Smarte Wearables | Mit KI-gestütztem Herz-Monitoring zur kardiologischen Volldiagnose

In unserer Arbeitsgruppe »System-on-Flex« beschäftigen wir uns mit flexibler Elektronik, beispielsweise mit flexiblen Leiterplatten oder Smart-Textiles, bei denen elektronische Komponenten direkt in Textilien integriert werden. Als gelernter Elektrotechniker bin ich in der Gruppe für den fortschrittlichen Schaltungsentwurf, die Programmierung eingebetteter Systeme und Mikrocontroller, die Signalverarbeitung sowie für KI-Anwendungen zuständig. Mein aktueller Hauptfokus liegt auf der Verbindung von Kardiologie und künstlicher Intelligenz. Bei dieser Arbeit verbinde ich die Entwicklung körpernaher Sensoren mit der Cloud-Anbindung und der anschließenden KI-Analyse. Das ist für mich nicht nur das Thema meiner Doktorarbeit, sondern der Bereich, dem ich mich langfristig widmen möchte.

Die Idee entstand vor etwa fünf Jahren im Zuge des Kooperationsprojekts »maia« (Medical Artificial Intelligence Applications) zwischen dem Fraunhofer IZM und der Charité Berlin. Damals haben wir existierende Medizinprodukte bzw. Wearables auf dem Markt evaluiert und untersucht, welche Sensoren für den Alltag von Kardiologie-Patient:innen geeignet sind. Dabei stießen wir auf eine Marktlücke: Die meisten Wearables messen nur vereinzelte Parameter wie den Puls oder die Sauerstoffsättigung. Für Mediziner:innen sind diese isolierten Werte jedoch kaum aussagekräftig, da sie keine Rückschlüsse auf die komplexen Ursachen einer Herzerkrankung zulassen. Zudem liefern diese Geräte Ärzt:innen keine medizinisch verwertbaren Rohdaten, sondern bereits gefilterte, stark vereinfachte Endwerte. Mir wurde klar, dass wir für den klinischen Einsatz ein System benötigen, das eine große Menge an synchronen Rohdaten erfasst, um darauf basierend KI-Modelle trainieren zu können. Ziel meiner Arbeit war es, eine Plattform zu schaffen, die nach nur einer Messung eine kardiologische Diagnose stellen kann.

Das integrierte Foundation-AI-Modell bildet den intelligenten Kern des Wearables, dessen kardiologische Präzision durch einen vorgeschalteten Filter gesichert wird. Um Messfehler durch alltagstaugliche Textilelektroden auszuschließen, bereinigt ein sechsstufiges Validierungsverfahren aus Hardware und Machine Learning die Daten mit einer Genauigkeit von über 98 % von Störsignalen wie bestimmten Bewegungen oder schlechtem Hautkontakt. Erst diese gesäuberten EKG-Signale werden an das Foundation-Modell übergeben, das sie im Hintergrund kontinuierlich auf medizinische Muster hin auswertet. Als interaktives Sprach-Interface übersetzt die KI zudem die natürliche Alltagssprache der Patient:innen direkt in einen präzisen kardiologischen Kontext und ermöglicht so eine barrierefreie Kommunikation im klinischen Alltag.

Laut klinischen Studien liegt die Genauigkeit von Kardiolog:innen bei der Bewertung von EKG-Signalen bei etwa 75 %. Das spezialisierte KI-Modell, bzw. das Sensorsystem, hat eine Diagnose-Validität von 98 % erzielt. Die KI soll Mediziner:innen dabei jedoch nicht ersetzen, sondern als zuverlässiges Diagnose-Werkzeug im klinischen Alltag unterstützen und zudem Praxen im Alltag entlasten.

Der größte Unterschied liegt in der Art, wie das System getragen wird, und der enormen Messdichte. Eine Smartwatch erfasst meist nur ein bis fünf Parameter am Handgelenk. Unsere Technologie ist hingegen als komfortable Weste konzipiert. Das in das Textil eingearbeitete System umfasst deutlich mehr Messparameter als übliche Wearables wie Smartwatches. Besonders innovativ sind dabei die integrierten trockenen Elektroden. Sie ersetzen die klassischen EKG-Klebepflaster auf der Haut komplett. Diese Technologie ist so flexibel, dass wir sie in einem nächsten Schritt auch in Form eines flachen, unauffälligen, smarten Pflasters anbieten können.

