mitai-jinkendo/docs/KONZEPT_ANALYSE_2026-03-26.md
Lars 8398368ed7
All checks were successful
Deploy Development / deploy (push) Successful in 44s
Build Test / lint-backend (push) Successful in 0s
Build Test / build-frontend (push) Successful in 14s
docs: comprehensive functional concept analysis
Analysis Results:
- 84 new placeholders needed from Fachkonzept
- Issues #26 & #27 too narrow (complementary, not conflicting)
- Recommend 4-phase approach: Placeholders → Charts → Rules → KI
- Transform: Data Collector → Active Coach

Key Findings:
- Fachkonzept defines 3 levels (Deskriptiv, Diagnostisch, Präskriptiv)
- 18 dedicated charts (K1-K5, E1-E5, A1-A8, C1-C6)
- Goal-mode dependent interpretation
- Lag-based correlations mandatory
- Confidence & data quality essential

Recommended Actions:
- Create Issues #52-55 (Baseline, Scores, Correlations, Metrics)
- Expand #26 & #27 based on Fachkonzept
- Start Phase 0: Implement 84 placeholders

File: docs/KONZEPT_ANALYSE_2026-03-26.md (385 lines)
2026-03-26 15:26:12 +01:00

15 KiB
Raw Permalink Blame History

Konzept-Analyse: Fachkonzept vs. Gitea Issues

Datum: 26. März 2026 Analyst: Claude Code Basis: .claude/docs/functional/mitai_jinkendo_konzept_diagramme_auswertungen_v2.md Geprüfte Issues: #26, #27, alle offenen


1. Executive Summary

Kernerkenntnis

Das Fachkonzept ist wesentlich umfassender als die aktuellen Gitea Issues #26 und #27. Es definiert ein 3-stufiges Analyse-System (Deskriptiv → Diagnostisch → Präskriptiv), das weit über einfache Charts und Korrelationen hinausgeht.

Strategische Empfehlung

NICHT Issues #26 und #27 einzeln implementieren, sondern:

  1. Neu-Strukturierung: Konzept-basierte Phasen-Issues erstellen
  2. Platzhalter-First: Erst Berechnungs-Platzhalter implementieren
  3. Dann Visualisierung: Charts nutzen die Platzhalter
  4. Dann KI-Integration: KI nutzt regelbasierte Scores + Rohdaten

2. Analyse: Issue #26 vs. Fachkonzept

Issue #26: Charts & Visualisierungen erweitern

Status: OPEN Priority: Medium-High Aufwand: 8-10h

Definierte Charts:

  • Gewicht-Trends (Line-Chart + Trendlinie)
  • Umfänge-Verlauf (Multi-Line)
  • Vitalwerte-Trends (RHR, HRV, BP)
  • Schlaf-Analyse (Dauer, Phasen)
  • Ernährungs-Charts (Kalorien, Makros)

Fachkonzept: Diagrammkatalog

KÖRPER (K1-K5):

  • K1: Gewichtstrend + Trendkanal + Zielprojektion
    • 7d Rolling Median, 28d/90d Trend-Slope
    • Prozentuale Zielannäherung
    • Regelbasierte Hinweise (zu schnell/langsam)
  • K2: Körperzusammensetzung (Gewicht/FM/LBM)
    • FM = Gewicht × BF%, LBM = Gewicht × (1-BF%)
    • 28d/90d Änderung von FM und LBM
  • K3: Umfangs-Panel (8 Mini-Charts)
    • Links-Rechts Asymmetrie
    • Taille/Hüfte, Taille/Körpergröße
  • K4: Rekompositions-Detektor (Quadranten)
  • K5: Body Progress Score (0-100)

ERNÄHRUNG (E1-E5):

  • E1: Energieaufnahme vs. Verbrauch vs. Gewichtstrend
  • E2: Protein adequacy (g/Tag, g/kg, g/kg LBM)
  • E3: Makroverteilung + Wochenkonsistenz
  • E4: Ernährungs-Adhärenz-Score (0-100)
  • E5: Energieverfügbarkeits-Warnung

AKTIVITÄT (A1-A8):

