VO2max von der Smartwatch: Wie genau ist die Messung und kann man ihr vertrauen?

Für die meisten Trainierenden genügt das, um den Uhrenwert als groben Richtungsanzeiger zu nutzen: Steigt oder sinkt die Fitness nach einigen Monaten regelmäßigen Trainings? Das Problem beginnt, wenn die Zahl auf dem Display wie ein Untersuchungsergebnis behandelt wird: verglichen mit Normtabellen, mit dem Ergebnis eines Freundes auf einer anderen Uhrenmarke oder zur Bewertung des Gesundheitsrisikos. Dann kann ein Fehler von mehreren oder sogar mehr als zehn ml/kg/min die Kategorie von 'durchschnittlich' zu 'ausgezeichnet' verschieben oder umgekehrt.

In diesem Artikel erklären wir Schritt für Schritt, wie Algorithmen zur VO2max-Schätzung funktionieren, was unabhängige Studien für Apple Watch, Garmin und Pixel Watch zeigten, woher Fehler kommen und wie man aus der Uhr das Maximum an Verlässlichkeit herausholt. Außerdem zeigen wir, wann sich ein Labortest lohnt. Den größeren Zusammenhang, was die VO2max ist und wie man sie verbessert, finden Sie in unseren Einträgen zur VO2 max, zum Training in Zone 2 und zur Herzfrequenzvariabilität (HRV).

Die VO2max (maximale Sauerstoffaufnahme) ist die größte Sauerstoffmenge, die der Körper bei maximaler Belastung pro Minute aufnehmen und verbrauchen kann, meist in Millilitern pro Kilogramm Körpermasse pro Minute (ml/kg/min) angegeben. Sie umfasst die ganze Kaskade: Lungenventilation, Sauerstoffdiffusion, Herzzeitvolumen, Sauerstofftransport im Blut und seine Nutzung in den Muskeln. Goldstandard der Messung ist ein Belastungstest bis zur Erschöpfung mit direkter Analyse der Atemgase (Spiroergometrie, CPET), also mit Maske oder Mundstück und einem Stoffwechselanalysator.

Eine Uhr hat weder Maske noch Analysator. Stattdessen stützt sie sich auf einen Zusammenhang, den die Belastungsphysiologie seit Langem kennt: Bei einem bestimmten Lauftempo (oder einer bestimmten Leistung) steigt die Herzfrequenz umso höher, je geringer die Fitness ist. Der Algorithmus vergleicht daher den Herzfrequenzverlauf mit der Geschwindigkeit, meist aus GPS und Beschleunigungssensor, während eines Laufs oder zügigen Gehens, berücksichtigt Alter, Geschlecht, Körpermasse sowie Ruhe- und maximale Herzfrequenz und 'rechnet' das dann in VO2max um. Wichtig: Die Belastung ist submaximal, niemand muss sich also erschöpfen. Wie ein systematischer Review zeigt, betrifft die Mehrzahl der Studien Garmin-Geräte mit dem Firstbeat-Algorithmus und Schätzungen aus submaximalen Läufen im Freien, verglichen mit einem Laufbandtest im Labor.

Verschiedene Hersteller nutzen eigene Varianten dieser Idee (manche verlangen ein Laufband oder einen Lauf im Freien mit GPS, andere nutzen mehrtägige Daten vom Alltagstragen), aber die Logik ist ähnlich: Aus indirekten Daten, nämlich Herzfrequenz und Bewegung, wird eine Größe geschätzt, die man nicht direkt sieht. Daraus folgt eine wichtige Konsequenz: Jeder Fehler in den Eingangsdaten, in der Herzfrequenz, im Tempo oder in der Annahme zur maximalen Herzfrequenz, überträgt sich auf das Ergebnis.

Ein so großer Fehler ist nicht das Merkmal eines einzelnen Herstellers. In einer Studie mit 19 Personen betrug der mittlere Fehler der Garmin fenix 6 gegenüber über 30-Sekunden-Fenster gemittelten Labordaten 7,05 % (Linscher Konkordanzkoeffizient 0,73), womit die Validierungskriterien der Autoren (MAPE unter 10 % und CCC über 0,7) erfüllt waren. In derselben Arbeit scheiterte dieselbe Uhr bei der Messung der Sauerstoffsättigung, was gut zeigt, dass 'funktioniert in einer Funktion' nicht 'funktioniert in allen' bedeutet. In einer Studie mit 24 gesunden Personen, die fünf verschiedene Armbänder und Uhren verglich, lagen alle bewerteten Geräte mit Ausnahme der Garmin Forerunner 920XT (7,3 %), die die VO2max signifikant unterschätzte, bei einem Fehler über 10 %.

