Consulting Work Blog Kontakt
← Zurück zum Blog

Ich hole endlich das Beste aus meinen Apple-Watch-Daten heraus

Ich hole endlich das Beste aus meinen Apple-Watch-Daten heraus

Sechs Jahre. So lange trug ich die Antwort am Handgelenk, bevor ich mir die Mühe machte, sie zu lesen.

Die Apple Watch kaufte ich 2019 ohne besonderen Grund. Sie zählte meinen Puls, während ich am Schreibtisch saß, und zeichnete meinen Schlaf auf, während ich dort lag und keinen Sport trieb – und jede Nacht schrieb sie das alles in eine Datenbank, die ich nie ein einziges Mal geöffnet habe. Ich war kein Sportmensch. Eine Weile war die Uhr vor allem eine teure Möglichkeit herauszufinden, dass ich täglich ungefähr viertausend Schritte machte – die meisten davon in Richtung Küche.

Dann fing ich an, Fahrrad zu fahren – mehr aus Sturheit als aus Ehrgeiz: Lieber durch die Stadt strampeln als auf einen Zug warten, der immer vier Minuten Verspätung hatte. Das Fahrrad ersetzte die Bahn, das Fitnessstudio hörte auf, ein Ort zu sein, den ich zweimal im Jahr aufsuchte, und täglich tauchte noch vor dem ersten Kaffee eine kleine, lästige Frage auf. Heute hart trainieren, locker machen oder einfach pausieren? Jahrelang beantwortete ich sie nach Gefühl – und Gefühl, so stellt sich heraus, ist ein Münzwurf im Laborkittel. Also setzte ich mich eines Abends mit Claude zusammen, und wir bauten etwas, das sie vernünftig beantwortet.

TL;DR

  • Sechs Jahre Apple-Watch-Daten lagen ungenutzt herum. Ich baute einen morgendlichen „Bereitschaftswert", der mir sagt, ob ich hart trainieren, locker machen oder pausieren soll.
  • Jedes Signal (Herzfrequenzvariabilität, Ruheherzfrequenz, Schlaf, Belastung) wird mit meiner eigenen gleitenden 28-Tage-Baseline verglichen – nicht mit Bevölkerungswerten –, dann auf 0–100 gestaucht, wobei ein Durchschnittstag bei 50 liegt.
  • Die Mathematik ist deterministisch. Ein Sprachmodell verwandelt die Zahl nur in einen Satz. Die Zahl ist die Wahrheit; die Worte sind das freundliche Drumherum.
  • Die Belastungsseite beobachtet das Verhältnis des aktuellen Wochentrainings zum Vormonatsschnitt und mahnt in beide Richtungen – sie erkennt sowohl Übertraining als auch Detraining.
  • Ich kann ihm sagen: „Knie macht’s nicht, kein Beintag" – und es umgeht den betroffenen Teil. Wenn die Nachtdaten noch nicht da sind, sagt es „insufficient" statt zu raten.
  • Der Gewinn war nie mehr Daten. Es war das tägliche Lesen der immer gleichen Handvoll Zahlen – und das tatsächliche Umsetzen dessen, was sie sagten.

„Normal für mich" – nicht normal für alle

Die Mechanik ist bewusst langweilig – und das meine ich als Kompliment. Jeden Morgen landet mein Apple-Health-Export in einer kleinen Datenbank auf meinem eigenen Rechner. Nichts verlässt das Haus. Für jedes relevante Signal – Herzfrequenzvariabilität, Ruheherzfrequenz, Schlaf und Trainingsbelastung – vergleicht das System mich nicht mit einem Lehrbuch-Dreißigjährigen. Es vergleicht mich mit mir selbst: einer gleitenden 28-Tage-Baseline meiner eigenen Werte. Jedes Signal wird zu einem Z-Score – einer schicken Art zu fragen: „Wie ungewöhnlich ist dieser Tag für dich?" –, und alles wird auf einen einzigen Wert von 0 bis 100 gestaucht, wobei ein durchschnittlicher Morgen bei 50 landet.

