Technik - Rubrik

Wie die Auswertung von Diabetes-Daten über Wochen und Jahre im Alltag hilft 

Eine Einordnung für Familien, Jugendliche und Interessierte – zum Prinzip der Datenauswertung (AGP, Time-in-Range-Trends, Mustererkennung), illustriert an den Daten-Analysen von Tidepool. Grundlage: drei Tidepool-Blogbeiträge (2018 und 2025) sowie die Swiss Diabetes and Technology recommendations (Gastaldi G. et al., Swiss Med Wkly 2025) und Interpretationsempfehlungen aus Diabetes Care (Battelino T. et al., Diabetes Care 2019)

Warum dieses Thema?

Wer mit Diabetes lebt – oder ein Kind mit Diabetes begleitet – verarbeitet den ganzen Tag Daten: Glukosewerte, Trendpfeile, Kohlenhydrate, Insulindosen, Bewegung, Stress, Schlaf. Moderne Glukosesensoren (CGM, kontinuierliche Glukosemessung) liefern alle paar Minuten einen Wert – mehrere Hundert Messungen pro Tag. Das eigentliche Problem ist also selten ein Mangel an Daten, sondern der Überblick: Was davon ist Zufall, was ein wiederkehrendes Muster? Und was lässt sich daraus für morgen, nächste Woche oder das nächste Jahr lernen? Genau hier helfen Auswertungswerkzeuge, die viele Einzelwerte über mittlere und lange Zeiträume zu verständlichen Mustern verdichten.

Vom Momentwert zum Muster – und das Standard-Werkzeug AGP

Ein einzelner Glukosewert ist eine Momentaufnahme. Erst der Verlauf über Stunden zeigt eine Richtung, und erst der Vergleich vieler Tage zeigt ein Muster. Um diese Verdichtung einheitlich darzustellen, hat sich international das Ambulatory Glucose Profile (AGP, „ambulantes Glukoseprofil“) durchgesetzt – seit einem internationalen Konsens von 2019 gilt es als Standardbericht. Für eine verlässliche Auswertung werden mindestens 14 Tage mit Sensordaten und eine Tragezeit von rund 70 % empfohlen.

Ein AGP besteht aus zwei Teilen. Erstens aus Kennzahlen, die den Zeitraum zusammenfassen (siehe Tabelle): 

Zweitens aus einer Grafik, die alle Tage des Zeitraums über einen einzigen 24-Stunden-Tag legt. Sie zeigt eine mittlere Kurve (den Median) und darum herum Bänder, die anzeigen, wie stark die Werte zu dieser Uhrzeit typischerweise streuen. So wird auf einen Blick sichtbar, wann der Zucker regelmässig zu hoch oder zu tief liegt und wann er stark schwankt. Das AGP zeigt Muster und Wahrscheinlichkeiten, keine Diagnose – aber es macht die richtigen Fragen sichtbar.

Hinweis: Für Kinder und Jugendliche gelten dieselben Grundkennzahlen; die Zielwerte werden individuell festgelegt (z. B. bei sehr kleinen Kindern oder häufigen Tiefs). Auch hier wird eine TIR über 70 % angestrebt. 

Muster im Alltag erkennen

Was bringt so eine Auswertung praktisch? Sie deckt wiederkehrende Muster auf, die im Tagesrauschen untergehen: nächtliche Tiefs, die immer zur gleichen Zeit auftreten; ein morgendlicher Anstieg schon vor dem Frühstück (das sogenannte Dawn-Phänomen); Werte, die nach bestimmten Mahlzeiten regelmässig hochgehen; oder Tiefs an Sporttagen. Für Familien ist das entlastend: Statt auf jeden Einzelwert zu reagieren, richtet man den Blick auf die Richtung und passt gezielt an – etwa Basalrate, Kohlenhydrat-Faktor, Spritz-Ess-Abstand oder Sport-Einstellungen. Im Alltag zählt der Trend: kleine, stabile Verbesserungen bei wenig Unterzuckerungen sind bereits ein Erfolg.

Tidepool als Beispiel: eigene Daten und gespendete Daten

Tidepool ist eine gemeinnützige Organisation (Non-Profit) mit einer Datenplattform, auf der Menschen mit Diabetes die Daten verschiedener Geräte – Pumpe, Sensor, Pen – an einem Ort zusammenführen und auswerten können. Für die Schweiz ist Tidepool eine von mehreren solchen Plattformen; andere sind zum Beispiel Glooko, LibreView (Abbott), Clarity (Dexcom), CareLink (Medtronic) oder YourLoops.

