Dieser Apotheker hat einen Fitness-Tracker entwickelt, der sich an die Veränderungen deines Körpers anpasst
Yim Yoon-seok (임윤석) verbrachte seine Abende über eine Tabellenkalkulation gebeugt und wechselte zwischen Excel-Tabs und KakaoTalk-Fenstern hin und her. Jeder Tab stand für einen Kunden, der eine individuelle Makronährstoffaufschlüsselung und ein wöchentlich neu berechnetes Kalorienziel benötigte. Er war an vier Tagen der Woche Apotheker, in der restlichen Zeit Bodybuilding-Ernährungscoach und irgendwo dazwischen YouTuber. Das Coaching-Geschäft wuchs, aber die Arbeit dahinter war komplett manuell.
Für jeden neuen Kunden, der sich anmeldete, öffnete er eine neue Tabelle, trug Gewicht und geschätzten Körperfettanteil ein, rechnete die Formeln per Hand aus und schickte ihnen ihren Plan über KakaoTalk. Wenn sie Fotos ihrer Mahlzeiten oder Screenshots ihrer Waage zurückschickten, protokollierte er auch das. Multipliziere das mit Dutzenden aktiven Kunden, und die Rechnung ging nicht mehr auf. Er verbrachte mehr Zeit mit Dateneingabe als mit dem eigentlichen Coaching.
Das Problem: Wissen ohne Umsetzung
Er brauchte eine Webanwendung, die Aufnahme, Tracking und adaptive Berechnungen automatisch übernehmen konnte. Etwas, in das sich seine Kunden auf ihren Smartphones einloggen, ihre Daten eingeben und Echtzeit-Feedback erhalten konnten, ohne dass er jede Nacht manuell Zahlen durchrechnen musste. Er hatte noch nie eine Zeile Code geschrieben.
Vor Februar 2026 beschränkte sich seine Erfahrung mit AI darauf, Chatbots Fragen zu stellen. Sie waren nützlich für Recherche und Brainstorming, aber sie waren Konversationswerkzeuge. Sie konnten keine Software bauen. Er stieß Mitte Februar über eine Internetwerbung auf Manus. Es war seine erste Begegnung mit einem AI-Agent, einem System, das in seinem Auftrag Code schreiben und bereitstellen konnte. Er beschloss, die App selbst zu bauen.
Bauen ohne Code
Die erste Woche war ein Wirrwarr aus Versuch und Irrtum. Er hatte kein gedankliches Modell davon, wie Softwareentwicklung funktioniert. Er wusste nicht, was ein Framework ist, wie ein API-Aufruf aussieht oder wie eine Datenbank mit einem Frontend verbunden ist. Er lernte durch Tun, indem er Anweisungen in Manus eingab und beobachtete, was zurückkam. Wenn etwas kaputtging, beschrieb er das Problem und versuchte es erneut. Wenn er auf komplexe Entwicklungs-Engpässe stieß, lernte er, seine Anweisungen zu verfeinern und dem Agent klareren Kontext zu liefern, um das Problem zu lösen.
Am Ende dieser ersten Woche war das Kern-Framework von Alyak Coach live. Kunden loggten sich auf ihren Smartphones ein und trugen ihre Mahlzeiten direkt ein. Das System trackte Kalorien, Gewichtsverlauf über die Zeit und Trainingshistorie. Es synchronisierte sich mit Strava und HealthSecret, sodass Schrittzahlen, Trainingsdaten und Kalorienprotokolle ohne manuelle Eingabe einflossen. Im Zentrum stand ein AI-gestützter TDEE-Rechner (Total Daily Energy Expenditure), der jede Woche basierend auf den tatsächlichen Gewichtsveränderungen und Aufnahmedaten der einzelnen Nutzer neu kalkulierte. Für einen Bodybuilding-Ernährungscoach war das die wichtigste Funktion. Die meisten Rechner schätzen den TDEE einmalig anhand einer statischen Formel. Seine Version passte sich dynamisch von Woche zu Woche an und reagierte auf reale Veränderungen im Stoffwechsel eines Kunden, anstatt sich auf eine vor Monaten festgelegte Zahl zu verlassen.
