Bildquelle: aptivamedical.com

Wearables und tragbare Medizingeräte erzeugen kontinuierlich Biosignale. Die Herausforderung liegt nicht im Messen selbst, sondern darin, diese Signale zuverlässig, energieeffizient und regulatorisch konform zu erfassen, zu übertragen und zu interpretieren. Wer ein Gerät für das Gesundheitsmonitoring entwickelt, steht vor Entscheidungen, die Zertifizierungspfad, Stromverbrauch und Systemarchitektur gleichzeitig betreffen. Dieser Artikel beantwortet die zentralen technischen Fragen zur kontinuierlichen Überwachung mit Biosensoren direkt und ohne Umwege.

Was ist ein Biosensor und wie funktioniert er?

Ein Biosensor ist ein analytisches Gerät, das eine biologische Erkennungskomponente mit einem physikalischen Transducer kombiniert, um biochemische oder physiologische Signale in messbare elektrische Ausgaben umzuwandeln. Der Transducer wandelt das biologische Signal in ein elektrisches um, das anschließend verstärkt, gefiltert und digitalisiert wird. Die Auflösung und das Rauschen dieses Analogpfads bestimmen die Systemgenauigkeit maßgeblich.

In der Praxis besteht ein Biosensor-Frontend aus einem Sensor-Element (z.B. optische Photodiode, Elektrode, Piezo-Element), einem Analog-Frontend-IC (AFE) und einem Mikrocontroller oder DSP für die digitale Signalverarbeitung. Der AFE ist dabei oft der kritische Engpass: Ein schlecht dimensioniertes AFE mit zu hohem Eingangsrauschen (typisch über 1 µVrms bei EKG-Anwendungen) macht eine präzise Signalerfassung unmöglich, unabhängig davon, wie gut die nachgelagerte Softwareverarbeitung ist. Wer diesen Schritt unterschätzt, verliert Monate in der Debugging-Phase.

Bei optischen Biosensoren wie PPG-Sensoren (Photoplethysmografie) für das Herzfrequenz-Monitoring kommt zusätzlich das Umgebungslicht als Störgröße hinzu. Ohne aktive Unterdrückung durch differentielle Messung oder optische Abschirmung degradiert das Signal unter direktem Sonnenlicht auf ein nicht verwertbares Niveau.

Wie ermöglicht ein Biosensor eine kontinuierliche Überwachung?

Kontinuierliche Überwachung mit einem Biosensor erfordert drei Dinge gleichzeitig: niedrigen Stromverbrauch im Dauerbetrieb, ausreichende Abtastrate für das Zielsignal und eine stabile Signalqualität über den gesamten Messzeitraum. Der Widerspruch zwischen Abtastrate und Stromverbrauch ist das zentrale Designproblem bei jedem Wearable Sensor.

Für EKG-Anwendungen sind 250 bis 500 Hz Abtastrate notwendig, um klinisch relevante Merkmale wie die QRS-Komplexbreite zuverlässig aufzulösen. Bei 500 Hz und kontinuierlichem Betrieb verbraucht ein typisches AFE wie der ADS1292 von Texas Instruments etwa 300 µA bei 3 V, also rund 900 µW. Bei einer 200-mAh-Batterie ergibt das eine theoretische Laufzeit von unter 700 Stunden, ohne Funkübertragung und Prozessor. Sobald BLE-Übertragung hinzukommt, sinkt die Laufzeit je nach Verbindungsintervall auf 50 bis 150 Stunden.

Die häufigste Fehlentscheidung in der frühen Designphase: Teams wählen die Abtastrate nach dem Worst-Case-Bedarf und vergessen, dass kontinuierliches Sampling im Dauerbetrieb die Batterie in Stunden leert. Duty-Cycling des AFE, kombiniert mit Edge-Processing auf dem Mikrocontroller, ist in den meisten Szenarien die tragfähigere Architektur. Dabei wird der Sensor nur für kurze Fenster aktiviert, die Signalqualität lokal bewertet und nur bei ausreichender Qualität übertragen.

Welche Arten von Biosensoren werden für das Gesundheitsmonitoring eingesetzt?

