Ein Realwelt-Datensatz zur Erkennung von Händewaschen im Alltag anhand von Handgelenksbewegungen von Wearables

Hände waschen, Gesundheit im Blick

Die meisten von uns schrubben ihre Hände, ohne groß darüber nachzudenken. Für Menschen, die in Krankenhäusern arbeiten oder mit Lebensmitteln umgehen, und für Personen mit einer Zwangsstörung (OCD) kann Händewaschen jedoch Gesundheit, Sicherheit und Alltag prägen. Diese Studie stellt eine neue Art von Datenressource vor: wochenlange, realweltliche Aufzeichnungen von handgelenksgetragenen Sensoren, die sowohl alltägliches als auch zwanghaftes Händewaschen erfassen. Das Ziel ist, künftigen Smartwatches zu helfen, zu erkennen, wann wir die Hände waschen — und letztlich zwischen gesunden Routinen und angstgetriebenen Ritualen zu unterscheiden.

Warum Händewaschen so wichtig ist

Saubere Hände sind eine der einfachsten Abwehrmaßnahmen gegen Infektionen — zu Hause, in einer Klinik oder in einer Großküche. Dennoch ist Händewaschen außerhalb kontrollierter Umgebungen überraschend schwer zu überwachen. Bestehende Systeme basieren oft auf Kameras an Waschbecken oder auf eingebauten Sensoren an bestimmten Arbeitsplätzen, was aufdringlich sein, Datenschutzbedenken hervorrufen oder einfach nicht auf das tägliche Leben skalieren kann. Gleichzeitig ist Händewaschen für viele Menschen mit OCD nicht nur Hygiene: Es kann zu einer zeitaufwändigen, schmerzhaften Reaktion auf überwältigende Angst vor Kontamination werden. Ihr Waschen kann viel häufiger und länger als nötig sein, was zu geschädigter Haut und einer geringeren Lebensqualität führt. Eine Technologie, die zuverlässig Händewaschen im natürlichen Geschehen erkennt, könnte daher zwei sehr unterschiedliche Bedürfnisse bedienen: prüfen, ob Fachpersonen ausreichend waschen, und Patienten helfen zu bemerken, wann Waschen von Angst und nicht von Notwendigkeit getrieben ist.

Ein Monat Leben am Handgelenk

Um ein realistisches Bild des Händewaschens „in freier Wildbahn" zu zeichnen, rekrutierten die Forschenden 22 Erwachsene mit diagnostizierter zwanghafter Händereinigung (OCD) in der Schweiz. Jede Person trug vier Wochen lang eine Android-basierte Smartwatch am Handgelenk und sollte dabei mindestens sechs Stunden pro Tag aufzeichnen. Die Uhr zeichnete subtile Handgelenksbewegungen 50-mal pro Sekunde mit eingebauten Bewegungssensoren auf, ähnlich denen in Fitness-Trackern. Immer wenn Teilnehmende mit dem Händewaschen fertig waren, drückten sie einen Knopf auf der Uhr und beantworteten ein paar kurze Fragen: War dieser Waschvorgang zwanghaft oder routinemäßig, wie stark war ihr Drang zu waschen und wie angespannt fühlten sie sich (jeweils auf einer Skala von 1–5). Jeden Abend fragte die Uhr zudem, wie oft und wie intensiv sie an diesem Tag gewaschen hatten und wie oft sie daran gedacht hatten, Waschvorgänge zu bestätigen.

