Eine Smartwatch, die den Blutzucker ohne Nadeln erfasst, ist auch 2026 noch ein Techniktraum. Dank KI ist sie jedoch näher, als Sie denken.
Die Geschichte dahinter hat sich verändert: Die folgenschwersten Fortschritte bei der Glukosemessung finden nicht mehr nur in Sensorlaboren statt. Sie geschehen in der Software, in der KI eine Flut von Glukosedaten in etwas verwandelt, das einem persönlichen Stoffwechselberater immer näherkommt.
Für IT-Verantwortliche, Manager im Gesundheitswesen und Entwickler digitaler Gesundheitslösungen geht es in naher Zukunft nicht um eine Uhr, die den Blutzucker misst. Es geht darum, ein intelligentes Datenökosystem aufzubauen, das Stoffwechseltelemetrie sicher aggregieren, übersetzen und nutzbar machen kann.
- Das Handgelenk ist noch kein Labor
- Apples jahrzehntelanges Projekt hat gerade den Besitzer gewechselt
- Samsung entwickelt die KI-Ebene, statt auf den Sensor zu warten
- Das eigentliche Produkt, das heute auf den Markt kommt: KI-gestützte, verschreibungsfreie CGMs
- Die Marktausweitung: Die Zielgruppen verändern sich
- Wo KI wichtiger sein könnte als bessere Hardware
- Die Architektur des modernen Wearable-Glukose-Stacks
- Was IT- und Health-Tech-Käufer tatsächlich beobachten sollten
- Das Fazit
Das Handgelenk ist noch kein Labor
Im Februar 2024 veröffentlichte die FDA eine Sicherheitsmitteilung und forderte Verbraucher auf, keiner Smartwatch oder keinem Smart Ring zu vertrauen, die beziehungsweise der behauptet, den Blutzucker zu messen, ohne die Haut zu durchstechen. Die Behörde berichtet, dass sie Dutzende Unternehmen identifiziert habe, die solche Geräte unter mehreren Markennamen vermarkteten, und warnte, dass ungenaue Messwerte dazu führen könnten, dass jemand die falsche Dosis Insulin oder eines anderen Medikaments einnimmt.
Die Folgen der Verwendung der genannten Geräte reichen von Verwirrung bis hin zum Koma. Diese Warnung gilt bis heute, und keine Smartwatch oder kein Ring hat seitdem eine FDA-Zulassung zur eigenständigen nichtinvasiven Glukosemessung erhalten.
Entscheidend ist, dass die Warnung eine Ausnahme vorsieht: Uhren-Apps, die lediglich Daten eines von der FDA zugelassenen kontinuierlichen Glukosemessgeräts (CGM) anzeigen. Diese Unterscheidung bildet den Dreh- und Angelpunkt, um den herum die gesamte Branche inzwischen aufgebaut ist.
Apples jahrzehntelanges Projekt hat gerade den Besitzer gewechselt
Apples nichtinvasiver Glukosesensor, der Berichten zufolge noch zu Zeiten von Steve Jobs konzipiert wurde, befindet sich auch mehr als 15 Jahre später weiterhin in der Entwicklung. Was sich in diesem Frühjahr geändert hat, ist die Zuständigkeit.
Mark Gurman von Bloomberg berichtete im Mai , dass Apple die Aufsicht über das Projekt von Tim Millet, dem Leiter der Plattformarchitektur, an Zongjian Chen übertragen hat. Chen leitet auch Apples Advanced Technologies Group und die Modem-Hardware. Gurman bezeichnete die Übergabe als Zeichen dafür, dass Apple glaubt, die wissenschaftlichen Grundlagen könnten endlich weit genug fortgeschritten sein, um auf ein marktreifes Produkt hinzuarbeiten, auch wenn kein Zeitplan genannt wurde.
Andernorts im Bereich der nichtinvasiven Messung zeigte ein Gerät auf der CES 2026 namens PreEvnt Isaac einen völlig anderen Ansatz. Es erkennt Aceton in der Atemluft, einen Biomarker, der mit einem steigenden Glukosespiegel in Verbindung steht, statt durch die Haut zu messen. Es handelt sich nicht genau um eine Uhr, sondern um ein Gerät in Form eines Anhängers , das sich noch in klinischen Studien befindet. Dieses Gerät zeigt, wie viele parallele Wege zur nichtinvasiven Erkennung weiterhin erprobt werden.
Samsung entwickelt die KI-Ebene, statt auf den Sensor zu warten
Samsung verfolgt einen schrittweiseren Ansatz. Die aktuellen Galaxy-Watch-Modelle können Glukose nicht direkt messen, doch das Unternehmen hat über Jahre hinweg die analytischen Grundlagen dafür geschaffen.
