Die Google Health API bietet Datentypen, mit denen der Schlafrhythmus eines Nutzers erfasst werden kann, einschließlich Dauer, Qualität und physiologischer Messwerte während der Ruhephasen. Anhand dieser Messwerte können Anwendungen Informationen zur Erholung, Schlafhygiene und langfristigen Gesundheitstrends liefern.
Physiologische Messwerte wie Herzfrequenzvariabilität (HFV), Sauerstoffsättigung (SpO2) und Atemfrequenz werden speziell während des Schlafs aufgezeichnet, da sich der Körper dann in einem stabilen Ruhezustand befindet. So kann die API einen Referenzwert für die autonome und respiratorische Gesundheit des Nutzers erfassen, ohne dass dieser durch Stressfaktoren am Tag, körperliche Aktivität oder wechselnde Umgebungsbedingungen beeinflusst wird.
Machen Sie sich mit den Unterschieden zwischen diesen Datentypen vertraut, um zu entscheiden, welche Messwerte für Ihre Anwendung geeignet sind.
Unterstützte Datentypen
Die API unterstützt die folgenden Datentypen für die Schlafmessung:
| Datentyp | Verfügbare -Vorgänge |
Bereich |
|---|---|---|
|
Tägliche Herzfrequenzvariabilität
dataType:
daily-heart-rate-variabilityfilter parameter: daily_heart_rate_variability
Eintragstyp: Täglich
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Tägliche Sauerstoffsättigung
dataType:
daily-oxygen-saturationfilter parameter: daily_oxygen_saturation
Eintragstyp: Täglich
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Tägliche Atemfrequenz
dataType:
daily-respiratory-ratefilter parameter: daily_respiratory_rate
Eintragstyp: Täglich
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Tägliche Abweichungen der Temperatur beim Schlafen
dataType:
daily-sleep-temperature-derivationsfilter parameter: daily_sleep_temperature_derivations
Eintragstyp: Täglich
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Herzfrequenzvariabilität
dataType:
heart-rate-variabilityfilter parameter: heart_rate_variability
Eintragstyp: Beispiel
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Sauerstoffsättigung
dataType:
oxygen-saturationfilter parameter: oxygen_saturation
Eintragstyp: Beispiel
Speicherauflösung: 1 Minute
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Analyse der Atemfrequenz im Schlaf
dataType:
respiratory-rate-sleep-summaryfilter parameter: respiratory_rate_sleep_summary
Eintragstyp: Beispiel
Kompatible Geräte
|
list, reconcile | .health_metrics_and_measurements.readonly.health_metrics_and_measurements.writeonly |
|
Schlaf
dataType:
sleepfilter parameter: sleep
Eintragstyp: Sitzung
Kompatible Geräte
|
list, get, reconcile, create, update, batchDelete | .sleep.readonly.sleep.writeonly |
Schlafeinheiten und kurze Wachphasen
Eine Schlafeinheit (Sleep) stellt ein einzelnes Schlafereignis dar, z. B. einen Nachtschlaf oder ein Nickerchen am Tag. Sie enthält eine detaillierte Aufschlüsselung der sich nicht überschneidenden Schlafphasen sowie kurze Übergangsintervalle, die als kurze Wachphasen bezeichnet werden.
- Schlafeinheit (
Sleep): Stellt ein einzelnes Schlafereignis dar (LIGHT,DEEP,REM,AWAKE-Phasenintervalle), das die zusammenhängende Zeitachse der primären Ruhephase unterteilt. - Kurzes Aufwachen (
shortAwakenings): Kurze Wachphasen oder Aufwachen während der Ruhephase. Im Gegensatz zu Standard-AWAKE-Phasenintervallen (die den nicht überlappenden, zusammenhängenden Schlafphasenverlauf unterteilen) sind kurze Aufwachphasen separate Segmente, die sich mit den umgebenden Schlafphasen überschneiden können. Sie bieten detaillierte Einblicke in Unruhe und Mikroaufwachphasen, ohne die primäre Struktur der Schlafphasen zu stören. - Nächtliches Aufwachen: Nächtliches Aufwachen (z. B. um etwas zu trinken) wird durch die Sensorfusion auf dem Gerät (Beschleunigungsmesser, Gyroskop und Schrittzahl) erkannt. Anwendungen können nächtliches Erwachen erkennen, indem sie
stagesnach Intervallen mittype: "AWAKE"filtern (wird sowohl inCLASSIC- als auch inSTAGES-Schlafprotokollen verwendet) oderoutOfBedSegmentsprüfen.
