Somni von Fullive.ai: KI soll aus Ihren Schlafreaktionen lernen

Somni ist der Versuch von Fullive.ai, über reines Schlaftracking hinauszugehen. Statt nur zu berichten, wie eine Nacht verlief, entwickelt das Unternehmen ein bildschirmloses Gerät für den Nachttisch. Es soll Person und Schlafumgebung erfassen, die Umgebung in begrenztem Rahmen verändern und das beobachtete Ergebnis in die Planung für spätere Nächte einbeziehen. Fullive nennt diesen Ansatz „Response Learning“, also das Lernen aus Reaktionen. 58

Das ist eine ambitionierte Produktidee – aber kein Nachweis klinischer Wirksamkeit. Die verfügbaren Berichte beschreiben ein Gerät in Entwicklung und ein Unternehmen, das größere Validierungsstudien anstrebt. Interessierte sollten deshalb klar zwischen den beabsichtigten Funktionen und unabhängig belegten Gesundheits- oder Schlafwirkungen unterscheiden. 5

Die Idee: Reaktionen lernen statt nur Schlafwerte ausgeben

Viele Schlafprodukte beobachten vor allem: Sie messen Bewegung, Schlafzeiten oder andere Signale und geben anschließend einen Score oder eine Zusammenfassung aus. Fullive plant dagegen einen anderen Kreislauf:

1. Zustand messen: Signale der schlafenden Person und des Schlafzimmers erfassen.
2. Begrenzte Intervention wählen: etwa eine Anpassung von Klang, Licht oder Duft.
3. Reaktion beobachten: Veränderungen über die Nacht auswerten und für die spätere Planung nutzen.

Fullive beschreibt den dabei entstehenden Datenzusammenhang als Zustand → Intervention → Reaktion. Ziel ist, zu lernen, wie eine bestimmte Person auf bestimmte Umwelteinflüsse reagiert – und nicht bloß ihren momentanen Zustand zu klassifizieren. Das aus diesen Daten trainierte Modell bezeichnet das Unternehmen als „Response Model“. 5

Praktisch hieße das: Wenn ein Klang- oder Lichtmuster in einer Nacht keine gewünschte Wirkung zeigt, soll es in einer späteren Nacht angepasst werden. Ein Muster, das mit einer besseren Reaktion verbunden ist, könnte dagegen die nächste Empfehlung beeinflussen. Jede Nacht wäre damit ein kleiner, eng begrenzter Rückkopplungszyklus statt eines einmaligen Schlafberichts. 5

Was Somni erfassen soll

Somni wird als nicht tragbares, bildschirmloses Gerät für den Nachttisch positioniert, das sich an Wissensarbeiterinnen und Wissensarbeiter mit hoher Belastung richtet. Berichten zufolge kombiniert es Millimeterwellenradar, ein Mikrofon-Array und Umgebungssensoren. Damit sollen über Nacht unter anderem Atmung, Herzfrequenz, Körperbewegungen und Bedingungen im Schlafzimmer erfasst werden. 8

Das Nachttischformat ist für die Produktstrategie zentral: Niemand soll beim Schlafen ein Wearable tragen müssen; zugleich kann das System sowohl die Person als auch ihre Schlafumgebung beobachten. Fullives These lautet, dass ein über Stunden kontinuierlich beobachtetes und vergleichsweise stabiles Schlafzimmer ein praktikabler Ausgangspunkt sein kann, um individuelle Reaktionen zu lernen. 5

Dennoch braucht gerade die kontaktlose Messung transparente Validierung. Angaben zu physiologischen Messwerten sollten an Genauigkeitsbenchmarks und klinischer Evidenz gemessen werden – insbesondere, wenn sie Entscheidungen zu Wohlbefinden oder Gesundheit beeinflussen könnten.

Vom Erfassen zur Intervention

Die geplante Interventionsschicht unterscheidet Somni von einem gewöhnlichen Tracker. Das Gerät soll Klang, Licht und Duft als Umwelteinflüsse einsetzen – etwa um das Einschlafen zu unterstützen, auf nächtliches Erwachen zu reagieren und ein sanfteres Aufwachen zu ermöglichen. 58

Fullive betont, den Handlungsraum begrenzt zu halten, statt einer generativen KI unbeschränkte Kontrolle zu geben. Nach Unternehmensdarstellung liefern die Sensoren Daten an eine Planungslogik auf Basis von Foundation Models; der „Bio-OS Harness“ koordiniert Mess- und Ausgabemodule. Als Sicherheitsgrenzen nennt Fullive Konfidenzgrenzen, Evidenz und ein enges Interventionsspektrum. 5

Diese Grenzen sind wichtig: Personalisierte Automatisierung im Schlafzimmer ist nicht allein deshalb nützlich, weil sie sich anpasst. Ein sinnvolles System müsste zuverlässig passende Interventionen wählen, störende Entscheidungen vermeiden und Effekte zeigen, die über längere Zeit bestehen.

