Warum Erholungswerte sich zwischen Geräten unterscheiden

Wenn du je zwei Erholungstracker gleichzeitig getragen hast, kennst du die Frustration. Dein WHOOP gibt dir bei 78 Prozent Erholung grünes Licht für einen harten Tag. Die Body Battery deines Garmin sagt, du fährst auf leer. Wer hat recht? Die ehrliche Antwort ist, dass die Frage leicht falsch gestellt ist. Es sind nicht zwei Versuche, dasselbe zu messen. Es sind zwei unterschiedliche Meinungen, gebildet aus überlappenden, aber unterschiedlich verarbeiteten Daten.

Um zu verstehen, warum, musst du zwei Schichten trennen, die im Marketing verschwimmen: das rohe physiologische Signal (deine Ruhe-Herzfrequenz, dein HRV) und den abgeleiteten Wert (Erholung, Bereitschaft, Body Battery). Das erste hat eine Grundwahrheit, gegen die du es mit einem medizinischen EKG validieren kannst. Das zweite ist eine proprietäre Interpretation ohne gemeinsamen Standard. Dieser Artikel geht durch beide Schichten, was die Validierungsforschung für jede zeigt, und was du tatsächlich damit tun solltest.

Für die Grundlagen, was HRV ist und wie man ihn liest, decken unsere Artikel zur Herzfrequenzvariabilität-Training-Forschung und was ist ein guter HRV-Wert nach Alter das zugrunde liegende Signal ausführlich ab.

Schicht Eins: Das Rohsignal ist meist zuverlässig

Beginnen wir mit den guten Nachrichten. Die rohen Eingaben, die jeden Erholungswert speisen, Ruhe-Herzfrequenz und HRV, sind echte physiologische Messungen mit einem klaren Referenzstandard: einem Elektrokardiogramm. Und die besseren Consumer-Geräte messen sie gut.

Die stärkste aktuelle Evidenz ist Dial et al. (2025) in Physiological Reports, die Teilnehmer fünf Geräte (Oura Gen 3, Oura Gen 4, WHOOP 4.0, Garmin Fenix 6, Polar Grit X Pro) gegen ein forschungstaugliches EKG über 536 Schlafnächte tragen ließ. Für den nächtlichen HRV (RMSSD):

• Oura Gen 4: Konkordanzkorrelation 0,99, mittlerer absoluter prozentualer Fehler etwa 6,0 Prozent.
• Oura Gen 3: Konkordanz 0,97, Fehler etwa 7,2 Prozent.
• WHOOP 4.0: Konkordanz 0,94, Fehler etwa 8,2 Prozent.
• Garmin Fenix 6: Konkordanz 0,87, Fehler etwa 10,5 Prozent.
• Polar Grit X Pro: Konkordanz 0,82, Fehler etwa 16,3 Prozent.

Die Ruhe-Herzfrequenz war über die gesamte Bandbreite noch genauer (Fehler meist unter 3 Prozent). Die Fingerring- und besseren Armbandgeräte sind also wirklich gut darin, das Rohsignal zu erfassen. Es gibt eine echte Hierarchie (Ringe schlagen Uhren beim nächtlichen HRV), aber die Spitzengeräte liegen nahe am EKG für die Zahlen, die zählen.

Armbanduhren sind das schwächere Glied. O'Grady et al. (2024) in Sensors validierten die Apple Watch Series 9 und Ultra 2 gegen einen Polar-H10-Brustgurt über 316 Messungen und fanden, dass die Apple Watch den HRV um durchschnittlich etwa 8,3 ms unterschätzte, mit einem mittleren absoluten prozentualen Fehler nahe 29 Prozent. Das ist genau genug, um deinem eigenen Mehrwochen-Trend zu folgen, aber zu grob für feinkörnige Tagesentscheidungen. Der Sensorort und die optische Messmethode spielen eine große Rolle.

Der Kernpunkt: Wenn zwei gute Geräte deine rohe Ruhe-Herzfrequenz oder deinen HRV in derselben Nacht messen, landen sie üblicherweise nah beieinander. Die Abweichung, die du in deinen Apps siehst, kommt meist nicht aus dieser Schicht.

