Persoonlijk experimentjul. 2025 - nov. 2025

Persoonlijk project · routines, planning en data

Persoonlijke AI-coach & planner

Dit project begon als een persoonlijke vraag: kun je echte data uit apps als Strava, Hevy en MacrosFirst samenbrengen in één workflow die niet alleen analyseert, maar ook echt helpt bij dagelijkse keuzes?

Voor mij zit de interessantste waarde niet in “nog een AI-coach”, maar in het combineren van signalen uit verschillende bronnen tot iets dat bruikbaar voelt in de praktijk: wanneer trainen logisch is, waar voeding nog schuurt en hoe routines beter op elkaar aansluiten. De bedoeling is dat daar later ook data uit wearables, zoals een smartwatch, bij kan komen.

Strava APIHevy APIMacrosFirstAgent-orkestratieTypeScript

Build in actie

Hoe de huidige coach/planner eruitziet

De zichtbare demo laat vooral de coach- en plannerkant zien: een gesprek, agenda-context en de flow erachter. De trainings- en voedingsdata vormen in dit project dezelfde inputlaag, en die laag wil ik later uitbreiden met wearables en een kennislaag met betrouwbare bronnen zodat advies gerichter wordt, maar wel ondersteunend blijft.

ChatPlanningCoachingWIP
1:00
CHAT DEMO1:00
CHAT DEMO

Coachgesprek in chat

De planner- en coachkant zoals die nu in chat werkt: één gesprek, agenda-context en gerichte terugkoppeling.

1:00
Coachgesprek in chat geselecteerd

Idee & motivatie

Waarom ik dit wilde bouwen

Losse apps voor hardlopen, krachttraining, voeding en planning geven elk hun eigen stukje informatie, maar niet vanzelf één bruikbaar totaalbeeld. Juist daar zat voor mij de frustratie: de data is er wel, maar het kost nog steeds moeite om er een praktische dagindeling of keuze uit te halen.

Dit project is daarom geen poging om een perfecte coach te bouwen, maar een persoonlijke workflow om signalen uit Strava, Hevy en MacrosFirst samen te brengen met planning en routines. Ik wilde uitzoeken of je van al die losse input iets kunt maken dat rust geeft in plaats van nóg een dashboard te worden.

Kader van het project

  • Persoonlijk project rond routines, planning en dagelijkse bruikbaarheid.
  • Geen medisch of volledig coachingproduct, maar een experimentele workflow.
  • AI helpt met interpreteren en samenvatten; structuur en planning blijven bewust controleerbaar.
  • Advies moet altijd ondersteunend blijven, niet leidend of opdringerig.
  • De focus ligt op datapunten slim combineren, niet op zoveel mogelijk features toevoegen.

Data en context

Welke signalen ik bij elkaar breng

De waarde van dit project zit juist in de combinatie. Niet één bron vertelt het hele verhaal, maar samen geven ze genoeg context om planning, reminders en advies relevanter te maken. Naast de app-data wil ik ook een rustige kennislaag toevoegen met betrouwbare studies en bronnen, zodat de coach niet alleen op losse patronen reageert.

Strava

Looptjes, timing en trainingsbelasting geven context voor herstel, intensiteit en ritme in de week.

Hevy

Krachttraining vult het plaatje aan met sessies die niet in hardloopdata terugkomen, maar wel meespelen in planning en belasting.

MacrosFirst

Voedingsdata maakt het mogelijk om niet alleen naar training te kijken, maar ook naar herstel, energie-inname en dagelijkse keuzes.

Planninglaag

Agenda, tijdvakken en routines vertalen die signalen uiteindelijk naar iets bruikbaars: wanneer iets logisch is en hoe de dag eruit kan zien.

Kennislaag

Betrouwbare bronnen en relevante studies zijn bedoeld als extra contextlaag, zodat adviezen onderbouwd blijven en niet alleen op ruwe patronen steunen.

Flow

Hoe de workflow samenkomt

Voor mij moest deze flow vooral begrijpelijk blijven. Niet een black box die “iets met data” doet, maar een keten waarin je kunt volgen waar input vandaan komt, hoe die wordt samengebracht en wat er uiteindelijk uitkomt.

01

Ophalen en normaliseren

Data uit Strava, Hevy en MacrosFirst wordt eerst in één bruikbaar schema gezet, zodat verschillende bronnen vergelijkbaar worden.

02

Patronen en context combineren

Training, voeding en agenda worden niet los bekeken, maar als signalen die samen iets zeggen over belasting, herstel en beschikbare ruimte in de dag.

03

Aanvullen met kennis en regels

Waar nodig krijgt de coach extra context uit betrouwbare bronnen en vaste richtlijnen, zodat advies niet alleen slim klinkt maar ook onderbouwd blijft.

04

Vertalen naar planning en advies

De coach/plannerlaag zet die input om naar dagsuggesties, check-ins, reminders of concrete momenten waarop iets logisch is om te doen.

05

Terug naar een bruikbare routine

De output moet niet voelen als een rapport, maar als iets dat meteen helpt: een planning, een seintje of een praktische volgende stap, zonder dwingende toon.

