Wer eine Atemapp baut, sollte sagen können, auf welcher Literatur sie steht. Diese Seite ist genau das.
Wir aktualisieren sie laufend. Falls du eine wichtige Quelle vermisst oder einen Fehler findest, schreib uns. Wir freuen uns über Hinweise.
Die Anker findest du im Standortbestimmungs-Text. Hier zeigen wir, welche Studien jeden Anker tragen.
Anker 1Reizarm
Wir designen gegen den Aufmerksamkeits-Sog nach aussen. Statt pulsierender Animationen eine ruhige Mitte. Die Wirkung dieses Designansatzes auf Stresserleben und Aufmerksamkeitsregulation ist Gegenstand aktueller Forschung in der digitalen Gesundheit und HCI.
Anker 2Physiologisch korrekt
Wir prüfen jede Atemtechnik gegen die Anatomie und Physiologie, die wir aus der klinischen Praxis kennen. Eine Technik, die einem gesunden 28-Jährigen nützt, kann einem 62-Jährigen mit Lungenemphysem schaden. Deshalb bauen wir Kontraindikationen direkt in die Übungsauswahl ein.
Anker 3Wissenschaftlich fundiert
Drei Felder bilden die Grundlage unserer Methodik: Resonanzatmung und Herzkohärenz, akustische Atemphasen-Detektion via Smartphone-Mikrofon, und klinische Evidenz für HRV-Biofeedback.
Resonanz und Kohärenz
Wir nutzen Resonanzatmung bei ungefähr 5 Atemzügen pro Minute, weil bei dieser Frequenz bei den meisten Menschen HRV und respiratorische Sinusarrhythmie in Phase gehen. Die Frequenz variiert individuell mit Körpergrösse, Alter und Lungenkapazität.
A Practical Guide to Resonance Frequency Assessment for Heart Rate Variability Biofeedback. Frontiers in Neuroscience. 2020;14:570400.
Methodische Anleitung zur individuellen Bestimmung der Resonanzfrequenz, inklusive Test-Retest-Reliabilität und Mindestepochen-Länge für HRV-Indizes. Open Access, vom Co-Autor der AAPB-HRV-Standards.
- Steffen P, Austin T, DeBarros A, Brown T. The Impact of Resonance Frequency Breathing on Measures of Heart Rate Variability, Blood Pressure, and Mood. Frontiers in Public Health. 2017. DOI
- García C et al. Methods for Heart Rate Variability Biofeedback (HRVB): A Systematic Review and Guidelines. Applied Psychophysiology and Biofeedback. 2023. DOI
- Parrado E, Lalanza JF, Ramos-Castro J, Capdevila L. Resonance frequency is not always stable over time and could be related to the inter-beat interval. Scientific Reports. 2021. DOI
Akustische Atemphasen-Detektion
Unser Mikrofon-Algorithmus erkennt Inspiration und Exspiration aus dem Audiosignal des Smartphone-Mikrofons. Das ist nicht trivial. Umgebungsgeräusche, Mikrofonqualität und Distanz zum Mund verändern das Signal. Die Studie, an der wir uns methodisch orientieren, validiert genau diesen Ansatz gegen Respiratory Inductance Plethysmography.
Estimation of respiratory rate and exhale duration using audio signals recorded by smartphone microphones. Biomedical Signal Processing and Control. 2023;81:104318.
Adaptive Schwellwert-Methode zur Atemerkennung aus Smartphone-Audio, validiert gegen RIP-Goldstandard. MAE 0.2 bpm im Labor, 0.79 bpm in 217 Remote-Aufnahmen bei gesunden und COVID-Teilnehmer:innen. Enthält zudem eine Audio-Qualitätsklassifikation (AUC 0.81), die wir konzeptionell aufgegriffen haben.
- Salvador-Navarro A et al. Respiratory rate estimation applying non-negative matrix partial co-factorization from breath sounds. IEEE MELECON. 2024. DOI
- Bae S et al. (Google Health). Prospective validation of smartphone-based heart rate and respiratory rate measurement algorithms. Communications Medicine. 2022. DOI
Klinische Evidenz für HRV-Biofeedback
HRV-Biofeedback ist die am besten untersuchte Form der Atem-basierten autonomen Selbstregulation. Wir stützen uns auf die Meta-Analyse, die die meisten Folgepublikationen als Referenz nennen.
The effect of heart rate variability biofeedback training on stress and anxiety: a meta-analysis. Psychological Medicine. 2017;47(15):2578-2586.
Meta-Analyse von 24 Studien mit rund 1700 Teilnehmer:innen. Klinisch relevante Effektstärken für HRV-Biofeedback auf Stress und Angst. Stefan Hofmann (Universität Marburg, vorher Boston University) gehört zu den meistzitierten Autor:innen in der klinischen Angstforschung.
- Lehrer P, Vaschillo E, Vaschillo B et al. Heart Rate Variability Biofeedback: How and Why Does It Work? Frontiers in Psychology. 2014. Das Mechanismus-Paper, das den Resonanzansatz physiologisch begründet.
- Vermetten E, Blase K, Lehrer P, Gevirtz R. Neurophysiological Approach by Self-Control of Your Stress-Related Autonomic Nervous System with Depression, Stress and Anxiety Patients. IJERPH. 2021. DOI
- Gitler A, Bar Yosef Y, Kotzer U, Levine AD. Harnessing non-invasive vagal neuromodulation: HRV biofeedback and SSP for cardiovascular and autonomic regulation. Medicine International. 2025. DOI
Anker 4Wir messen. Du entscheidest.
Wir geben dir Werte zur Hand. Frequenz, Tiefe, Rhythmus, I:E-Verhältnis aus dem Mikrofon, HRV und RSA aus Apple Watch, HealthKit oder einem BLE-Brustgurt. Was du daraus machst, ist deine Sache. Diese Haltung folgt aus dem klinischen Konzept des informierten Patienten und aus Forschungsarbeiten zur Patientenautonomie in digitalen Gesundheitsanwendungen.
Anker 5Aufmerksamkeit nach innen
Der letzte Anker ist gleichzeitig die Probe für alle anderen. Bei jeder Designentscheidung fragen wir: Bringt das die Aufmerksamkeit nach innen oder nach aussen? Interozeption, also die Wahrnehmung des eigenen Körpers, ist ein eigenes Forschungsfeld und das Fundament für die Wirkung von Atemarbeit.
Was wir bewusst nicht behaupten
Wir geben uns Mühe, die Methodik der App so eng wie möglich an der Literatur zu führen. Trotzdem ist klar: Die App selbst ist nicht klinisch validiert. Die Wirkung von Resonanzatmung, HRV-Biofeedback und Interozeptionstraining ist auf Methoden-Ebene belegt. Eine Aussage darüber, was unsere App in unseren konkreten Nutzer:innen bewirkt, können wir erst nach unserer eigenen Studie treffen.
Wir sind misstrauisch gegenüber proprietären Scores, die als Wissenschaft verkauft werden. Wenn wir in Zukunft eine eigene Kennzahl einführen, legen wir die Methodik offen.
Falls du eine Studie aus diesem Feld kennst, die wir hier integrieren sollten, schreib uns. Diese Seite wächst mit dem, was wir lernen.
Reizarm. Physiologisch korrekt. Wissenschaftlich fundiert.