Trainings-App mit KI-Coach
Ein Prototyp für KI-gestützte Trainingsplanung, der generative KI mit regelbasierter Qualitätssicherung und einem durchdachten Umgang mit Gesundheitsdaten verbindet.
Ausgangslage
Generative KI wird zunehmend für persönliche Empfehlungen eingesetzt, auch im Gesundheits- und Fitnessbereich. Allgemeine KI-Assistenten stoßen hier jedoch schnell an Grenzen: Sie verfügen über keine belastbare Datenbasis zur individuellen Situation, und sie können überzeugend klingende Empfehlungen geben, die fachlich nicht tragfähig sind.
Gleichzeitig zählen Gesundheitsdaten zu den besonders schützenswerten Daten. Wer sie verarbeitet, muss Datenhaltung, Datenflüsse und Zugriffe von Beginn an sorgfältig gestalten.
Zielsetzung
Mit diesem Prototyp zeigen wir, wie sich KI-gestützte Empfehlungen in einem sensiblen Umfeld verlässlich gestalten lassen. Im Fokus stehen zwei Fragen: Wie lässt sich sicherstellen, dass KI-Ergebnisse definierte Grenzen einhalten? Und wie gelingt ein verantwortungsvoller Umgang mit Gesundheitsdaten, ohne die Nutzbarkeit einzuschränken? Die Erkenntnisse daraus fließen in unsere Projekte für Berufe mit Schweigepflicht ein.
Vorgehen
Produktdefinition und Architekturgrundlagen
Am Anfang steht die Definition des Funktionsumfangs und der Datenflüsse. Jede wesentliche Architekturentscheidung dokumentieren wir nachvollziehbar, inklusive der verworfenen Alternativen. 30 solcher Entscheidungen bilden das Fundament des Prototyps und machen die Entwicklung auch für Dritte transparent.
Regelwerk vor Freigabe
Parallel zur Produktentwicklung entsteht ein verbindliches Regelwerk, an dem sich alle KI-Ergebnisse messen lassen müssen. Es legt unter anderem fest, welche Übungen zulässig sind, wie sich Belastungen über die Woche verteilen dürfen und welche Grenzwerte bei individuellen Einschränkungen gelten.
Iterative Entwicklung mit Qualitätssicherung
Die Entwicklung erfolgt iterativ mit umfassenden automatisierten Tests für Logik, Oberfläche und Serverkommunikation. Eine strukturierte Lückenanalyse zeigt auf, welche Funktionen und Anforderungen bis zur Marktreife noch umzusetzen sind.
Lösung
Die App kombiniert einen KI-Coach mit einer eigenen Datenbasis aus Trainingshistorie und Gesundheitswerten, die Nutzende auf Wunsch aus Apple Health freigeben. Zum Funktionsumfang gehören geführte Trainingseinheiten, eine Einschätzung der Tagesform, ein Wochenrückblick, Fitnesstests und ein Dialog mit dem Coach. Der Prototyp ist nicht im App Store verfügbar.
Regelbasierte Qualitätssicherung
Kern des Ansatzes ist eine klare Aufgabenteilung: Die KI erstellt Vorschläge, ein regelbasiertes Prüfverfahren entscheidet über deren Freigabe. Bereits bei der Erstellung sind die Möglichkeiten des Modells auf zulässige Übungen begrenzt. Anschließend prüft das Regelwerk jeden Plan systematisch auf Plausibilität, Belastungsgrenzen und individuelle Einschränkungen. Entspricht ein Plan nicht den Vorgaben, erhält das Modell eine konkrete Rückmeldung und einen weiteren Versuch. Erst ein Plan, der alle Prüfungen besteht, wird ausgespielt.
Ergänzend gelten feste Leitplanken für den Coach. Diagnosen sind ausgeschlossen, bei Beschwerden empfiehlt der Coach ärztlichen Rat, und Empfehlungen verändern den Plan nie ohne Zustimmung der Nutzenden.
Dieses Prinzip ist branchenübergreifend anwendbar: überall dort, wo verbindliche Regeln einzuhalten sind, etwa Fristen, Grenzwerte oder Pflichtbestandteile in Dokumenten.
Datenschutz by Design
- Lokale Datenhaltung: Daten werden zunächst auf dem Gerät gespeichert, die App ist auch ohne Netzverbindung nutzbar.
- Betrieb in Deutschland: Server, Datenbank und Sprachmodell laufen in Frankfurt. Die App kommuniziert nie direkt mit dem Sprachmodell, sondern ausschließlich über den eigenen Server.
- Datenminimierung: Der Coach erhält nur ausgewählte Trainingsdaten, Zyklusdaten und Testergebnisse bleiben außen vor.
- Datensouveränität: Nutzende können ihre Daten jederzeit exportieren und ihr Konto löschen.
Technische Umsetzung
Eine robuste Synchronisationsarchitektur gewährleistet konsistente Daten über mehrere Geräte hinweg, auch bei zeitweise fehlender Verbindung. Änderungen werden lokal vorgemerkt und automatisch übertragen, sobald eine Verbindung besteht. Konflikte zwischen Geräten löst das System nach festen Regeln. App und Server greifen auf gemeinsame Datenmodelle und eine typisierte Schnittstelle zu, wodurch beide Seiten dauerhaft konsistent bleiben. Antworten des Coaches werden in Echtzeit übertragen und auf Basis der jüngsten Trainingshistorie personalisiert.
Mehrwert
Der Prototyp zeigt, wie sich die Stärken generativer KI mit der Verlässlichkeit regelbasierter Systeme verbinden lassen. Dieser Ansatz bildet die Grundlage für vertrauenswürdige KI-Anwendungen in regulierten und sensiblen Umfeldern, in denen Fehler nicht toleriert werden können.