Insgesamt verfügt unser System über 15 Sensormodalitäten, aus denen wir rund 240 Parameter ableiten können. Das Herzstück ist ein klinisch vollwertiges 12-Kanal-EKG, ergänzt durch die Impedanzkardiographie (ICG), mit der wir das Schlagvolumen des Herzens und die Gefäßsteifigkeit messen. Über eine 8-Kanal-Fluid-Impedanzmessung erkennen wir Wassereinlagerungen und Ödeme in Lunge und Beinen – für Herzinsuffizienz-Patient:innen ein besonders wichtiger Parameter. Mit Phonokardiographie (PCG) und einem Lungen-Stethoskop (LCG) zeichnen wir Herz- und Lungengeräusche akustisch auf, während eine Photoplethysmographie (PPG) Sauerstoffsättigung und Puls erfasst. Eine 4-Kanal-Atemimpedanzmessung liefert Atemfrequenz und Atemvolumen, ein Bewegungssensor (IMU) das lückenlose Bewegungsprofil. Hinzu kommen die periphere Impedanzmessung (FIS) für Blutdruck, Gefäßsteifigkeit und Pulswellenanalyse, Temperatursensoren an mehreren Körperstellen, die Hautimpedanz für den Stressfaktor über den galvanischen Hautwiderstand, eine Seismokardiographie (SCG) für die mechanische Herzbewegung sowie eine Analyse der Atemluft und der Stimme, die zusätzliche Hinweise auf Lungenödeme oder Erschöpfung liefern kann.

Wir haben das System in drei verschiedenen Entwicklungsstufen und Varianten konzipiert. Zunächst gibt es die reine Elektronik im Labor-Prototypstadium, die wir für Tests nutzen. Für den echten Einsatz an Patient:innen haben wir die sensorintegrierte Weste entwickelt. Aktuell arbeiten wir an der High-End-Miniaturisierung: dem smarten Pflaster. Das Pflaster wird die alltagstauglichste Lösung sein, erfordert aber die höchste Präzision beim Design, da wir die gesamte Elektronik und den Akku auf kleinstem Raum unterbringen müssen. Ergänzt wird das System außerdem durch smarte Bandagen für Arme und Beine, um dort gezielt Wassereinlagerungen zu überwachen.

Unser System funktioniert als ganzheitliche Plattform mit verschiedenen Inputs. Der erste Schritt ist ein initialer Arztbesuch, bei dem Mediziner:innen einmalig ein digitales Patient:innen-Profil anlegen. Hier fließen Vorerkrankungen, Medikationen, Operationen und kardiologische Berichte ein. Dieser Schritt dauert etwa 20 Minuten, ist aber essenziell, da selbst 240 gemessene Sensorparameter allein keine sichere Volldiagnose erlauben.

Für eine belastbare Diagnose führen wir vier verschiedene Datenquellen zusammen. Erstens die rund 240 Parameter aus dem Wearable selbst. Zweitens das digitale Patient:innen-Profil mit Vorerkrankungen, Operationen, Medikationen und familiärer Vorbelastung durch Erbkrankheiten. Drittens die Gespräche zwischen Patient:in und unserem KI-Sprach-Agenten, aus denen sich zusätzliche Hinweise auf Beschwerden im Alltag ableiten lassen. Und viertens externe Messgeräte, etwa ein tragbares Echokardiographie-Gerät, eine smarte Waage oder Handheld-Geräte zur Bestimmung kardialer Blutwerte. Erst die Kombination dieser vier Ebenen ergibt ein vollständiges Bild – kein einzelner Datenstrom allein würde für eine sichere Diagnose ausreichen.

Patient:innen tragen die Weste für eine Messdauer von fünf bis sechs Minuten im Alltag. Die Rohdaten werden verschlüsselt in die Fraunhofer-Cloud übertragen. Nach der Signalverarbeitung wertet das KI-Modell die Daten aus und erstellt innerhalb von zehn Minuten einen vollwertigen kardiologischen Bericht inklusive einer automatischen Risikobewertung. Dazu gehört beispielsweise der klinische Grace-3-Score (Global Registry of Acute Coronary Events), der das persönliche Risiko für einen künftigen Herzinfarkt präzise berechnet.

Zusätzlich können sich die Patient:innen über ein Sprach-Interface mit dem System unterhalten, ähnlich wie mit Chat GPT, und ihre täglichen Beschwerden schildern. Die Antworten passen sich jeweils der Rolle der Ärzt:innen oder Patient:innen an. Patient:innen erhalten leicht verständliche Lifestyle-Empfehlungen, während der behandelnde Arzt bei seinem Login medizinisch fundierte Analysen bekommt.

