freddy.
freddy ist ein privater, schreibgeschützter Gesundheits-MCP-Server, der Wearables, CGMs, Leistungsmesser und Fitness-Apps mit ChatGPT/Claude verbindet, sodass Sie Schlaf, Erholung, HRV, Training und mehr in natürlicher Sprache mit quellenübergreifender Analyse abfragen können.
https://freddy.coach/?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:Jun 8, 2026
Was ist freddy.
freddy ist ein MCP-Server (Model Context Protocol), der entwickelt wurde, um Ihre persönlichen Gesundheits- und Fitnessdaten direkt in KI-Konversationen zu integrieren. Anstatt zwischen Dashboards in Oura, WHOOP, Garmin, Dexcom, Strava, Hevy, Concept2, Intervals.icu und anderen Plattformen hin- und herzuspringen, verbinden Sie Ihre Quellen einmal und stellen dann Fragen wie „Warum habe ich schlecht geschlafen?“ oder „Trainiere ich zu viel?“ in ChatGPT, Claude, Claude Code oder jedem MCP-kompatiblen Client. freddy ist modellunabhängig, promptunabhängig und darauf ausgelegt, Daten standardmäßig privat zu halten, mit schreibgeschützten Konnektoren, Verschlüsselung, Audit-Protokollierung und einfachen Widerrufs-/Export-/Löschkontrollen.
Hauptfunktionen von freddy.
freddy ist ein persönlicher Gesundheits-MCP-Server (Model Context Protocol), der Ihre Wearables, CGMs, Leistungsmesser und Fitness-Apps mit KI-Clients wie ChatGPT und Claude verbindet, sodass Sie Ihre echten Gesundheits- und Trainingsdaten in natürlicher Sprache abfragen können. Anstatt mehrere Dashboards und undurchsichtige Scores zu jonglieren, fügen Sie eine einzige private MCP-URL in Ihr KI-Tool ein und stellen Fragen (z. B. Schlafqualität, HRV-Trends, Glukosespitzen, Trainingsbelastung). Es unterstützt viele Datenquellen, ermöglicht eine quellenübergreifende Analyse und ist standardmäßig auf Datenschutz ausgelegt, mit schreibgeschütztem, widerruflichem Zugriff, Audit-Logs, Verschlüsselung und einfacher Export-/Löschkontrolle.
MCP-Server für Gesundheitsdaten: Fungiert als privater MCP-Endpunkt, den jede MCP-fähige KI (ChatGPT, Claude, Claude Code und andere Agenten) aufrufen kann, um Ihre Metriken innerhalb der Konversation abzurufen und zu analysieren.
Multi-Source-Konnektoren über OAuth: Verbindet sich mit vielen Plattformen (z. B. Oura, WHOOP, Garmin, Polar, Withings, Dexcom, Wahoo, Hevy, Intervals.icu, Concept2, Strava und mehr) über OAuth mit schreibgeschützten, widerruflichen Berechtigungen.
Abfrage von Metriken in natürlicher Sprache: Ermöglicht Ihnen, Fragen wie „Warum habe ich schlecht geschlafen?“ oder „Trainiere ich zu viel?“ zu stellen und liefert Antworten, die auf Ihrer tatsächlichen HRV, Ruheherzfrequenz, Schlaffragmentierung, Trainingsbelastung, Glukose und anderen Metriken basieren.
Quellenübergreifende Analyse: Korreliert Signale über Geräte und Apps hinweg (z. B. Glukose × Schlaf, Trainingsbelastung × HRV, späte Trainingseinheiten × Wachereignisse), um Treiber und Trends zu erklären, anstatt isolierte Scores anzuzeigen.
Schnelle Einrichtung mit einer einzigen URL: Keine neue App erforderlich – Quellen verbinden, dann eine MCP-URL in Ihren KI-Client einfügen, um mit der Abfrage zu beginnen; so konzipiert, dass es nur wenige Minuten dauert.
Datenschutz, Kontrolle und Portabilität: Standardmäßig privat mit Verschlüsselung während der Übertragung/im Ruhezustand, pro Abfrage-Umfang, Audit-Logs, keinerlei Training mit Ihren Daten und Ein-Klick-Export (CSV) und Löschen von Konto/Verlauf.
Anwendungsfälle von freddy.
Persönliches Gesundheits- & Erholungscoaching: Einzelpersonen können fragen, warum die HRV gesunken ist, warum der Schlaf fragmentiert war oder ob sich Ermüdung ansammelt, indem sie kombinierte Schlaf-, Bereitschafts-, Ruheherzfrequenz- und Trainingsdaten anstelle einer manuellen Dashboard-Überprüfung verwenden.
Optimierung des Ausdauertrainings: Radfahrer/Läufer/Triathleten können Leistung/Trainingsbelastung (z. B. Wahoo/Intervals.icu) mit Erholungssignalen (HRV, Ruheherzfrequenz, Schlaf) korrelieren, um Intensität, Timing und wöchentliche Belastung anzupassen.
