Google Research startet SensorFM und fordert Wearable-Gesundheitsmodelle für Einzelaufgaben heraus

Google Research hat SensorFM vorgestellt, nachdem das Modell mit mehr als einer Billion Minuten an Wearable-Daten von fünf Millionen einwilligenden Teilnehmenden trainiert worden war. Das Modell zielt auf eine kostspielige Schwäche der digitalen Gesundheitsversorgung: Die meisten Wearable-Algorithmen sind weiterhin auf ein einziges Ergebnis, einen einzigen Datensatz und eine einzige Gerätekonfiguration zugeschnitten.

Die SensorFM-Forschungsarbeit zeigt einen anderen Weg auf. Google zufolge ließ sich eine wiederverwendbare physiologische Repräsentation auf 35 Prognoseaufgaben übertragen, die kardiovaskuläre und metabolische Ergebnisse sowie Schlaf, psychische Gesundheit, demografische Merkmale und Lebensstil abdecken.

Google Research führt SensorFM als Forschungssystem ein, nicht als klinisches Produkt. Diese Unterscheidung ist wichtig, da die Ergebnisse aus kontrollierten Studien und retrospektiven Auswertungen stammen. Sie belegen keine sichere Leistungsfähigkeit in Krankenhäusern, Coaching-Apps für Verbraucher oder Programmen zur Früherkennung in der Bevölkerung.

Der wettbewerbliche Maßstab ist Apple. Dessen Forschende haben Basismodelle anhand von Apple Watch-Daten trainiert, darunter Verhaltenssignale aus einer großen Kohorte einwilligender Teilnehmender. Beide Unternehmen betrachten Wearable-Daten inzwischen als Grundlage für allgemeine Modelle und nicht mehr als isolierte Pipelines einzelner Merkmale.

Im unmittelbaren Wettbewerb geht es daher nicht um Fitbit- gegenüber Apple Watch-Hardware. Es geht um universell einsetzbare physiologische Modellierung im Vergleich zur etablierten Praxis, für jeden gesundheitlichen Endpunkt ein separates überwachtes Modell zu entwickeln.

Google Research führt SensorFM im Bevölkerungsmaßstab ein

SensorFM verlagert den Schwerpunkt der Entwicklung von einer einzelnen Gesundheitsprognose auf eine wiederverwendbare Repräsentation der menschlichen Physiologie.

Google Research kündigte SensorFM am 9. Juli 2026 an. Der leitende Forschungswissenschaftler Xin Liu und der Forschungswissenschaftler Daniel McDuff stellten die Arbeit im Google Research-Blog vor.

Das Modell wurde anhand anonymisierter Daten vortrainiert, die zwischen September 2024 und September 2025 erhoben worden waren. Fünf Millionen Teilnehmende hatten der Nutzung ihrer Daten für die Gesundheits- und Wellnessforschung zugestimmt.

Der Datenbestand erstreckt sich über mehr als 100 Länder, alle 50 US-Bundesstaaten und über 20 Modelle von Fitbit und Pixel Watch. Google entnahm von jedem Teilnehmenden Daten aus mehreren Wochen.

Der daraus entstandene Datensatz umfasst mehr als zwei Milliarden Stunden beziehungsweise über eine Billion Minuten an minutengenauen Sensorinformationen. Diese offizielle Angabe korrigiert Zusammenfassungen, in denen der Datenbestand mit 100 Billionen Minuten beziffert wurde.

SensorFM verarbeitet für jede Minute eines 24-Stunden-Zeitfensters 34 aggregierte Merkmale. Diese stammen aus fünf Sensormodalitäten: Photoplethysmografie, Beschleunigungsmessung, elektrodermale Aktivität, Hauttemperatur und Höhenmessung.

Die Photoplethysmografie, meist als PPG bezeichnet, misst mithilfe von Licht Veränderungen des Blutvolumens in Hautnähe. Wearables leiten daraus Signale wie die Herzfrequenz und Schätzwerte für den Blutsauerstoffgehalt ab.

Die Beschleunigungsmessung erfasst Bewegungen. Die elektrodermale Aktivität misst Veränderungen der Hautleitfähigkeit, während die Höhenmessung Höhenunterschiede ermittelt. Zusammen beschreiben diese Eingaben Schlaf, Bewegung, Temperatur, kardiovaskuläre Aktivität und damit verbundene tägliche Muster.