  • A1: Trainingsvolumen pro Woche
  • A2: Intensitätsverteilung / Zonenbild
  • A3: Trainingsqualitäts-Matrix
  • A4: Fähigkeiten-Balance / Ability Radar
  • A5: Load-Monitoring (interne Last, Monotony, Strain)
  • A6: Aktivitäts-Goal-Alignment-Score (0-100)
  • A7: Ruhetags-/Recovery-Compliance
  • A8: VO2max-Entwicklung

Bewertung

Issue #26 ist zu eng gefasst

  • Fokus nur auf Basis-Visualisierung
  • Keine Scores, keine Baselines, keine Confidence
  • Keine regelbasierten Hinweise
  • Keine Ziel-Abhängigkeit

Fachkonzept bietet:

  • 18 dedizierte Charts (K1-K5, E1-E5, A1-A8)
  • Scores als eigenständige Visualisierungen
  • Regelbasierte Aussagen ohne KI
  • Ziel-Modi Steuerung

3. Analyse: Issue #27 vs. Fachkonzept

Issue #27: Korrelationen & Insights erweitern

Status: OPEN Priority: High Aufwand: 6-8h

Definierte Korrelationen:

  • Schlaf ↔ Erholung (Schlafdauer → RHR, Qualität → HRV)
  • Training ↔ Vitalwerte (Load → RHR-Anstieg, HRV-Abfall)
  • Ernährung ↔ Performance (Defizit → Intensität)
  • Blutdruck ↔ Lifestyle (Stress → BP, Training → BP)
  • Multi-Faktor Analyse (KI-Insights)

Fachkonzept: Korrelationen (C1-C6)

KORRELATIONEN (C1-C6):

  • C1: Energie-Balance vs. Gewichtsveränderung (lagged)
    • Lags: 0, 3, 7, 10, 14 Tage
    • Bestes Lag ermitteln, Effektstärke, Confidence
  • C2: Protein adequacy vs. LBM-Trend
    • 28d Fenstervergleich, Training als Moderator
  • C3: Trainingslast vs. HRV/RHR (1-3 Tage verzögert)
    • Duale Lag-Auswertung, individuelle Ermüdungsreaktion
  • C4: Schlafdauer + Schlafregularität vs. Recovery
    • Bubble-Chart, Sleep Regularity Index
  • C5: Blutdruck-Kontextmatrix (Kontext-abhängig)
    • Messkontext, Schlaf Vor-Nacht, Training
  • C6: Plateau-Detektor (Ereignis-Karte)
    • Ziel-spezifische Plateau-Definitionen

Zusätzlich: Lag-Analyse Prinzipien

Zwingend im Fachkonzept:

  • NIE nur lag=0 prüfen
  • Kalorienbilanz → Gewicht: 2-14 Tage Verzögerung
  • Protein/Krafttraining → LBM: 2-6 Wochen Verzögerung
  • Trainingslast → HRV/RHR: 1-3 Tage Verzögerung
  • Schlafdefizit → Recovery: 1-3 Tage Verzögerung

Mindestdatenmenge:

  • Korrelationen: mind. 21 gepaarte Tageswerte
  • Lag-basiert: mind. 28 gepaarte Tage
  • Confidence-Klassen (hoch/mittel/niedrig/nicht auswertbar)

Bewertung

Issue #27 ist zu oberflächlich

  • Keine Lag-Analyse
  • Keine Confidence-Bewertung
  • Keine Mindestdatenmenge-Checks
  • Keine Ziel-Abhängigkeit

Fachkonzept bietet:

  • 6 dedizierte Korrelations-Charts mit Lag-Analyse
  • Explizite Confidence-Bewertung
  • Medizinischer Sicherheitsmodus
  • Plateau-Detektion (regelbasiert)

4. Konflikt-Analyse

Gibt es Widersprüche zwischen #26 und #27?