Dieser letzte Punkt ist der eigentliche Kniff. Bevölkerungswerte sind hier nutzlos. Eine Ruheherzfrequenz, die für einen Durchschnittsmenschen vollkommen normal ist, könnte für mich ein stilles Warnsignal sein – und umgekehrt gilt das genauso. Die einzige Baseline, die etwas bedeutet, ist die eigene jüngste Vergangenheit. Und der Wert selbst wird berechnet, niemals geraten – ein Sprachmodell taucht erst ganz am Ende auf, um eine kalte Zahl in einen Satz zu verwandeln, den ich um sechs Uhr morgens tatsächlich lesen werde. Die Zahl ist die Wahrheit. Die Worte sind nur das freundliche Drumherum.

Eine Farbe für jeden Morgen

Was zurückkommt, ist eine Farbe und ein Urteil – und der Alltag damit hat mich gelehrt, dass sich die Farben von innen völlig anders anfühlen.

Readiness 27, red — a rest day

Bereitschaft 27, rot. Der Morgen, an dem der Körper Einspruch erhebt.

Ein roter Morgen ist demütigend. Der Wert zeigt 27, und halb wusste ich es schon bevor ich hinschaute, weil alles leicht daneben liegt: Herzfrequenzvariabilität im Keller, Ruhepuls über Nacht gestiegen, Schlaf, der technisch gesehen stattgefunden hat. Das frühere Ich wäre trotzdem ins Fitnessstudio gegangen, hätte es Disziplin genannt und die nächsten drei Tage die Zinsen dafür bezahlt. Jetzt sagt der Bildschirm einfach: Pause – und ich mache Pause. Kein Heroismus. Das Stärkste, was ich an einem 27er-Tag tue, ist die App zu schließen und Frühstück zu machen. Ein Ruhetag ist, das habe ich nach Jahren gelernt, ebenfalls Teil des Trainings.

Readiness 56, yellow — an easy day

Bereitschaft 56, gelb. Grünes Licht für Bewegung, Gelb fürs Ego.

Die meisten Morgen sind nicht dramatisch. Sie sind eine 56. Gut geschlafen, nichts falsch, nichts Besonderes. Gelb. Das Briefing sagt mir: Bewegen, aber ehrlich bleiben – eine lockere Einheit, etwas Technikarbeit, Zone zwei auf dem Fahrrad, Sätze kurz vor dem Versagen abbrechen. Das ist der Zustand, mit dem das frühere Ich am schlechtesten umging, denn ein mittelmäßiger Morgen fühlt sich wie ein normaler Morgen an – und ein normaler Morgen bedeutete früher, die Stange wie ein Held zu beladen und donnerstags dafür zu bezahlen. Gelbe Tage, aufgehäuft, sind still und leise das, woraus echte Fitness entsteht.

Readiness 86, green — train hard

Bereitschaft 86, grün. Dann also heute.

Und dann gibt es die Morgen, für die man das ganze System baut. Herzfrequenzvariabilität hoch, Puls niedrig, Schlaf tief und unterbrechungsfrei, der Tank voll. Der Wert landet bei 86, die Anzeige wird grün, und das System gibt mir ein Fenster: hart trainieren, am besten vor Mittag. Das sind die Tage für die schwerste Übung im Programm, die harten Intervalle, die Einheit, die man einträgt und nicht vergisst. Den Unterschied zwischen einem grünen und einem roten Tag konnte ich früher nicht sehen. Jetzt erkenne ich ihn, bevor ich mir die Zähne geputzt habe – und spare mir die schwere Arbeit für die Momente auf, in denen sie wirklich etwas bringt.

Die Belastung, vor der niemand warnt

Die Belastungsseite hat eine eigene Meinung – und die hat mich überrascht. Sie beobachtet das Verhältnis zwischen dem Training dieser Woche und dem des letzten Monats – akute versus chronische Belastung – und mahnt in beide Richtungen. Ich hatte erwartet, dass sie Übertraining aufdeckt. Nicht erwartet hatte ich, dass sie das Gegenteil aufdeckt. Als sie mir das erste Mal sagte, ich driftete in Richtung Detraining, dass ich zu lange zu sanft gewesen war und still und leise verlor, was ich aufgebaut hatte, musste ich laut lachen. Mein ganzes Leben hatte ich mir Sorgen gemacht, zu viel zu tun. Und nun weigerte sich ein kleines Programm höflich, mich „gut ausgeruht" mit „gut trainiert" verwechseln zu lassen.