Dieses multimodale Konzept ist wichtig, weil Gesundheitssignale nur selten isoliert auftreten. Eine erhöhte Ruheherzfrequenz kann je nach Schlaf, Bewegung, Temperatur und individuellem Ausgangsniveau unterschiedliche Bedeutungen haben.

Google evaluierte die erlernte Repräsentation anhand von 35 Aufgaben aus drei prospektiven Studien, die von institutionellen Ethikkommissionen genehmigt worden waren. Insgesamt nahmen 13.985 Personen an diesen Studien teil.

Die Aufgaben deckten sechs Kategorien ab. Dazu zählten die kardiovaskuläre Gesundheit, metabolische Risiken, psychische Gesundheit, Schlaf, demografische Merkmale und Lebensstileigenschaften.

Bei einer zentralen Auswertung ließen die Forschenden den Haupt-Encoder von SensorFM unverändert. Anschließend trainierten sie einen schlanken linearen Prädiktor auf dessen Einbettungen – komprimierten mathematischen Repräsentationen der Sensormuster jeder Person.

Google zufolge übertrafen diese linearen Prädiktoren bei 34 von 35 Aufgaben überwachte Basismodelle, die mit manuell entwickelten Merkmalen erstellt worden waren. Die größte Version von SensorFM erzielte bei 33 Aufgaben das beste Ergebnis.

Diese Ergebnisse bedeuten nicht, dass ein einziges Modell 35 Erkrankungen diagnostizieren kann. Sie zeigen, dass dieselbe Repräsentation für zahlreiche Forschungsziele nützliche Informationen bewahrte, ohne dass für jedes Ziel ein spezialisierter Encoder erforderlich war.

Darin liegt die zentrale Veränderung. Entwickler können mit einer gemeinsamen physiologischen Repräsentation beginnen und diese anschließend mithilfe einer kleineren, aufgabenspezifischen Prognoseschicht anpassen.

Warum ein Modell für 35 Aufgaben relevant ist

SensorFM erhöht den Druck auf Teams, die ihre Wearable-Gesundheitspipelines weiterhin für jeden Endpunkt und jede Studie neu aufbauen.

Herkömmliche Wearable-Modelle sind stark von gekennzeichneten Beispielen abhängig. Forschende definieren zunächst ein Ergebnis, sammeln verifizierte Kennzeichnungen, entwickeln Merkmale und trainieren ein überwachtes Modell für dieses konkrete Problem.

Dieser Arbeitsablauf kann bei eng umrissenen Aufgaben gut funktionieren. Diagnosen, Laborergebnisse und validierte Fragebögen sind jedoch teuer in der Erhebung und lassen sich nach Abschluss einer Studie nur schwer rekonstruieren.

Wearable-Daten weisen ein ungewöhnliches Ungleichgewicht auf. Die Geräte erzeugen kontinuierliche Messdatenströme, doch den Forschenden stehen vergleichsweise wenige verlässliche Kennzeichnungen zur Verfügung, die erklären, was diese Datenströme klinisch bedeuten.

SensorFM nutzt selbstüberwachtes Lernen, um diese Lücke zu verkleinern. Dabei werden Teile der Eingabedaten verborgen, und das Modell wird darauf trainiert, sie zu rekonstruieren, ohne dass für jede Aufzeichnung eine Diagnose erforderlich ist.

Das Modell lernt somit aus der Struktur der Sensordaten selbst. Anschließend können Forschende mit einem kleineren gekennzeichneten Datensatz prüfen, ob diese Struktur eine bestimmte Prognose unterstützt.

Google berichtet, dass SensorFM selbst bei Verwendung nur eines Bruchteils der verfügbaren Kennzeichnungen wettbewerbsfähiger als demografische und auf manuell entwickelten Merkmalen basierende Basismodelle wurde. Das Unternehmen stellt dieses Ergebnis nicht als Ersatz für eine klinische Validierung dar.

Die effizientere Nutzung von Kennzeichnungen verändert dennoch die wirtschaftlichen Rahmenbedingungen der frühen Forschung. Ein Team kann einen neuen Endpunkt untersuchen, ohne zunächst eine vollständig unabhängige, groß angelegte Modellierungspipeline aufbauen zu müssen.

