Ich habe eine KI gebaut, die jeden Morgen meine Erholungsdaten liest — das gibt sie wirklich aus

Warum ich das gebaut habe

Das Problem klingt einfach: Ich habe zu viele Daten von zu vielen Geräten, die nicht miteinander kommunizieren.

WHOOP 5.0, Garmin Forerunner 265S, 8Sleep Pod, Speediance Gym Monster 2S — plus Kalorien-Tracking über Chronometer. Jedes Gerät lebt in seiner eigenen App, seinem eigenen Ökosystem, seinem eigenen geschlossenen Garten. Speediance hat keine Web-App. Tonal auch nicht. Die Web-App von WHOOP ist in den letzten zwei Jahren zunehmend schlechter geworden. Keine davon ist darauf ausgelegt, in irgendeiner sinnvollen Weise miteinander zu kommunizieren.

Also habe ich am Ende das getan, was ich bei Datenproblemen immer tue: Ich habe etwas gebaut.

Ungefähr eine Woche, nachdem ich OpenClaw auf einem M3 Ultra Mac laufen ließ, der bei mir Staub sammelte, hatte ich ein funktionierendes Fitness-Intelligence-System, das Daten aus sechs Konnektoren abruft und zwei Berichte generiert: einen Morgenbericht, der mir sagt, wie hart ich trainieren sollte, und einen Abendbericht, der bewertet, wie der Tag gelaufen ist. Beide werden automatisch auf einem gehosteten Dashboard (GitHub Pages) veröffentlicht, das ich von überall aus abrufen kann.

Der Stack

Hardware: M3 Ultra Mac als Basis-Agent-Host. ARIA übernimmt das Fitness-Dashboard und koordiniert Daten aus mehreren Konnektoren.

Modelle: Primäre Orchestrierung über MiniMax (~$10/Monat), das zuverlässig und langsam genug ist, um Aufgaben ordnungsgemäß zu delegieren, ohne das Budget zu sprengen. Wenn ich schwere Arbeit brauche — mehrstufige Integrationsarbeit, Debugging, den Bau neuer Konnektoren — wechsle ich bei Bedarf zu gehosteten Modellen wie Claude (Anthropic). Für die routinemäßige tägliche Berichterstellung reicht der günstigere Tarif.

Konnektoren (6 aktiv):

• WHOOP API (Recovery Score, HRV, Schlafdaten, Strain)
• Garmin Connect (Aktivitätsdaten — Läufe, HR-Zonen, Pace, Trainingslast)
• Speediance (über den inoffiziellen API-Endpunkt aus der Reddit-Community — er ruft abgeschlossene Workout-Daten ab, einschließlich Volumen, Übungsaufschlüsselung und 1RM-Schätzungen)
• 8Sleep (Sleep Score, Temperatur, HRV vom Pod)
• Chronometer (Kalorien- und Makro-Daten)
• Apple Health (Brückenschicht, die es Speediance-Kaloriendaten ermöglicht, WHOOP für eine genaue Strain-Berechnung zu erreichen)

Der Speediance-Konnektor ist derjenige, nach dem die Leute am häufigsten fragen. Es gibt keine offizielle API. Jemand in der Reddit-Community hat den Endpunkt veröffentlicht, der deine abgeschlossenen Workout-Daten zurückgibt. OpenClaw hat ihn gefunden, ich habe ihn auf die URL ausgerichtet, und innerhalb weniger Minuten lud er meine Workout-Historie herunter und leitete sie an das Dashboard weiter. Der gesamte Workflow — den inoffiziellen Speediance-Manager herunterladen, dekompilieren, den Datenendpunkt identifizieren, einen Konnektor bauen — dauerte beim Agenten weniger Zeit, als ich gebraucht hätte, um es manuell zu erledigen.