Beispiel
{
"name": "users/user-id/dataTypes/sleep/dataPoints/data-point-id",
"sleep": {
"interval": {
"startTime": "2026-04-20T22:30:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-04-21T06:30:00Z",
"endUtcOffset": "-14400s"
},
"type": "STAGES",
"stages": [
{
"startTime": "2026-04-20T22:30:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-04-20T23:45:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-04-20T23:45:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-04-21T01:15:00Z",
"endUtcOffset": "-14400s",
"type": "DEEP"
}
],
"shortAwakenings": [
{
"startTime": "2026-04-20T23:10:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-04-20T23:11:30Z",
"endUtcOffset": "-14400s",
"type": "AWAKE"
}
],
"summary": {
"minutesInSleepPeriod": "480",
"minutesAsleep": "455",
"minutesAwake": "25",
"minutesToFallAsleep": "15",
"minutesAfterWakeUp": "10"
}
}
}
Schlafeinheit erstellen
Wenn du einen Eintrag für eine Schlafeinheit erstellen möchtest, sende eine POST-Anfrage an den Datenpunkt-Endpunkt sleep. Die Antwort enthält das Feld name mit dem data-point-id, das in einer Update- (Patch-) oder Löschanfrage verwendet werden kann.
Anfrage
POST https://health.googleapis.com/v4/users/me/dataTypes/sleep/dataPoints
Authorization: Bearer access-token
Content-Type: application/json
{
"sleep": {
"interval": {
"startTime": "2026-06-07T22:00:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T06:00:00Z",
"endUtcOffset": "-14400s"
},
"type": "STAGES",
"stages": [
{
"startTime": "2026-06-07T22:00:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-07T22:30:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-07T22:30:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-07T23:45:00Z",
"endUtcOffset": "-14400s",
"type": "DEEP"
},
{
"startTime": "2026-06-07T23:45:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T02:15:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-08T02:15:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T02:45:00Z",
"endUtcOffset": "-14400s",
"type": "REM"
},
{
"startTime": "2026-06-08T02:45:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T05:15:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-08T05:15:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T06:00:00Z",
"endUtcOffset": "-14400s",
"type": "REM"
}
]
}
}Antwort
{
"done": true,
"response": {
"@type": "type.googleapis.com/google.devicesandservices.health.v4.DataPoint",
"name": "users/user-id/dataTypes/sleep/dataPoints/data-point-id",
"sleep": {
"interval": {
"startTime": "2026-06-07T22:00:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T06:00:00Z",
"endUtcOffset": "-14400s"
},
"type": "STAGES",
"stages": [
{
"startTime": "2026-06-07T22:00:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-07T22:30:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-07T22:30:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-07T23:45:00Z",
"endUtcOffset": "-14400s",
"type": "DEEP"
},
{
"startTime": "2026-06-07T23:45:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T02:15:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-08T02:15:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T02:45:00Z",
"endUtcOffset": "-14400s",
"type": "REM"
},
{
"startTime": "2026-06-08T02:45:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T05:15:00Z",
"endUtcOffset": "-14400s",
"type": "LIGHT"
},
{
"startTime": "2026-06-08T05:15:00Z",
"startUtcOffset": "-14400s",
"endTime": "2026-06-08T06:00:00Z",
"endUtcOffset": "-14400s",
"type": "REM"
}
]
}
}
}Schlafeinheiten abfragen und abgleichen
Wenn du den Schlafverlauf eines Nutzers abrufen möchtest, frage den reconcile-Endpunkt und nicht den list-Endpunkt ab. Wenn ein Nutzer den Schlaf über mehrere Quellen aufzeichnet, z. B. über einen Wearable-Tracker und Health Connect, gibt list alle sich überschneidenden Datensätze zurück. Wenn du die Rohdaten für list addierst, kann es sein, dass die tägliche Schlafdauer doppelt gezählt wird. Der Endpunkt reconcile dedupliziert sich überschneidende Protokolle in einen einzigen Stream und identifiziert die primäre Schlafeinheit jedes Tages, indem sleep.metadata.mainSleep auf true gesetzt wird. Einen Vergleich der beiden Endpunkte finden Sie unter Endpunkte „list“ und „reconcile“ vergleichen.