Schicht Zwei: Der Erholungswert ist eine Blackbox

Jetzt der Teil, der tatsächlich abweicht. Ein "Erholungswert" ist keine Messung. Er ist ein berechnetes Urteil. Jede Marke nimmt eine Reihe von Eingaben und führt sie durch ein proprietäres Modell, um eine einzelne freundliche Zahl auszugeben. Die Eingaben überlappen sich, aber die Rezepte nicht:

• WHOOP Recovery ist ein Wert von 0 bis 100 Prozent, stark auf HRV gewichtet, plus Ruhe-Herzfrequenz, Schlaf und Atemfrequenz, kalibriert gegen deine persönliche Baseline.
• Oura Readiness ist ein Wert von 0 bis 100, der HRV, Ruhe-Herzfrequenz, Körpertemperatur, Schlaf und die Aktivität des Vortags vermischt.
• Garmin Body Battery ist eine "Energie"-Schätzung von 0 bis 100, die sich den ganzen Tag über kontinuierlich aktualisiert, sich mit Stress und Aktivität entlädt und sich mit Ruhe auflädt, aufgebaut auf Firstbeats Stress- und HRV-Modellen.

Drei strukturelle Unterschiede garantieren, dass die Werte nicht übereinstimmen:

1. Unterschiedliche Eingaben und Gewichtungen. Ein Modell, das sich auf die Körpertemperatur stützt (Oura), wird eine aufkommende Krankheit anders markieren als eines, das das nicht tut. Ein um HRV herum gebautes Modell (WHOOP) reagiert schärfer auf autonome Verschiebungen als eines, das um kontinuierliches Stresstracking herum gebaut ist (Garmin).

2. Unterschiedliche Baselines. Jeder Wert vergleicht heute mit deiner eigenen Historie, aber jede Marke baut diese Baseline über ein anderes Fenster und mit anderer Mathematik auf. Zwei Geräte können sogar uneinig darüber sein, was "normal für dich" ist.

3. Unterschiedliche Skalen und Aktualisierungszeitpunkte. Eine WHOOP-Erholung von 78 Prozent und eine Body Battery von 78 sind nicht dieselbe Aussage, und das eine ist eine einzelne Morgen-Momentaufnahme, während sich das andere den ganzen Tag bewegt. Es gibt keine Umrechnung zwischen ihnen, weil sie nie auf einer gemeinsamen Skala waren.

Keiner der drei großen Werte hat eine transparente, unabhängig veröffentlichte Validierung, so wie es der rohe HRV hat. Es sind konkurrierende Produkte, und die Algorithmen sind Geschäftsgeheimnisse. Das ist kein Skandal, bedeutet aber, dass du einen Erholungswert als informierte Meinung des Modells eines Unternehmens behandeln solltest, nicht als objektive Auslesung deines Körpers.

Abgeleitete Schätzungen weichen noch stärker ab: Das VO2max-Beispiel

Erholungswerte sind eine Art abgeleiteter Kennzahl. VO2max ist eine andere, und sie zeigt dasselbe Muster auf noch krassere Weise, weil wir hier die Wearable-Schätzung mit einem tatsächlichen Labor-Goldstandard vergleichen können.

Lambe et al. (2025) in PLOS ONE validierten die Apple Watch (Series 9 und Ultra 2) gegen indirekte Kalorimetrie, die Laborreferenz für VO2max. Die Uhr unterschätzte den VO2max um durchschnittlich etwa 6,1 mL/kg/min, mit einem mittleren absoluten prozentualen Fehler von 13,3 Prozent. Das steht im Einklang mit der breiteren Literatur, wo handgelenksbasierte VO2max-Schätzungen typischerweise innerhalb von etwa 10 bis 15 Prozent eines Laborwerts landen und wo die Genauigkeit bei hochtrainierten Personen nachlässt, deren wahrer VO2max am Rand der Trainingsdaten des Modells liegt.

Garmins Firstbeat-basierte Schätzung schneidet besser ab, wenn sie mit einem Brustgurt gepaart wird (mittlere Fehler oft im Bereich von 5 Prozent unter guten Bedingungen), und schlechter allein vom Handgelenk. Dieselbe Geschichte wie bei der Erholung: Die abgeleitete Zahl hängt stark von der Sensorqualität und dem proprietären Modell ab, und zwei Marken werden dir zwei unterschiedliche VO2max-Werte für dieselbe Lunge und dasselbe Herz liefern.

