Was ist openGym?
openGym ist ein Trainingstagebuch, das du mit Docker auf deinem eigenen Server betreiben oder nur auf dem Handy nutzen kannst. Es plant Routinen aus einer Bibliothek von 5,632 Übungen mit animierten Demos, führt durch Einheiten mit vorausgefüllten Gewichten und Pausentimern, wendet Progressionsregeln wie Double Progression oder Greyskull LP an und zeigt geschätztes Einerwiederholungsmaximum, Körpergewicht und Muskelabdeckung in Diagrammen. Es gibt Apps für iPhone mit Apple Watch, iPad und Android sowie eine Web-App, in 26 Sprachen, und Importe aus Strong, Hevy und FitNotes.
KI ist ein optionales Extra, nicht der Kern. Ein KI-Coach entwirft und überarbeitet Routinen anhand deines Protokolls mit deinem eigenen Anbieterschlüssel, und ein MCP-Server lässt einen Assistenten wie Claude Desktop deine Trainingshistorie lesen und ein beschriebenes Training eintragen. Beides ist standardmäßig aus, und das README stellt klar, dass eine Standardinstallation keinen KI-Dienst aufruft.
Das Repository steht unter AGPL-3.0, hat rund 22,700 GitHub-Sterne, 3,017 Forks und 348 offene Issues und steht bei v1.4.5 (14. November 2026), mit Releases alle ein bis zwei Wochen.
Lohnt sich openGym?
Als KI-Projekt betrachtet ist openGym größtenteils keins. Du kannst jahrelang Training planen, protokollieren, synchronisieren und auswerten, ohne dass ein Modell beteiligt ist; Coach und MCP-Server gibt es nur, wenn ein Admin sie einschaltet. Das ist die richtige Reihenfolge für eine App, die Körpergewicht, Maße und Herzfrequenz speichert.
Der Coach ist gut eingezäunt. Er funktioniert mit Anthropic, OpenAI, Gemini, MiniMax oder jedem OpenAI-kompatiblen Endpunkt einschließlich Ollama, und die Nutzlast wird aus einer Positivliste gebaut: Plan, protokollierte Sätze, Wiegungen, Antworten aus dem Erstgespräch und Einstellungen, begrenzt auf 12 Wochen oder 60 Einheiten. Tägliche Gesundheitseinträge, Schlaf, Ruhepuls, HRV und Blutdruck gehen nur mit, wenn du einen eigenen Schalter umlegst, der standardmäßig aus ist. Ein Einwilligungsblatt nennt den Anbieter und listet die Kategorien, bevor etwas hinausgeht, und ein Modell im eigenen Netz überspringt es, weil nichts bei Dritten ankommt. Vorgeschlagene Änderungen kommen als Karten zurück, die du bestätigst.
Der Umgang mit Gesundheitsdaten ist klar und sollte bekannt sein. Eine selbst gehostete Instanz speichert alles als JSON unter ./data, unverschlüsselt; wer diesen Ordner oder seine Backups lesen kann, liest die Trainingshistorie und das Gewichtsprotokoll aller Nutzer, und Admins sehen die Historie der Nutzer absichtlich. Nur auf dem Handy bleiben die Daten auf dem Gerät; Apple Health und Health Connect synchronisieren in beide Richtungen, und das Projekt sagt, dass es keine Telemetrie gibt. Passkeys sind die Standardanmeldung.
Das Projekt pflegt eine Person neben der Schule, ohne SLA für Sicherheitskorrekturen, und die Übungsanimationen sind getrennt vom AGPL-Code lizenziert. Für Selbsthoster, die Tracking im Stil von Hevy ohne Abo wollen, sind das vertretbare Kompromisse.
Wo es sich lohnt
Ein Homelab-Bastler, der vier Tage pro Woche trainiert
Meine Trainingshistorie aus einer Abo-App auf meinen eigenen Server holen
docker compose up ausführen, eine CSV aus Strong oder Hevy importieren und sich vom iPhone per HTTPS mit einem Passkey anmelden. Kosten: der vorhandene Server; kein Abo, und wer ./data sichert, sichert alles.
Eine Kraftsportlerin mit Ollama auf einem Heimserver
Eine wöchentliche Überprüfung meines Programms, ohne Gesundheitsdaten an eine Cloud-KI zu schicken
Ein Admin richtet den Coach auf den Ollama-Endpunkt aus; die Dokumentation nennt etwa eine Minute pro Überprüfung mit qwen2.5:3b auf einem Rechner mit 4 Kernen ohne GPU. Anfragen an eine Adresse im lokalen Netz überspringen die Einwilligung für Dritte, weil nichts das Netz verlässt.
Ein Nutzer von Claude Desktop, der im Studio vergisst, Sätze einzutragen
Meinen Assistenten nach meinem Fortschritt fragen und Einheiten in normalen Worten eintragen
Den stdio-MCP-Server auf ./data zeigen lassen; 11 Lesewerkzeuge beantworten Fragen wie das geschätzte 1RM beim Bankdrücken mit denselben Funktionen wie die App, und log_workout schreibt eine Einheit nach der Kopplung mit dem Server.