Wie der Morgenbericht tatsächlich aussieht

Hier ist die tatsächliche Ausgabe vom 11. Februar 2026 — der 18% WHOOP Erholungstag:

---

MORGENDLICHER FITNESS-BERICHT — 11. Februar 2026

Datenquellen: WHOOP, Garmin, 8Sleep, Speediance, Chronometer

Erholungszusammenfassung:

• WHOOP Erholung: 18% 🔴
• HRV: 18.7ms (unter dem 7-Tage-Basiswert)
• Gesamtschlaf (WHOOP): 3.5h
• 8Sleep Bewertung: 61/100
• WHOOP Belastung des Vortages: 11,6

Trainingsbelastung (letzte 7 Tage):

• Speediance Volumen: 94.280 lbs
• Erfasste Läufe: 4 Einheiten, 8,9 Meilen
• Intensivste Einheit: Anaerober Lauf am 8. Februar

⚠️ Warnhinweise:

• Schlafdefizit erkannt (>2h unter dem Basiswert)
• Kalorienzufuhr gestern: 792 kcal (geschätztes Defizit von ~800 kcal im Vergleich zum Erhaltungsbedarf)
• Erhöhtes Verletzungsrisiko: akuter Schlafentzug + Kaloriendefizit

Empfehlung: Aktive Erholung Konfidenz: 77.8% | Gewichteter Wert: 55,65

Begründung: Die HRV ist im Vergleich zum rollierenden Basiswert gedämpft. Das Schlafdefizit ist der Hauptauslöser — 3.5h ist klinisch unzureichend für die neuromotorische Erholung. Das Kaloriendefizit verstärkt die Erholungsunterdrückung. Die vorherige Belastung von 11,6 war moderat und würde normalerweise eine leichte Einheit erlauben, aber die Kombination aller drei negativen Eingaben (Schlaf, Kalorien, HRV) verschiebt die Empfehlung auf ausschließlich aktive Erholung. Ein leichter Lauf in Zone 1 von 20–30 Minuten ist akzeptabel. Speediance Warrior 1 mit Arbeitsgewicht: heute nicht empfohlen. BJJ: nicht empfohlen (Risiko verringerter Reaktionszeit).

---

Das ist die tatsächliche Ausgabe. Kein generisches „heute ruhen" — sondern eine begründete Empfehlung mit den spezifischen Eingaben, dem angezeigten Konfidenzniveau und der BJJ-Entscheidung, die explizit getroffen wurde, weil das System weiß, dass ich Jiu-Jitsu mache und dass BJJ ein anderes Verletzungsrisikoprofil hat als eine Krafteinheit.

Die Konfidenzzahl von 77.8% ist wichtig. Wenn die Konfidenz niedriger ist — sagen wir 55% — gehe ich der Sache nach, welche Signale widersprüchlich sind. In diesem Fall war die Belastung des Vortages nicht hoch genug, um unabhängig davon Ruhe zu erzwingen, aber die drei anderen negativen Signale haben sie überstimmt. Das Modell zeigt seine Arbeit.

Der Nachtbericht

Der Nachtbericht wird ausgeführt, nachdem ich Zeit hatte, die Tagesaktivitäten zu erfassen. Er bewertet:

• Hat das Training zur morgendlichen Empfehlung gepasst?
• Wie hoch war die tatsächlich angefallene WHOOP-Belastung?
• Speediance-Volumen, falls eine Krafteinheit stattfand
• Kalorienabschluss aus Chronometer
• Alle neuen 1RM-Bestleistungen aus Speediance
• Laufdaten aus Garmin, falls zutreffend

Er wird im selben Dashboard veröffentlicht. Mit der Zeit kann ich zurückblicken und sehen, ob ich die morgendlichen Empfehlungen befolgt habe und was das Ergebnis war — habe ich einen roten Tag übergangen und mich zwei Tage später schlechter gefühlt?

Habe ich an einem gelben Tag trainiert und einen persönlichen Rekord aufgestellt? Der Datensatz wird zu etwas Nützlichem.