Glukosebewusste Lebensstil- und Ernährungseinblicke: CGM-Benutzer (z. B. Dexcom) können Glukosespitzen und -muster zusammen mit Schlaf, Training und Erholung untersuchen, um Essenszeiten, Training und Routinen zu verfeinern.
Überprüfung und Progression des Krafttrainings: Kraftsportler, die Logging-Apps (z. B. Hevy) verwenden, können Volumen-/Intensitätstrends analysieren und diese mit Erholungsmetriken in Beziehung setzen, um Deloads zu planen, Übertraining zu vermeiden und die Konsistenz zu verbessern.
Quantified-Self / Biohacking-Forschung: Datengetriebene Benutzer können longitudinale, geräteübergreifende Explorationen (Temperaturverschiebungen, HRV-Baselines, Schlafphasenänderungen) durchführen und hypothesenartige Fragen in einfachem Englisch stellen.
Entwickler-/Agentenintegrationen für Gesundheits-Workflows: Teams, die MCP-fähige Agenten entwickeln, können die realen Wearable-/CGM-Daten eines Benutzers in automatisierte Check-ins, Zusammenfassungen oder Benachrichtigungs-Workflows integrieren, ohne für jede Datenquelle maßgeschneiderte Integrationen erstellen zu müssen.
Vorteile
Modell- und toolagnostisch: funktioniert mit jedem MCP-Client (ChatGPT, Claude, Claude Code, Agenten), wodurch die Abhängigkeit reduziert wird.
Vereint fragmentierte Gesundheits-/Trainingsdaten und ermöglicht quellenübergreifende Antworten anstelle isolierter App-Scores.
Starke Kontrollhaltung: schreibgeschützte Konnektoren, widerruflicher Zugriff, Audit-Logs, Verschlüsselung und einfacher Export/Löschen ohne Training mit Benutzerdaten.
Nachteile
Die Verfügbarkeit der Konnektoren variiert je nach Status (Live/Alpha/Beta/Geplant), sodass einige Ökosysteme möglicherweise noch nicht unterstützt werden.
Der Wert hängt von kompatiblen Geräten/Datenquellen ab; begrenzter Nutzen, wenn Sie keine Metriken verfolgen oder Ihre Plattform nicht verfügbar ist.
Erfordert das Vertrauen in einen Drittanbieterdienst, um den Zugriff auf sensible Gesundheitsdaten zu vermitteln, selbst bei angegebenen Datenschutzkontrollen.
Wie verwendet man freddy.
1) Registrieren / Anmelden: Gehen Sie zu https://freddy.coach/app/login und melden Sie sich an (für den kostenlosen Plan ist keine Karte erforderlich).
2) Eine Datenquelle verbinden (Wearable/App): Wählen Sie in der freddy-App eine Quelle (z. B. Oura, WHOOP, Garmin Connect, Polar, Withings, Dexcom, Wahoo, Hevy, Intervals.icu, Suunto, Strava, Concept2 usw.) und schließen Sie die OAuth-Genehmigung ab. freddy ist schreibgeschützt und der Zugriff ist widerrufbar.
3) Bestätigen Sie, dass Ihre Daten synchronisiert werden: Warten Sie nach dem Verbinden kurz auf die Synchronisierung. Im kostenlosen Plan haben Sie 1 verbundene Quelle und die ersten 30 Tage der Historie verfügbar.
4) Kopieren Sie Ihre freddy MCP URL: Suchen Sie in freddy die MCP-Server-URL (angezeigt als https://freddy.coach/mcp) und kopieren Sie sie. Dies ist der einzige Endpunkt, den Sie in einen MCP-fähigen KI-Client einfügen.
5) freddy als Konnektor in Ihrem KI-Client hinzufügen: Öffnen Sie einen MCP-fähigen Client (z. B. Claude Desktop / claude.ai, ChatGPT, Claude Code oder einen anderen MCP-Client) und fügen Sie einen neuen MCP-Konnektor/Server mit der kopierten URL hinzu.
6) Den Konnektor authentifizieren (falls aufgefordert): Wenn Ihr KI-Client Sie dazu auffordert, genehmigen Sie die Verbindung mit derselben E-Mail/demselben Konto, das Sie für freddy verwenden. Sie sollten dann „freddy“ als verfügbaren Konnektor sehen.
7) Verfügbare Metriken entdecken: Fragen Sie Ihre KI etwas wie „Welche Metriken haben Sie von freddy?“ Die KI ruft freddys list_metrics-Tool auf, um verfügbare Metriken, Datumsbereiche und das Quellgerät für jede Metrik zurückzugeben.
