Wie ich meinen KI-Fitness-Assistenten mit OpenClaw gebaut habe
Toby erklärt, wie er einen persönlichen KI-Assistenten entwickelt hat, um Daten aus Speediance, Tonal, Garmin, Whoop und 8Sleep zu korrelieren – mit morgendlichen und nächtlichen Fitnessberichten, die ihm zeigen, wie hart er trainieren und wie gut er abschneiden soll.
Ich beschäftige mich seit Jahren mit einem Problem – ich habe zu viele Fitnessgeräte, die nicht miteinander kommunizieren. Ich habe ein Speediance Gym-Monster, ein Tonal, eine Garmin Watch, einen Whoop und eine 8Sleep Matratze. Das sind fünf verschiedene Fitness-Technologien, und jede sagt mir jeden Abend etwas anderes.
Hier ist das Problem: Keine von ihnen teilt nativ Daten. Der Speediance und der Tonal haben nicht einmal mehr Web-Apps. Es sind geschlossene Ökosysteme. Früher konnte ich Daten über Web-Apps korrelieren, aber als diese verschwanden, verlor ich die Möglichkeit, das Gesamtbild meiner Fitness zu sehen.
Also habe ich meine eigene Lösung mit OpenClaw gebaut.
Der Morgenbericht & Nachtbericht
Jeden Morgen läuft mein OpenClaw-basierter Assistent und erstellt einen Fitness-Morgenbericht, der mir genau sagt, wie hart ich an dem Tag trainieren soll. Jeden Abend erstellt er einen Bericht, der zeigt, wie gut ich abgeschnitten habe. Es ist wie ein persönlicher Trainer, der nie schläft und alles über meine Fitnessdaten weiß.
Das System zieht Daten von allen meinen Geräten: Speediance für das Kraftvolumen, Garmin für Läufe, Whoop für Belastung und Erholung und 8Sleep für die Schlafqualität. Es korreliert all diese Informationen, um mir ein vollständiges Bild zu geben.
Eine Sache, die ich kürzlich entdeckt habe: Whoop berücksichtigt jetzt die aus Apple Health verbrannten Kalorien, was meine Strain-Werte viel genauer gemacht hat. Meine manuell eingegebenen Speediance-Workouts zählten vorher für null Strain, aber jetzt bekomme ich 10+ Strain von ihnen. Das klingt vielleicht nach einer Kleinigkeit, aber es macht einen riesigen Unterschied beim Tracking der progressiven Überlastung.
Das Hardware-Setup
Ich betreibe OpenClaw auf Mac Minis – konkret auf einem M1 und einem M4. Ich sage es offen: Ich habe zunächst versucht, es auf einem Windows-PC in einer virtuellen Maschine laufen zu lassen, und es war absolut schrecklich. Heißer Müll, ehrlich gesagt. Die Einrichtung war ein Albtraum.
Dann habe ich es auf meinen M1 Mac Mini geladen, und es funktionierte sofort auf Anhieb. Alles funktionierte sofort. Also habe ich drei OpenClaw-Instanzen auf drei verschiedenen Maschinen laufen, jede mit ihrem eigenen bestimmten Zweck:
- Arya – Steuert das Fitness-Dashboard und die Task Boards
- Claude – Kümmert sich um komplexe Integrationen und Verifizierung
- Bob – Mein persönlicher Assistent mit einem Second Brain für Erinnerungen
Jeder hat seinen eigenen Arbeitsbereich, seine eigenen Werkzeuge und Verantwortlichkeiten. Sie können Aufgaben bei Bedarf sogar untereinander übergeben.
Der LLM-Stack: Kostenlose Optionen, die tatsächlich funktionieren
Eine der beeindruckendsten Eigenschaften von OpenClaw ist, dass man es komplett mit kostenlosen LLM-Anbietern betreiben kann. Ich habe ausgiebig getestet:
- Google – Funktioniert, macht aber große Fehler. Einmal hat es seine eigenen Konfigurationsdateien gelöscht.
- Nvidia (Kimmy K2.5) – Phänomenal, wenn es funktioniert, aber unzuverlässig. Manchmal hängt es sich einfach auf.
- Miniax M2.5 – Der 10-$-Plan ist unglaublich. Langsam, aber zuverlässig. Das empfehle ich allen, die mit knappem Budget auskommen müssen.
Der 10-$-Plan von Miniax ist ehrlich gesagt das beste Angebot in OpenClaw. Er ist zuverlässig, bedacht, und ich habe erst etwa 36% meines monatlichen Kontingents verbraucht, weil er so effizient mit Tokens umgeht. Wenn man ihn für einfachere Aufgaben mit kostenlosen Anbietern kombiniert, kann man für nur 10 $/Monat einen ziemlich ausgereiften Betrieb führen.
Der Agent-Schwarm-Ansatz
Eine der leistungsstärksten Funktionen ist das parallele Ausführen mehrerer Agenten. Ich starte mehrere Agenten, die gleichzeitig an verschiedenen Teilen einer Aufgabe arbeiten, und übergebe die Ergebnisse dann an ein leistungsfähigeres Modell, das sie wie ein Puzzle zusammensetzt. Das spart Tokens und liefert trotzdem qualitativ hochwertige Ergebnisse.
Ich habe außerdem ein lokales Modell namens „Clarity", das auf Ollama (Qwen3) läuft, für einfache Programmieraufgaben. Das spart noch mehr Tokens, da alles lokal bleibt.
Echte Apps entwickeln
Über Fitnessberichte hinaus habe ich OpenClaw verwendet, um tatsächliche Anwendungen zu entwickeln. Derzeit arbeite ich an einer BJJ-Tracker-App und einem Ernährungstracker. Ja, es kann Apps bauen – obwohl ich zugebe, dass es für kleine Änderungen manchmal schneller ist, den Code einfach direkt zu bearbeiten.
Für größere Aufgaben ist die Verwendung von Codex (dem Vibe-Coding-Tool) zusammen mit OpenClaw unglaublich leistungsstark. Durch diese Kombination muss ich nie wieder HTML schreiben.
Ist es revolutionär?
Ich bin schon lange genug dabei, um mich zu erinnern, als die Leute sagten, das Internet sei nicht sicher und Faxgeräte seien besser. Wir wissen alle, wie das ausgegangen ist.
Ich glaube, OpenClaw ist so revolutionär. Es ist so groß wie das Internet. Der Influencer, der mich darauf gebracht hat, war Alex Finn, und ehrlich gesagt dachte ich, er würde es übertreiben, wie die meisten Influencer es tun. Aber nachdem ich es benutzt habe, kann ich euch sagen: Es ist real. Es ist eine wahrhaft lebensverändernde Technologie.
Die Zukunft ist agentenbasiert. Wir werden auf das manuelle Programmieren genauso zurückblicken wie heute auf Faxgeräte.
Für alle, die anfangen möchten: Besorgt euch einen Mac Mini, meldet euch für den 10-$-Plan von Miniax an, verbindet die kostenlosen LLM-Anbieter und legt los. Ihr werdet es nicht bereuen.