Was mir das Aufbauen tatsächlich gebracht hat

Ich hatte erwartet, dass dies Wochen dauern würde. Es dauerte etwa eine Woche an Abenden. Das meiste davon war die anfängliche Einrichtung auf dem M3 Ultra und das Erstellen des ersten funktionierenden Connectors. Sobald OpenClaw einen Connector am Laufen hatte, ging das Erstellen des nächsten schneller. Sobald es die Daten hatte, ging das Erstellen der Visualisierungsschicht noch schneller.

Die frustrierenden Teile: Die kostenlosen Modelle (Google AI Studio, Nvidia Kimmy K2.5) machen bei komplexen mehrstufigen Arbeitslasten große Fehler. Googles Modell hat einmal seine eigenen Kernkonfigurationsdateien gelöscht, indem es ein git clean im falschen Bereich ausgeführt hat. Nvidias Modell ist schneller, wenn es funktioniert, und völlig still, wenn nicht. Zum Bauen und Debuggen kommt nichts an Claude mit einem ordentlichen API-Schlüssel heran — aber das verbrennt Tokens schnell. Die Lösung, bei der ich gelandet bin: Miniax für täglich geplante Läufe, Claude auf Abruf, wenn ich aktiv etwas Neues baue.

Die Speediance-Datenpipeline erforderte die meiste Geduld. Der inoffizielle Endpunkt ist nicht dokumentiert. Der Agent musste die Netzwerkanfragen der inoffiziellen Speediance-Manager-App inspizieren, den richtigen Endpunkt identifizieren, das Authentifizierungsmuster herausfinden und einen Connector bauen, der die Paginierung ordnungsgemäß handhabt. Er hat das alles getan. Ich habe in den Logs zugesehen, wie er das durchgearbeitet hat. In diesem Moment — als ich sah, wie er erfolgreich 125 abgeschlossene Workouts mit vollständigen Übungsaufschlüsselungen abrief — verstand ich, warum Menschen diese Technologie als wirklich anders beschreiben als alles, was davor kam.

Das große Ganze

Ich mache seit Jahren Fitness-Tech. Ich hatte ein Microsoft Band, bevor die Apple Watch existierte. Ich habe jede Generation von WHOOP benutzt. Ich habe Tonal besessen. Ich habe zwei Speediances besessen. Ich habe Kalorien durch jede App getrackt, die es in diesem Bereich je gab.

Was dieses System tut, was kein anderes getan hat, ist, all diese Daten in denselben Raum zu bringen und etwas mit tatsächlicher Schlussfolgerungsfähigkeit sie gemeinsam betrachten zu lassen. Kein Dashboard aus nicht verbundenen Widgets. Ein Agent, der gleichzeitig meinen HRV-Trend, mein Kraftvolumen von letzter Woche, meine Kalorienaufnahme und meine Schlafdaten betrachten und eine Entscheidung treffen kann, die all das berücksichtigt.

Ist es perfekt? Nein. Die Kalorien-Datenpipeline ist immer noch chaotisch — ich baue eine Apple-Health-Brücke für Snap-Cow-Daten von meiner letzten Reise. Der Speediance-Connector verpasst gelegentlich ein Workout, wenn die inoffizielle API ein Timeout hat. Das BJJ-Belastungsproblem ist real: WHOOP kann erkennen, dass eine Jiu-Jitsu-Einheit meine Herzfrequenz erhöht hat, aber es kann die neuromotorische Komponente und die Griff-Ermüdung nicht so beurteilen, wie es ein sachkundiger Coach könnte.

Aber am 11. Februar, als es mir 18% Erholung, 77.8% Zuversicht und Aktive Erholung anzeigte – lag es richtig. Und das, noch bevor ich überhaupt aus dem Bett war.

Das ist die Art von Fitness-Technologie, die ich zu entwickeln versuche, seit ich begonnen habe, solche Daten zu erfassen. Es brauchte lediglich die richtige Plattform, um das möglich zu machen.