Prävention beginnt mit besseren Daten

Veränderungen im Gesundheitszustand erkennen, bevor Beschwerden entstehen oder Erkrankungen fortschreiten: dieses Ziel verfolgt die präventive Medizin. Die Medizin der Zukunft soll Krankheiten deshalb nicht nur behandeln, sondern schon ihrer Entstehung entgegenwirken. Damit rückt die Frage in den Fokus, wie sich Gesundheit und Krankheit möglichst früh objektiv erfassen lassen. Die Grundlage hierfür sind hochwertige medizinische Daten. Entscheidend ist dabei nicht nur, was gemessen wird, sondern auch wie.

Viele medizinische Entscheidungen basieren noch auf einzelnen Messzeitpunkten: Arztbesuch, Untersuchung, Klinikaufenthalt. Wearables wie Smart Watches oder -Rings bieten für Anwenderinnen und Anwender zwar kontinuierliche Messungen über längere Zeiträume hinweg; für die medizinische Forschung und Versorgung reicht die Erfassung einzelner Gesundheitsparameter jedoch häufig nicht aus. Um komplexe physiologische Zusammenhänge zu verstehen, müssen verschiedene Arten von Gesundheitsdaten, etwa zu Herzaktivität, Atmung oder Bewegung, gemeinsam betrachtet werden. Kommerzielle Systeme sind dafür oft nur bedingt geeignet, da sie meist als geschlossene Einzellösungen konzipiert sind und nur eingeschränkten Zugriff auf die zugrunde liegenden Rohdaten bieten.

Vom Einzelwert zum Gesamtbild

Im ersten Teil der Serie zum Wissenschaftsjahr 2026 wurde gezeigt, wie kontinuierliche EKG-Messungen durch innovative medizinische Messtechnik die Früherkennung von Herzrhythmusstörungen unterstützen können. Viele Fragestellungen der präventiven Medizin gehen jedoch darüber hinaus und erfordern die synchrone Erfassung verschiedener Biosignale.

Die eigentliche Schwierigkeit besteht dabei nicht darin, Sensoren zu bauen, sondern verschiedene Messgrößen gleichzeitig, synchron und unter realen Bedingungen zu erfassen – im Alltag, außerhalb kontrollierter Laborbedingungen und ohne die Bewegungsfreiheit der Anwenderinnen und Anwender einzuschränken. Mit maphera^® hat das Fraunhofer IIS ein dezentrales Sensornetzwerk entwickelt, das verschiedene Sensoren zu einem mobilen Gesamtsystem verbindet. Die Bluetooth-basierte Plattform ermöglicht die multimodale Erfassung physiologischer Daten und synchronisiert unterschiedliche Messquellen mit einer Genauigkeit von 30 Mikrosekunden. Dadurch lassen sich unterschiedliche Biosignale präzise synchron erfassen und gemeinsam auswerten.

Prävention braucht Kontext

Die Möglichkeiten solcher Datensätze reichen weit über die Messung einzelner, isolierter Vitalparameter hinaus. Werden Herzaktivität, Atmung, Bewegung und weitere Biosignale gemeinsam betrachtet, lassen sich Belastungen und Veränderungen des Gesundheitszustands deutlich genauer erfassen. So entsteht ein umfassendes Bild davon, wie sich körperliche oder mentale Beanspruchung im Alltag auswirken, welche Faktoren langfristig zu gesundheitlichen Risiken beitragen oder wie sich individuelle Belastungsgrenzen objektiv bestimmen lassen.

Darüber hinaus eröffnen multimodale Messungen neue Möglichkeiten für die Arbeits- und Gesundheitssicherheit. Um Belastungen in körperlich oder kognitiv anspruchsvollen Tätigkeiten besser zu verstehen, genügt es beispielsweise nicht zu wissen, wie viel sich eine Person bewegt. Erst die Kombination verschiedener Biosignale liefert ein vollständigeres Bild. Während EKG und optische Messverfahren wie die Photoplethysmografie (PPG) Aufschluss über die Belastung des Herz-Kreislauf-Systems geben, erfassen inertiale Bewegungssensoren (IMUs) Körperhaltung, Bewegungsabläufe und Beschleunigungen. Gemeinsam ermöglichen diese Daten, körperliche Beanspruchung, Ermüdung oder ungünstige Bewegungsmuster differenzierter zu analysieren.
 

Wenn Daten zu Wissen werden

Neben der Prävention profitieren auch neue Forschungsansätze in anderen Bereichen der Gesundheitsversorgung von diesem Ansatz. Ein Beispiel für einen solchen Einsatz ist das Leuchtturmprojekt ROBO.KIWI. Mit dem Ziel, das wertvolle Erfahrungswissen von Pflegefachpersonen langfristig zu bewahren und für die Ausbildung nutzbar zu machen, erfasst maphera^® deren Bewegungsabläufe und Interaktionsmuster mit Patientinnen und Patienten in realen Pflegesituationen. Die gewonnenen Daten fließen in multimodale Datensätze, aus denen charakteristische Bewegungs- und Interaktionsmuster abgeleitet werden können. In einem nächsten Schritt werden diese kuratierten Referenzbewegungen auf humanoide Roboter übertragen, die in der Pflegeausbildung dann zu physischen Lernpartnern werden sollen.

Das Beispiel zeigt, dass moderne medizinische Messtechnik weit mehr leisten kann als die Erfassung einzelner Vitalparameter. Indem unterschiedliche Biosignale synchron erfasst und gemeinsam ausgewertet werden, entstehen Datensätze, die komplexe Zusammenhänge sichtbar machen. Genau darin liegt das Potenzial dieser Schlüsseltechnologie – für die Präventivmedizin ebenso wie für viele weitere Bereiche der Gesundheitsversorgung.