Die Herzfrequenzvariabilität (HRV) ist zunächst einmal etwas sehr Reales und Messbares. Das Herz schlägt auch bei einer scheinbar konstanten Herzfrequenz nicht wie ein Metronom. Die zeitlichen Abstände zwischen aufeinanderfolgenden Herzschlägen variieren. Diese Variabilität wird unter anderem durch das autonome Nervensystem beeinflusst und lässt sich mit verschiedenen zeit- und frequenzbezogenen Verfahren beschreiben.
Gerade darin liegt die Attraktivität der HRV. Ein komplexer physiologischer Vorgang wird messbar, Zahlen entstehen, Kurven können dargestellt und Veränderungen über die Zeit beobachtet werden. Die HRV wird deshalb in unterschiedlichen Bereichen untersucht und eingesetzt, beispielsweise in Medizin, Psychophysiologie und Sportwissenschaft. Im Sport ist insbesondere die Frage interessant, ob Veränderungen der HRV Informationen über Erholung, Trainingsbelastung und die Reaktion eines Athleten auf Training liefern können.
Das grundsätzliche Problem beginnt also nicht bei der Messung. Es beginnt bei der Interpretation des Gemessenen.
Ein Messwert ist noch keine Erklärung
Im Herbst 2013 erhielt ich eine Interviewanfrage zu einer Methode namens „Lebensfeuer“. Grundlage war ebenfalls die Analyse der Herzfrequenzvariabilität. Im Gespräch ging es schnell um die Frage, welche Aussagen sich aus solchen Messungen über Training, Erholung, Stress und alltägliche Lebensvorgänge ableiten lassen.
Genau hier liegt eine Schwierigkeit, die weit über die HRV hinausgeht. Die Aktivität des autonomen Nervensystems wird nicht ausschließlich durch Training beeinflusst. Schlaf, Erkrankungen, psychische Belastungen, körperliche Aktivität, Tageszeit und zahlreiche weitere Faktoren können eine Rolle spielen. Training ist ein Stressor unter vielen.
Aus einem veränderten HRV-Wert folgt deshalb zunächst nur, dass sich ein physiologisches Signal verändert hat. Daraus unmittelbar abzuleiten, warum es sich verändert hat, ist ein wesentlich anspruchsvolleres Problem.
Noch schwieriger wird es, wenn aus diesem Signal konkrete Ereignisse des täglichen Lebens rekonstruiert werden sollen.
Von der Korrelation zur Geschichte
Im damaligen Gespräch wurde mir beispielsweise von einer Sportlerin berichtet, bei der abendliches Stricken angeblich dazu geführt habe, dass sie später in eine Tiefschlafphase gekommen sei. Das Stricken habe den Sympathikus aktiviert. Nachdem die Tätigkeit auf den Nachmittag verlegt worden sei, habe sich das Problem verbessert. Der Fall wurde später auch im veröffentlichten Beitrag aufgegriffen.
Eine solche Geschichte besitzt alles, was eine überzeugende Erklärung benötigt. Es gibt eine Beobachtung, einen plausibel klingenden physiologischen Mechanismus, eine Intervention und anschließend eine Veränderung.
Was fehlt, ist der Nachweis, dass die Geschichte tatsächlich stimmt.
Dass zwei Ereignisse zeitlich zusammenpassen, zeigt noch nicht, dass das eine das andere verursacht hat. Selbst wenn sich gleichzeitig ein HRV-Parameter verändert hat, löst das dieses Problem nicht. Es wären zahlreiche alternative Erklärungen denkbar. Schlaf und autonome Regulation unterliegen ohnehin Schwankungen. Andere Verhaltensweisen könnten sich verändert haben. Erwartungseffekte können eine Rolle spielen. Und schließlich kann eine beobachtete Veränderung schlicht zufällig mit der Intervention zusammenfallen.
Die physiologische Plausibilität einer Geschichte ersetzt keine Prüfung ihrer Kausalität.
Die entscheidende Lücke
Damit lässt sich das eigentliche Problem präziser formulieren. Zwischen drei Ebenen muss unterschieden werden:
Messung → Interpretation → Erklärung
Die erste Ebene kann ausgesprochen solide sein. Herzschlagintervalle lassen sich messen und HRV-Parameter daraus berechnen. Auf der zweiten Ebene wird es schwieriger. Bestimmte Veränderungen können unter definierten Bedingungen mit Veränderungen autonomer Regulation zusammenhängen. Dafür gibt es physiologische Modelle und empirische Befunde. Der entscheidende Sprung erfolgt auf der dritten Ebene. Aus einem unspezifischen physiologischen Signal wird plötzlich eine konkrete Geschichte über das Leben eines Menschen:
Das Training war zu hart.
