Garmin-Schlafdaten mit Claude analysieren

Tag 89: Analysiere deine Garmin-Schlafdaten mit Claude

Dein Garmin zeichnet bereits Schlafscore, Dauer, Schlafphasen, HRV, Stress, Body Battery, Ruheherzfrequenz und Aktivitäten auf. Diese Bildschirme einzeln anzusehen, zeigt dir, was passiert ist. Die gesamte Historie zusammen zu analysieren, kann helfen zu erklären, warum sich deine guten und schlechten Nächte unterscheiden.

Dies verwendet denselben Export- und Claude-Workflow wie die Schlafscore-Methode von Tag 62, aber das Ziel hier ist anders. Du bittest Claude nicht, einen Score von 90 zu erreichen. Du bittest es, die Daten zu prüfen, Muster zu quantifizieren, schwache Schlussfolgerungen herauszufordern und persönliche Faktoren zu identifizieren, die es wert sind, getestet zu werden.

Schritt 1: Exportiere deine Garmin-Daten

Gehe zu garmin.com → Konto → Datenverwaltung → Daten exportieren.

1. Melde dich bei deinem Garmin-Konto an.
2. Wähle Deine Daten exportieren.
3. Garmin erstellt ein ZIP-Archiv und sendet dir eine E-Mail, wenn es bereit ist. Dies kann von mehreren Minuten bis zu mehreren Stunden dauern.
4. Lade das Archiv herunter und entpacke es. Suche nach dem DI_CONNECT-Ordner, der einen Großteil deiner Schlaf-, HRV-, Stress-, Body Battery-, Ruheherzfrequenz- und Aktivitätshistorie enthält.

Schritt 2: Wähle Claude Cowork oder Claude Code

Du benötigst eine Version von Claude, die mehrere Dateien in einem lokalen Ordner inspizieren kann. Verwende entweder Cowork für den einfacheren visuellen Workflow oder Claude Code, wenn du mit einem Terminal vertraut bist.

Option A: Claude Cowork

Claude Cowork läuft über die Claude-Desktop-App und kann mit einem Ordner arbeiten, den du explizit freigibst.

1. Installiere die Claude-Desktop-App von claude.ai/download.
2. Öffne sie und melde dich an.
3. Starte Cowork und gewähre Zugriff auf den entpackten Garmin-Exportordner.
4. Füge den Analyse-Prompt aus Schritt 3 ein.

Die Verfügbarkeit von Cowork hängt von deinem Claude-Plan und deiner Plattform ab.

Option B: Claude Code

Claude Code ist die terminalbasierte Option. Es kann die Ordnerstruktur inspizieren, kleine Analyseskripte schreiben und die JSON-Dateien zusammen verarbeiten.

Auf Mac: Drücke Cmd + Leertaste, suche nach Terminal und öffne es.

Auf Windows: Öffne PowerShell aus dem Startmenü.

Installiere Claude Code mit:

curl -fsSL https://claude.ai/install.sh | bash

Gib anschließend cd mit einem Leerzeichen danach ein, ziehe den entpackten Garmin-Ordner in das Terminal und drücke Enter. Starte Claude Code:

claude

Vervollständige den Anmeldevorgang und füge dann den unten stehenden Prompt ein.

Schritt 3: Verwende diesen Tiefenanalyse-Prompt

Dieser Prompt behält die nützlichen Vergleiche von Schlaf, HRV, Stress und Aktivitäten von Tag 62 bei, fordert jedoch eine viel gründlichere Analyse anstelle eines direkten Sprungs zu Ratschlägen.

You are an expert sleep data analyst and sports scientist. I am giving you my full Garmin data export. Most relevant files are in the DI_CONNECT folder.

Your primary task is to ANALYSE my personal sleep and recovery data. Do not start by giving sleep advice. First build a reliable dataset, quantify patterns, test alternative explanations, and show how strong or weak each finding is.

Use scripts where helpful so the analysis is reproducible. Do not silently skip malformed files or assume field meanings. Inspect the available schemas and explain how you interpreted and joined the records.