Auch der Umfang des Modells hebt SensorFM von Googles früheren Wearable-Arbeiten ab. Sein Vorgänger LSM-2 wurde mit 40 Millionen Stunden an Daten von mehr als 60.000 Teilnehmenden trainiert.

Das frühere LSM-2-Framework etablierte eine Methode zum Lernen aus unvollständigen Sensorströmen. SensorFM erweitert diese Methode auf erheblich mehr Teilnehmende, Geräte, Standorte und nachgelagerte Aufgaben.

Google testete Modellgrößen zwischen 100.000 und 100 Millionen Parametern. Auch der Umfang der Vortrainingsdaten wurde über etwa vier Größenordnungen variiert – von zwei Millionen bis zu zwei Milliarden Sensorstunden.

Die größte Version verringerte den Rekonstruktionsverlust gegenüber der kleinsten Version um 31 Prozent. Google berichtet außerdem von durchschnittlichen Verbesserungen um 9 Prozent bei Klassifikationsmetriken und um 21 Prozent bei Regressionsmetriken.

Diese Prozentangaben beschreiben relative Leistungsverbesserungen, die das Forschungsteam gemeldet hat. Sie entsprechen weder klinischen Genauigkeitsraten noch einer Verringerung von Krankheitsrisiken oder einer Verbesserung der Behandlungsergebnisse.

Wichtiger ist, dass die Leistung Google zufolge zunahm, wenn Datenmenge und Modellkapazität gemeinsam wuchsen. Die berichteten Skalierungskurven hatten noch kein erkennbares Plateau erreicht.

Dieses Ergebnis setzt kleinere Forschungsprogramme unter Druck. Wenn sich allgemeine physiologische Repräsentationen mit Daten im Bevölkerungsmaßstab vorhersehbar verbessern, verschafft dies Organisationen mit großen Wearable-Plattformen einen strukturellen Vorteil.

Gerätehersteller kontrollieren bereits die kontinuierlichen Datenströme, die für diesen Ansatz erforderlich sind. Zudem betreiben sie die Einwilligungssysteme, Geräteflotten und langfristigen Dienste, die für deren Erhebung benötigt werden.

Krankenhäuser verfügen über aussagekräftigere klinische Kennzeichnungen, doch ihre Wearable-Daten sind häufig über verschiedene Anbieter und Aufzeichnungssysteme verstreut. Start-ups verfügen möglicherweise über fokussierte Datensätze, aber nur wenige können mit der langfristigen Datenerhebung im Plattformmaßstab mithalten.

SensorFM verlagert den Wettbewerb daher auf Datenzugang, Einwilligung, Datenqualität und Anpassungsinfrastruktur. Die Modellarchitektur bleibt wichtig, doch der Trainingsdatenbestand wird zu einem zentralen strategischen Vermögenswert.

Der eigentliche Mechanismus ist das Lernen aus fehlenden Daten

Die folgenreichste Eigenschaft von SensorFM ist nicht seine Parameterzahl, sondern seine Fähigkeit, aus den Lücken zu lernen, die die reale Nutzung von Wearables prägen.

Wearable-Datenströme sind nur selten vollständig. Menschen laden ihre Geräte auf, lockern die Armbänder, deaktivieren Sensoren, aktivieren Energiespareinstellungen und lassen ihre Uhren auf dem Nachttisch liegen.

Auch die Hardwarekonfigurationen unterscheiden sich. Ein Gerät zeichnet möglicherweise Hauttemperatur oder elektrodermale Aktivität auf, während ein anderes lediglich Bewegungsdaten und optische Herzsignale liefert.

Herkömmliche selbstüberwachte Systeme setzen häufig vollständige Eingaben voraus. Forschende müssen Lücken daher mit Schätzwerten füllen oder unvollständige Stichproben vor dem Training entfernen.

Beide Optionen verursachen Probleme. Die Imputation kann künstliche Muster erzeugen, während das Filtern gerade jene Nutzer und Situationen ausschließen kann, bei denen die unübersichtlichsten Daten entstehen.

SensorFM baut auf Adaptive and Inherited Masking, kurz AIM, auf. Die Methode behandelt natürlich fehlende Daten und gezielt verborgene Trainingsdaten als miteinander verbundene Bestandteile des Rekonstruktionsziels.

„Inherited“-Masken repräsentieren Lücken, die bereits in einer Aufzeichnung vorhanden sind. „Adaptive“ Maskierung ermöglicht es dem Modell, während des Trainings mit einer wechselnden Anzahl und Position solcher Lücken umzugehen.