Zusätzlich betreibt Tidepool das Big Data Donation Project: Nutzerinnen und Nutzer können ihre Daten freiwillig und anonymisiert für die Forschung spenden. Aus diesen gespendeten Daten entstehen Auswertungen, die zeigen, was dasselbe Prinzip – Median plus Streubänder – leistet, wenn man es nicht über die Tage einer Person, sondern über sehr viele Menschen legt. Damit steht Tidepool beispielhaft für Datenauswertung auf zwei Ebenen: die eigenen Werte über die Zeit und das grosse Bild über viele Menschen.

Was die Auswertung grosser Datenmengen zeigt

Pumpeneinstellungen sind sehr unterschiedlich (Analysen 2018). Eine frühe Auswertung von rund 800 Datenspender:innen mit Insulinpumpe (ohne Systeme mit automatischer Insulinabgabe und ohne Spritzentherapie) zeigte für jede Altersgruppe nicht nur einen typischen Wert, sondern eine breite Streuung – bei Insulinbedarf, Kohlenhydrat-Faktor, Korrekturfaktor und Basalraten. Ein Spitalapotheker und Vater eines Kindes mit Typ-1-Diabetes, der diese Daten im Unterricht einsetzt, zog daraus die Lehre: Eine pauschale, allein am Körpergewicht orientierte Dosis passt für viele Menschen nicht. Wo individuelle Daten vorliegen, sollte man sie nutzen und die Therapie danach anpassen.

Erfahrung zählt – nicht nur das Alter (Analyse 2025). Eine aktuelle Auswertung des inzwischen grössten Tidepool-Datensatzes (Daten von über 50 000 Spender:innen) betrachtete CGM-Kennzahlen über das Lebensalter und über die Jahre seit der Diagnose. Einige beobachtete Muster:

Die Zeit im Zielbereich (TIR) steigt mit den Jahren – im Median von rund 63 % in der frühen Kindheit auf etwa 78 % im höheren Erwachsenenalter; die 70-%-Marke wird etwa ab Anfang 30 überschritten. Bemerkenswert ist, dass die Jahre seit der Diagnose stärker mit einer höheren TIR zusammenhängen als das Lebensalter allein.

Hohe Werte werden mit dem Alter seltener, tiefe bleiben stabil. Die Zeit über 10,0 mmol/l sinkt von rund einem Drittel des Tages (etwa 8 Stunden) in Kindheit und Jugend auf etwa ein Fünftel (rund 5 Stunden) um die 60. Die Zeit unter 3,9 mmol/l liegt über alle Altersgruppen bei etwa 40–47 Minuten pro Tag, jene unter 3,0 mmol/l bei rund 9 Minuten – also selten und erfreulich konstant.

Der geschätzte Langzeitwert (eA1c, aus Sensordaten geschätzter HbA1c) folgt derselben Kurve: in der Pubertät im Mittel am höchsten (mittlere Glukose rund 9 mmol/l, eA1c etwa 7,5 %), danach sinkend auf unter 7 % im Erwachsenenalter und rund 6,5 % im höheren Alter. Parallel dazu nimmt die Schwankungsbreite mit dem Alter ab: Der „Zucker-Achterbahn“-Effekt beruhigt sich, wenn Hormonlage und Alltag stabiler werden. 

Die für Familien vielleicht wichtigste Botschaft: Die Pubertät ist – im grossen Durchschnitt – die schwierigste Phase, und das liegt nicht an mangelnder Mühe. Und mit Erfahrung, Routine und Unterstützung wird die Steuerung im Mittel besser. Das ist keine Vorhersage für den Einzelfall, aber eine ermutigende Einordnung. 

Grenzen und Verzerrungen – richtig einordnen

So nützlich diese Auswertungen sind, sie haben klare Grenzen – und die Tidepool-Berichte benennen sie selbst offen. Es handelt sich um Auswertungen realer Alltagsdaten (Beobachtungsdaten), nicht um kontrollierte Studien; sie zeigen Zusammenhänge, nicht zwingend Ursachen. Die Daten stammen von Freiwilligen, die sich selbst zur Spende entschieden haben – das ist keine Zufallsstichprobe. Sie bilden eher Menschen mit gutem Zugang zu Technik, Ressourcen und Versicherung ab; Geschlecht, Herkunft oder Einkommen wurden nicht erfasst. Die frühen Analysen von 2018 umfassten nur Pumpennutzer:innen (keine Spritzentherapie) und überrepräsentierten Menschen kurz nach Diagnose (die „Honeymoon“-Phase mit noch etwas Eigeninsulin). Die genannten Werte sind zudem Mediane (der „mittlere“ Mensch) – die eigene Situation darf und wird davon abweichen. Und: Die Originalberichte rechnen in mg/dl mit US-amerikanischen Zielwerten; die hier genannten Zahlen wurden in mmol/l umgerechnet und an die in der Schweiz üblichen Zielbereiche angelehnt.

