Ich habe ein KI-System gebaut, das mein gesamtes Fitnessleben verwaltet. So funktioniert es.

Das Problem mit Fitnessdaten

Ich habe drei Schlaftracker im Bett getragen – Garmin, WHOOP und 8Sleep. Sie erzählen mir jede Nacht etwas anderes.

Das ist keine Beschwerde. Sie messen unterschiedliche Dinge. Aber das Problem ist, dass keiner von ihnen mit den anderen spricht. Garmin zeigt meinen Schlaf anders als WHOOP. 8Sleep hat seinen eigenen Score. WHOOP gibt mir meine Erholung. Garmin gibt mir meinen Trainingsstatus. Nichts davon ist miteinander verknüpft.

Und was die Krafttrainings-Seite angeht? Speediance und Tonal sind geschlossene Ökosysteme. Sie exportieren Daten nicht einfach. Ich war gezwungen, alles manuell in Tabellen zu verfolgen – genau das, was ich mit diesen Geräten eigentlich vermeiden wollte.

Also habe ich ein System gebaut, um das zu beheben.

Was ich betreibe

Ich betreibe OpenClaw auf einem M3 Ultra Mac. ARIA ist mein Hauptassistent, der das Dashboard und das Aufgabenboard verwaltet und Daten aus mehreren Konnektoren koordiniert. Ich nutze eine Mischung aus lokalen und gehosteten Modellen für einen kostenbewussten Betrieb.

Der Morgenbericht

Jeden Morgen läuft das System und zieht Daten von überall:

• WHOOP – Erholungswert, Belastung, Schlafleistung
• Garmin – Schlafanalyse, Trainingsstatus, HRV
• 8Sleep – Schlafwert, Schlafdauer, HRV
• Speediance – gestriges Trainingsvolumen, Workout-Details
• Cronometer – Ernährung, Protein, Kalorien

Dann erstellt es einen Morgenbericht. Nicht nur Daten – eine Analyse. Es sagt mir:

• Wie erholt ich bin
• Wie hart ich gestern trainiert habe
• Wie mein Trainingsstatus heute sein sollte
• Ob ich pushen oder pausieren sollte

Das ist die Erkenntnis, die ich aus keiner einzelnen App gewinnen konnte. Keine von ihnen weiß über die anderen Bescheid. Keine kann Schlaf + Krafttraining + Ernährung miteinander verknüpfen.

Der Nachtbericht

Jede Nacht läuft ein weiterer Bericht:

• Habe ich mein Proteinziel erreicht?
• Wie viel habe ich heute gehoben?
• Wie ist meine kumulative Belastung für die Woche?
• Wie entwickelt sich meine Erholung?

Es ist, als hätte man einen Coach, der nie schläft und jeden Tag nach dem Rechten sieht.

Die Konnektoren

OpenClaw hatte für die meisten dieser Dinge keine nativen Konnektoren. Ich habe sie gebaut.

Genau genommen – ich habe OpenClaw gesagt, was ich wollte. Es hat die Konnektoren gebaut.

Für Speediance gibt es einen inoffiziellen API-Endpunkt, der Workout-Daten abruft. Damit habe ich OpenClaw gefüttert. Jetzt zieht es mein Trainingsvolumen jeden Tag automatisch.

Für Garmin und WHOOP nutze ich deren APIs. Die Daten fließen ins System, werden normalisiert und werden nützlich.

Für 8Sleep ist es kniffliger. Der Datenexport ist unzuverlässig. Manche Nächte funktionieren, manche nicht. Das steht auf meiner Liste, um behoben zu werden.

Warum Mac Mini?

Ich habe das zuerst auf einem Windows-PC ausprobiert. Es war der reinste Müll. Die Einrichtung war ein Albtraum. Ich konnte kaum etwas tun.

Dann habe ich es auf einem M3 Ultra Mac ausprobiert. Wie Tag und Nacht.

Alles funktionierte auf Anhieb. OpenClaw läuft reibungslos. Die API-Aufrufe sind schnell. Es ist zuverlässig.

Die Erkenntnis: Sparen Sie nicht an der Hardware. Wenn das funktionieren soll, verwenden Sie einen leistungsfähigen Mac.

Die kostenlosen Anbieter

Ich nutze mehrere kostenlose LLM-Anbieter über OpenClaw:

• Google - solide, aber die Ratenbegrenzungen greifen schnell
• Nvidia - Kimmy 2.5 ist ausgezeichnet, wenn es funktioniert, kann aber hängen bleiben
• MiniMax - mein täglicher Begleiter. 10 $/Monat für den günstigsten Tarif. Zuverlässig, langsam, aber bedacht. Die Langsamkeit ist tatsächlich ein Vorteil - es verbrennt nicht schnell Tokens.
• Mistral - nutze ich gelegentlich, habe noch keine Grenzen erreicht

Für anspruchsvolle Reasoning-Aufgaben wechsle ich bei Bedarf zu gehosteten Modellen wie Claude (Anthropic). Die Kosten summieren sich schnell, deshalb hebe ich mir das für komplexe mehrstufige Aufgaben auf, bei denen lokale Modelle an ihre Grenzen stoßen.