Durch dieses Konzept berücksichtigt die erlernte Repräsentation das Fehlen von Daten. Es ist nicht erforderlich, dass jeder Sensor über den gesamten Tag hinweg ein lückenloses Signal liefert.

Der Mechanismus stammt ursprünglich aus LSM-2. Google berichtete, dass keines der 1,6 Millionen untersuchten ganztägigen Zeitfenster dieses Projekts vollständig unterbrechungsfreie Daten enthielt.

Diese Beobachtung macht fehlende Daten von einem Randfall zu einem normalen Betriebszustand. Ein brauchbares Wearable-Modell muss funktionieren, wenn sich Nutzer wie Menschen verhalten und nicht wie Studieninstrumente.

SensorFM lernt außerdem, ausgewählte fehlende Messwerte zu ergänzen. Praktisch bedeutet dies, dass das Modell Teile eines Sensorstroms anhand der umgebenden Signale und der Beziehungen zwischen den Modalitäten schätzen kann.

Diese Fähigkeit bietet mehrere Einsatzmöglichkeiten für die Forschung. Sie kann retrospektive Studien mit unvollständigen Aufzeichnungen unterstützen, Eingaben verschiedener Gerätemodelle vereinheitlichen oder für nachgelagerte Analysen benötigte Tagesmetriken wiederherstellen.

Rekonstruierte Werte bleiben jedoch Modellschätzungen. Sie sollten nicht als Messungen dargestellt werden, die ein Gerät tatsächlich erfasst hat.

Diese Unterscheidung ist bei Gesundheitsanwendungen besonders wichtig. Eine geschätzte Schlafphase oder ein geschätztes physiologisches Muster kann Analysen unterstützen, sollte aber nicht stillschweigend als beobachtete Tatsache in eine Patientenakte eingehen.

Googles Kernargument ist enger gefasst und glaubwürdiger. Ein Vortraining, das fehlende Daten berücksichtigt, bewahrt mehr nutzbare Informationen als Pipelines, die jedes unvollständige Zeitfenster automatisch auffüllen oder verwerfen.

Das Modell betrachtet zudem einen vollständigen Zeitraum von 24 Stunden. Dieses Zeitfenster ermöglicht es, Bewegungen am Tag, nächtlichen Schlaf, Ruhephasen und andere tägliche Signale innerhalb einer einzigen Repräsentation miteinander zu verknüpfen.

Dieser Ansatz unterscheidet sich von Modellen, die anhand kurzer Ereignisse wie einzelner Herzschläge oder kurzer Aktivitätsabschnitte trainiert werden. Jede zeitliche Granularität eignet sich für unterschiedliche Fragestellungen.

Das tägliche Zeitfenster von SensorFM begünstigt übergreifende physiologische Muster und Verhaltensmuster. Für die Erkennung akuter Ereignisse, die eine Auflösung im Sekunden- oder Millisekundenbereich erfordern, ist es weniger offensichtlich geeignet.

Diese Einschränkung schwächt das Konzept des Basismodells nicht. Sie definiert die Ebene, auf der SensorFM arbeitet: die langfristige Interpretation und nicht jede Form der Echtzeiterfassung.

SensorFM im Vergleich zu Apples Strategie für Wearable-Modelle

Google und Apple nähern sich bei wiederverwendbaren Modellen für Wearables an, setzen jedoch unterschiedliche Schwerpunkte bei Repräsentationen und Plattformvorteilen.

Apple-Forscher stellten 2025 ein Wearable Behavior Model vor. Für ihre Arbeit trainierten sie Foundation Models mit mehr als 2,5 Milliarden Stunden an Daten von 162.000 Teilnehmenden.

Die Apple-Studie zu Wearables untersuchte 57 gesundheitsbezogene Aufgaben. Im Mittelpunkt standen Verhaltenszusammenfassungen, etwa zu Bewegung, Schlaf, sportlicher Aktivität und Mobilitätsmustern.

SensorFM greift auf Daten von mehr Teilnehmenden zurück und konzentriert sich auf multimodale Signale auf Minutenebene. Apples veröffentlichte Verhaltensforschung umfasst mehr ausgewiesene Stunden, da sie langfristige Verhaltensverläufe aus der Studienkohorte ableitet.