Warum Fullive von einem geschlossenen Regelkreis spricht

Ein Closed-Loop-Produkt sammelt nicht nur Daten. Es verknüpft Messung, Entscheidung, Handlung und Rückmeldung:

• Erfassen: Signale der schlafenden Person und des Raums erkennen.
• Einordnen: aktuellen Zustand und relevanten Kontext abschätzen.
• Handeln: eine begrenzte Intervention in der Umgebung einsetzen.
• Lernen: die spätere Reaktion mit früheren Mustern vergleichen und die künftige Strategie anpassen.

Das weitergehende Ziel von Fullive ist, in realen Haushalten Daten zu Interventionen und Reaktionen zu sammeln. Das Unternehmen argumentiert, diese Evidenz könnte langfristig ein KI-System unterstützen, das vorhersagt, wie sich körperliche Zustände in Reaktion auf Umweltbedingungen verändern könnten. 5

Das ist deutlich schwieriger als ein Schlaf-Dashboard zu entwickeln. Es setzt voraus, echte Effekte von normalen Nacht-zu-Nacht-Schwankungen, Störfaktoren und ungenauen Sensorwerten zu trennen. Das lässt sich nicht allein durch Produktnutzung beantworten.

Datenschutzversprechen bleiben zunächst Produktversprechen

Fullive erklärt, rohe Radar-Wellenformen würden zunächst lokal gespeichert. Informationen, die in die Cloud übertragen werden, sollen verschlüsselt und auf das Nötigste reduziert werden, damit keine Rohdaten hochgeladen werden, aus denen sich persönliche Privatsphäre rekonstruieren ließe. 5

Für ein ständig präsentes Gerät im Schlafzimmer ist das ein relevantes Designziel. Es ist jedoch keine unabhängige Datenschutz-Zertifizierung. Um die Umsetzung beurteilen zu können, bräuchten Käuferinnen, Käufer und Fachleute klare Angaben zu Speicherdauer, Cloud-Verarbeitung, Kontosteuerung, Weitergabe an Dritte und Sicherheitsmaßnahmen.

Vom Schlafbegleiter zum „Response Model“

Fullive stellt Somni als ersten Schritt einer umfassenderen Plattformstrategie dar. Nach Unternehmensangaben soll der Weg von schlafbezogenen Tests und Massenproduktion zu größeren klinischen Validierungen führen; später könnten Produkte für den Tag hinzukommen. Langfristig skizziert das Unternehmen ein physiologisches „World Model“, das körperliche Zustände über die physische Umgebung vorhersehen und sicher beeinflussen soll. 57

Vorerst ist das eine Forschungs- und Produktvision. Besonders aussagekräftig wären unabhängig konzipierte klinische Studien, veröffentlichte Genauigkeitstests zur kontaktlosen Sensorik sowie dauerhafte Ergebnisse bei unterschiedlichen Nutzergruppen – nicht nur Beschreibungen des Unternehmens, wie das System funktionieren soll. 5

Worauf es jetzt ankommt

Somnis Ansatz ist interessant, weil er das Ziel vom bloßen Messen des Schlafs auf die Frage verschiebt, ob kleine, persönliche Anpassungen der Umgebung tatsächlich helfen können. Sein Nutzen hängt aber von drei offenen Fragen ab:

• Messen die kontaktlosen Sensoren relevante Signale präzise genug für individuelle Entscheidungen?
• Verbessern Klang-, Licht- und Duftinterventionen bedeutsame Schlafwerte über gewöhnliche Schwankungen oder Placeboeffekte hinaus?
• Lassen sich Sicherheit, Datenschutz und anhaltende Vorteile in sorgfältigen unabhängigen Studien belegen?

Bis diese Fragen beantwortet sind, ist Somni am treffendsten als frühe KI-Hardware-Wette auf personalisierte Erholung zu verstehen – nicht als validierte medizinische Lösung. 58