Cadence Lock: Warum die Uhr deine Schrittfrequenz statt des Pulses anzeigt

Eine vertraute Szene: Du gehst ins Intervall, beschleunigst — und die Uhr zeigt 178 Schläge pro Minute. Du schaust auf das zweite Datenfeld: Schrittfrequenz 178. Noch ein Abschnitt — Puls 180, Schrittfrequenz 180. Die Übereinstimmung ist perfekt und genau deshalb verdächtig, denn so perfekt ist sie nie. Das ist Cadence Lock — der häufigste Ausfallmodus der optischen Pulsmessung. Und seine Wurzel liegt nicht in einer schlechten Firmware, sondern in der Physik.

Das Nutzsignal lebt haarscharf am Rauschen

Ein optischer Pulsmesser (Photoplethysmographie, PPG) strahlt mit einer LED in die Haut und fängt mit einer Fotodiode das zurückgestreute Licht auf. Das Signal besteht aus zwei Teilen.

Die DC-Komponente ist der große, langsame Hintergrund: die Lichtabsorption durch Haut, Knochen, Muskeln, venöses Blut und den nicht pulsierenden Anteil des arteriellen Bluts. Die AC-Komponente ist eine winzige Pulsation im Takt des Herzens: In der Systole steigt das Volumen des arteriellen Bluts, die Absorption nimmt zu, in der Diastole fällt sie wieder ab.

Und hier die Schlüsselzahl, aus der alles Weitere folgt: Die AC-Komponente macht nur 1–2 % der gesamten Lichtabsorption aus. Das Verhältnis von AC zu DC nennt man Perfusionsindex — im Grunde ein Maß für die Stärke des Nutzsignals. Am Handgelenk ist er niedrig: wenige Gefäße, und die liegen tief. Deshalb ist das Handgelenk von vornherein ein „verrauschter“ Messort.

Die praktische Bedeutung ist einfach. Das Nutzsignal sitzt auf einem riesigen Hintergrund und macht davon nur ein paar Prozent aus. Jede Störung vergleichbarer Amplitude überdeckt es. Genau darin unterscheidet sich PPG grundsätzlich vom Brustgurt: Das EKG misst das elektrische Potenzial des Herzens direkt, statt zu versuchen, ein zweiprozentiges Kräuseln im reflektierten Licht zu erkennen.

Der Aufprall trifft das Signal gleich von drei Seiten

Der Fußaufsatz und die Stoßwelle, die daraufhin die Extremität hinaufläuft, erzeugen nicht eine Störung, sondern mehrere gleichzeitig.

Verschiebung des Sensors gegenüber der Haut. Bei jedem Bodenkontakt rutscht ein schlecht anliegender Sensor mikroskopisch. Die Geometrie „LED — Gewebe — Fotodiode“, der Einfallswinkel und die Länge des optischen Pfads ändern sich; in den Spalt dringt Fremdlicht ein. Das ist der stärkste dieser Mechanismen — und der einzige, den du über die Straffheit des Armbands vollständig in der Hand hast.

Schwankender Anpressdruck. Der Aufprall moduliert die Anpresskraft, und von ihr hängt das Volumen des Gefäßbetts unter dem Sensor ab. Hier steckt eine Feinheit: Die Amplitude der Pulswelle ist maximal, wenn der transmurale Druck nahe null liegt — also wenn der Druck von außen etwa dem mittleren arteriellen Druck entspricht und die Gefäßwand „entlastet“ ist. Die Druckoszillationen jedes einzelnen Schritts schieben den Arbeitspunkt über die nichtlineare Compliance-Kurve, und die Form der Pulswelle beginnt, im Takt der Schritte zu tanzen.

Venöses Blut. In Ruhe gehört venöses Blut zum unbewegten Hintergrund. Bei Erschütterungen beginnt das nachgiebige Venenbett im Volumen zu schwingen — es entsteht eine parasitäre Pulsation, die nicht mit dem Herzen, sondern mit der Bewegung synchron ist.

Dazu moduliert die Stoßwelle selbst die Durchblutung in der Mikrozirkulation unter dem Sensor. Verfälscht wird also nicht nur die Optik, sondern auch das Messobjekt selbst. Und all diese Störungen haben ein und dieselbe Frequenz — die Schrittfrequenz.

Warum kein Algorithmus das repariert

Die meisten Algorithmen suchen den Puls im Frequenzbereich: Sie nehmen ein Signalfenster, berechnen das Spektrum und wählen den dominanten Peak.