Für das Gesundheitsmonitoring in Wearables und medizinischen Geräten kommen im Wesentlichen vier Sensortypen zum Einsatz: optische Sensoren (PPG), elektrische Biosensoren (EKG, EEG, EMG), elektrochemische Sensoren (Glukose, Laktat) und mechanische Sensoren (Beschleunigung, Druck). Jeder Typ hat ein spezifisches Rauschen, eine spezifische Komplexität im Signalpfad und unterschiedliche regulatorische Anforderungen.

• PPG-Sensoren: Günstig (Sensor-IC ab ca. 1,50 EUR bei 10K), einfach zu integrieren, aber stark bewegungsartefaktanfällig. Für das Blutsauerstoff messen (SpO2) werden zwei Wellenlängen benötigt (rot und infrarot), was die Kalibrierung und den Zulassungsaufwand erhöht.
• EKG-Elektroden: Höchste klinische Aussagekraft, aber empfindlich gegenüber Hautimpedanz und Elektrodenplatzierung. Trockene Elektroden erhöhen das Rauschen um den Faktor 10 bis 100 gegenüber Gel-Elektroden.
• Elektrochemische Sensoren: Notwendig für kontinuierliches Glukosemonitoring (CGM). Erfordern Kalibrierung, Drift-Kompensation und in der Regel eine Zulassung als Medizinprodukt Klasse IIb oder höher. Entwicklungszeit bis zur Marktreife: typisch 18 bis 36 Monate.
• IMUs (Beschleunigungssensor/Gyroskop): Unverzichtbar für Schlaftracking und Bewegungsartefakt-Korrektur bei PPG. Kostengünstig (unter 0,80 EUR bei 10K), aber die Fusion mit anderen Sensorsignalen erfordert erheblichen Algorithmenaufwand.

Wer mehrere Sensortypen kombiniert, muss die Synchronisation der Zeitstempel sicherstellen. Eine Zeitabweichung von mehr als 5 ms zwischen EKG und PPG macht die Berechnung der Pulswellenlaufzeit (PWV) unbrauchbar.

Was ist der Unterschied zwischen invasiven und nicht-invasiven Biosensoren?

Nicht-invasive Biosensoren messen durch die Haut oder an der Körperoberfläche, ohne das Gewebe zu durchdringen. Invasive Sensoren werden implantiert oder dringen in den Körper ein. Der entscheidende Unterschied liegt nicht nur in der Genauigkeit, sondern im regulatorischen Aufwand und im Zertifizierungspfad.

Nicht-invasive Wearable-Sensoren fallen in der EU häufig unter Klasse I oder IIa nach MDR 2017/745, sofern sie keine diagnostische Entscheidung treffen. Invasive Implantate (z.B. CGM-Sensoren mit subkutaner Nadel) werden als Klasse IIb oder III eingestuft. Der Unterschied in der Zertifizierungszeit beträgt typisch 12 bis 24 Monate, der Kostenunterschied im Zulassungsverfahren liegt bei 100.000 bis 500.000 EUR zusätzlich.

Ein häufiger Fehler: Teams entwickeln ein nicht-invasives Device und bezeichnen es im Marketing als „klinisch präzise“ oder „diagnostisch“. Das kann die Regulierungsbehörde veranlassen, das Gerät als Medizinprodukt höherer Klasse einzustufen, was den gesamten Entwicklungspfad nachträglich verändert. Die Zweckbestimmung muss vor Beginn der Entwicklung festgelegt und dokumentiert sein.

Welche technischen Herausforderungen gibt es bei der Biosensor-Entwicklung?

Die drei größten technischen Herausforderungen bei der Entwicklung von Biosensoren für das Patientenmonitoring sind: Bewegungsartefakte, Signaldrift über die Zeit und EMV-Störfestigkeit. Jede dieser Herausforderungen kann ein fertiges Design in der Validierungsphase scheitern lassen.

Bewegungsartefakte

Bei PPG-Sensoren überlagern Bewegungsartefakte das Nutzsignal bei Frequenzen von 1 bis 3 Hz, also genau im Bereich der Herzfrequenz. Algorithmen wie LMS-Filterung oder NLMS benötigen ein Referenzsignal vom IMU. Fehlt die zeitliche Synchronisation zwischen PPG und IMU auf Millisekunden-Ebene, ist die Artefaktkorrektur wirkungslos. Teams unterschätzen regelmäßig den Aufwand für die Synchronisations-Firmware.