Die Galaxy Watch8-Serie führte einen Antioxidant Index ein, der mithilfe lichtbasierter Spektroskopie an der Fingerspitze den Carotinoidspiegel schätzt, der mit dem Verzehr von Obst und Gemüse zusammenhängt. Hinzu kommt ein AGEs Index, der über Nacht einen Marker erfasst, der damit verbunden ist, wie schnell der Körper altersbedingte Stoffwechselnebenprodukte ansammelt. Samsung hat die zugrunde liegende Sensorentwicklung als achtjährige Forschungs- und Entwicklungsarbeit beschrieben, die eine klinische Validierung anhand von Blut-Carotinoidwerten und Raman-Spektroskopie umfasste.
Samsung-Manager bestätigten außerdem laufende Forschungsarbeiten an einem optischen, nichtinvasiven Glukosesensor. Ein Starttermin wurde jedoch nicht genannt. Bis dahin dient die Galaxy Watch als Anzeige- und Warnoberfläche für kompatible CGMs von Dexcom und anderen Anbietern, ergänzt um Samsungs eigene Messwerte zur Stoffwechselgesundheit.
Das eigentliche Produkt, das heute auf den Markt kommt: KI-gestützte, verschreibungsfreie CGMs
Der ausgereifteste Teil dieses Ökosystems ist überhaupt keine Uhr. Es ist das Aufkommen frei verkäuflicher kontinuierlicher Glukosemessgeräte, die ohne Rezept verkauft und mit KI-gestützten Coaching-Apps.
kombiniert werden.Dexcoms Stelo und Abbotts Lingo kamen 2024 als erste von der FDA zugelassene, frei verkäufliche CGMs für Nicht-Insulinanwender auf den Markt. Sie richten sich an Erwachsene, die Einblicke in ihren Stoffwechsel statt ein Diabetesmanagement suchen.
Beide kosten ungefähr 85 bis 99 US-Dollar pro Monat, sind für HSA/FSA qualifiziert und lassen sich mit Smartwatches verbinden, darunter die Apple Watch und im Fall von Stelo der Oura Ring. Dexcom hat in diesem Jahr Stelos KI-Funktionen ausgebaut, unter anderem mit einer erweiterten Nährstoffdatenbank und einer fotobasierten Erfassung von Mahlzeiten.
Das Ziel besteht darin, die Softwareebene und nicht nur den Sensor zum Grund dafür zu machen, dass Kunden ihr Abonnement behalten. Abbotts Lingo verfolgt unterdessen einen stärker lenkenden Coaching-Ansatz und verwandelt Glukosespitzen in einen einzigen täglichen „Lingo Count“-Wert, der für Menschen entwickelt wurde, die noch nie zuvor ihren Glukosewert erfasst haben.
Der Sensor wird zunehmend zur Massenware; die darauf aufbauende KI-Coaching-Ebene ist der Bereich, in dem Unternehmen sich abheben und Abonnenten binden wollen.
Die Marktausweitung: Die Zielgruppen verändern sich
Die Zielgruppe für Glukosemessungen hat ihr traditionelles Nischendasein offiziell verlassen. Nicht mehr ausschließlich auf Erwachsene mit Typ-1- oder Typ-2-Diabetes beschränkt, hält die Stoffwechselüberwachung nun direkt Einzug in die allgemeine pädiatrische Versorgung und die präventive betriebliche Gesundheitsförderung.
Im vergangenen Monat weitete sich der regulatorische Rahmen aus, als die FDA das erste frei verkäufliche kontinuierliche Glukosemessgerät für Kinder und Jugendliche im Alter von 2 bis 18 Jahren zuließ, wie Healthline berichtete. Die Einführung verschreibungsfreier Optionen wie des Dexcom-Stelo-Ökosystems für eine jüngere Zielgruppe bedeutet, dass Schulen, pädiatrische Netzwerke und familienorientierte Gesundheitsplattformen sich nun auf einen stetigen Zustrom von Echtzeitdaten aus der interstitiellen Flüssigkeit einstellen müssen, die direkt an die Smartwatches von Kindern übertragen werden.
Wo KI wichtiger sein könnte als bessere Hardware
Ein CGM erzeugt ungefähr 288 Messwerte pro Tag. Das sind weitaus mehr Daten, als ein Mensch allein sinnvoll interpretieren kann – genau die Art von Mustererkennungsproblem, für die KI geeignet ist. Die akademische Forschung ist längst über einfache Trendlinien hinausgegangen.
Ein Team, das auf arXiv veröffentlichte, stellte GluFormer vor, ein generatives Basismodell, das mit mehr als 10 Millionen CGM-Messwerten von über 10.000 Erwachsenen trainiert wurde, von denen die meisten keinen Diabetes hatten. Es soll glykämische Muster erlernen und in umfassendere Vorhersagen zur Stoffwechselgesundheit übersetzen.