Jetzt rechne nach. Eine Schrittfrequenz von 160–190 Schritten pro Minute sind 2,7–3,2 Hz. Ein Puls von 160–190 Schlägen pro Minute sind dieselben 2,7–3,2 Hz. Dazu haben beide Signale eine reiche harmonische Struktur. Wenn die Peaks zusammenrücken, sieht der Algorithmus zwei benachbarte Maxima — und der Bewegungspeak ist fast immer höher, denn das Nutzsignal macht 1–2 % aus, während die mechanische Störung durch den Aufprall kräftig ist. Der Algorithmus nimmt pflichtbewusst den größeren Peak und bleibt an der Schrittfrequenz hängen.

Das ist eine prinzipielle Grenze und kein Versäumnis: Wenn zwei Größen physikalisch dieselbe Frequenz haben, kann kein Frequenzverfahren sie in einem einzigen Kanal trennen. Wer das Spektrum der Schrittfrequenz abzieht, zieht den Puls gleich mit ab.

Gegenmaßnahmen gibt es viele — der Beschleunigungssensor als Referenzsignal, adaptive Filterung, spektrale Subtraktion, die Algorithmen TROIKA und JOSS (angegebener mittlerer Fehler 2,34 bzw. 1,28 bpm), mehrkanalige und mehrwellige Sensoren. Grünes Licht um 525 nm wird gerade deshalb verwendet, weil es nicht tief eindringt und ein besseres AC/DC-Verhältnis liefert als rotes und infrarotes. Das alles funktioniert — solange Puls und Schrittfrequenz unterscheidbar sind. Am Punkt ihrer Übereinstimmung bleibt der blinde Fleck bei allen bestehen.

Ärgerlich ist, dass dieser Punkt genau dort liegt, wo die Daten am wichtigsten sind: bei Schwellen- und Intervalltempo. Beim Beschleunigen wächst die Leistung des Stoßsignals, und gleichzeitig zieht der Puls zur Schrittfrequenz auf.

Warum der Unterschenkel der schlechteste Platz für einen Sensor ist

Die Stoßbelastung nimmt von unten nach oben stark ab. Bei simultanen Messungen mit Inertialsensoren an Junioren-Eliteläufern der Langstrecke ergab sich bei 14–16 km/h:

Schienbein: 14 ± 3 … 16 ± 3 g;
Kreuzbein: 4 ± 1 … 5 ± 1 g (rund 32 % der Belastung am Unterschenkel);
Schulterblatt: 4 ± 1 g (rund 27 %).

Der Unterschenkel bekommt also einen etwa 3,5- bis 4-mal stärkeren Stoß ab als der Schultergürtel, und fast drei Viertel der Stoßwelle werden auf dem Weg nach oben gedämpft.

Dafür gibt es mehrere Gründe. Über dem Schienbein liegt fast kein muskulärer Dämpfer — die Welle erreicht den Sensor ungeschwächt, während am Oberarm die Weichteilschicht dicker ist. Die Eigenfrequenzen der Weichteile der Beine liegen etwa im Bereich 10–50 Hz, und der Aufprall regt sie direkt an. Mit zunehmender Ermüdung sinkt zudem die Dämpfungsfähigkeit der Muskulatur, und die Beschleunigungen am Unterschenkel steigen gegen Ende eines langen Rennens an.

Direkte Vergleiche bestätigen das. In einer unabhängigen Validierung von drei baugleichen Sensoren, die gleichzeitig an Handgelenk, Unterarm und Oberarm getragen wurden, war der Oberarm den anderen Positionen durchgehend überlegen. Der Polar Verity Sense am Oberarm erreichte beim lockeren Laufen einen MAPE von rund 0,69 %, während für Handgelenksgeräte beim Laufen Fehler einer ganz anderen Größenordnung typisch sind: In einer Validierung bei Herzpatienten ergab das Laufen einen MAE von 12,1 bpm und einen MAPE von 8,5 % — gegenüber 3,8 % beim Gehen und den üblichen 1–3 Schlägen in Ruhe.