Produce a structured report with these sections:

### 1. Data inventory and quality audit
- List every file used for sleep, sleep score, sleep stages, HRV status, overnight HRV, stress, Body Battery, resting heart rate, activities, training load, and recovery.
- State the date range, number of usable nights, missing periods, duplicate records, timezone issues, and fields that appear unreliable or unavailable.
- Explain how records from one day were matched to the following night's sleep.
- Clearly distinguish measured values, Garmin estimates, and values you calculated.

### 2. Personal sleep baseline
- Calculate mean, median, standard deviation, and meaningful percentiles for sleep score, sleep duration, bedtime, wake time, deep sleep, REM sleep, light sleep, awake time, overnight stress, HRV, and resting heart rate where available.
- Show weekly and monthly trends and identify genuine changes versus ordinary night-to-night variation.
- Use my own baseline rather than comparing me with generic population targets.

### 3. Best nights versus worst nights
- Compare my best 20% and worst 20% of nights, plus any nights scoring 90 or above as a secondary group.
- Quantify differences in duration, timing, sleep-stage estimates, HRV, resting heart rate, stress, Body Battery change, and previous-day activity.
- Report sample sizes, absolute differences, percentage differences where useful, and overlap between the groups.
- Include counterexamples: good nights that break the apparent pattern and bad nights where the supposedly helpful factor was present.

### 4. Previous-day activity analysis
- Match each night's sleep to the previous day's activities.
- Test associations with activity type, duration, distance, intensity, training load, start time, end time, total daily activity, recovery time, and rest days where available.
- Compare easy versus hard days and early versus late workouts only when enough examples exist.
- Check whether results remain plausible after accounting for weekday/weekend effects, recent training load, and baseline recovery.

### 5. HRV, stress, and recovery analysis
- Analyse how overnight HRV, HRV status, resting heart rate, stress, Body Battery, and sleep score move together over time.
- Identify lagged patterns across several days, not just same-night correlations.
- Separate expected mathematical or algorithmic relationships from genuinely useful personal patterns. Garmin metrics may share input data, so do not present those relationships as independent discoveries.

### 6. Pattern evidence table
Create a table for every potentially useful pattern with:
- Hypothesis
- Supporting dates and sample size
- Effect size or numerical difference
- Counterexamples
- Possible confounders
- Confidence: high, medium, low, or insufficient data
- What additional data would strengthen or reject the finding

### 7. Missing lifestyle context
- Identify questions the Garmin export cannot answer, such as alcohol, caffeine, meals, medication, illness, travel, room temperature, or screen use.
- Never invent these factors.
- Give me a short daily log template for collecting only the missing variables most likely to improve a future analysis.

### 8. Conclusions and experiments
- Rank the three to five strongest findings, but include only findings supported by my data.
- For each finding, propose a specific two-week experiment that changes one variable at a time.
- Define the metric, comparison, and minimum result that would support or reject the hypothesis.
- Keep recommendations secondary to the analysis and tie every recommendation to a reported finding.

### 9. Safety and limitations
- Flag persistent or unusual trends that may deserve discussion with a qualified health professional, but do not diagnose a condition.
- Explain the limitations of wrist-based sleep-stage estimates and observational data.
- Clearly state that correlation does not prove causation.

Finish with:
1. A one-page executive summary.
2. The five most important charts or tables.
3. A concise list of findings ordered by confidence.
4. The reusable analysis scripts and any cleaned data tables you created.

Be precise and skeptical. Cite dates, numbers, sample sizes, effect sizes, counterexamples, and uncertainty. If the data cannot support a conclusion, say so directly instead of filling the gap with generic sleep advice.

Nutze die Ergebnisse als Hypothesen

Garmin-Schlafphasen und Wellness-Metriken sind tragbare Schätzungen, keine medizinische Schlafstudie. Claude arbeitet auch mit Beobachtungsdaten: Es kann Beziehungen finden, aber es kann nicht beweisen, dass ein Verhalten ein Ergebnis verursacht hat. Verwende den Bericht, um kleine Experimente zu entwerfen, fehlenden Kontext zu sammeln und die nächste Analyse zu verbessern, anstatt die erste Antwort als Diagnose zu behandeln.