Eine separate Studie aus dem Jahr 2024 beschrieb CGM-LSM als ein Transformer-basiertes Modell, das mit 1,6 Millionen Glukosedatensätzen trainiert wurde und den Prognosefehler für eine Stunde im Vergleich zu früheren Ansätzen um nahezu die Hälfte reduzierte. In jüngeren klinischen Forschungen wurde geprüft, ob eine KI-gestützte Vorhersage niedriger Glukosewerte, die auf Modellen wie XGBoost beruht, gefährliche Abfälle anhand von Daten aus realen Studien bis zu 30 Minuten vor ihrem Eintreten erkennen kann.
Das ist der praktische Nutzen: kein intelligenterer Sensor, sondern ein System, das jemanden warnen kann, dass sich sein Glukosewert auf ein Problem zubewegt, bevor es dazu kommt. Ein System, das helfen kann, diesen Ausschlag mit einer bestimmten Mahlzeit, einer schlecht durchschlafenen Nacht oder einem ausgefallenen Training in Verbindung zu bringen.
Die Architektur des modernen Wearable-Glukose-Stacks
Für technische Teams, die Initiativen im Bereich der digitalen Gesundheit bewerten oder umsetzen, beruht die Standardproduktarchitektur nicht mehr auf einem einzigen Hardwareanbieter. Sie ist als modulares Ökosystem mit drei Ebenen aufgebaut:
| Ebene | Komponente | Funktion | Überlegung für Unternehmen |
| Telemetrieebene | Subkutaner Biosensor (z. B. Dexcom, Abbott) | Misst den Glukosespiegel in der interstitiellen Flüssigkeit; wird typischerweise alle 10–14 Tage ersetzt. | Muss über eine ausdrückliche FDA-Zulassung oder CE-Kennzeichnung verfügen; hohe laufende Kosten. |
| Edge-Schnittstelle | Gängige Smartwatch (Apple, Samsung, Garmin) | Synchronisiert sich direkt per Bluetooth oder über eine Smartphone-Brücke, um Trends und haptische Warnungen anzuzeigen. | Akkuleistung bei kontinuierlicher Datensynchronisierung; Sicherheitsprotokolle auf Betriebssystemebene. |
| Intelligenzebene | KI-gestützte Analyseplattform | Verarbeitet die Sensortelemetrie zusammen mit Schlaf-, Aktivitäts- und Herzdaten, um Erkenntnisse zu gewinnen. | Einhaltung des Datenschutzes (HIPAA/DSGVO); Transparenz des algorithmischen Coachings. |
Was IT- und Health-Tech-Käufer tatsächlich beobachten sollten
Für Organisationen, die Investitionen in digitale Gesundheit, Gesundheitsleistungen oder Programme zur Fernüberwachung bewerten, sind die Ankündigungen zu Sensoren das am wenigsten nützliche Signal. Die relevanteren Fragen betreffen den Software-Stack, der sich rund um CGM-Daten bildet:
- Datenportabilität und Standards: Ob Glukosedaten von Dexcom, Abbott, Apple Health und Samsung Health ohne proprietäre Bindung in einen gemeinsamen Datensatz fließen können.
- Modellvalidierung statt bloßer Existenz des Modells: Basismodelle, die mit riesigen CGM-Datensätzen trainiert wurden, sind vielversprechend. Forschende, die Prognosewerkzeuge für die kommende Woche entwickeln, haben jedoch darauf hingewiesen, dass eine externe Validierung weiterhin erforderlich ist , bevor diese Werkzeuge für den klinischen Einsatz bereit sind, und dass einige Genauigkeitsgewinne im Vergleich zu einfacheren Modellen mit hohen Rechenkosten einhergehen.
- Regulatorische Grenzen: Die Grenze der FDA zwischen „CGM-Daten anzeigen“ und „Glukose messen“ wird nicht verschwinden. Jedes Produkt und jede Partnerschaft, die diese Grenze verwischt, zieht die Art von Kontrolle auf sich, zu der sich die Behörde bereits bereit gezeigt hat.
- Datenschutzarchitektur: Glukosewerte stehen in Verbraucher-Gesundheitsplattformen nun neben Schlaf-, Herzfrequenz- und Ernährungsdaten. Genau diese Aggregation macht das KI-Coaching nützlich – und genau dadurch wird es zu einem attraktiveren Ziel.
Das Fazit
Keine Smartwatch wird 2026 Ihren Blutzucker durch die Haut messen. Doch das ist nicht mehr der interessanteste Aspekt.
Interessant ist vielmehr, dass die Branche aufgehört hat, auf diesen Durchbruch zu warten, und damit begonnen hat, eine komplette KI-gestützte Interpretationsebene rund um die bereits existierenden CGMs aufzubauen. Es könnte noch Jahre dauern, bis sich Apples und Samsungs Sensorprojekte auszahlen. Der Wettlauf bei der Software hat bereits begonnen.
Lesen Sie auch: Während KI immer tiefer in die Gesundheitsversorgung eingebettet wird, drängen Gesetzgeber zugleich darauf, den Schutz sensibler medizinischer Daten zu stärken, die mit KI-Plattformen geteilt werden.