Lautes Alltagschaos in nutzbare Daten verwandeln

Das echte Leben ist unordentlich: Menschen vergessen Geräte anzulegen, Knopfdrücke können falsch markiert sein und Uhren liegen auf Tischen und zeichnen nur Stille auf. Deshalb entwarf das Team einen umfangreichen Bereinigungs- und Kennzeichnungsprozess. Sie entfernten komplette Aufzeichnungen, wenn eindeutig keine Bewegung vorlag oder Dateien zu kurz oder beschädigt waren, und markierten lange Phasen von Inaktivität, damit andere Forschende diese leicht überspringen können. Da jeder Knopfdruck nur einen einzelnen Zeitpunkt lieferte, mussten die Wissenschaftlerinnen und Wissenschaftler ermitteln, wann jeder Waschvorgang begann und endete. Zuerst schätzten sie typische Waschdauern anhand eines beaufsichtigten Beispiels im Labor, dann verfeinerten sie die Labels mit einem gleitenden Zeitfenster und — für sechs sorgfältig ausgewählte Teilnehmende — durch mühsame manuelle Nachkennzeichnung durch geschulte Annotatorinnen und Annotatoren, die die Bewegungsverläufe visuell prüften. Das Endergebnis ist der OCDetect-Datensatz: etwa 2.600 Stunden alltäglicher Aktivität, darunter rund 31 Stunden Händewaschen verteilt auf 2.930 Waschvorgänge, nahezu gleichmäßig aufgeteilt in selbstangemeldete Routine- und zwanghafte Ereignisse.

Maschinen beibringen, Waschen zu erkennen

Mit diesem Datensatz testete das Team, wie gut gängige Methoden des maschinellen Lernens Händewaschen aus allem anderen, was Menschen tagsüber tun, herausfiltern können. Das ist eine harte Aufgabe: Händewaschen macht nur etwa 1 % der aufgezeichneten Zeit aus, und verschiedene Menschen waschen sehr unterschiedlich. Unter Verwendung kurzer fünfsekündiger Fenster von Bewegungsdaten und einer Sammlung einfacher Merkmale — etwa wie stark oder ruckartig die Bewegungen waren — trainierten sie klassische Modelle wie Random Forests und Gradient Boosting. Diese Modelle wurden streng evaluiert, indem immer auf Teilnehmenden getestet wurde, die die Algorithmen zuvor nicht gesehen hatten. Die beste Konfiguration erreichte eine F1-Score von bis zu 0,77 (im Durchschnitt etwa 0,33 über die Personen), deutlich über Zufall, wenn es nur um die Entscheidung „Händewaschen oder nicht“ ging. Wenn die Aufgabe jedoch war, Routine- von zwanghaftem Waschen zu unterscheiden, fiel die Leistung auf Zufallsniveau zurück. Mit anderen Worten: Allein anhand von Bewegungsmustern lassen sich die emotionalen Gründe für ein Waschen derzeit nicht zuverlässig ablesen.

Was das für künftige Smartwatches bedeutet

Für Laien ist die Botschaft zweigeteilt. Erstens besitzen Smartwatches bereits genügend Sensorkapazität, um die meisten Händewaschanfälle im Alltag zu bemerken — selbst vor dem lauten Hintergrund von Gehen, Kochen oder Arbeiten. Zweitens ist es weitaus schwieriger, zu wissen, warum jemand wäscht — aus Hygienegründen oder aufgrund von OCD-bedingter Belastung — als einfach nur zu wissen, dass er wäscht. Der nun öffentlich verfügbare OCDetect-Datensatz bietet Forscherinnen und Forschern eine realistische, offen geteilte Grundlage, um Erkennungsverfahren zu verbessern, fortgeschrittenere Modelle zu erforschen und Bewegungsdaten mit anderen Hinweisen oder klinischer Expertise zu kombinieren. Mit der Zeit könnte dies den Weg zu Werkzeugen ebnen, die sowohl beim Infektionsschutz als auch in der Therapie von OCD behutsam unterstützen und dabei datenschutzfreundlich und unaufdringlich am Handgelenk bleiben.

Zitation: Burchard, R., Kirsten, K., Miché, M. et al. A Real-World Dataset for detecting Handwashing in daily Life using Wrist Motion Data from Wearables. Sci Data 13, 179 (2026). https://doi.org/10.1038/s41597-026-06698-2

Schlüsselwörter: Händewaschen, Wearable-Sensoren, Zwangsstörung, Smartwatch-Daten, Erkennung menschlicher Aktivitäten