinandergestellt werden.

Das Dokument ist wegen seines Umfangs wichtig, bleibt aber ein Validierungsbericht des Herstellers. Die Rohdaten für das Training und das Modell sind nicht öffentlich; Apple selbst positioniert die Schlafstadien nicht für die klinische Anwendung.

Was zeigten von Apple unabhängige Studien?

In einer Studie von 2024 nahmen 35 Erwachsene ohne Schlafstörung an 1 PSG-Nacht teil. Auswertbare Daten einer Apple Watch Series 8 lagen für 29 Personen vor. Gegenüber der PSG erreichte die Apple Watch bei Schlaf/Wach mit 2 Klassen eine Übereinstimmung von 93% und κ=0.60; bei 4 Stadien waren es 75.0% und κ=0.60.

Im Mittel schätzte die Apple Watch jedoch 43 Minuten weniger Tiefschlaf und 45 Minuten mehr Leichtschlaf als die PSG. Die Studie umfasste wenige Personen und nur 1 Nacht bei gesunden Erwachsenen; ihre Ergebnisse lassen sich daher nicht ohne Weiteres auf andere Altersgruppen oder Menschen mit Schlafstörungen übertragen. Die Studie stammte zwar nicht von Apple, wurde aber von Oura Ring Inc., einem Hersteller eines Konkurrenzprodukts, finanziert; der Erstautor war Mitglied des Medical Advisory Board von Oura. Sowohl die Ergebnisse als auch Finanzierung und Interessenkonflikte sollten berücksichtigt werden.

Eine 2026 veröffentlichte systematische Übersicht kam ebenfalls zu dem Schluss, dass die Apple Watch Schlaf und Wachsein vergleichsweise gut trennt, ähnliche Schlafstadien jedoch nur mäßig bis schwach unterscheidet. Gesamtschlafdauer und die Minuten einzelner Stadien haben also nicht dieselbe Sicherheit.

Was prüfte Paper 17?

Paper 17 versuchte nicht, Apples Standardschlafstadienfunktion nachzubauen. Es war eine nicht begutachtete interne Machbarkeitsstudie: Ein Forschungsmodell mit herzbezogenen Informationen und zeitlichem Kontext aus öffentlichen Kohorten sollte die 5 PSG-Stadien schätzen. Konkretes Merkmalsdesign, Referenzbereiche, Vorverarbeitung und Modellaufbau sind nicht öffentlich.

Internes Feelmo-Modell	Datengrundlage	macro AUROC	κ	Ergebnis
Öffentliche Apple-Watch-/PSG-Daten von Walch	31 Personen	0.708	0.221	Internes Ziel nicht erreicht
Klinische HMC-PSG-Daten (5-fold auf Personenebene)	35 Personen	0.711	0.244	Internes Ziel auch innerhalb derselben Kohorte nicht erreicht
Klinische PSG-Daten HMC＋CAP＋SLPDB (LODO)	Insgesamt 67 Aufzeichnungen	Mittel 0.639 (SD 0.013)	Mittel 0.132 (SD 0.028)	Bei unbekannten Kohorten weiter niedriger

AUROC misst, wie gut jedes Stadium gegenüber den übrigen geordnet werden kann; κ bewertet die Übereinstimmung der endgültigen Stadien. In der personenbezogenen Teilung innerhalb von HMC lag die AUROC bei 0.711, κ für die 5-Stadien-Übereinstimmung aber nur bei 0.244. Bei LODO, bei dem eine ganze, nicht zum Training verwendete Kohorte bewertet wird, sanken die Mittelwerte auf AUROC 0.639 und κ 0.132. Ergebnisse aus unterschiedlichen Bewertungsverfahren dürfen nicht als derselbe Leistungswert behandelt werden.

Aus den vorhergesagten Schlafstadien von 3 Kohorten mit insgesamt 67 Aufzeichnungen wurden 5 Schlafkennzahlen berechnet. Ihre Pearson-Korrelationen mit PSG lagen zwischen −0.007 und 0.417. Keine erreichte die vorher festgelegten internen Ziele. In einer anderen explorativen Analyse stieg die höchste Korrelation für den Tiefschlafanteil auf 0.545, dennoch verfehlten alle 5 Kennzahlen auch die überarbeiteten internen Ziele. In einer weiteren Analyse erhöhte sich die Zahl heterogener Datensätze von 53 auf 101, während κ sich nur von 0.336 auf 0.330 änderte. Das Problem ließ sich also nicht durch bloßes Hinzufügen von Daten lösen. Merkmalsdesign, Referenzbereiche, Vorverarbeitung und Aufbau des Forschungsmodells bleiben als proprietäre Technik nicht öffentlich.

Wie lassen sich die Werte morgens einordnen?

• Betrachte eher Trends über mehrere Wochen mit demselben Gerät und denselben Einstellungen als eine einzelne Nacht
• Behandle Gesamtschlafdauer und die Minuten von REM-, Kern- und Tiefschlaf nicht als gleich sicher
• Schließe aus 1 Anzeige mit „wenig Tiefschlaf“ nicht auf Krankheit oder unzureichende Erholung
• Betriebssystemupdates können den Algorithmus verändern; achte auf Sprünge vor und nach einem Update
• Bei anhaltender starker Schläfrigkeit, Schnarchen, Atemaussetzern oder Schlaflosigkeit solltest du nicht allein nach der Uhr entscheiden, sondern medizinischen Rat suchen

Quellen

1. Apple. Estimating Sleep Stages from Apple Watch. October 2025. Offizielles technisches Dokument
2. Robbins R, et al. Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults. Sensors. 2024;24:6532. doi:10.3390/s24206532
3. Lambe R, et al. The accuracy of Apple Watch measurements: a living systematic review and meta-analysis. npj Digital Medicine. 2026. doi:10.1038/s41746-025-02238-1
4. Walch O, et al. Sleep stage prediction with raw acceleration and photoplethysmography heart rate data derived from a consumer wearable device. Sleep. 2019;42(12):zsz180. doi:10.1093/sleep/zsz180
5. Walch O. Motion and heart rate from a wrist-worn wearable and labeled sleep from polysomnography, version 1.0.0. PhysioNet. doi:10.13026/hmhs-py35

※ Diese Forschungsübersicht prüft nicht die Wirksamkeit der Feelmo-App.