Die Zahlen eignen sich nicht für eine einfache Rangliste der Modelle. Die Unternehmen verwenden unterschiedliche Datendefinitionen, Kohorten, Aufgaben, Architekturen und Evaluierungsprotokolle.

Apples Modell untersucht, ob sich Gesundheitszustände anhand von Verhalten besser vorhersagen lassen als allein mit niedrigschwelligen Sensorsignalen. Googles SensorFM zielt darauf ab, aus mehreren Sensormodalitäten eine umfassende physiologische Repräsentation zu erlernen.

Diese Ansätze ergänzen sich ebenso sehr, wie sie miteinander konkurrieren. Verhaltenszusammenfassungen erfassen aussagekräftige Aktivitäten über längere Zeiträume, während Signale auf niedrigerer Ebene physiologische Schwankungen bewahren, die in Zusammenfassungen verborgen bleiben können.

Apple entwickelte zuvor zudem Foundation Models für PPG- und Elektrokardiogrammsignale. In dieser Forschung wurden einzelne Biosignaltypen als umfangreiche Domänen für das Vortraining behandelt.

Google plädiert nun für eine einheitliche Schicht, die fünf Modalitäten und zahlreiche Gerätekonfigurationen abdeckt. Der Vorteil des Unternehmens ergibt sich aus den Fitbit- und Pixel Watch-Daten, die in seinem gesamten Ökosystem verfügbar sind.

Apples strategischer Vorteil ist ähnlich deutlich. Apple Watch, HealthKit und langjährige Forschungsstudien ermöglichen einen integrierten Weg von der Sensorerfassung bis zur Verbrauchersoftware.

Keines der beiden Unternehmen hat nachgewiesen, dass ein allgemeines Wearable-Modell routinemäßige klinische Entscheidungen sicher unterstützen kann. Die aktuellen Ergebnisse beschreiben Forschungsevaluierungen und keine regulierten Diagnoseprodukte.

Die Rivalität ist dennoch bedeutsam, weil beide Unternehmen die Modellforschung mit Geräten, Betriebssystemen und Gesundheitsschnittstellen für Verbraucher verknüpfen können. Eine erfolgreiche Foundation-Schicht kann die Kosten für die Einführung künftiger Gesundheitsfunktionen senken.

Sie könnte auch die Entwicklerschnittstelle prägen. Statt lediglich Rohmetriken bereitzustellen, könnte eine Plattform künftig Embeddings, Vorhersagen oder Agentenwerkzeuge anbieten, die auf den langfristigen Mustern eines Nutzers basieren.

Diese Möglichkeit schafft eine zweite Wettbewerbsgrenze. Wearable-Plattformen könnten darum konkurrieren, wer die physiologische Repräsentation zwischen den Rohdaten der Sensoren und den letztlich an die Nutzer gerichteten Empfehlungen kontrolliert.

Offene Forschungsinitiativen bieten einen weiteren Weg. Das 2026 vorgestellte OpenMHC beschreibt mehr als 60 Millionen Stunden an Wearable-Daten und ein offenes Framework auf Grundlage der MyHeart Counts-Studie.

Offene Modelle können die Reproduzierbarkeit verbessern und unabhängigen Teams einen gemeinsamen Benchmark bieten. Sie sind jedoch weiterhin mit Einschränkungen bei Skalierung, Einwilligung, Hardwarevielfalt und klinischen Labels konfrontiert.

Weder das Paper noch der Blogbeitrag zu SensorFM kündigen öffentlich verfügbare Modellgewichte, eine allgemeine Entwickler-API oder eine marktreife Fitbit-Funktion an. Googles unmittelbarer Vorteil bleibt damit vorerst auf die Forschung beschränkt, statt den breiteren Entwicklermarkt zu erreichen.

Beim entscheidenden Vergleich geht es daher nicht um eine Checkliste von Verbraucherfunktionen. Entscheidend ist, welche Organisation eine allgemeine Repräsentation in validierte, zugängliche und kontrollierbare Gesundheitswerkzeuge überführen kann.

Was die Ergebnisse von SensorFM nicht belegen

Der Umfang von SensorFM macht das Modell bemerkenswert, doch Größe allein kann Fragen der Repräsentativität, des Datenschutzes, der klinischen Validität oder der Einsatzrisiken nicht klären.