Bevor du dich festlegst
- Einrichtung
- Klonen, .env.example kopieren, docker compose pull und up, dann localhost:8080 öffnen und ein Profil anlegen. Anmeldung vom Handy mit Passkeys braucht HTTPS auf einer Domain; die Anleitungen decken Cloudflare Tunnel, Caddy, Traefik, nginx und Tailscale ab. Die iPhone-App ist im App Store, Android kommt als signiertes APK.
- Integrationen
- Apple Health und Health Connect in beide Richtungen, Importe aus Strong, Hevy und FitNotes, signierte Webhooks an Home Assistant, n8n oder ntfy, eine per OpenAPI dokumentierte HTTP-API, ein stdio-MCP-Server und ein optionaler Remote-MCP-Container mit eingeschränkten Tokens.
- Daten und Datenschutz
- Selbst gehostete Daten liegen als JSON in ./data, im Ruhezustand unverschlüsselt; nur der Anbieterschlüssel des Coachs ist verschlüsselt. Nur auf dem Handy bleiben die Daten auf dem Gerät. Keine Telemetrie. Coach-Anfragen schicken freigegebene Kategorien an den gewählten Anbieter; Gesundheitswerte nur mit eigener Zustimmung.
- Kosten im großen Maßstab
- Kein Bezahltarif. Ein Haushalt oder ein kleines Studio zahlt das eigene Hosting und Modell-Tokens, wenn der Coach an ist; die Admin-Karte setzt Tageslimits dafür, was ein gemeinsamer API-Schlüssel ausgeben darf.
- Grenzen
- 348 offene Issues; ein Maintainer; Ratenbegrenzung nur bei Passwortanmeldung und Gerätecodes, der Rest bleibt deinem Reverse Proxy überlassen; Google Play noch im geschlossenen Test; Wear OS in der Beta.
Was gut ist
- Voller Tracker funktioniert ohne KI und ohne Konto
- Nutzlast des KI-Coachs ist eine Positivliste; Gesundheitsdaten standardmäßig aus
- Coach läuft mit eigenem Schlüssel oder lokalem Modell
- Handy, Uhr und eigener Server synchronisieren mit feldweiser Zusammenführung
Was nicht
- Daten in ./data sind im Ruhezustand nicht verschlüsselt
- Ein Maintainer; kein SLA für Sicherheitsreaktionen
- Übungsmedien fallen nicht unter die Open-Source-Lizenz
- Android-APKs sind groß, ab etwa 315 MB
Am besten für
Kraftsportler, die ein vollwertiges, selbst hostbares Trainingstagebuch unter eigener Kontrolle wollen, mit KI-Coach nur, wenn sie ihn selbst anschließen.
openGym: häufige Fragen
- Lohnt sich openGym?
- openGym ist zuerst ein ernsthafter Trainings-Tracker, und sein KI-Coach ist das seltene optionale Extra, das genau sagt, welche Gesundheitsdaten es sendet, und vorher fragt. Wir bewerten es mit 4.0 von 5.
- Was kostet openGym?
- Kostenlos und Open Source (AGPL-3.0), ohne Bezahltarif. Der KI-Coach nutzt deinen eigenen Anbieterschlüssel oder ein lokales Modell. ElfHosted bietet verwaltetes Hosting mit einer 7-tägigen Testphase für $1.
- Welche Nachteile hat openGym?
- Daten in ./data sind im Ruhezustand nicht verschlüsselt; Ein Maintainer; kein SLA für Sicherheitsreaktionen; Übungsmedien fallen nicht unter die Open-Source-Lizenz; Android-APKs sind groß, ab etwa 315 MB.
- Für wen eignet sich openGym?
- Kraftsportler, die ein vollwertiges, selbst hostbares Trainingstagebuch unter eigener Kontrolle wollen, mit KI-Coach nur, wenn sie ihn selbst anschließen.
- Was kostet openGym für ein Team oder im Produktivbetrieb?
- Kein Bezahltarif. Ein Haushalt oder ein kleines Studio zahlt das eigene Hosting und Modell-Tokens, wenn der Coach an ist; die Admin-Karte setzt Tageslimits dafür, was ein gemeinsamer API-Schlüssel ausgeben darf.
- Ist openGym sicher für Firmendaten?
- Selbst gehostete Daten liegen als JSON in ./data, im Ruhezustand unverschlüsselt; nur der Anbieterschlüssel des Coachs ist verschlüsselt. Nur auf dem Handy bleiben die Daten auf dem Gerät. Keine Telemetrie. Coach-Anfragen schicken freigegebene Kategorien an den gewählten Anbieter; Gesundheitswerte nur mit eigener Zustimmung.
Antworten geprüft am 18. Nov. 2026.