NEIN Sie sind komplementär:

  • #26: Deskriptive Ebene (Charts)
  • #27: Diagnostische Ebene (Korrelationen)

Aber: Beide sind zu isoliert

Das Fachkonzept zeigt: Charts und Korrelationen müssen verzahnt sein

Beispiel:

Fachkonzept C1: Energie-Balance vs. Gewichtsveränderung
├─ Visualisierung: Lag-Heatmap (diagnostisch)
├─ Berechnung: Cross-Correlation (0, 3, 7, 10, 14 Tage Lags)
├─ Input-Daten: Tägliche Kalorienbilanz (E-Chart)
├─ Input-Daten: 7d Gewichtsänderung (K-Chart)
└─ Regelbasierte Aussage: "Energiebilanz zeigt sich bei dir nach ~7 Tagen im Gewicht"

Fazit: Charts (K, E, A) liefern Basis-Daten für Korrelationen (C)


5. Neue Platzhalter aus Fachkonzept

5.1 KÖRPER (18 neue Platzhalter)

Gewicht & Trends:

{{weight_7d_rolling_median}}        # 7-Tage gleitender Median
{{weight_28d_trend_slope}}          # 28-Tage Trend-Steigung (kg/Tag)
{{weight_90d_trend_slope}}          # 90-Tage Trend-Steigung
{{weight_goal_progress_pct}}        # Prozentuale Zielannäherung
{{weight_projection_days}}          # Geschätzte Tage bis Zielgewicht
{{weight_loss_rate_weekly}}         # kg/Woche (28d Mittel)

Körperzusammensetzung:

{{fm_current}}                      # Fettmasse aktuell (kg)
{{lbm_current}}                     # Magermasse aktuell (kg)
{{fm_28d_delta}}                    # FM Änderung 28 Tage (kg)
{{lbm_28d_delta}}                   # LBM Änderung 28 Tage (kg)
{{fm_90d_delta}}                    # FM Änderung 90 Tage
{{lbm_90d_delta}}                   # LBM Änderung 90 Tage
{{recomposition_score}}             # 0-100 (FM↓ + LBM↑ = ideal)

Umfänge:

{{waist_to_hip_ratio}}              # Taille/Hüfte Verhältnis
{{waist_to_height_ratio}}           # Taille/Körpergröße (Gesundheitsmarker)
{{arm_asymmetry_pct}}               # Links-Rechts Differenz %
{{leg_asymmetry_pct}}               # Oberschenkel L-R Differenz
{{waist_28d_delta}}                 # Taillenumfang Änderung 28d

Body Progress Score:

{{body_progress_score}}             # 0-100 (zielabhängig gewichtet)

5.2 ERNÄHRUNG (15 neue Platzhalter)

Energie & Bilanz:

{{kcal_7d_avg}}                     # Bereits vorhanden? Prüfen
{{kcal_28d_avg}}                    # 28-Tage Durchschnitt
{{kcal_estimated_tdee}}             # Geschätzter Gesamtumsatz
{{kcal_balance_7d_avg}}             # Durchschnittliche Bilanz 7d
{{kcal_balance_28d_avg}}            # Durchschnittliche Bilanz 28d
{{energy_availability_status}}      # "adequate" | "low" | "critical"

Protein:

{{protein_g_per_kg}}                # Protein g/kg Körpergewicht
{{protein_g_per_kg_lbm}}            # Protein g/kg Magermasse
{{protein_adequacy_score}}          # 0-100 (Ziel: 1.6-2.2 g/kg)

Makros & Adhärenz:

{{carb_pct_7d_avg}}                 # % der Gesamtkalorien
{{fat_pct_7d_avg}}                  # % der Gesamtkalorien
{{macro_consistency_score}}         # 0-100 (Regelmäßigkeit)
{{nutrition_adherence_score}}       # 0-100 (Gesamtscore)
{{nutrition_days_7d}}               # Erfasste Tage letzte 7d
{{nutrition_days_28d}}              # Erfasste Tage letzte 28d

5.3 AKTIVITÄT (25 neue Platzhalter)

Volumen:

{{activity_volume_7d_min}}          # Gesamtminuten 7 Tage
{{activity_volume_28d_min}}         # Gesamtminuten 28 Tage
{{activity_frequency_7d}}           # Anzahl Sessions 7d
{{activity_frequency_28d}}          # Anzahl Sessions 28d
{{activity_avg_duration_28d}}       # Durchschn. Dauer pro Session

Intensität:

