Auf der Werkbank liegt eine Uhr und tut so, als sei sie harmlos. Ein bisschen Puls, ein bisschen Schrittzählerei, nachts vielleicht noch der höfliche Hinweis, dass der Besitzer wieder geschlafen hat wie ein schlecht gepatchter Router. Und dann kommt Google Research mit SensorFM um die Ecke und kippt eine Billion Minuten Wearable-Daten in den Trichter.
Eine Billion Minuten. Da wird selbst der Chronometer kurz bleich. Die Blechpresse hört im Hintergrund schon das kleine Geräusch, wenn aus Handgelenken plötzlich Infrastruktur wird.
Der kleine Sensor will nicht mehr nur zählen
Nach Darstellung von Google Research ist SensorFM ein Foundation Model für Wearable-Gesundheitsdaten. Vortrainiert wurde es demnach auf mehr als einer Billion Minuten Sensordaten von fünf Millionen zustimmenden Teilnehmerinnen und Teilnehmern. Die Daten stammen aus über 100 Ländern, allen US-Bundesstaaten und mehr als 20 Fitbit- und Pixel-Watch-Modellen; der Zeitraum im beschriebenen Korpus reicht von September 2024 bis September 2025.
Das klingt erst wie ein Prospekt aus dem Automaten für Zukunftsversprechen. Aber technisch ist der Dreh interessant: SensorFM soll nicht für genau eine Sache gebaut sein, sondern eine wiederverwendbare Darstellung menschlicher Physiologie lernen. Herzrate, Bewegung, Hauttemperatur, Sauerstoffsättigung, Schlaf, Höhenmeter, dieses ganze kleine Körperorchester, das sonst in App-Kacheln herumliegt wie Schrauben in einer Schublade.
Fehlende Daten? Natürlich fehlen Daten
Wearables sind keine Laborgeräte mit weißem Kittel und perfektem Protokoll. Sie rutschen, laden, schlafen, verlieren Hautkontakt, messen Unsinn, schweigen im falschen Moment. Google beschreibt SensorFM deshalb als missing-aware: Das Modell lernt über maskierte Rekonstruktion und soll gerade mit fragmentierten Signalen umgehen. Also mit dem normalen Leben, diesem schlecht dokumentierten Edge Case.
Im Papier „Towards a General Intelligence and Interface for Wearable Health Data“ berichten die Autorinnen und Autoren, dass die größte Variante, SensorFM-B, auf 35 Gesundheitsaufgaben geprüft wurde. Laut Blogbeitrag gewann sie bei 33 dieser 35 Aufgaben; lineare Köpfe auf eingefrorenen SensorFM-Einbettungen lagen bei 34 von 35 Aufgaben vor einem Feature-Engineering-Baseline. Solche Zahlen sind keine Diagnose und kein Heiligenschein. Sie sind ein Hinweis: Die Uhr hat mehr Muster im Bauch, als der Schrittzähler zugibt.
Die Agentenklasse schreibt sich ihre Vorhersageköpfe selbst
Besonders blechig wird es dort, wo Google eine „classroom“ genannte Gruppe von LLM-Agenten beschreibt. Diese Agenten sollen Code für Vorhersageköpfe erzeugt, getestet und verfeinert haben; im Experiment waren es über 30.000 Kandidatenlösungen. Man sieht förmlich die kleinen Automaten im Klassenzimmer sitzen: einer schraubt am Regressionskopf, einer klebt einen Klassifikator schief an die Wand, einer meldet stolz, dass die Validierung diesmal nur halb geraucht hat.
Für einen Personal Health Agent, also einen KI-Assistenten mit Gesundheitsbezug, wurde SensorFM ebenfalls als Werkzeug getestet. Google verweist dabei auf den eigenen Kontext zu Personal Health Agents. Kliniker bewerteten Zusammenfassungen mit SensorFM-Vorhersagen demnach besser als eine Baseline nur mit Demografie und täglichen Wearable-Metriken. Das ist spannend. Es ist aber auch genau der Punkt, an dem die Blechpresse den Schraubendreher festhält: Gesundheits-KI darf nicht mit dem Charme einer Fitness-App durch die Hintertür in den weißen Kittel spazieren.
Das Handgelenk wird zur Datenrampe
Die gute Nachricht: Aus den kleinen, oft schmutzigen Sensorströmen könnte eine robustere Grundlage für Forschung, Prävention und personalisierte Hinweise entstehen. Die schlechte: Je besser solche Modelle werden, desto wichtiger werden Einwilligung, Zweckbindung, Auswertungskontext, Bias-Prüfung und die sehr altmodische Frage, wer am Ende auf den Knopf drücken darf.
Denn aus „meine Uhr zählt Schritte“ wird nicht automatisch „mein Körper ist ein offenes API-Ende“. Zwischen beidem steht eine Tür. Sie hat hoffentlich ein Schloss. Und irgendwo daneben hängt ein Zettel, blank natürlich, weil die Blechpresse heute nur ein einziges lesbares Wort erlaubt.