Wenn es zurückredet – und wann es den Mund hält

Der Teil, auf den ich am stolzesten bin, ist nicht die Mathematik. Es ist, dass ich darauf zurückreden kann.

Readiness 79, green, but the left knee is flagged

Bereitschaft 79, grün, aber das linke Knie ist markiert. Ein hoher Wert mit engem Durchgang.

Manche Morgen ist der Körper bereit – aber ein bestimmter Teil von ihm hat Einspruch eingelegt. Das Knie ist etwas mitgenommen, nachdem ich ein Sofa drei Stockwerke hochgetragen habe, und die Uhr hat keine Möglichkeit, das zu wissen. Also sage ich es ihr in klaren Worten: „Linkes Knie muckt, kein Beintag heute." Am nächsten Morgen liest das Briefing die Lage. Der Wert mag noch ein strahlendes Grün sein, aber statt mich frohgemut zu den Kniebeugen zu schicken, umgeht es das Knie und sagt: nur Oberkörper. Genauso, wenn ich merke, dass ich krank werde, und das sage. Die Zahl sagt los; die Einschränkung sagt: los, aber hier entlang. Diese Kombination empfinde ich als seltsam vertrauenswürdig – denn sie bedeutet, dass das System nicht einfach eine Kennzahl bejubelt. Es hört mir auch zu.

No verdict yet — insufficient data

Noch kein Urteil – und das ist die richtige Antwort.

Und dann ist da mein Lieblingsfeature: das System, das weiß, wann es den Mund halten soll. Manche Morgen schaue ich zu früh nach. Apple hat die Nachtdaten noch nicht verarbeitet, die Daten sind schlicht noch nicht da – und ein schlechteres Tool würde die Lücke mit einem selbstsicher klingenden Schätzwert überkleben. Meins gibt ein einziges Wort zurück: insufficient. Noch nicht genug Daten, später wiederkommen. Eine fabrizierte 50, die wie ein Urteil aussieht, ist schlechter als eine ehrliche Leerstelle – denn um die Leerstelle kann man herumplanen, um die Fälschung nicht. Ich vertraue dem System mehr, weil es bereit ist zu sagen: „Ich weiß es nicht." Der meiste Lärm in meinem Leben kommt von Tools und Menschen, die bei Dingen sehr sicher sind, bei denen sie es nicht sein sollten.

Was mir sechs Jahre Daten beigebracht haben

Es startet von allein gegen 6 Uhr, und das Urteil wartet auf meinem Handy, bevor ich entschieden habe, ob ich schon ein Mensch sein will. Das hier ist, um das klarzustellen, keine medizinische Empfehlung. Es diagnostiziert nichts. Es ist eine Bereitschaftsheuristik, die auf meinen eigenen Werten aufbaut – und genau das ist der Punkt: Sie gilt für mich, nicht für irgendeinen imaginären Durchschnittsmenschen.

Die Erkenntnis, als ich nach ihr suchte, war kleiner und seltsamer als erwartet. Ich hatte immer angenommen, die Antwort auf besseres Training sei mehr. Mehr Daten, mehr Tracking, eine schickere Uhr, noch eine Kennzahl. Dabei schwamm ich die ganze Zeit in sechs Jahren Daten. Was mir fehlte, war nie mehr Information. Es war die Disziplin, jeden Morgen dieselbe Handvoll Zahlen zu lesen – und tatsächlich zu tun, was sie sagten.

Die Uhr hat mir das die ganze Zeit gesagt. Ich habe endlich etwas gebaut, das zuhört.

Stack: Apple Health · Python · SQLite · Claude

Brauchen Sie sowas für Ihr eigenes Unternehmen? So kann ich helfen →