Waarom dit interessant is

  • De coachlaag werkt pas goed als data uit meerdere bronnen eerst rustig en consistent wordt samengebracht.
  • Planning is hier net zo belangrijk als AI: advies zonder timing of context is meestal niet echt bruikbaar.
  • De uitdaging zit niet alleen in prompts, maar ook in normalisatie, prioriteit en het teruggeven van duidelijke output.
  • Ik wilde vooral verkennen hoe een persoonlijke workflow kan helpen zonder te vervallen in een druk of moralistisch “coachproduct”.
  • Betrouwbare kennis hoort hier ondersteunend mee te lopen, maar mag nooit zwaarder voelen dan de persoon en diens dagelijkse context.

Concreet voorbeeld

Zo moet de output uiteindelijk voelen

Deze case wordt pas echt sterk als de output niet alleen slim klinkt, maar ook meteen helpt. Daarom stuur ik in dit project op compacte dagsuggesties met context: waarom iets logisch is, wanneer het past en hoe dwingend het juist niet moet voelen.

Onderstaand voorbeeld is geen marketingmockup, maar het soort rustige, bruikbare terugkoppeling waar deze workflow naartoe werkt.

Voorbeeld van een dagvoorstel

07:30

Korte herstelrun

Je agenda zit later op de ochtend voller. Een rustige sessie van 30-35 minuten past nu beter dan vanavond nog iets forceren.

12:30

Eetmoment met focus op herstel

Je trainingsbelasting van gisteren telt nog mee. Houd lunch eiwitrijk en plan hem bewust tussen twee afspraken, zodat het geen last-minute keuze wordt.

18:00

Geen extra krachttraining vandaag

Op basis van de combinatie van loopdata, eerdere sessies en je beschikbare tijd is herstel nu logischer dan nog een extra blok.

20:30

Korte check-in

Een rustige reminder werkt hier beter dan een rapport: even terugkijken of de dag liep zoals gepland en of morgen bijsturing nodig is.

Belangrijke keuzes

Waar ik bewust op heb gestuurd

Niet alles aan het model overlaten

AI helpt hier vooral met duiding en taal, maar de onderliggende structuur moet eerst logisch zijn. Zonder duidelijke normalisatie en kaders wordt zo’n coach snel vaag of willekeurig.

Planning als echte output behandelen

De waarde zit niet alleen in een advieszin, maar in wanneer iets logisch is. Daarom is planning geen bijzaak, maar een kernonderdeel van het project.

Persoonlijke bruikbaarheid boven breedte

Ik heb dit niet opgezet als generieke wellness-app, maar als persoonlijke workflow. Dat maakt het project specifieker, maar ook eerlijker en concreter.

Ondersteunend, niet sturend

De coach moet helpen ordenen en adviseren, maar niet leidend worden. Geen opdringerige toon, geen absolute claims en geen gevoel dat een systeem de dag overneemt.

Wat er nu staat

Wat al werkt en wat nog experimenteel is

Deze pagina laat bewust een project in opbouw zien. De kernlogica en coach/planner-opzet zijn al helder genoeg om als case te tonen, maar het project zit nog in een experimentele fase waarin ik vooral verfijn hoe data, timing en output het beste samenkomen.

Wat al staat

  • Coach/planner-flow in chat en n8n-opzet zijn zichtbaar en navolgbaar.
  • De data-combinatie is inhoudelijk uitgewerkt als één persoonlijke workflow rond training, voeding en planning.
  • Structuur rond input, normalisatie, dagsuggesties en reminders is helder genoeg om gericht verder te bouwen.
  • De richting voor kenniscontext en ondersteunende coaching ligt inhoudelijk vast.

Wat nog experimenteel is

  • De precieze balans tussen coachadvies, planning en dagelijkse nudges vraagt nog iteratie.
  • Niet elke databron of routine hoeft even zwaar mee te tellen; daar zit nog verfijning in.
  • Ik wil verder uitzoeken hoe output compact en bruikbaar blijft, zonder dat het een onrustige datalaag wordt.
  • Wearables en een bredere kennislaag moeten nog op een rustige, betrouwbare manier worden toegevoegd.

Mijn rol

  • Integraties en datanormalisatie opgezet rond Strava, Hevy en MacrosFirst.
  • Prompt- en flowlogica uitgewerkt voor dagsuggesties, check-ins en follow-up.
  • Projectkader bepaald: persoonlijk, bruikbaar en rustig in plaats van “meer features”.

Wat ik hiervan leer

Waar deze case voor mij interessant in wordt

  • Losse gezondheids- of trainingsdata wordt pas echt nuttig als je ook timing en context meeneemt.
  • Een persoonlijke coachflow hoeft niet “alles te weten”; hij moet vooral op het juiste moment iets bruikbaars teruggeven.
  • Normalisatie en duidelijke output zijn minstens zo belangrijk als het model of de prompt erachter.
  • Betrouwbare bronnen kunnen advies sterker maken, maar alleen als ze als contextlaag worden gebruikt en niet als autoritaire stem.
  • De interessantste spanning in dit project zit tussen rijkere data en een rustige gebruikerservaring.

Principes

Deze case gaat voor mij minder over “AI-coach” als label en meer over een persoonlijke workflow waarin sport, voeding en planning elkaar versterken. Het systeem moet ondersteunen, samenvatten en helpen kiezen, maar nooit de toon of regie overnemen.

Verder in het portfolio

Lees nog een case

Deze pagina moet onderdeel voelen van een geheel. Daarom kun je vanaf hier direct door naar de volgende maker-case of terug naar het volledige overzicht.

Alle projecten