Din mobil og smartwatch har sandsynligvis indsamlet flere års oplysninger om din puls, søvn, motion og fysiske form generelt.
De mange data kan dog give nye indsigter i samspil med kunstig intelligens.
Problemet er bare, at oplysningerne lagres hos forskellige udbyderes egne tjenester, hvorfor deres analyser kan blive ufuldstændige.
Ved at samle dem sammen og samtidigt at give en AI adgang til hele historikken, kan der muligvis findes interessante sammenhænge, du ikke selv har opdaget.
Disse indsigter kræver dog, at du eksporterer de mange data i et format, som din foretrukne AI-tjenesten let kan importere.
Herunder kan du se, hvordan du gør på henholdsvis iPhone og Android.
Sådan får du dine data fra Apple Sundhed
Bruger du en iPhone, er Apples Sundhed-app stedet at tage udgangspunkt i, da det er her, at Apple indsamler oplysninger fra iPhonen, Apple Watch og tredjepartsapps og udstyr.
Her tilbyder Apple et enkelt værktøj til dataeksport, som kræver fem trin.
1) Åbn Sundhed-appen på din iPhone, og vælg fanen *Oversigt*.
2) Tryk på dit profilbillede øverst til højre.
3) Scroll ned, og vælg ’Eksporter alle sundhedsdata’. Dette tager nogle minutter.
4) Bekræft eksporten, og vælg ’Gem i Arkiver’. Du kan også overføre filen til din computer med AirDrop eller en anden delingsmetode.
5) Pak den eksporterede ZIP-fil ud. Her finder du blandt andet filen `export.xml`, som indeholder dine sundhedsmålinger.
Afhængigt af hvilke enheder du bruger, kan arkivet indeholde alt fra hvilepuls og pulsvariabilitet til søvn, vægt, skridt og træningshistorik.
Sådan får du dine data fra Google Health
Befinder du dig i Android-lejren, tilbyder Google en tilsvarende mulighed gennem Google Takeout, som kan eksportere blandt andet oplysninger fra Google Health, som i maj 2026 afløste Fitbit-appen, og som bruges sammen med Fitbit og Pixel Watch.
1) Besøg Takeout-hjemmesiden og log ind med din Google-konto.
2) Vælg ’Fravælg alle’, og naviger til ’Google Health’ på listen. Bruger du Google Fit, kan du også vælge denne tjeneste, hvis den er tilgængelig.
3) Tryk på ’Næste trin’, og vælg ’Send downloadlink via mail’.
4) Vælg ZIP som filtype, og tryk på ’Opret eksport’.
5) Når arkivet er klar, modtager du en mail med et link. Download filen, og pak den ud på din computer.
Her finder du de oplysninger, som den valgte Google-tjeneste har gemt, eksempelvis aktivitet, søvn og puls.
Android har desuden Health Connect, som samler data fra forskellige apps.
Herfra kan du oprette en ZIP-sikkerhedskopi, men den er primært beregnet til at gendanne oplysningerne på en Android-enhed og er derfor mindre oplagt til AI-analyse.
Fra rådata til brugbare oplysninger
Inden du kan give dig i kast med at indsætte filerne i dit chat-vindue, skal du sikre dig, at oplysningerne leveres i et format, der er ligetil at analysere.
Apples XML-fil kan nemlig fylde flere hundrede megabyte efter flere års registreringern og selv om at både ChatGPT og Claude understøtter XML, kan meget store filer være vanskelige at behandle.
ChatGPT tillader højst 512 MB pr. fil og har desuden en grænse på to millioner tokens for tekstfiler.
Prøv derfor først at uploade XML-filen direkte til ChatGPT. Bed modellen bruge dataanalyse til at kortlægge, hvilke målinger filen indeholder, og hvor langt historikken strækker sig.
Er filen for stor, skal den opdeles eller trimes før den kan uploades. Det er samtidig en god idé at kontrollere, om der er huller i data, såsom perioder uden registreringer eller hvorvidt der er indgår dubletter i datasettet.
Her kan apps såsom ’Health Auto Export’ eller ’Health Sync’, benyttes til at udvælge bestemte målepunkter eller perioder.
Følsomme data
Inden du uploader oplysningerne, skal du nøje overveje, hvorvidt du vil dele de følsomme data med AI-tjenester.
Et sundheds- og motionsarkiv kan også indeholde følsomme oplysninger om dit helbred såsom diagnoser og medicinering, mens dine GPS-ruter vil afsløre, hvor du bor og har været.
Her kan du alternativt ty til en lokal model, hvis du har adgang til sådan en eller benytte en midlertidig chat, der ikke gemmes i din almindelige chathistorik. Disse vil dog oftest blive lagret af sikkerhedshensyn.
Det uforløste potentiale
Når dataene først er gjort klar og indlæst, er der meget, den kunstige intelligens kan begynde at undersøge.
Kan AI'en identificere perioder, hvor konditionen har udviklet sig særligt hurtigt? Er der sammenhænge mellem søvn, hvilepuls og træningsresultater?
Og kan oplysningerne bruges til at sammensætte et bedre træningsprogram?
Mulighederne er mange, og det interessante er, at du ikke behøver vide på forhånd, hvad du leder efter.
Du kan ganske enkelt bede AI'en gennemgå din historik og finde de mest interessante mønstre og udviklinger.
Det er ikke sikkert, at den finder noget overraskende. Og dens konklusioner skal naturligvis efterprøves.
Men måske gemmer der sig noget i flere års målinger, som hverken du eller producenten af dit smartwatch hidtil har fået øje på.