Der Agenten-Schwarm

Das ist das Muster, das ich verwende:

Wenn ich eine komplexe Aufgabe habe, starte ich mehrere Agenten parallel. MiniMax koordiniert sie. Jeder Agent übernimmt einen Teil der Aufgabe - einer ruft Daten ab, ein anderer formatiert sie, ein dritter prüft auf Fehler. Dann setzt MiniMax alles zusammen.

Das spart Tokens. Alles über premium-gehostete Modelle laufen zu lassen, würde mein Budget schnell aufbrauchen. Indem ich die Arbeit auf kostenlose Anbieter verteile und gehostete Modelle nur für die Zusammenführung nutze, halte ich die Kosten überschaubar.

Das Fitness-Dashboard

Ich habe ein benutzerdefiniertes Dashboard mit OpenClaw gebaut. Es zeigt:

• Alle meine täglichen Metriken in einer Ansicht
• Trenddiagramme für Schlaf, Erholung und Krafttraining
• Wöchentliche und monatliche Zusammenfassungen
• Empfehlungen zum Trainingsstatus

Es ist auf GitHub Pages gehostet. Ich kann von überall darauf zugreifen. Andere auch - ich bin offen mit meinen Trainingsdaten. Wenn Leute sehen wollen, wie ich vorankomme, können sie das.

Die BJJ Tracker-App

Eines der Projekte, die ich entwickle, ist ein BJJ Technik-Tracker. Die Vision:

• Über 150 indizierte Techniken
• Filtern nach Position, Gürtelgrad und Submission-Typ
• Verfolgen, welche ich trainiert habe, Favoriten und Lücken
• Video-Links für jede Technik

OpenClaw hat die initiale Struktur gebaut. Dann habe ich für die Frontend-Änderungen zu Codex gewechselt. Das ist der Workflow: OpenClaw für Architektur und Logik, Codex für UI-Anpassungen. Kleinere Änderungen lohnen den Kontextwechsel mit einem LLM nicht.

Was ich gelernt habe

Kostenlose Modelle funktionieren. MiniMax für 10 $/Monat erledigt 90% dessen, was ich brauche. Claude nur für die schwierigen Sachen.

Hardware ist entscheidend. Ein leistungsfähiger Mac (M3 Ultra in meinem Fall) ist der Sweet Spot. Zuverlässig, leistungsstark genug.

Agenten sind additiv. Einen Agenten laufen zu lassen ist hilfreich. Drei parallel, koordiniert laufen zu lassen, ist transformativ.

Fitness-Daten sollten vereint sein. Keine einzelne App weiß alles.

Der Aufbau der Brücke zwischen Garmin + WHOOP + Speediance + 8Sleep hat mir Erkenntnisse gegeben, die ich nirgendwo anders bekommen konnte.

So groß wie das Internet. Ich bin seit dem frühen Web dabei. Ich habe früher schon Transformationen erlebt. OpenClaw – und KI-Agenten im weiteren Sinne – sind die transformativste Technologie, die mir begegnet ist. Das iPhone war unglaublich. Das hier ist größer.

Wie es weitergeht

Ich arbeite weiterhin iterativ am Dashboard. Das Second Brain wächst – Erinnerungen, Automatisierungen, Integrationen.

Der BJJ-Tracker braucht noch Arbeit. Im Moment ist er nur ein Grundgerüst. Aber das Fundament steht.

Ich schaue mir außerdem eine Heimautomatisierungs-Integration an. Alexa, smarte Lampen, Klimasteuerung – einen Agenten zu haben, der mein Trainingspensum kennt und meine Umgebung entsprechend anpasst.

Wenn du die Fitness-Reports sehen willst: Sie sind live auf meinen GitHub Pages. Morgens und abends, automatisch ausgeführt. Das ist die Stärke dieses Setups.

Unterm Strich

Ich habe das nicht gebaut, weil die Apps nicht gut genug waren. Ich habe es gebaut, weil keine einzelne App das Gesamtbild sehen konnte. Schlaf + Krafttraining + Ernährung + Erholung – sie sind alle miteinander verbunden. Die Daten sollten es auch sein.

OpenClaw hat es möglich gemacht. Nicht einfach – aber möglich. Und wenn es einmal läuft, läuft es von selbst.