Signaldrift und Kalibrierung

Elektrochemische Sensoren driften über Stunden durch enzymatische Degradation und Temperatureffekte. Ohne Temperaturkompensation und regelmäßige Rekalibrierung liegt der Messfehler bei CGM-Sensoren nach 24 Stunden typisch bei 15 bis 25 Prozent. Das überschreitet die ISO-15197-Anforderung von 15 Prozent und führt zu einem nicht konformen Produkt.

EMV und Störfestigkeit

EKG-Signale liegen im Mikrovolt-Bereich. Ein schlecht geroutetes PCB-Layout mit unzureichender Massetrennung zwischen Analogpfad und digitalem Schaltkreis erzeugt Einstreuungen, die das Signal vollständig überdecken. Das ist kein Softwareproblem und lässt sich nicht nachträglich herausfiltern. Das PCB-Layout muss von Anfang an mit getrennten Masseebenen und differentiellen Signalpfaden ausgelegt werden.

Wir bei Oxeltech sehen diese drei Punkte in der Praxis als häufigste Ursache für verzögerte Entwicklungszyklen bei Biosensor-Projekten.

Wie werden Biosensor-Daten drahtlos übertragen und verarbeitet?

Biosensor-Daten werden in Wearables überwiegend über BLE (Bluetooth Low Energy) übertragen, da BLE bei typischen Verbindungsintervallen von 20 bis 100 ms einen Kompromiss aus Latenz und Stromverbrauch bietet, der für die meisten Health-Tracking-Anwendungen ausreicht. Für klinisches Patientenmonitoring mit höherer Bandbreite oder Reichweite kommen LTE-M oder NB-IoT in Betracht.

Die Wahl des Funkprotokolls hat direkte Auswirkungen auf die Systemarchitektur:

• BLE: Durchsatz bis ca. 1 Mbit/s (netto ~250 kbit/s), Reichweite 10 bis 50 m, Stromverbrauch im Connected-Mode ca. 5 bis 15 mA. Geeignet für Consumer-Wearables und Kurzzeit-Monitoring. Limitation: keine zuverlässige Verbindung in dichten Funknetzwerken ohne Retransmission-Logik.
• LTE-M/NB-IoT: Für IoT Gesundheit-Anwendungen mit mobilem Patienten oder fehlender Smartphone-Infrastruktur. Höherer Stromverbrauch (50 bis 300 mA im Sendemodus), SIM-Kosten und Modul-Kosten ab ca. 8 bis 15 EUR bei 10K. Zertifizierung durch Netzbetreiber erforderlich, typisch 4 bis 8 Wochen zusätzlich.

Die Datenverarbeitung folgt in modernen Systemen einem Edge-Cloud-Modell: Vorverarbeitung und Artefaktfilterung laufen auf dem Mikrocontroller (z.B. STM32 mit DSP-Erweiterung), während komplexere Algorithmen wie Anomalieerkennung oder Trendanalyse in der Cloud ausgeführt werden. Das reduziert die Übertragungsmenge und damit den Stromverbrauch. Der Nachteil: Die Latenz zwischen Ereignis und Alarm steigt auf 2 bis 10 Sekunden, was für akute klinische Warnungen möglicherweise nicht akzeptabel ist.

Wer ein Gerät für das Vitalzeichen messen in regulierten Umgebungen entwickelt, muss die Datensicherheit und Verschlüsselung von Anfang an einplanen. GDPR-Konformität für biometrische Daten und gegebenenfalls HIPAA-Anforderungen für den US-Markt beeinflussen die Systemarchitektur, die Speicherorte und die Übertragungsprotokolle. Eine nachträgliche Implementierung dieser Anforderungen kostet typisch 4 bis 8 Wochen zusätzliche Entwicklungszeit. Wer ein solches Projekt von Grund auf aufsetzen möchte, findet bei uns unter Oxeltech Kontakt einen direkten Einstieg in die technische Beratung.

Ähnliche Beiträge

• Wie lange dauert der Entwicklungszyklus eines Wearable-Produkts?
• Wie sichert man die Datenübertragung in medizinischen Wearables ab?
• Was ist der Unterschied zwischen Firmware und Embedded Software?
• Wie skaliert man die Produktion eines Wearables von 100 auf 10.000 Einheiten?
• Was sind biometrische Daten und wozu werden sie genutzt?