{{activity_z1_pct}}                 # % Zeit in Zone 1 (7d)
{{activity_z2_pct}}                 # % Zeit in Zone 2
{{activity_z3_pct}}                 # % Zeit in Zone 3
{{activity_z4_pct}}                 # % Zeit in Zone 4
{{activity_z5_pct}}                 # % Zeit in Zone 5
{{activity_polarization_index}}     # Polarisierung (Z1+Z2 vs Z4+Z5)

Qualität & Load:

{{activity_quality_avg_28d}}        # Durchschn. Quality-Score
{{activity_load_7d}}                # Interne Last (7d Summe)
{{activity_load_28d}}               # Interne Last (28d Summe)
{{activity_monotony_28d}}           # Last-Variabilität
{{activity_strain_28d}}             # Load × Monotony
{{activity_acwr}}                   # Acute:Chronic Workload Ratio

Fähigkeiten:

{{ability_strength_score}}          # 0-100 (aus Training Types)
{{ability_endurance_score}}         # 0-100
{{ability_mobility_score}}          # 0-100
{{ability_skills_score}}            # 0-100
{{ability_mindfulness_score}}       # 0-100
{{ability_balance_score}}           # 0-100 (wie ausgewogen?)

Goal Alignment:

{{activity_goal_alignment_score}}   # 0-100 (zielabhängig)
{{rest_days_compliance}}            # 0-100 (geplant vs. tatsächlich)

5.4 RECOVERY & GESUNDHEIT (12 neue Platzhalter)

Baselines:

{{rhr_7d_baseline}}                 # 7-Tage Baseline Ruhepuls
{{rhr_28d_baseline}}                # 28-Tage Baseline
{{hrv_7d_baseline}}                 # 7-Tage Baseline HRV
{{hrv_28d_baseline}}                # 28-Tage Baseline

Deltas & Trends:

{{rhr_vs_baseline_7d}}              # Abweichung von Baseline (bpm)
{{hrv_vs_baseline_7d}}              # Abweichung von Baseline (ms)
{{vo2max_trend_28d}}                # VO2max Entwicklung

Scores:

{{recovery_score}}                  # 0-100 (HRV, RHR, Schlaf)
{{recovery_score_confidence}}       # 0-100 (Datenqualität)
{{sleep_regularity_index}}          # Schlafregelmäßigkeit
{{sleep_debt_hours}}                # Akkumulierte Schlafschuld
{{health_risk_score}}               # 0-100 (Blutdruck, etc.)

5.5 KORRELATIONEN (8 neue Platzhalter)

{{corr_energy_weight_lag}}          # Bestes Lag Energie→Gewicht (Tage)
{{corr_energy_weight_r}}            # Korrelationskoeffizient
{{corr_protein_lbm_r}}              # Protein ↔ LBM Korrelation
{{corr_load_hrv_lag}}               # Bestes Lag Load→HRV
{{corr_load_hrv_r}}                 # Korrelation
{{corr_sleep_rhr_r}}                # Schlaf ↔ RHR Korrelation
{{plateau_detected}}                # true|false (regelbasiert)
{{plateau_type}}                    # "weight_loss" | "strength" | etc.

5.6 META-PLATZHALTER (6 neue)

{{goal_mode}}                       # "weight_loss" | "strength" | etc.
{{training_age_weeks}}              # Trainingserfahrung
{{data_quality_score}}              # 0-100 (Gesamtdatenqualität)
{{measurement_consistency}}         # 0-100 (Messzeit-Konsistenz)
{{analysis_confidence}}             # "high" | "medium" | "low"
{{analysis_timeframe}}              # "7d" | "28d" | "90d"

6. Gesamt-Übersicht: Neue Platzhalter

Kategorie Anzahl Beispiele
KÖRPER 18 weight_28d_trend_slope, fm_28d_delta, recomposition_score
ERNÄHRUNG 15 protein_g_per_kg_lbm, nutrition_adherence_score, energy_availability_status
AKTIVITÄT 25 activity_quality_avg_28d, activity_strain_28d, ability_balance_score
RECOVERY 12 recovery_score, sleep_regularity_index, sleep_debt_hours
KORRELATIONEN 8 corr_energy_weight_lag, plateau_detected, corr_load_hrv_r
META 6 goal_mode, data_quality_score, analysis_confidence
GESAMT 84 Neue Platzhalter aus Fachkonzept