Lernen, mit einem AI-Agent zu arbeiten
Mit der Zeit entwickelte er einen Workflow, zu dem andere koreanische Power-User unabhängig voneinander gelangt waren: konversationelle AI-Tools für erstes Brainstorming und das Strukturieren seiner Ideen nutzen und dann die fortgeschrittenen agentischen Fähigkeiten von Manus einsetzen, um den eigentlichen Code auszuführen und bereitzustellen. Die Chatbots halfen ihm dabei zu artikulieren, was er wollte, und Manus verwandelte diese Formulierungen in funktionierenden Code.
Er lernte, dass Genauigkeit den Unterschied zwischen einer verschwendeten Sitzung und einer funktionierenden Funktion ausmachte. Wenn die AI bei einem Bug an eine Wand stieß, bestand die Lösung immer darin, mehr Kontext darüber zu liefern, was die Funktion tun sollte und welche Daten wohin flossen. Mit genügend Kontext konnte der Agent selbst die hartnäckigsten Bugs konsistent lösen.
„Es war vergleichbar mit der Zusammenarbeit mit einer Mischung aus Forscher und Entwickler auf PhD-Niveau“, sagte er. Das System verstand Fachterminologie wie metabolische Anpassung und progressive Overload-Protokolle, ohne dass er sein Coaching-Wissen in Laienbegriffe übersetzen musste. Er konnte eine Funktion so beschreiben, wie er sie einem Coaching-Kollegen erklären würde, und das Ergebnis entsprach genau dem, was er meinte.
Wachstum und Umsatz
In der dritten Woche begann er, Nutzern Geld zu berechnen. Seine bestehenden Coaching-Kunden migrierten als Erste und waren dankbar, keine KakaoTalk-Nachrichten mehr senden zu müssen, sondern eine richtige Oberfläche nutzen zu können. Dann sprang sein YouTube-Kanal an. Er hatte ein bestehendes Publikum, das sich für Bodybuilding und Ernährung interessierte, und als er die App in seinen Inhalten erwähnte, beschleunigten sich die Anmeldungen. Mundpropaganda trug es von dort weiter und verbreitete sich organisch durch Fitnessstudios und Gruppenchats.
Zum Zeitpunkt seines Interviews mit Manus, etwa zwei Monate später, hatte die App rund 300 aktive Nutzer. Bis zum 20. April zeigte das Backend 3.900 registrierte Nutzer und Einnahmen in Millionenhöhe in KRW. Die Zahlen stiegen weiter.
Von Tabellenkalkulationen zur Skalierung
Ein externer Entwickler hatte geschätzt, dass das Projekt sechs Monate Vollzeitarbeit erfordern würde. Das hätte bedeutet, jemanden einzustellen, ihn sechs Monate lang zu bezahlen und zuzusehen, wie sein Coaching-Geschäft die ganze Zeit in Tabellenkalkulationen feststeckt. Stattdessen baute er es in Wochen auf seinem MacBook zu Hause und auf seinem Smartphone in seiner Freizeit. Während der Pausen in der Apotheke, wenn keine Patienten da waren, zückte er sein Handy, bemerkte einen Fehler, notierte ihn und gab ihn am Abend an Manus weiter. Die Mobile-First-Gewohnheit spiegelte wider, wie seine eigenen Nutzer mit dem Produkt interagierten, was ihn zu einem guten Tester seiner eigenen App machte.
Heute betreut Yoon-seok eine wachsende Nutzerbasis von fast 5.000 Personen, ohne eine einzige Tabellenkalkulation zu öffnen. Jeder dieser Nutzer verfolgt sein Gewicht, erreicht seine Makros und arbeitet auf ein Körperzusammensetzungsziel hin, das früher einen persönlichen Coach erforderte, der ihm direkt Nachrichten schickte. