Hi, ich bin José.
Ich studiere Wirtschaftsinformatik im Master an der HTW Berlin und beschäftige mich am liebsten damit, wie man Probleme mit Technologie sinnvoll lösen kann.
Dabei geht es mir nicht darum, immer die komplizierteste Lösung zu finden. Ich möchte Dinge entwickeln, die funktionieren und anderen wirklich etwas bringen.
Angefangen habe ich mit einem dualen Informatikstudium in der IT einer Unternehmensgruppe. Aus ihr heraus wurde die Tec:IT gegründet, und ich habe die Gründung in einem kleinen Team begleitet. Mittlerweile arbeite ich bei Park & Pay im IT-Projektmanagement, betreue digitale Plattformen und entwickle auch eigene Lösungen. Zum Beispiel eine Analyseplattform, mit der rund 55.000 Parkvorgänge und Forderungen monatlich ausgewertet werden.
Da ich auch außerhalb der Arbeit gerne neue Ideen ausprobiere, habe ich zusammen mit einem Kommilitonen 
gegründet. Dort entwickeln wir eigene Apps, Websites und KI-gestützte Produkte.
Und wenn ich gerade nicht am Rechner sitze, bin ich wahrscheinlich beim Sport oder mit etwas anderem beschäftigt, das mich neugierig gemacht hat.
Fallstudie 04 · KI & Schnittstellen
Baseline
Fortschritt bekommt eine Perspektive. Eine persönliche Tracking-Anwendung mit Visualisierungen, Strava-Anbindung und eigenem MCP-Server.
- Bereich
- KI & Schnittstellen
- Zeitraum
- August bis Oktober 2026
- Plattformen
- Web und iOS-App, eigener Server
- Umsetzung
- alle 554 Commits von mir
- Technologien
- Next.jsSQLiteMCPStrava API
Strava synchronisiert · 3 neue Einheiten
Wie hat sich mein Bankdrücken entwickelt?
mcp · get_exercise_history("bench press")
Nachgebaut · Beispielwerte
01 · Ausgangslage
Baseline verbindet Ernährung und Krafttraining in einer Datenbasis, synchronisiert Läufe von Strava und macht alles über einen eigenen MCP-Server für KI-Clients zugänglich. Seit Oktober 2026 heißt die App Koally; Repo und Server tragen noch den alten Namen. Die Screenshots stammen aus der iOS-App.
02 · Ablauf
4 Stationen, ein durchgehender Weg.
- 01Eingaben / Sync
- 02Datenmodell
- 03Auswertung
- 04MCP-Zugriff
03 · Einblick
Aufnahmen aus dem Projekt.
Startbildschirm mit Kalorienziel und Trainingswoche
Laufendes Training mit Sätzen, Gewicht und Wiederholungen
Verlauf einer Übung über mehrere Einheiten
Diagramme zu bestem Satz und schwerstem Gewicht
Rezeptsuche beim Eintragen eines Snacks
04 · Geschichte
Ausgangslage
Ernährung, Krafttraining und Läufe lagen in drei Apps. Ich wollte eine Datenbasis, die ich selbst auswerten und mit KI abfragen kann.
Wie es gebaut ist
Ein Next.js-Server mit SQLite und Drizzle, hinter Traefik in Docker. Das Projekt ist in fünf Teile geschnitten: Ernährung, Krafttraining, Strava-Sync per OAuth, Dashboard mit Diagrammen und ein eigener MCP-Server. Dazu kamen mehrere Benutzerkonten und eine iOS-App, die alles kann, was die Weboberfläche kann.
Mein Anteil
Alle Commits im Repository stammen von mir.
Die wichtigste Entscheidung
Der MCP-Server darf keine Nährwerte erfinden. Sagt jemand „logg 200 g Skyr“ und Skyr ist unbekannt, müsste ein KI-Client Kalorien schätzen, und diese Schätzung würde jede spätere Auswertung unbemerkt verfälschen. Deshalb legt das Werkzeug ein Lebensmittel nur an, wenn die Nährwerte mitgeliefert werden. Sonst antwortet es mit ähnlichen Einträgen und dem Hinweis, dass nicht geschätzt werden darf. Dieselbe Regel gilt schon beim Import aus Open Food Facts: Fehlende Werte bleiben leer statt 0.
OS X Josemite 10.10 · Berlin
Tippe help für eine Übersicht.