Die praktische Implikation für jede abgeleitete Kennzahl, sei es VO2max, "Trainingsbelastung", "Fitnessalter" oder ein Erholungsprozentsatz: Der Trend innerhalb eines Geräts ist informativ, die absolute Zahl ist eine Näherung, und der Geräteübergreifende Vergleich ist bedeutungslos. Du kannst viel lernen, indem du beobachtest, wie dein eigener Apple-Watch-VO2max über sechs Monate langsam steigt. Du kannst nichts daraus lernen, dass er drei Punkte niedriger anzeigt als der Garmin deines Freundes. Neugierig auf die zugrunde liegende Kennzahl? Unser VO2max-Glossareintrag definiert sie, und der Herzfrequenzzonen-Rechner hilft dir, Trainingszonen aus einem Signal festzulegen, das von keinem proprietären Wert abhängt.

Schlafphasen: Eine weitere abweichende Eingabe

Da Schlaf jeden Erholungswert speist, lohnt es sich zu wissen, dass auch die Schlafphasenerkennung je nach Gerät abweicht. Schyvens et al. (2025) in Sleep Advances validierten sechs Armbandgeräte gegen Polysomnographie, den klinischen Goldstandard, bei 62 Teilnehmern. Jedes Gerät war exzellent bei der einfachen Unterscheidung Schlaf-versus-Wach (Sensitivität über 90 Prozent), aber die Phasengenauigkeit (leicht, tief, REM) variierte stark: Die Übereinstimmung mit der Referenz (Cohens Kappa) reichte von etwa 0,21 beim schwächsten Gerät bis 0,53 beim besten. Geräte ordneten Wachzeit regelmäßig falsch zu und waren uneinig darüber, wie viel Tiefschlaf du bekommen hattest.

Ein Erholungswert, der "Tiefschlaf" gewichtet, steht also auf einer wackligen Grundlage, und zwei Geräte werden deinen Tiefschlaf unterschiedlich schätzen. Das verstärkt die Abweichung: Nicht nur unterscheiden sich die Algorithmen, manche der Zutaten, auf die sie sich stützen, sind selbst verrauschte Schätzungen statt sauberer Messungen.

Was tatsächlich zu tun ist

Nichts davon bedeutet, dass Erholungswerte nutzlos sind. Es bedeutet, dass du sie so nutzen solltest, wie ein guter Coach jeden einzelnen Datenpunkt nutzt: als einen Input, gelesen als Trend, gegengeprüft mit der Realität.

1. Wähle ein Gerät und bleib dabei. In dem Moment, in dem du markenübergreifend vergleichst, hören die Zahlen auf, etwas zu bedeuten. Konsistenz innerhalb eines Geräts ist das, was den Trend lesbar macht.

2. Bevorzuge Geräte mit starker Rohsignal-Genauigkeit. Der Erholungswert sitzt auf dem rohen HRV und der Herzfrequenz auf. Ein Gerät, das diese gut misst (Fingerringe führten bei Dial et al., 2025), baut sein Urteil auf festerem Grund auf als eines, das sie schlecht misst.

3. Folge dem gleitenden Trend, nicht der Tageszahl. Ein einzelner niedriger Erholungswert wird von Schlaf, Alkohol oder Stress der letzten Nacht dominiert. Ein oder zwei Wochen konsistent niedriger Werte, während das Training nicht gestiegen ist, ist das Signal, auf das es sich zu reagieren lohnt.

4. Lass deinen Körper den Ausschlag geben. Wenn der Wert und deine gelebte Erfahrung stark widersprechen, vertraue den Tiebreakern, die der Wert nicht sehen kann: wie sich das Aufwärmen anfühlt, dein Muskelkater, deine Stimmung, deine Motivation. Wenn du dich großartig fühlst und der Wert Ruhe sagt, wird dir ein ordentliches Aufwärmen schnell die Wahrheit sagen.

5. Lass den Wert nicht dein Training steuern. Die forschungsgestützte Nutzung von Erholungsdaten sind kleine Anpassungen über Wochen (einen harten Tag gegen leicht tauschen, wenn der Trend klar unten ist), nicht An/Aus-Schalter jeden Morgen. Für den vollständigen Entscheidungsrahmen zum Training bei einem niedrigen Messwert siehe HRV heute niedrig, solltest du trotzdem trainieren.

Häufige Missverständnisse

Missverständnis 1: "Das Gerät mit dem höheren Erholungswert ist das genaue"

Keines ist objektiv richtig, weil es keinen gemeinsamen Standard dafür gibt, was ein Erholungswert ausgeben sollte. Beide können intern valide sein, um deinen eigenen Trend zu verfolgen, während sie völlig unvergleichbar zueinander sind. Genauigkeit gilt für den rohen HRV und die Herzfrequenz, die du validieren kannst. Sie gilt nicht sauber für einen proprietären Composite-Wert.