7. Strategische Roadmap-Empfehlung

Phase 0: Fundament (JETZT)

Ziel: Berechnungs-Platzhalter implementieren Aufwand: 16-20h Deliverables:

  • 84 neue Platzhalter in placeholder_resolver.py
  • Baseline-Berechnungen (7d, 28d, 90d)
  • Score-Algorithmen (Body Progress, Nutrition Adherence, Activity Goal Alignment, Recovery)
  • Lag-Korrelations-Funktionen
  • Confidence-Berechnung

Issues zu erstellen:

  • #52: Baseline & Trend Calculations (Körper, Ernährung, Aktivität)
  • #53: Score Algorithms (4 Haupt-Scores)
  • #54: Correlation & Lag Analysis
  • #55: Confidence & Data Quality Metrics

Phase 1: Visualisierung (DANN)

Ziel: Charts nutzen die neuen Platzhalter Aufwand: 12-16h Deliverables:

  • K1-K5 Charts (Körper)
  • E1-E5 Charts (Ernährung)
  • A1-A8 Charts (Aktivität)
  • C1-C6 Charts (Korrelationen)

Issues zu konsolidieren:

  • #26 erweitern zu "Comprehensive Chart System (K, E, A, C)"
  • #27 erweitern zu "Correlation & Lag Analysis Charts"

Phase 2: Regelbasierte Insights (DANACH)

Ziel: System wird Coach (nicht nur Datensammler) Aufwand: 8-12h Deliverables:

  • Regelbasierte Hinweise ohne KI
  • Plateau-Detektion
  • Ziel-abhängige Interpretationen
  • Warnungen (Gesundheit, Übertraining, Energieverfügbarkeit)

Neue Issues:

  • #56: Rule-Based Recommendations Engine
  • #57: Goal-Mode System & Interpretation
  • #58: Health & Safety Warnings

Phase 3: KI-Integration (SPÄTER)

Ziel: KI nutzt Scores + Rohdaten + Regeln Aufwand: 6-8h Deliverables:

  • KI-Prompts nutzen neue Platzhalter
  • Contextual AI Analysis (nutzt goal_mode)
  • Multi-Faktor Insights

8. Aktions-Empfehlungen

SOFORT (heute)

  1. Issues #26 und #27 NICHT einzeln implementieren
  2. Neues Issue #52 erstellen: Baseline & Trend Calculations
  3. Neues Issue #53 erstellen: Score Algorithms
  4. Issue #26 umbennen/erweitern: "Comprehensive Chart System (based on Fachkonzept)"
  5. Issue #27 umbennen/erweitern: "Correlation & Lag Analysis (based on Fachkonzept)"

DIESE WOCHE

  1. Implementierung starten: Phase 0 - Platzhalter
  2. Dokumentation: Mapping Fachkonzept → Code
  3. KI-Prompts vorbereiten: Nutzen neue Platzhalter

NÄCHSTE WOCHE

  1. Implementierung: Phase 1 - Charts
  2. Testing: Alle Scores & Berechnungen
  3. Production: Deployment vorbereiten

9. Zusammenfassung: Transformation Data Collector → Active Coach

Aktueller Stand

Data Collector:

  • Daten werden erfasst
  • Einfache Listen
  • Basis-Statistiken
  • KI-Analysen manuell angestoßen

Ziel (nach Fachkonzept)

Active Coach:

  • Daten werden interpretiert
  • Trends & Baselines
  • Scores & Confidence
  • Regelbasierte Hinweise
  • Ziel-abhängige Bewertung
  • Proaktive Warnungen
  • KI nutzt strukturierte Insights

10. Nächste Schritte

  1. Issues neu strukturieren (heute)
  2. Platzhalter implementieren (Phase 0, diese Woche)
  3. Charts implementieren (Phase 1, nächste Woche)
  4. Regelbasierte Insights (Phase 2, Woche danach)
  5. KI-Integration (Phase 3, dann)

Commit: cd2609d Analysiert von: Claude Code Basis: Fachkonzept v2 (2086 Zeilen, 24.03.2026)