Der Korpus für das Vortraining umfasst einwilligende Teilnehmende aus mehr als 100 Ländern. Eine breite geografische Abdeckung belegt jedoch nicht automatisch demografische oder klinische Repräsentativität.

Besitzer von Wearables unterscheiden sich von der Gesamtbevölkerung hinsichtlich Einkommen, Zugang zu Technologie, Altersverteilung, Gesundheitsbewusstsein und Gerätenutzung. Diese Unterschiede können die Muster prägen, die ein Modell erlernt.

Google zufolge boten demografische Merkmale mit zunehmender Modellgröße einen geringeren zusätzlichen Nutzen. Die Forscher interpretieren dies als Hinweis darauf, dass größere Modelle relevante physiologische Merkmale implizit erfassen.

Dieser Befund muss mit Bedacht behandelt werden. Die Ableitung demografischer oder gesundheitsbezogener Merkmale aus Sensormustern kann Vorhersagen verbessern, wirft jedoch zugleich Fragen zu Datenschutz und Fairness auf.

Auch ein deidentifizierter Sensordatenstrom kann unverwechselbare Verhaltens- und physiologische Muster enthalten. Forscher haben darauf hingewiesen, dass eine Deidentifizierung bei Wearable-Datensätzen möglicherweise nicht jedes Risiko einer Reidentifizierung ausschließt.

Auch der Umfang der Einwilligung muss präzise definiert sein. Die Teilnehmenden stimmten einer Nutzung zu Forschungszwecken zu, doch künftige kommerzielle oder klinische Anwendungen würden eigene Governance-Strukturen, Produktprüfungen und rechtliche Analysen erfordern.

Die berichteten nachgelagerten Studien zu SensorFM umfassten 13.985 Personen. Das ist eine umfangreiche Forschungsevaluierung, bleibt jedoch deutlich kleiner als der für das Vortraining verwendete Korpus mit fünf Millionen Personen.

Die Evaluierungen basieren zudem auf ausgewählten Aufgaben und Studienkohorten. Unabhängige Replikationen müssen andere Bevölkerungsgruppen, Gerätemarken, Muster fehlender Daten und Versorgungssituationen untersuchen.

Vorhersagen zur psychischen Gesundheit verdienen besondere Vorsicht. Google zufolge brachte die Skalierung nennenswerte Vorteile bei Aufgaben zu Depressionen und Angststörungen, bei denen Sensorsignale schwach ausgeprägt und höchst individuell sein können.

Ein leistungsfähigerer Forschungsklassifikator stellt keine Diagnose. Stimmung, Schlaf, Medikamente, Arbeitszeiten, Behinderungen und soziale Lebensumstände können sich überschneidende Wearable-Muster hervorrufen.

Falsch positive Ergebnisse können Belastungen oder unnötige Behandlungen verursachen. Falsch negative Ergebnisse können falsche Sicherheit vermitteln, obwohl jemand eine professionelle Beurteilung benötigt.

Dieselbe Vorsicht gilt für kardiovaskuläre und metabolische Vorhersagen. Eine Modellausgabe kann einen statistischen Zusammenhang erkennen, ohne dessen Ursache zu erklären oder eine Behandlungsentscheidung zu rechtfertigen.

Eine 2026 veröffentlichte Übersichtsarbeit zu Modellen im Gesundheitswesen hebt wiederkehrende Risiken in Bezug auf Datenschutz, demografische Verzerrungen, Interpretierbarkeit und wiederholte klinische Validierung hervor. Diese Bedenken gelten unmittelbar auch für Wearable Foundation Models.

Messfehler der Geräte bilden eine weitere Ebene. Optische Herzsensoren, Hauttemperaturmessungen und Bewegungsschätzungen variieren je nach Sitz des Geräts, Bewegung, Umgebung, Hauteigenschaften und Hardwaregeneration.

SensorFM deckt mehr als 20 Modelle von Fitbit und Pixel Watch ab und ermöglicht damit Tests der Gerätevielfalt innerhalb des Google-Ökosystems. Ein vergleichbares Verhalten auf Geräten von Apple, Garmin, Samsung und Oura oder auf klinischen Geräten ist damit nicht belegt.

Auch die Agentenexperimente des Modells sind mit entsprechender Zurückhaltung zu bewerten. Google integrierte SensorFM in einen forschungsorientierten Personal Health Agent und evaluierte Zusammenfassungen aus 31 Teilnehmerprofilen.