Beachten Sie beim Abfragen von sleep mit list oder reconcile die folgenden Einschränkungen für Filter und Paginierung:
- Filtern Sie
sleep-Abfragen nur nach der Endzeit der Sitzung mitsleep.interval.end_time(physische Zeit in UTC) odersleep.interval.civil_end_time(lokale bürgerliche Zeit). Kombinieren Sie die Unter- und Obergrenze mit den Vergleichsoperatoren>=und<mitAND. - Filtern Sie
sleep-Abfragen nicht nach Startzeit oder mitOR. Wenn Sie nachsleep.interval.start_timeodersleep.interval.civil_start_timefiltern, wird der Fehler400 Bad Request(INVALID_ARGUMENT) mit dem GrundINVALID_DATA_POINT_FILTER_DATA_TYPE_MEMBERzurückgegeben. Die Verwendung vonORgibt den Fehler400 Bad Request(INVALID_ARGUMENT) mit der UrsacheINVALID_DATA_POINT_FILTER_EXPRESSION_STRUCTUREzurück. Informationen zur Syntax finden Sie im Leitfaden zum Filtern von Daten. - Sowohl
listals auchreconcileerzwingen einen Standard- und Höchstwert fürpageSizevon25fürsleep. Wenn Sie einenpageSize-Wert übergeben, der größer als25ist, wird der Wert von der API auf25begrenzt. Wenn der Wert negativ ist, wird der Fehler400 Bad Requestzurückgegeben. Wenn du den Schlafverlauf mehrerer Wochen synchronisieren möchtest, verwendenextPageToken, bis das Token leer ist. Weitere Informationen finden Sie unter Verlaufsdaten abfragen.
Mit der folgenden Anfrage werden beispielsweise abgeglichene Schlafeinheiten abgefragt, die innerhalb eines zweiwöchigen Zeitraums enden:
Anfrage
GET https://health.googleapis.com/v4/users/me/dataTypes/sleep/dataPoints:reconcile ?filter=sleep.interval.civil_end_time >= "2026-03-01" AND sleep.interval.civil_end_time < "2026-03-15" &pageSize=25 Authorization: Bearer access-token Accept: application/json
Antwort
{
"dataPoints": [
{
"dataPointName": "users/user-id/dataTypes/sleep/dataPoints/data-point-id",
"sleep": {
"interval": {
"startTime": "2026-03-03T20:57:30Z",
"startUtcOffset": "0s",
"endTime": "2026-03-04T04:41:30Z",
"endUtcOffset": "0s"
},
"type": "STAGES",
"stages": [
{
"startTime": "2026-03-03T20:57:30Z",
"startUtcOffset": "0s",
"endTime": "2026-03-03T20:59:30Z",
"endUtcOffset": "0s",
"type": "AWAKE"
},
{
"startTime": "2026-03-04T04:07:30Z",
"startUtcOffset": "0s",
"endTime": "2026-03-04T04:41:30Z",
"endUtcOffset": "0s",
"type": "AWAKE"
}
],
"metadata": {
"stagesStatus": "SUCCEEDED",
"processed": true,
"mainSleep": true
},
"summary": {
"minutesInSleepPeriod": "464",
"minutesAfterWakeUp": "0",
"minutesToFallAsleep": "0",
"minutesAsleep": "407",
"minutesAwake": "57",
"stagesSummary": [
{
"type": "AWAKE",
"minutes": "56",
"count": "12"
},
{
"type": "LIGHT",
"minutes": "198",
"count": "19"
},
{
"type": "DEEP",
"minutes": "114",
"count": "10"
},
{
"type": "REM",
"minutes": "94",
"count": "4"
}
]
}
}
}
],
"nextPageToken": "Xm5h-6L0viZxIlRuWjx5bmvy98zj85uG34tuMn16mu2pntsnZI32iqhq"
}Messwerte zur Schlafeffizienz und ‑latenz
Zusätzlich zu Schlafphasen und physiologischen Messwerten liefert die API wichtige Messwerte, die die Schlafqualität und das Einschlafen quantifizieren. Schlafeffizienz und Einschlaflatenz sind klinische Standardmesswerte, die beschreiben, wie effektiv sich ein Nutzer im Verhältnis zu seiner Gesamtzeit im Bett erholt. Sie geben Aufschluss über die Schlafhygiene und die Erholsamkeit des Schlafs.