Auffällig ist auch eine Arbeit zur Pixel Watch 3 (34 Teilnehmende): Der mittlere systematische Fehler war klein (etwa -0,5 ml/kg/min, MAPE 8,65 %), die Übereinstimmungsgrenzen reichten jedoch von etwa -12,6 bis +11,5 ml/kg/min. Anders gesagt: Als Gruppe irrt sich das Gerät nicht in eine Richtung, bei einer bestimmten Person kann der Fehler aber sehr groß sein. Die Autoren beurteilten, dass die Schätzungen auf individueller Ebene keine ausreichende Validität für den klinischen Einsatz haben, während der systematische Fehler eine Nutzbarkeit für die Gesundheitsüberwachung der Bevölkerung nahelegt.

Die erste Fehlerquelle ist die Annahme zur maximalen Herzfrequenz. Der Algorithmus nimmt sie oft aus dem Alter (mit einer allgemeinen Formel) oder aus früheren Trainingseinheiten an. Weicht Ihre tatsächliche maximale Herzfrequenz erheblich von der Schätzung ab, und bei vielen Menschen beträgt die Abweichung ein Dutzend Schläge pro Minute, verschiebt sich das Ergebnis systematisch. Die zweite Quelle ist die Qualität der Herzfrequenzmessung: Optische Handgelenksensoren sind bei schnell wechselnder Belastung, bei Kälte, mit Tätowierungen oder lose sitzendem Armband weniger genau, weshalb Studien oft einen Brustgurt verwenden.

Die dritte ist, dass die Schätzung submaximal ist und auf einem 'typischen' Zusammenhang von Herzfrequenz und Geschwindigkeit beruht. Wer eine ungewöhnliche Laufökonomie hat, bergauf oder gegen den Wind läuft, dehydriert, übermüdet, nach Kaffee oder in der Hitze ist, hat bei gegebenem Tempo eine höhere Herzfrequenz, und die Uhr 'folgert', die Fitness sei niedriger. Die vierte, in Studien aufgedeckte, ist die sogenannte Regression zur Mitte: Bei Menschen mit niedriger Fitness sind Schätzungen eher zu hoch, bei sehr fitten zu niedrig, weil der Algorithmus das Ergebnis zur typischen Bevölkerung 'zieht'. Deshalb kann ein Ausdauersportler mit einer realen VO2max von 65 auf der Uhr einen deutlich niedrigeren Wert sehen.

Schließlich gibt es das Methodenmissverhältnis. In der Apple-Watch-Studie wurde die Referenz auf einem Fahrradergometer gemessen, während sich die Uhr auf einen Lauf stützte, und bei jeder Validierung kommen Unterschiede in Protokoll, Datenmittelung und Population hinzu. Für die Nutzer bedeutet das eines: Die Zahl der Uhr mit einer Normtabelle oder dem Ergebnis eines Kollegen auf einem anderen Gerät zu vergleichen, hat wenig Sinn. Sie mit dem eigenen Ergebnis von vor drei Monaten, von derselben Uhr und unter ähnlichen Bedingungen zu vergleichen, ist deutlich berechtigter.

Eine Studie zur Garmin Forerunner 265 in einem zwölfwöchigen Halbmarathon-Vorbereitungsprogramm (20 Personen) zeigte ein Phänomen, das man kennen sollte: Die Uhr überschätzte die VO2max im Mittel um etwa 2,5-2,9 ml/kg/min, sowohl vor als auch nach dem Training, doch der Fehler war relativ konstant, und der mittlere prozentuale Fehler blieb unter 10 %. Ein konstanter systematischer Fehler ist für die Trendverfolgung viel weniger schädlich als ein zufälliger Fehler, weil er die Veränderung nicht verdeckt.

Die aerobe Leistungsfähigkeit gehört zu den stärksten bekannten Prädiktoren des Überlebens. In einer großen retrospektiven Studie mit 122.007 Patienten, die einen Laufbandbelastungstest erhielten, sank die Gesamtsterblichkeit mit steigender Fitness, und Personen in der höchsten ('Elite-')Gruppe hatten nach Adjustierung ein etwa 5-fach geringeres Sterberisiko als die der niedrigsten Gruppe (HR 0,20), wobei keine Obergrenze des Nutzens beobachtet wurde. Die American Heart Association schlägt in einem wissenschaftlichen Statement vor, die Fitness in der klinischen Praxis als 'Vitalparameter' zu behandeln, da sie ein stärkerer Prädiktor der Sterblichkeit sein kann als Rauchen, Bluthochdruck oder Diabetes.