Kliniker erstellten 1.860 verblindete Bewertungen in fünf Dimensionen: Kontext, Relevanz, Begründbarkeit, Personalisierung und potenzieller Schaden. Google zufolge verbesserte die Fundierung durch SensorFM jede Dimension gegenüber einer Baseline, die ausschließlich tägliche Messwerte nutzte.

Das Team berichtete außerdem, dass zwischen Zusammenfassungen auf Grundlage von SensorFM-Vorhersagen und solchen auf Grundlage tatsächlich gemessener Werte kein statistisch signifikanter Unterschied bestand.

Dieses Ergebnis ist interessant, doch die Stichprobe umfasst lediglich 31 Profile. Das Fehlen eines statistisch signifikanten Unterschieds belegt keine Gleichwertigkeit für größere Bevölkerungsgruppen, unterschiedliche Erkrankungen oder längere Interaktionen.

Google selbst bezeichnete seinen Prototyp eines Gesundheitsagenten bereits zuvor als Forschungsframework. Das Unternehmen erklärte, es handle sich nicht um die Beschreibung eines verfügbaren Produkts oder einer verfügbaren Funktion.

Auch außerhalb des Modells bestehen weiterhin Hürden in den Arbeitsabläufen. Ärzte benötigen validierte Ausgaben, klare Haftungsregeln, benutzerfreundliche Schnittstellen und eine Integration in elektronische Patientenakten.

Eine 2026 durchgeführte Befragung von 2.222 Ärzten ergab anhaltendes Interesse an Wearable-Daten, zugleich aber erhebliche Integrationshürden. Klinische Validierung, Unterstützung der Arbeitsabläufe, Kostenerstattung und Haftung blieben ungelöste Fragen.

SensorFM adressiert die Interpretationsebene, nicht diese institutionellen Einschränkungen. Bessere Embeddings können nicht eigenständig Erstattungsrichtlinien, medizinische Verantwortlichkeit oder interoperable Patientenakten schaffen.

Drei Signale werden zeigen, ob SensorFM von Bedeutung ist

SensorFM wird erst dann wirklich relevant, wenn auf die Forschungsergebnisse eine unabhängige Validierung, ein breiterer Zugang und eine verantwortungsvolle Produkteinführung folgen.

Das erste Signal ist eine unabhängige Evaluierung. Forscher außerhalb von Google benötigen Zugang zu ausreichenden technischen Details, Code, Modellgewichten oder standardisierten Ausgaben, um die berichteten Verbesserungen reproduzieren zu können.

Der aussagekräftigste Test würde SensorFM mit überwachten Baselines und anderen Foundation Models über bislang unbekannte Institutionen, Bevölkerungsgruppen und Wearable-Marken hinweg vergleichen. Die Ergebnisse sollten nicht nur Durchschnittsranglisten, sondern auch die Leistung und Kalibrierung für einzelne Untergruppen umfassen.

Die Kalibrierung misst, ob eine vorhergesagte Wahrscheinlichkeit mit den beobachteten Ergebnissen übereinstimmt. Ein Gesundheitsmodell kann Personen korrekt nach Risiko einstufen und dennoch Risikoschätzungen liefern, die sich nicht für Entscheidungen eignen.

Unabhängige Tests würden Googles Anspruch auf Generalisierbarkeit stärken, wenn sich die Repräsentation auf unterschiedliche Hardware und Kohorten übertragen lässt. Schwache Ergebnisse bei einzelnen Untergruppen würden diesen Anspruch dagegen auf bestimmte Forschungspopulationen beschränken.

Das zweite Signal ist der Zugang für Entwickler. Google hat das Paper und die Methodik beschrieben, jedoch weder eine allgemeine SensorFM-API noch herunterladbare Modellgewichte angekündigt.

Die Zugangsbedingungen werden zeigen, ob SensorFM zu einer gemeinsam nutzbaren Infrastruktur oder zu einem internen Forschungsinstrument wird. Die Dokumentation sollte unterstützte Geräte, vorgesehene Einsatzbereiche, Datenanforderungen und unzulässige Anwendungen klar benennen.

Eine brauchbare Schnittstelle sollte zudem zwischen gemessenen Daten, rekonstruierten Werten und abgeleiteten Gesundheitsmerkmalen unterscheiden. Entwickler sollten nicht durch Reverse Engineering herausfinden müssen, welche Ausgaben Beobachtungen und welche Schätzungen sind.