Was du dagegen tun kannst

Du brauchst einen ehrlichen Puls — nimm den Brustgurt. Das EKG misst die Elektrik des Herzens direkt und ist für Cadence Lock prinzipiell nicht anfällig. Wenn dir eine Genauigkeit besser als ±5 Schläge in der Dynamik wichtig ist, gibt es keine Alternative.
Du verträgst keinen Gurt — setz die Optik an Oberarm oder Unterarm. Der Stoß ist dort um ein Vielfaches geringer, die Durchblutung stabiler, der Fehler nähert sich dem des Gurts.
Häng einen optischen Sensor niemals an den Unterschenkel. Das ist die schlechteste denkbare Position.
Du trägst eine Uhr — zieh das Armband fest. Ein dichter Anpressdruck beseitigt den wichtigsten Artefaktmechanismus. Schieb die Uhr etwas oberhalb des Handgelenkknochens, und wärme das Handgelenk bei Kälte auf: Vasokonstriktion senkt die Perfusion und macht das Hängenbleiben wahrscheinlicher.
Zeig die Schrittfrequenz direkt neben dem Puls an. Kleben beide Zahlen aneinander, sind die Daten nicht vertrauenswürdig.
Prüfe im Nachhinein. Leg die Pulskurve über die Kurve der Schrittfrequenz. Decken sich die Linien in Intervallen, Antritten und Downhills, ist das ein Artefakt und keine Kardiodynamik. Lass solche Einheiten nicht die Berechnung von Belastung und Erholung verfälschen.
Kenne deine Risikozone. Wenn du eine hohe Schrittfrequenz (um 180) und einen hohen Arbeitspuls (um 180) hast, gehörst du zur Risikogruppe. Liegen beide in der Frequenz weiter auseinander, irrt sich die Optik deutlich seltener.

Einschränkungen

Die absoluten Werte der Stoßbelastung hängen von Tempo, Landetechnik, Schuhen, Untergrund und Ermüdung ab — stabil ist hier das Verhältnis „Unterschenkel deutlich mehr als Schulter“, nicht die konkreten Zahlen. Verlässliche publizierte Daten zu maximalen Stoßbeschleunigungen am Handgelenk gibt es kaum, deshalb ist der Vergleich von Handgelenk und Unterschenkel als qualitativ zu verstehen. Die konkreten Algorithmen der Hersteller sind nicht offengelegt: Die beschriebenen Verfahren sind die publizierte wissenschaftliche Grundlage und nicht der bestätigte Inhalt irgendeiner Firmware. Und die genannten Fehlerwerte stammen aus einzelnen Studien an bestimmten Populationen — sie zeigen die Größenordnung und den Unterschied zwischen Aktivitäten, nicht eine universelle Konstante.

Das Wichtigste

Das Nutzsignal der PPG macht nur 1–2 % der gesamten Lichtabsorption aus; alles andere ist Hintergrund.
Der Aufprall erzeugt drei Störungen auf einmal: Verschiebung des Sensors, schwankenden Anpressdruck und Pulsation des venösen Bluts — und alle mit der Schrittfrequenz.
Cadence Lock ist ein Physikproblem: Schrittfrequenz 160–190 und Puls 160–190 ergeben ein und dieselben 2,7–3,2 Hz, und mit einem Frequenzverfahren lassen sie sich nicht trennen.
Der Unterschenkel bekommt einen 3,5- bis 4-mal größeren Stoß ab als die Schulter (14–16 g gegenüber 4 g) — der schlechteste Platz für Optik.
Hierarchie der Lösungen: Brustgurt → Oberarm oder Unterarm → fest angezogene Uhr.
Diagnose: Stimmt der Puls mit der Schrittfrequenz überein, sind die Daten unbrauchbar.

Quellen: Ueberschär O. et al. „Measuring biomechanical loads and asymmetries in junior elite long-distance runners through triaxial inertial sensors“, Sports Orthopaedics and Traumatology, 2019, wiedergegeben in der Übersichtsarbeit von Sheerin K. et al. „The measurement of tibial acceleration in runners“, Gait & Posture. https://www.sciencedirect.com/science/article/abs/pii/S0949328X19301449. Zhang Z., Pi Z., Liu B. „TROIKA: A General Framework for Heart Rate Monitoring Using Wrist-Type Photoplethysmographic Signals During Intensive Physical Exercise“, IEEE Transactions on Biomedical Engineering, 62(2):522–531, 2015. Zhang Z. „Photoplethysmography-Based Heart Rate Monitoring in Physical Activities via Joint Sparse Spectrum Reconstruction“, IEEE Transactions on Biomedical Engineering, 62(8):1902–1910, 2015. Cheng D. et al., Validierung der Photoplethysmographie am Handgelenk, European Heart Journal — Digital Health, 6(5):1024, 2025.