Missverständnis 2: "Ein niedriger Erholungswert bedeutet, ich werde ein schlechtes Training haben"

Erholungswerte sagen die Bereitschaft auf individueller Tagesebene nur schwach vorher. Viele Menschen stellen an "roten" Tagen persönliche Bestleistungen auf und fühlen sich an "grünen" Tagen flach. Der Wert spiegelt autonome und Schlafeingaben wider, nicht deine Leistungsfähigkeit an einem bestimmten Tag, weshalb wahrgenommene Bereitschaft und ein Aufwärmen bessere Prädiktoren für denselben Tag sind.

Missverständnis 3: "Der Wearable-VO2max sagt mir mein wahres Fitnesslevel"

Er sagt dir eine Schätzung innerhalb von etwa 10 bis 15 Prozent, und er kann bei trainierten Athleten noch stärker daneben liegen. Behandle ihn als Trendlinie, nicht als Laborergebnis. Wenn du einen genauen VO2max brauchst, ist ein Stufentest mit Gasanalyse die einzige echte Antwort.

Was die Forschung für die Zukunft nahelegt

Das Feld der Wearable-Erholung reift, und die ehrliche Synthese ist eine zweiteilige Geschichte. Die rohen physiologischen Signale (Ruhe-Herzfrequenz, HRV) werden jetzt von den besseren Geräten gut gemessen, gegen EKG validiert, mit einer klaren Genauigkeitshierarchie, die Fingerringe für nächtlichen HRV bevorzugt. Das ist eine echte Errungenschaft. Die darauf gestapelten Erholungswerte bleiben proprietär, gegeneinander unvalidiert und aus unterschiedlichen Eingaben gebaut, sodass ihre Abweichung strukturell ist und nicht verschwinden wird.

Einschränkungen, die es zu benennen gilt:

• Validierungsstudien sind klein. Dial et al. nutzten 13 Teilnehmer über viele Nächte; O'Grady et al. nutzten 39. Die Geräterankings sind informativ, aber nicht das letzte Wort, und Firmware-Updates verändern die Genauigkeit über die Zeit.
• Erholungswerte sind bewegliche Ziele. Marken aktualisieren ihre Algorithmen, sodass ein Vergleich von vor zwei Jahren heute vielleicht nicht mehr gilt.
• Die individuelle Reaktion variiert. Bei manchen Menschen folgt die Leistung eng ihrem Erholungswert; bei anderen zeigt sich fast kein Zusammenhang. Lerne dein eigenes Muster, bevor du dem Urteil eines Werts vertraust.

Das praktische Fazit hat sich nicht geändert: Der Erholungswert ist ein hilfreicher Anstoß, kein Orakel. Wähle ein Gerät, beobachte den Trend, und behalte dein eigenes Urteilsvermögen im Kreislauf. Wenn dein Training weiter ins Stocken gerät, weil du dich ständig erschöpft fühlst, ist das breitere Erholungsbild in unserem Artikel zur Übertrainingssyndrom-Forschung nützlicher als die Zahl irgendeines einzelnen Morgens.

Quellen

1. Dial MB, Hollander ME, Vatne EA, Emerson AM, Edwards NA, Hagen JA. "Validation of nocturnal resting heart rate and heart rate variability in consumer wearables." Physiological Reports. 2025;13(16):e70527. doi:10.14814/phy2.70527
2. O'Grady B, Lambe R, Baldwin M, Acheson T, Doherty C. "The Validity of Apple Watch Series 9 and Ultra 2 for Serial Measurements of Heart Rate Variability and Resting Heart Rate." Sensors. 2024;24(19):6220. doi:10.3390/s24196220
3. Lambe R, O'Grady B, Baldwin M, Doherty C. "Investigating the accuracy of Apple Watch VO2 max measurements: A validation study." PLOS ONE. 2025;20(5):e0323741. doi:10.1371/journal.pone.0323741
4. Schyvens AM, Peters B, Van Oost NC, et al. "A performance validation of six commercial wrist-worn wearable sleep-tracking devices for sleep stage scoring compared to polysomnography." Sleep Advances. 2025;6(2):zpaf021. doi:10.1093/sleepadvances/zpaf021
5. Shaffer F, Ginsberg JP. "An Overview of Heart Rate Variability Metrics and Norms." Frontiers in Public Health. 2017;5:258. doi:10.3389/fpubh.2017.00258