Der Kernsatz aus den Tidepool-Berichten passt gut: Der eigene Diabetes kann anders aussehen als der Durchschnitt – und das ist in Ordnung. Der Sinn solcher Auswertungen ist nicht der Vergleich, sondern das Lernen voneinander.

Schweiz: Datenschutz und Auswertung mit dem Team

Sobald Gesundheitsdaten in der Cloud zusammengeführt oder geteilt werden, gilt in der Schweiz das revidierte Datenschutzgesetz (revDSG, in Kraft seit September 2023). Für die Verarbeitung sensibler Gesundheitsdaten braucht es eine ausdrückliche Einwilligung; bei Kindern und Jugendlichen sollten Datenfreigaben und Zugriffsrechte (etwa für Eltern oder Betreuungspersonen) bewusst besprochen werden. Zu beachten ist auch, dass nicht jede Plattform automatisch allen lokalen Datenschutzanforderungen entspricht – das gilt besonders für Datenspenden ins Ausland oder für offene, selbst betriebene Lösungen.

Am meisten bringt die Datenauswertung, wenn sie gemeinsam mit dem Diabetes-Team erfolgt. Die Kennzahlen und das AGP sind dann kein Selbstzweck, sondern die Grundlage für konkrete, gezielte Anpassungen – idealerweise über mindestens 14 Tage betrachtet und regelmässig wiederholt.

Fragen fürs Diabetes-Team 

• Welchen Zeitraum schauen wir zur Auswertung an (z. B. 14 Tage) – und wie oft wiederholen wir das?
• Welche Kennzahlen sind bei uns gerade prioritär: mehr Zeit im Zielbereich, weniger Tiefs oder weniger Schwankung?
• Welche wiederkehrenden Muster sehen Sie in unserem AGP (nächtliche Tiefs, Dawn-Phänomen, Werte nach bestimmten Mahlzeiten, Sporttage)?
• Welche konkrete Anpassung leiten wir aus einem Muster ab – und wie prüfen wir, ob sie gewirkt hat?
• Welche Plattform/App nutzen Sie in der Sprechstunde, und wie teilen wir Daten sicher (Zugriffsrechte, Einwilligung, revDSG)?
• Wie gehen wir mit Phasen um, in denen Schwankungen erfahrungsgemäss zunehmen (z. B. Pubertät)?
• Sollten unsere Zielwerte individuell angepasst werden (z. B. bei kleinen Kindern, häufigen Tiefs oder besonderem Alltag)?

Fazit

Der Alltag mit Diabetes produziert enorm viele Daten – der Gewinn entsteht erst durch die Auswertung über die Zeit. Standardisierte Werkzeuge wie das AGP und Kennzahlen wie die Time-in-Range verwandeln Hunderte Einzelwerte in erkennbare Muster und damit in konkrete Handlungsmöglichkeiten. Die Tidepool-Analysen zeigen dasselbe Prinzip im Grossen und liefern nebenbei eine ermutigende Beobachtung: Die Pubertät ist für fast alle schwierig, und mit Erfahrung wird es im Mittel besser. Für den Einzelfall gilt weiterhin: Eigene Werte dürfen abweichen – und am meisten bringt die Auswertung gemeinsam mit dem Diabetes-Team, über einen sinnvollen Zeitraum, mit klarem Fokus und regelmässig wiederholt.

Quellen

Tidepool-Blog von Christopher Snider: „Let’s talk about your insulin pump data“ (15.02.2018) und „How your donated data helps in hospitals“ (06.07.2018). https://www.tidepool.org/blog/lets-talk-about-your-insulin-pump-data (Zugriff: 04.07.2026) https://www.tidepool.org/blog/donated-insulin-pump-data-helping-hospital (Zugriff: 04.07.2026)

Tidepool-Blog von Mark Connolly: „Our Largest Dataset Yet: A Launchpad for the Future“ (21.10.2025). https://www.tidepool.org/blog/our-largest-dataset-yet-a-launchpad-for-the-future (Zugriff: 04.07.2026)

Gastaldi G. et al.: Swiss Diabetes and Technology recommendations. Swiss Med Wkly 2025;155:4632. doi.org/10.57187/s.4632

Battelino T. et al.: Clinical Targets for Continuous Glucose Monitoring Data Interpretation – Recommendations From the International Consensus on Time in Range. Diabetes Care 2019;42:1593–1603.