Die Zugänglichkeit wird den Wettbewerb mit Apple und offenen Initiativen prägen. Geschlossene Plattformmodelle lassen sich tief in Geräte integrieren, während offene Modelle umfassendere Prüfungen und Anpassungen ermöglichen.

Das dritte Signal ist die Einführung eines geprüften Produkts. Eine Gesundheitsfunktion für Fitbit oder Pixel würde zeigen, wie Google die Repräsentation in Sprache, Schutzmaßnahmen, Einwilligungskontrollen und Eskalationswege überführt.

Die entscheidende Frage wird nicht sein, ob ein KI-Coach personalisiert klingt. Entscheidend ist, ob Nutzer die zugrunde liegenden Belege einsehen, Unsicherheiten verstehen, Fehler korrigieren und bei Bedarf professionelle Versorgung erreichen können.

Persönliche Gesundheitswerkzeuge benötigen außerdem dauerhaften Kontext. Nutzer könnten Wearable-Trends mit Laborergebnissen, ärztlichen Anweisungen, Änderungen ihrer Medikation und eigenen Beobachtungen kombinieren.

Allgemeine persönliche Wissenssysteme veranschaulichen den Nutzen, Informationen über längere Zeiträume hinweg miteinander zu verknüpfen. Gewöhnliche Wissenswerkzeuge sollten jedoch weder regulierte Patientenakten noch professionelle Beratung ersetzen.

Googles agentenbasiertes „Klassenzimmer“ ist ein weiteres Signal, das im Rahmen solcher Produkteinführungen Aufmerksamkeit verdient. Mehrere Sprachmodell-Agenten erzeugten und optimierten mithilfe von SensorFM-Embeddings Vorhersageköpfe.

Das System untersuchte mehr als 30.000 mögliche Lösungen. Die generierten Köpfe übertrafen eine einfache lineare Sonde bei 16 von 20 Klassifikationsaufgaben und 12 von 15 Regressionsaufgaben.

Dieser Arbeitsablauf kann den manuellen Experimentieraufwand reduzieren, erhöht jedoch zugleich den Validierungsaufwand. Automatisch erzeugter Code erfordert Reproduzierbarkeit, Prüfungen auf Datenlecks, Sicherheitskontrollen und fachkundige Aufsicht.

Google zufolge lieferten leistungsfähigere Gemini-Versionen bessere Lösungskandidaten. Die Zusammenarbeit mehrerer Agenten half zudem weniger leistungsfähigen Modellen, einen Teil des Leistungsabstands zu schließen.

Diese Kombination verbindet zwei Ebenen von Foundation Models. SensorFM repräsentiert den Verlauf der Körpersensordaten, während Sprachmodell-Agenten nach Code suchen, der diese Repräsentationen an bestimmte Fragestellungen anpasst.

Das Ergebnis ist ein stärker automatisierter Forschungs-Stack. Es ist keine automatisierte medizinische Autorität.

SensorFM verdient Aufmerksamkeit, weil es einen realen technischen Engpass in ungewöhnlichem Maßstab angeht. Wearable-Programme erfassen weitaus mehr unbeschriftete Daten als klinisch verifizierte Ergebnisse.

Googles Ansatz besteht darin, eine einzige, fehlende Werte berücksichtigende Repräsentation physiologischer Daten zu erlernen und sie anschließend für zahlreiche Aufgaben wiederzuverwenden. Die berichteten Ergebnisse machen es Geräteplattformen und Forschenden im Bereich Digital Health zunehmend schwer, diese Strategie zu ignorieren.

Der nächste Beleg muss außerhalb des ursprünglichen Benchmarks erbracht werden. Entscheidend werden unabhängige Replikationen, ein praxistauglicher Zugang und ein geprüftes Produkt mit transparent kommunizierten Grenzen sein.

Bis dahin positioniert Google Research SensorFM als glaubwürdige Alternative zur auf Einzelaufgaben ausgerichteten Wearable-Modellierung – nicht als ausgereifte Intelligenz für die persönliche Gesundheit. Leserinnen und Leser sollten die nächste Ankündigung nach Evidenz, Zugänglichkeit und Verantwortlichkeit beurteilen, nicht allein nach dem Maßstab.