8) Spezifische Metriken/Zeitbereiche abfragen: Stellen Sie gezielte Fragen (z. B. „Zeigen Sie meine Schlafdauer, REM, Tiefschlaf und HRV für letzte Nacht“ oder „Wie hat sich meine HRV-Baseline in den letzten 30 Tagen verändert?“). Die KI ruft freddys query_metrics-Tool auf, um die relevanten Daten abzurufen.
9) Ursächliche „Warum“-Fragen in natürlicher Sprache stellen: Stellen Sie kausale/Trendfragen wie „Warum habe ich letzte Nacht schlecht geschlafen?“, „Trainiere ich zu viel?“ oder „Warum ist mein Glukosespiegel gestiegen?“ freddy liefert die zugrunde liegenden Zahlen, damit die KI Muster erklären kann (z. B. Trainingsbelastung vs. Schlaf-Fragmentierung vs. HRV).
10) Weitere Quellen hinzufügen (optional): Wenn Sie auf Pro upgraden, verbinden Sie unbegrenzt viele Quellen, greifen Sie auf die vollständige Historie zu und führen Sie eine quellenübergreifende Analyse durch (z. B. Glukose × Schlaf, Trainingsbelastung × HRV).
11) Datenschutz und Zugriff verwalten: Widerrufen Sie jederzeit jede verbundene Quelle in freddy. freddy gibt an, Ihre Daten nicht zu verkaufen/zu teilen/zu trainieren; Token und gespeicherte Gesundheitsdaten sind im Ruhezustand verschlüsselt (AES-256).
12) Ihre Daten exportieren oder löschen (optional): Verwenden Sie die Kontrollfunktionen von freddy, um Ihre Historie zu exportieren (CSV) oder Ihr Konto/Ihre Konnektoren/Ihre Historie zu löschen.
freddy. FAQs
freddy ist ein persönlicher Gesundheits-MCP-Server, der Ihre Wearables, CGMs, Leistungsmesser und Fitness-Apps mit KI-Tools wie ChatGPT und Claude verbindet, sodass Sie Ihre Gesundheits- und Trainingsdaten in natürlicher Sprache abfragen können.
Beliebte Artikel
Atoms: Eine Multi-Agenten-KI-Plattform, die Ideen in startbereite Produkte verwandelt
May 22, 2026
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
Neueste KI-Tools ähnlich wie freddy.
DocAI
DocAI ist eine KI-gestützte Plattform, die intelligente Dokumentenverarbeitung, Analyse medizinischer Konsultationen und personalisierte Gesundheitslösungen durch fortschrittliche maschinelles Lernen-Technologien bietet.
Nutrecity
Nutrecity ist eine KI-gestützte Essensplanungsplattform, die personalisierte Ernährungspläne erstellt, die auf individuellen Gesundheitszielen, Ernährungspräferenzen und Einschränkungen basieren, während sie umfassende Ernährungsverfolgung und -berichterstattung bietet.
Fit Aura
Fit Aura ist eine KI-gestützte Diät- und Ernährungsplattform, die personalisierte Essenspläne erstellt, Rezepte generiert und hilft, den Fitnessfortschritt zur Erreichung von Gesundheitszielen zu verfolgen.
Nutroscan
Nutroscan ist eine KI-gestützte Plattform zur Essensplanung, die personalisierte Ernährungspläne basierend auf individuellen Gesundheitszuständen, diätetischen Vorlieben und Ernährungsbedürfnissen erstellt.
Beliebte KI-Tools wie freddy.
Microsoft Dragon Copilot
Microsoft Dragon Copilot ist ein KI-gestützter klinischer Workflow-Assistent, der natürliche Sprachdiktierung, Ambient-Listening-Funktionen und generative KI kombiniert, um die Dokumentation zu rationalisieren, Informationen zu präsentieren und Aufgaben in Gesundheitseinrichtungen zu automatisieren.
TrackFit
TrackFit ist ein umfassendes KI-gestütztes Fitness-Tracking-System, das Sensordaten von Smartwatches, Modelle für maschinelles Lernen und personalisierte Analysen kombiniert, um Nutzern zu helfen, Trainingseinheiten zu überwachen, Fortschritte zu verfolgen und die Übungsform in Echtzeit zu verbessern.
HealthyAI - Nutrition Scanner
FreemiumHealthcare
HealthyAI ist eine KI-gestützte App zum Scannen von Nährwerten, die Benutzern hilft, gesündere Lebensmittelentscheidungen zu treffen, indem sie sofortige Inhaltsstoffanalysen, Nährwertaufschlüsselungen und personalisierte Empfehlungen durch Barcode-Scanning und Fotoerkennungstechnologie bietet.
Neck-Life
FreemiumHealthcare
Neck-Life ist eine innovative App, die die Sensoren von AirPods nutzt, um die Nackenhaltung in Echtzeit zu überwachen und hilft, 'Tech-Nacken' durch rechtzeitige Benachrichtigungen und personalisierte Einstellungen zu verhindern.