Schlafeffizienzindex
Die Schlafeffizienz ist ein Standardmesswert, der als der Anteil der Zeit definiert ist, die du im Verhältnis zur Gesamtzeit im Bett schläfst. Die API berechnet die Schlafeffizienz mit der folgenden Formel:
Sleep Efficiency Score = round( (Total Minutes Asleep / Total Minutes In Bed) * 100 )
Der Effizienzindex wird kurz vor der Aufteilung der Schlafphasen berechnet. Die in der API-Antwort zurückgegebene Gesamtzahl der Schlafminuten (im Feld summary.minutesAsleep) spiegelt das Endergebnis nach der Berechnung der Schlafphasen wider.
Wenn ein Nutzer oder Forscher die Start- oder Endzeit eines Schlafprotokolls manuell ändert, berechnet die API den Schlafeffizienzwert neu und passt die Schlafphasenaufteilung entsprechend den Sensordaten an, die innerhalb der neuen Schlaf- und Aufwachzeit aufgezeichnet wurden.
Einschlaflatenz
Die Einschlaflatenz misst die Zeit, die vergeht, bis ein Nutzer einschläft, nachdem er sich vorgenommen hat, einzuschlafen (Beginn der Zeit im Bett oder „Licht aus“).
Bei automatisch generierten Protokollen (metadata.manuallyEdited ist false) wird summary.minutesToFallAsleep standardmäßig auf "0" gesetzt, da keine explizite Absicht, einzuschlafen, protokolliert wurde. Wenn die Startzeiten im Bett manuell aufgezeichnet oder bearbeitet werden (metadata.manuallyEdited ist true), berechnet die API summary.minutesToFallAsleep und füllt es zusammen mit summary.minutesAfterWakeUp aus.
Anleitung für Recherche und manuelles Logging
Wenn Teilnehmer die Start- und Endzeiten im Bett manuell aufzeichnen oder anpassen:
- Wenn du die Bettgeh- und Aufstehzeiten änderst, werden auch die Schlaf-
interval(undsummary.minutesInSleepPeriod) aktualisiert. - Die Schlafphasen und ‑stufen werden automatisch angepasst, um die Sensordaten innerhalb des neuen Zeitfensters auszuwerten.
- Der Schlafeffizienz-Score,
summary.minutesToFallAsleepundsummary.minutesAfterWakeUpwerden anhand des aktualisierten Zeitfensters neu berechnet.
Tägliche Abweichungen der Temperatur beim Schlafen
Die täglichen Abweichungen der Temperatur beim Schlafen messen die Schwankungen der Hauttemperatur eines Nutzers während des Schlafs im Vergleich zu seinem Referenzwert. Diese Daten werden in der Regel einmal täglich nach einer längeren Schlafeinheit gemeldet.
Atemfrequenz
Die Atemfrequenz gibt die Anzahl der Atemzüge pro Minute an. Während des Schlafs ist sie ein wichtiger Messwert für die Schlafqualität und mögliche Störungen. Die API unterstützt die Atemfrequenz-Stichprobe (respiratory-rate), tägliche Zusammenfassungen (daily-respiratory-rate) und Schlafanalyse auf Sitzungsebene (respiratory-rate-sleep-summary).
Herzfrequenzvariabilität (HFV)
Die HFV misst die Unterschiede im Zeitintervall zwischen zwei Herzschlägen. Sie ist ein wichtiger Indikator für den Zustand des autonomen Nervensystems. Eine hohe HFV im Schlaf bedeutet im Allgemeinen eine bessere Erholung und Tagesform, während eine niedrige HFV auf Stress oder Übertraining hinweisen kann. Die API unterstützt HFV-Stichproben (heart-rate-variability) und tägliche Zusammenfassungen (daily-heart-rate-variability).
Sauerstoffsättigung
Die Sauerstoffsättigung (SpO2) gibt den Prozentsatz des sauerstoffgesättigten Hämoglobins im Verhältnis zur Gesamtmenge des Hämoglobins im Blut an. Die Überwachung der SpO2 während des Schlafs hilft, potenzielle Atemstörungen zu erkennen und zu bestätigen, ob der Nutzer die ganze Nacht über einen ausreichenden Sauerstoffgehalt hat. Die API unterstützt SpO2-Stichproben (oxygen-saturation) und tägliche Zusammenfassungen (daily-oxygen-saturation).