Der berufliche Stress verhindert die Regeneration.
Das abendliche Stricken aktiviert den Sympathikus.
Genau diese Aussagen stehen aber nicht im Messwert.
Sie werden interpretiert.
Je mehr mögliche Ursachen einen Messwert beeinflussen können, desto schwieriger wird es, aus diesem Wert rückwärts auf eine einzelne Ursache zu schließen. Ein Sensor kann sehr präzise messen und die daraus abgeleitete Erklärung trotzdem falsch sein.
Wissenschaftlich messen heißt nicht automatisch wissenschaftlich erklären
Das ist ein wichtiger Unterschied, weil Verfahren mit physiologischen Messungen schnell einen wissenschaftlichen Eindruck erzeugen. Elektroden, Sensoren, Diagramme und Zahlen wirken objektiv. Und tatsächlich können die zugrunde liegenden Messungen objektiv und technisch hervorragend sein. Daraus folgt jedoch nicht, dass jede Interpretation dieser Daten wissenschaftlich abgesichert ist. Gerade hier kann ein Kategorienfehler entstehen: Die wissenschaftliche Qualität der Messung wird auf die Qualität der daraus erzählten Geschichte übertragen. Doch zwischen beidem liegt ein erheblicher erkenntnistheoretischer Abstand.
Man kann einen Parameter zuverlässig messen, ohne seine Ursachen eindeutig bestimmen zu können. Man kann statistische Zusammenhänge finden, ohne individuelle Ereignisse erklären zu können. Und man kann physiologisch plausible Hypothesen formulieren, ohne damit bereits gezeigt zu haben, dass sie zutreffen.
„Bei mir hat es genau gestimmt“
Im damaligen Interview wurde meiner Kritik entgegengehalten, dass die Auswertung bei der Journalistin selbst erstaunlich gut zu ihren persönlichen Erfahrungen gepasst habe.
Auch dieses Argument ist interessant – allerdings weniger als Beleg für die Methode als als Beispiel dafür, wie Menschen Erklärungen bewerten. Wenn eine Auswertung zu unserer eigenen Wahrnehmung passt, erscheint sie unmittelbar überzeugend. Wir erkennen Situationen wieder, verbinden Messkurven mit Erinnerungen und erhalten eine scheinbar kohärente Geschichte unseres Tages. Aber persönliche Wiedererkennbarkeit ist kein Validitätsnachweis.
Genau deshalb versucht Wissenschaft, Verfahren unabhängig davon zu prüfen, wie überzeugend einzelne Beispiele erscheinen. Entscheidend ist nicht, ob sich eine Geschichte im Nachhinein plausibel erzählen lässt, sondern ob ein Verfahren unter kontrollierten Bedingungen zuverlässig zwischen unterschiedlichen Zuständen unterscheiden, relevante Entwicklungen vorhersagen oder überprüfbare Hypothesen bestätigen beziehungsweise widerlegen kann.
Die Grenze liegt nicht in der HRV
Eine Kritik an überzogenen HRV-Interpretationen ist deshalb keine Kritik an der Herzfrequenzvariabilität selbst. Im Gegenteil: HRV ist ein interessantes physiologisches Signal, dessen Anwendung gerade im Sport weiterhin intensiv untersucht wird. Unter standardisierten Bedingungen und im individuellen Längsschnitt können HRV-Messungen Informationen liefern, die zusammen mit anderen Daten für Trainingsentscheidungen relevant sein können.
Problematisch wird es erst, wenn aus einem begrenzten Signal eine umfassende Erklärung wird.
Die entscheidende Frage lautet deshalb: Welche Schlussfolgerung erlaubt uns diese Messung tatsächlich?
Diese Unterscheidung ist für Wissenschaft weit grundlegender als die Diskussion um eine einzelne HRV-Methode. Moderne Sensoren produzieren immer mehr Daten über Schlaf, Belastung, Erholung, Stress und Leistungsfähigkeit. Mit Smartwatches und Wearables tragen viele Menschen solche Messsysteme inzwischen rund um die Uhr am Körper.
Damit wächst jedoch nicht nur die Menge der Daten. Es wächst auch die Versuchung, aus jedem Ausschlag eine Geschichte zu machen. Wissenschaft beginnt an dieser Stelle nicht damit, möglichst schnell eine plausible Erklärung zu finden. Sie beginnt mit der unangenehmeren Frage:
Woher wissen wir eigentlich, dass unsere Erklärung stimmt?