Bewegungsdaten von Smartphones können zuverlässig Rückfälle und Verlangen beim Rauchen vorhersagen, um rechtzeitige Rauchstopp-Unterstützung zu ermöglichen

Wie Ihr Telefon Ihnen beim Aufhören helfen kann

Viele Menschen tragen heute ein leistungsstarkes Bündel von Sensoren in der Tasche, ohne groß darüber nachzudenken: ihr Smartphone. Diese Studie stellt eine einfache Frage mit großen persönlichen Auswirkungen: Können die kleinen Bewegungen, die Ihr Telefon ohnehin aufzeichnet, unauffällig signalisieren, dass Sie kurz davor sind, ein starkes Verlangen zu verspüren oder in alte Gewohnheiten zurückzufallen, sodass Hilfe rechtzeitig eintreffen kann?

Von Auslösern zum Rauchverhalten zu stillen Signalen

Jahrelang konzentrierten sich Forscher, die Rauchern beim Aufhören helfen wollten, auf offensichtliche Auslöser wie den Aufenthaltsort, die Begleitung oder die Tageszeit. Diese Hinweise sind nützlich, aber unvollkommen, und sie beruhen oft auf der Selbstberichterstattung von Verlangen und Rückfällen, die ungenau oder lückenhaft sein kann. Smartphones und Wearables haben das Spiel verändert, indem sie passiv detaillierte Informationen darüber sammeln, wie wir uns bewegen. Dieser umfangreiche Strom an Bewegungsdaten wurde jedoch selten genutzt, um Rauchverhalten außerhalb des Labors zu verstehen.

Eine einfache App und Monate an Alltagsdaten

Das Forschungsteam bat 17 tägliche Raucher im Vereinigten Königreich, eine einfache App auf ihren eigenen Telefonen zu installieren. Zwei Wochen lang drückten die Teilnehmenden jedes Mal einen einzigen Knopf in der App, wenn sie rauchten. Danach versuchten sie aufzuhören, und über drei Monate protokollierten sie Rückfälle und bewerteten ihre Verlangen, wenn diese stark waren oder mindestens einmal täglich. Während beider Phasen zeichnete die App lautlos Bewegungen von drei eingebauten Sensoren auf: Beschleunigungssensor, Gyroskop und Magnetometer sowie Helligkeit und Tageszeit. Das Telefon konnte beliebig mitgeführt werden und war nicht an eine bestimmte Körperstelle gebunden, sodass die Daten das natürliche Alltagsverhalten statt Laborbedingungen widerspiegeln.

Dem Modell beibringen, riskante Momente zu erkennen

Um zu prüfen, ob diese subtilen Bewegungsmuster rauchbezogene Ereignisse vorhersagen können, teilten die Forscher die Sensordaten in nicht überlappende Fünf-Minuten-Abschnitte und etikettierten jeden Abschnitt als Rauchen, Verlangen oder nichts davon, basierend auf den App-Meldungen. Dann verglichen sie mehrere moderne KI-Modelle, die darauf ausgelegt sind, Muster in Zeitreihendaten zu erkennen. Der beste Performer kombinierte zwei Deep-Learning-Techniken in einer gestapelten Pipeline. Wenn dieses Modell nur mit den Bewegungsdaten der drei Bewegungssensoren gefüttert wurde, sagte es während der Vor-Abstinenz-Phase in rund 85 Prozent der Fälle korrekt voraus, ob ein Rauchevent in den nächsten fünf Minuten auftreten würde. Über die folgenden drei Monate erreichte es außerdem etwa 77 bis 78 Prozent Genauigkeit bei der Kennzeichnung von starken Verlangen und Rückfällen.

Muster, die bei verschiedenen Personen funktionieren

Eine wichtige Frage war, ob diese Bewegungsmuster individuell sind oder unter Rauchern geteilt werden. Um das zu testen, trainierte das Team das Modell mit den Vor-Abstinenz-Daten aller bis auf eine Teilnehmerin bzw. einen Teilnehmer und ließ es dann die Rückfälle und Verlangen der zurückgelassenen Person während der Abstinenzphase vorhersagen. Indem sie diese Rotation durch die Gruppe durchführten, schnitt das Modell weiterhin gut ab: Im Durchschnitt konnte es fünfminütige Fenster mit hohem Risiko von solchen mit niedrigem Risiko unterscheiden und erzielte dabei eine Kennzahl, die eine gute Trennung zwischen den beiden anzeigt. Besonders stark war es bei der Vorhersage von Verlangen, was darauf hindeutet, dass subtile Veränderungen in der Bewegung, bevor die Person überhaupt eine Zigarette berührt, ein verlässliches Warnsignal sein können.

Warum winzige Bewegungen wichtiger sein könnten als Zeit und Ort

Vielleicht überraschend schnitten die Bewegungssensoren besser ab als traditionellere Prädiktoren wie Tageszeit oder Helligkeit, die in der Raucherforschung oft als Schlüsselinformationen gelten. Die Tageszeit allein war der schwächste Prädiktor. Das Magnetometer, das von Umweltfaktoren beeinflusst werden kann, trug zwar nützliche Informationen bei, steigerte die Leistung jedoch nur geringfügig, wenn es zu Beschleunigungssensor und Gyroskop hinzugefügt wurde. Da die Telefone frei verwendet wurden, ohne festen Trageort, ist es unwahrscheinlich, dass das Modell einfach bestimmte Orte oder Körperhaltungen gelernt hat. Stattdessen scheint es breite, wiederkehrende Muster alltäglicher Bewegungen zu erfassen, die Verlangen und Rückfälle vorausgehen, selbst wenn die Menschen sich dieser Muster nicht bewusst sind.

Was das für Menschen bedeuten kann, die aufhören wollen

Für jemanden, der mit dem Rauchen aufhören möchte, sind die gefährlichsten Momente oft kurz – wenn die Drangspitzen auftreten und es leicht ist, zur Zigarette zu greifen, bevor Hilfe eintrifft. Diese Studie zeigt, dass Bewegungsdaten, die gewöhnliche Smartphones bereits sammeln, in eine Art Frühwarnsystem verwandelt werden können, das diese Momente ein paar Minuten im Voraus erkennt, ohne GPS-Standort oder detaillierte persönliche Vorgeschichte zu benötigen. In Zukunft könnten solche Modelle Rauchstopp-Apps antreiben, die still nach riskanten Mustern in Ihren Bewegungen Ausschau halten und mit gut getimter Ermutigung, Werkzeugen oder Kontakten eingreifen, wenn Sie sie am dringendsten brauchen. Dieselbe Idee könnte langfristig auch bei anderen gesundheitsrelevanten Gewohnheiten helfen.

Zitation: Abo-Tabik, M., Costen, N. & Benn, Y. Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support. Sci Rep 16, 15719 (2026). https://doi.org/10.1038/s41598-026-49611-y

Schlüsselwörter: Rauchstopp, Smartphone-Sensoren, Verlangensvorhersage, Deep Learning, digitale Gesundheit