OpenMetabolics: Schätzung des Energieverbrauchs mithilfe eines Smartphones in der Hosentasche

Warum Ihr Telefon ein Wendepunkt für die Gesundheit sein könnte

Aktiv zu bleiben ist eine der einfachsten Möglichkeiten, die Gesundheit zu schützen – dennoch fällt es uns schwer, genau zu messen, wie viel Bewegung unser Körper jeden Tag wirklich leistet. Fitness‑Tracker und Schrittzähler liefern grobe Schätzungen, übersehen aber oft kurze Aktivitätsausbrüche und beurteilen Aufwand falsch. Diese Studie stellt OpenMetabolics vor, eine neue Methode, ein normales Smartphone in der Hosentasche zu nutzen, um abzuschätzen, wie viel Energie Sie im Alltag verbrauchen. Damit könnte jeder mit einem Telefon Zugang zu aktivitätsbezogenem Monitoring im Labor‑Niveau erhalten.

Das Handy in der Tasche als Aktivitätsmesser

Die Kernidee von OpenMetabolics ist, dass die Beine den größten Teil der Arbeit bei üblichen Aktivitäten wie Gehen, Treppensteigen, Laufen und Radfahren leisten. Wenn ein Telefon in der Hosentasche sitzt, spüren die eingebauten Bewegungssensoren jede Beinschwingung. Die Forschenden entwickelten ein System, das diese Beinbewegung beobachtet und daraus schätzt, wie viel Energie die Muskeln verbrauchen. Anstatt sich auf einfache Schrittzahlen oder Herzfrequenzzonen zu verlassen, analysiert das System das Bewegungsmuster jedes Schritts und verknüpft es mit dem Energieverbrauch, der in früheren Laborversuchen gemessen wurde.

Von Rohbewegung zum Energieverbrauch

Damit das funktioniert, musste das Team zunächst die unordentliche Bewegung aus dem wirklichen Leben in etwas übersetzen, aus dem ein Computer lernen kann. Sie entwarfen Algorithmen, die die Position des Telefons am Oberschenkel ausrichten, die Bewegung in einzelne Geh‑ oder Lauf­schritte zerlegen und jeden Schritt auf eine kompakte Beschreibung der Beinbewegung reduzieren. Anschließend trainierten sie ein Machine‑Learning‑Modell – aufgebaut aus vielen kleinen Entscheidungsbäumen – mit Daten von 36 Personen, die Aktivitäten im Labor ausführten, während ihr tatsächlicher Energieverbrauch mit spezialisierten Atemmessgeräten bestimmt wurde. Dieses Modell lernte die Beziehung zwischen Beinbewegung, Körpergröße und Energieverbrauch, sodass es später den Energieverbrauch für jeden Schritt außerhalb des Labors schätzen kann.

Schlagkräftiger als gängige Wearables auf realen Straßen

Im nächsten Schritt testeten die Forschenden OpenMetabolics in Alltagsumgebungen. Freiwillige gingen, rannten, stiegen Treppen, fuhren Fahrrad und gingen eine Steigung im Freien hinauf, während sie ein rückengetragenes Atemmesssystem für die Referenzmessungen trugen sowie übliche Geräte: eine Smartwatch, einen Herzfrequenzmesser, einen Schrittzähler, einen Oberschenkel‑Träger für Bewegungsmessung und ein am Oberschenkel befestigtes Telefon. Bei diesen Aktivitäten lieferte das smartphonebasierte OpenMetabolics‑System die genauesten Energieschätzungen und hatte etwa die Hälfte des kumulativen Fehlers vieler vorhandener Werkzeuge. Besonders gut schnitt es beim realen Gehen auf Gehwegen und Treppen ab, wo einfache Schrittzähler und Handgelenksgeräte oft langsames, leichtes Gehen mit anstrengenderem Treppensteigen oder Gehen in Steigung verwechseln.

Das Problem wackelnder Taschen beheben

Natürlich tragen Menschen Telefone nicht normalerweise am Oberschenkel befestigt. Im Alltag bewegen sich Telefone in lockeren Taschen und erzeugen dadurch „Bewegungsrauschen“, das die Sensoren verwirren kann. Um dies zu lösen, zeichneten die Forschenden Geh‑Daten von Personen in verschiedenen Kleidungsarten auf – Jeans, Jogginghosen, normale Shorts und Sportshorts –, während eine Person ein Telefon in der Tasche und ein anderes fest am Oberschenkel befestigt trug. Sie trainierten ein einfaches Korrektursystem, das die typische zusätzliche Bewegung, die durch das Verrutschen des Telefons in der Tasche entsteht, erlernt und herausrechnet. Dadurch wurden Bewegungsfehler um mehr als ein Viertel reduziert und die meisten Verzerrungen in den Energieabschätzungen zwischen den Kleidungsarten beseitigt. Als die Forschenden Hunderte Kombinationen aus Personen und Kleidung simulierten, erwiesen sich die korrigierten Taschen‑Telefondaten als ebenso genau wie die eines fest befestigten Telefons.

Den Alltag in hoher Detailschärfe sehen

Schließlich führten die Forschenden eine einwöchige Heimstudie durch, bei der die Teilnehmenden während der Wachzeiten einfach ein Studien‑Smartphone in der Tasche trugen. OpenMetabolics lieferte für nahezu jeden Schritt eine Energieschätzung und offenbarte reichhaltige Muster über Tage und Wochen. Es erfasste, wie sich Bewegung um Pendelzeiten gruppierte, wie sich die Aktivitätsniveaus zwischen Individuen unterschieden und wie der Energieverbrauch an Sonntagen im Vergleich zu Wochentagen sank – Trends, die mit größeren Bevölkerungsstudien übereinstimmen. Da das gesamte System als App implementiert und Daten sowie Code offen geteilt werden, kann es prinzipiell in großen Gruppen und vielen Umgebungen eingesetzt werden, einschließlich Gemeinschaften, die keinen Zugang zu teuren medizinischen Geräten haben.

Was das für die alltägliche Gesundheit bedeutet

Für Nicht‑Expertinnen und Nicht‑Experten ist die Kernbotschaft klar: Diese Arbeit zeigt, dass ein gewöhnliches Smartphone in der Hosentasche sehr genau verfolgen kann, wie viel Energie Sie Schritt für Schritt verbrauchen, vergleichbar mit spezialisierten Laborgeräten und besser als viele verbreitete Wearables. Indem die Methoden und die Software als Open Source bereitgestellt werden, hoffen die Autorinnen und Autoren, dass Forschende, Kliniker und Gesundheitsorganisationen groß angelegte, kostengünstige Studien durchführen können, die schließlich klären, wie Bewegung im realen Leben Gesundheit, Krankheitsrisiko und Behandlungserfolg beeinflusst. Langfristig könnten Werkzeuge wie OpenMetabolics dabei helfen, Trainingsratschläge zu individualisieren, Stadtplanung zu leiten, Gewichtsmanagement‑ und Rehabilitationsprogramme zu unterstützen und hochwertige Aktivitätsüberwachung für Menschen bereitzustellen, die noch nie einen Fitness‑Tracker besessen haben.

Zitation: Cho, H., Slade, P. OpenMetabolics: Estimating energy expenditure using a smartphone worn in a pocket. Commun Eng 5, 35 (2026). https://doi.org/10.1038/s44172-026-00604-9

Schlüsselwörter: körperliche Aktivität, Energieverbrauch, Smartphone‑Sensing, tragbare Gesundheit, Gehmuster