Kann KI Deine Gesundheit besser verstehen als Du selbst?

Du wachst morgens auf und Deine Smartwatch meldet, dass Du schlecht geschlafen hast. Dabei fühlst Du Dich fit. Am Nachmittag bist Du plötzlich müde, obwohl Deine Uhr eine gute Erholung anzeigt. Wie lässt sich dieser Widerspruch erklären?
KI kann persönliche Gesundheitsdaten auswerten und mögliche Zusammenhänge sichtbar machen. Dass sie Deinen Körper besser versteht als Du selbst oder verlässlich medizinische Entscheidungen trifft, ist aber nicht belegt. Genau diese Grenze zeigt eine neue Studie über Googles Personal Health Agent.
Google stellte das Forschungskonzept bereits im September 2025 vor. Am 21. Oktober 2026 erschien die begutachtete Studie im Fachmagazin Nature.
Was ist ein Personal Health Agent?
Ein Personal Health Agent ist ein KI-System, das unterschiedliche Gesundheitsinformationen verbindet und Fragen dazu beantwortet. Dazu gehören beispielsweise Schlafdauer, Bewegung und Herzfrequenz aus einer Smartwatch, aber auch Blutwerte oder Angaben aus der Krankengeschichte.
Ein gewöhnlicher Chatbot erklärt Dir, warum Schlaf wichtig ist. Ein persönlicher Gesundheitsagent soll zusätzlich Deine Messwerte betrachten: Hast Du in den letzten Wochen tatsächlich kürzer geschlafen? Sind Deine Schlafenszeiten unregelmäßiger geworden? Welche Angaben fehlen, um Deine Frage sinnvoll zu beantworten?
Googles System ist ein Forschungsprototyp, kein für die eigenständige medizinische Versorgung validiertes Produkt.
Warum Google drei KI-Agenten einsetzt
Statt alle Aufgaben einem Chatbot zu überlassen, setzt Google auf drei spezialisierte KI-Agenten:
- Datenanalyst: Er untersucht Messreihen über Tage oder Wochen. Bei der Frage „Schlafe ich schlechter?“ kann er einen statistischen Vergleich planen und dafür Programmcode ausführen.
- Gesundheitsexperte: Er ordnet persönliche Informationen anhand medizinischen Wissens ein und kann wissenschaftliche Quellen hinzuziehen. Das ersetzt keine ärztliche Beurteilung.
- Gesundheitscoach: Er unterstützt dabei, erreichbare Ziele zu setzen und Veränderungen im Alltag über mehrere Gespräche zu begleiten.
Ein übergeordnetes System verteilt die Aufgaben und führt die Antworten zusammen. So kann dieselbe Gesundheitsfrage eine Datenauswertung, Fachwissen und praktische Unterstützung erfordern.
Was wurde in der Studie getestet?
Die Forschenden nutzten unter anderem Daten von 1.165 Personen aus der WEAR-ME-Studie, darunter Wearable-Messungen, Fragebögen und Blutuntersuchungen.
Die einzelnen Agenten und das Gesamtsystem wurden anhand von elf Testaufgaben geprüft. Dabei entstanden mehr als 7.000 dokumentierte Einzelbewertungen und Kennzeichnungen, die zusammen mit weiteren Untersuchungen rund 1.350 Stunden Arbeit von Fachleuten und Nutzern umfassten. Diese Zahlen beschreiben den Prüfaufwand, nicht die Zahl behandelter Patienten.
Für einen Vergleich führten 45 Personen Gespräche mit drei verschiedenen KI-Ansätzen und spielten dabei Gesundheitsprofile nach. Das koordinierte Gesamtsystem wurde in 46,7 Prozent der Vergleiche bevorzugt. Die beiden anderen Ansätze wurden seltener bevorzugt.
Wichtig: 46,7 Prozent ist eine Nutzerpräferenz, keine medizinische Trefferquote. Getestet wurde unter anderem, wie verständlich und hilfreich Antworten wirken. Ob die Empfehlungen die Gesundheit langfristig verbessern, wurde nicht nachgewiesen.
Welche Risiken bleiben?
Gute Formulierungen sind noch keine Garantie für fachlich richtige Ratschläge. Medizinische Fachleute untersuchten auch Zusammenfassungen eines Teilagenten. In 17 Prozent sahen sie ein mögliches Schadensrisiko, davon in 2 Prozent ein moderates bis schweres Potenzial.
Das bedeutet nicht, dass in 17 Prozent der Fälle Menschen geschädigt wurden. Es zeigt, dass Fehler in einer medizinischen Anwendung Folgen haben könnten.
Hinzu kommen Grenzen der Daten: Eine Smartwatch misst nicht alles gleich genau, und aus verändertem Schlaf oder Puls ergibt sich noch keine Diagnose. Sensible Informationen wie Blutwerte und Erkrankungen werfen außerdem Fragen des Datenschutzes auf.
Viele Autoren der Studie arbeiten oder arbeiteten bei Alphabet. Das ist bei der Einordnung der Ergebnisse zu berücksichtigen.
Warum eine gute KI-Antwort nicht automatisch hilft
Eine unabhängige Untersuchung von 2026 mit 1.298 Erwachsenen aus Großbritannien verdeutlicht den Unterschied zwischen einer guten Modellleistung und einer guten menschlichen Entscheidung.
Die Teilnehmenden sollten anhand vorgegebener Krankheitsszenarien mögliche Erkrankungen einschätzen und entscheiden, ob medizinische Hilfe nötig war. Manche durften dabei andere KI-Chatbots nutzen, die Kontrollgruppe gewöhnliche Informationsquellen.