Um dieses Problem zu lösen, haben wir ein mehrstufiges Kontrollsystem für die Textilelektroden entwickelt. Auf der Hardwareseite messen wir permanent den elektrischen Widerstand zwischen Elektrode und Haut. Löst sich die Weste an einer Stelle, wird das vom System erkannt. Gleichzeitig erfassen integrierte Sensoren jede Bewegung der Patient:innen. Wird ein starkes Signal registriert, z. B. weil der Patient gerade läuft oder sich streckt, wissen wir, dass die EKG-Daten in dieser Sekunde unbrauchbar sind. Unsere Software filtert dieses Rauschen dann gezielt heraus. Das entscheidende Prinzip dahinter ist, dass nicht die vollen fünf Minuten fehlerfrei aufgezeichnet werden müssen. Dem System reichen aus der gesamten Messzeit am Ende nur wenige, absolut störungsfreie Sekunden aus, um eine verlässliche kardiologische Diagnose zu erstellen.

Technologisch fordert uns vor allem die Kombination aus Datenmenge und Rechenleistung heraus. Wenn 50 Sensoren gleichzeitig messen, strömen pro Sekunde riesige Datenmengen herein. Diese müssen absolut synchron erfasst werden, damit sich aus der Kombination verschiedener Signale zusätzliche Parameter ableiten lassen. Ein normaler, winziger Wearable-Chip ist damit überfordert. Wir müssen deshalb die Rechenpower eines kleinen PCs auf der Weste unterbringen, um die Daten direkt vor Ort verarbeiten zu können. Das auf kleinstem Raum zu lösen, ohne dass das Gerät zu heiß wird oder der Akku nach kurzer Zeit leer ist, ist eine enorme Herausforderung.

Eine weitere Hürde ist der Mangel an passenden Trainingsdaten für unsere KI. Im Internet gibt es zwar viele isolierte Datensätze für EKG oder Sauerstoffsättigung, aber fast keine, bei denen alle 50 Sensoren gleichzeitig am selben Patienten gemessen wurden. Wir müssen diese multimodalen Daten also mühsam selbst erheben.

Regulatorisch ist die Zulassung von Medizinprodukten in Europa, insbesondere mit KI-Komponenten, sehr langwierig und kostspielig. Durch den neuen EU AI Act fallen KI-Diagnosesysteme in die Hochrisikoklasse 3. Die Zulassung erfordert klinische Studien, die schnell mehrere Millionen Euro und Jahre an Arbeit kosten können. Während wir in der Forschung bei Fraunhofer für Testzwecke von einigen Auflagen befreit sind, ist der Weg zum kommerziellen Produkt für Unternehmen eine enorme Hürde.

Wir haben nach vier Jahren bürokratischer Vorbereitung die offizielle Ethikfreigabe erhalten, um das System an echten Patient:innen der Charité testen zu dürfen. Anfang 2026 haben wir zwei Forschungsanträge eingereicht, um die finanziellen Mittel für diese klinische Studie mit hunderten Patient:innen zu sichern. Wenn die Bewilligung im August eintrifft, wollen wir Ende 2026 oder Anfang 2027 mit der Studie starten.

Für den späteren Vertrieb gibt es zwei Szenarien: Entweder nutzen Hausärzt:innen das System direkt in ihrer Praxis um zu entscheiden, ob Patient:innen an ein spezialisiertes kardiologisches Zentrum überwiesen werden muss. Oder es wird als verschreibungspflichtiges Wearable von den Krankenkassen für die häusliche Langzeitüberwachung von Herzinsuffizienz-Patient:innen finanziert. Die Hardwarekosten liegen nur bei wenigen hundert Euro – es ist die Zulassung, die den Prozess bestimmt.

Es ist faszinierend, die Signale des eigenen Körpers live und in Echtzeit zu sehen – ob es der eigene Puls ist oder die Kontraktion des Herzens. Aber am meisten motivieren mich die täglichen Probleme im Labor. Wenn Hardware und Software zusammengebracht werden, treten oft Fehler auf, die wie schwarze Magie wirken. Oft geht man frustriert nach Hause, weil etwas nicht funktioniert, wacht am nächsten Morgen auf und hat plötzlich die Lösung. Das macht die Arbeit spannend.

Jährlich sterben weltweit über neun Millionen Menschen an Herz-Kreislauf-Erkrankungen. Bei einem Herzinfarkt zählt jede Sekunde. Wenn unsere Sensorplattform kritische Verschlechterungen ein oder zwei Tage im Voraus erkennen kann, rettet das Menschenleben. Genau dieses Ziel treibt mich in meiner Arbeit an.