Da Unterschiede zwischen Fitnesskategorien so großes prognostisches Gewicht haben, stellt sich die Frage, ob ein Fehler von 4-9 ml/kg/min den Nutzen einer Uhr zunichtemacht. Die Antwort hat zwei Ebenen. Auf der Ebene einer Person ist der Fehler zu groß, um sich anhand einer einzelnen Ablesung einer Normkategorie zuzuordnen. Über die Zeit (dieselbe Uhr, mehrere Monate, eine steigende oder fallende Trendlinie) bleibt die Information über die Veränderungsrichtung nützlich, weil sie eine Fitnessänderung und nicht einen absoluten Wert widerspiegelt. Man muss nur bedenken, dass ein Uhrentrend ein Signal und kein Beweis ist.

Soll das Ergebnis für Gesundheitsentscheidungen dienen, etwa zur Beurteilung des kardiovaskulären Risikos, zur Planung eines intensiven Trainingsprogramms nach einer Erkrankung oder zur Anpassung der Belastung bei einer Person über 60, stützen Sie sich besser auf einen beaufsichtigten Test. Für gesunde, aktive Menschen, die einfach wissen wollen, ob ihre Form steigt, reicht eine Uhr meist völlig aus.

Am genauesten ist ein spiroergometrischer Test (CPET), durchgeführt in einem sportmedizinischen, kardiologischen oder belastungsphysiologischen Labor. Die Person absolviert eine stufenweise ansteigende Belastung auf dem Laufband oder Fahrradergometer, während ein Analysator Atemzug für Atemzug den Sauerstoffverbrauch und die Kohlendioxidproduktion misst; zusätzlich erhält man Informationen zu den ventilatorischen Schwellen, die für die Planung von Trainingszonen sehr wichtig sind. Der Test ist eine maximale Belastung und sollte daher unter Aufsicht von Fachpersonal erfolgen, bei Herzerkrankungen oder Risikofaktoren nach ärztlicher Beurteilung.

Es gibt auch Feldtests, günstiger und zugänglicher, aber weniger genau: den Cooper-Test (in 12 Minuten zurückgelegte Strecke), den 1,6-km-Gehtest und Gleichungen, die die VO2max ohne Belastung aus Alter, Körpermasse und Ruheherzfrequenz schätzen. Ihr Fehler kann dem der Uhr ähneln, und ihr Vorteil ist, dass sie unter identischen Bedingungen (gleiche Strecke, gleiche Route, gleiches Belastungstempo) vollständig wiederholbar sind. Wer Fortschritte ohne Labor verfolgen möchte, erhält mit einem regelmäßigen Cooper-Test oder einem wiederholbaren Kontrolllauf über dieselbe Strecke oft ebenso nützliche Informationen wie aus einer Uhrenschätzung.

Eine gute Analogie ist eine Badezimmerwaage, die um 1-2 kg danebenliegt, aber konsequent. Morgens, auf derselben Waage, unter ähnlichen Bedingungen, ist ein Rückgang um 3 kg ein Signal. Dieselbe Waage bei zwei verschiedenen Personen ist dagegen kein gutes Werkzeug mehr für absolute Vergleiche. Genauso sollte man die VO2max der Uhr lesen: Nehmen Sie nicht an, dass 52 bei Ihnen mehr bedeutet als 49 beim Freund mit anderem Gerät, aber beachten Sie, wenn sich Ihre eigene 49 von vor einem halben Jahr zu 53 verändert hat.

Eine Uhr ist ein großartiges Werkzeug, um Daten über die eigene Aktivität zu sammeln, und die angezeigte VO2max ist ein nützlicher Hinweis, solange man von ihr keine Laborgenauigkeit erwartet. Wer sie als Kompass und nicht als Landkarte behandelt, hat viel davon: Sie zeigt die Richtung, in die sich die Form entwickelt. Wer sie als Untersuchungsergebnis behandelt, setzt sich Schlussfolgerungen aus, die die Daten nicht rechtfertigen. Vor einer wichtigen Gesundheits- oder Trainingsentscheidung und mindestens einmal in einigen Jahren, wenn es um die Beurteilung des kardiovaskulären Risikos geht, sollten Sie einen echten Belastungstest mit Gasanalyse erwägen.