Wenn du oxygen-saturation-Daten auf Minutenebene abfragst, gibt die Google Health API nur validierte Datenpunkte zurück und filtert ungültige Messungen heraus, die durch Armbewegungen, einen lockeren Sitz am Handgelenk oder eine geringe Sensorzuverlässigkeit (unter 50 %) verursacht wurden, sowie Messwerte, die durch Bewegungsrauschen beeinträchtigt wurden. Da ungültige Minuten ausgeschlossen werden, kann die Abdeckung auf Minutenebene dünn sein und es sind Zeitstempellücken zu erwarten. Sowohl oxygen-saturation als auch daily-oxygen-saturation basieren auf denselben validierten Messwerten. Weitere Informationen zu den Validierungskriterien findest du unter SpO2-Filterung und Datengültigkeit auf Minutenebene.
Ganzheitlicher Überblick über Schlaf und Erholung
Jeder Messwert liefert zwar spezifische Informationen, sie sind jedoch eng miteinander verknüpft und bieten zusammen einen ganzheitlichen Überblick über die Erholung eines Nutzers. Die Schlafphasen (Leicht-, Tief- und REM-Schlaf) bilden die strukturelle Grundlage der Erholung, während physiologische Marker wie die HFV und die SpO2 anzeigen, wie der Körper physisch auf diese Erholung reagiert. Beispielsweise korreliert eine Schlafeinheit mit hoher Qualität und optimalem Tiefschlaf oft mit einer höheren HFV, was auf eine effektive Erholung des autonomen Nervensystems hindeutet.
In Kombination mit der Atemfrequenz und der Schlaftemperatur können Anwendungen so potenzielle Störungen erkennen. Ein plötzlicher Anstieg der Atemfrequenz oder eine Abweichung der Schlaftemperatur können erklären, warum ein Nutzer möglicherweise weniger Zeit in erholsamen Schlafphasen verbracht hat. Durch die gemeinsame Analyse dieser Datentypen können Entwickler eine umfassende Bewertung der Schlafhygiene und langfristiger Gesundheitstrends vornehmen.
Richtlinien
Beachte die folgenden Richtlinien, wenn du Schlafstatistiken in deine App einbindest:
- Sitzungsdetails: Wenn du die Schlafphasen eines Nutzers (Leicht, Tief, REM, Wach) und kurze Aufwachphasen anzeigen möchtest, frage den Datentyp
sleepab. - Nächtliches Aufwachen: Wenn du nächtliche Aufwachereignisse ohne Rohsensordatenströme erfassen möchtest, prüfe die
sleep-Phasenintervalle und filtere nach Elementen mittype: "AWAKE"(sowohl fürSTAGES- als auch fürCLASSIC-Schlafprotokolle) oder prüfeoutOfBedSegments. - Latenz und Effizienz: Verwenden Sie
summary.minutesToFallAsleepund die Formel für die Schlafeffizienz, um die Schlaflatenz zu analysieren. Beachte, dasssummary.minutesToFallAsleepausgefüllt wird, wenn Schlafprotokolle manuell bearbeitet (metadata.manuallyEditedisttrue) oder explizit protokolliert werden. - Physiologisches Monitoring: Für ein erweitertes Gesundheitsmonitoring können die Daten der Schlafeinheit mit physiologischen und Erholungsmesswerten wie
respiratory-rate-sleep-summary,daily-sleep-temperature-derivations,daily-heart-rate-variabilityunddaily-oxygen-saturationkombiniert werden.
Gesamtzeit im Tiefschlaf berechnen
So berechnest du die Gesamtzeit, die ein Nutzer in einer bestimmten Nacht in einer erholsamen Tiefschlafphase verbracht hat:
- Fragt den Datentyp
sleepfür den angegebenen Zeitraum ab. - Iterieren Sie durch die Liste der Phasen und identifizieren Sie Intervalle, in denen der
typeDEEPist. - Berechne die Dauer (Endzeit – Startzeit) für jedes Tiefschlafintervall und addiere sie.
Die resultierende Summe ergibt die gesamte physische Dauer des Tiefschlafs für diese Trainingseinheit.