Die KI-unterstützten Teilnehmenden entschieden nicht besser als die Kontrollgruppe, obwohl die Modelle die Szenarien allein teilweise gut lösten. Nutzern fehlten mitunter wichtige Angaben, oder sie konnten hilfreiche von irreführenden Hinweisen nicht unterscheiden.
Diese Untersuchung testete nicht Googles Personal Health Agent. Sie macht aber deutlich, dass ein System auch mit überzeugenden Testwerten erst im Zusammenspiel mit echten Menschen überprüft werden muss.
Kann KI erkennen, welche Ernährung zu Dir passt?
Für die Ernährung ist der Ansatz interessant, weil Mahlzeiten und körperliche Reaktionen zusammen betrachtet werden könnten.
In der PREDICT-1-Studie untersuchten Forschende bei 1.002 Erwachsenen, wie sich Blutzucker und Blutfette nach Mahlzeiten verändern. Selbst bei identischen Testmahlzeiten unterschieden sich die Reaktionen zwischen Menschen deutlich. Auch persönliche Merkmale und der Alltag spielen für die Einordnung eine Rolle.
Stell Dir vor, Du dokumentierst mehrere Wochen lang Deine Mahlzeiten, Dein Sättigungsgefühl und Deinen Schlaf. Eine KI könnte nach wiederkehrenden Mustern suchen: Fühlst Du Dich nach einem Frühstück häufig länger satt? Bist Du nach kurzen Nächten öfter müde, unabhängig davon, was Du gegessen hast?
Das wären Hinweise für weitere Beobachtungen, keine Ursachenbeweise. Auch ein KI-Agent kann aus einem bloßen Zusammenhang nicht automatisch ableiten, dass ein Lebensmittel die Beschwerden verursacht.
Wie Du Gesundheitsdaten selbst sinnvoll nutzt
Für erste Beobachtungen brauchst Du keinen komplexen KI-Agenten:
- Stelle eine konkrete Frage: Macht Dich Frühstück A länger satt als Frühstück B?
- Wiederhole Deine Beobachtungen: Eine einzelne Mahlzeit oder schlechte Nacht sagt wenig über ein festes Muster aus.
- Notiere den Zusammenhang: Halte nach Möglichkeit Schlaf, Aktivität, Stress und die Essenszeit fest.
- Prüfe andere Erklärungen: Fallen Unterschiede nur an besonders stressigen Tagen auf?
Ein einfaches Ernährungs- und Symptomtagebuch kann dabei helfen. Wenn Du die Wirkung einer Änderung gezielt untersuchen möchtest, sollten Bedingungen möglichst vergleichbar sein. Bei anhaltenden Beschwerden ist eine ärztliche Abklärung wichtiger als eine KI-Auswertung.
Was das mit essen-messen zu tun hat
Bei essen-messen erforschen wir, wie Ernährung, die molekulare Zusammensetzung von Lebensmitteln und persönliche Körpersignale zusammenhängen.
In unserem Studienprogramm können Mahlzeiten per Foto, Sprache oder Text erfasst werden. Teilnehmende dokumentieren ihr Befinden; je nach Studie kommen Wearable-Daten hinzu. Wir möchten erkennen, welche Muster sich im Alltag beobachten lassen und wie sich daraus vorsichtig sinnvolle Schlüsse ziehen lassen.
Eine personalisierte Empfehlung ist erst dann überzeugend, wenn sie nicht nur gut klingt, sondern auch unter nachvollziehbaren Bedingungen geprüft wurde. Mehr dazu liest Du in unserem Beitrag Warum wirkt die gleiche Mahlzeit nicht immer gleich?.
Fazit
Googles Health Agent zeigt, wie KI persönliche Messwerte, medizinisches Wissen und Coaching verbinden könnte. Der spezialisierte Ansatz wurde in Tests häufiger bevorzugt als zwei Vergleichssysteme.
Ob daraus sichere und wirksame Gesundheitsentscheidungen entstehen, bleibt offen. Vielleicht ist der größte Nutzen künftig nicht, dass KI Deinen Körper besser kennt, sondern dass sie Dir hilft, Deine eigenen Beobachtungen besser einzuordnen.
Häufige Fragen
Kann KI meine Smartwatch-Daten auswerten?
Ja. Geeignete KI-Systeme können beispielsweise Schlaf-, Puls- oder Aktivitätswerte über die Zeit zusammenfassen. Wie aussagekräftig das Ergebnis ist, hängt von der Messqualität und der konkreten Frage ab.
Kann Googles Personal Health Agent Krankheiten diagnostizieren?
Der Agent kann gesundheitliche Symptome und Fragen einordnen. Für eigenständige medizinische Diagnosen wurde er jedoch nicht ausreichend klinisch validiert. Er ersetzt keine ärztliche Untersuchung.
Kann KI mir sagen, was ich essen sollte?
KI kann Vorlieben, Ernährungsziele und Lebensmittelinformationen berücksichtigen. Ob persönliche Messdaten daraus nachweislich bessere Empfehlungen machen, muss für jedes System geprüft werden.
Sind Wearable-Daten medizinisch zuverlässig?
Das hängt vom gemessenen Wert, dem Gerät und der Anwendung ab. Ein Schlaftrend kann hilfreich sein, sagt für sich genommen aber nicht, warum Du schlecht schläfst oder ob Du krank bist.
Referenzen
- [1]Heydari, A. A. et al. (2026): The anatomy of a personal health agent. Nature.
- [2]Xu, X. O. und Heydari, A. A. (2025): The anatomy of a personal health agent. Google Research.
- [3]Bean, A. M. et al. (2026): Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nature Medicine.
- [4]Berry, S. E. et al. (2020): Human postprandial responses to food and potential for precision nutrition. Nature Medicine.



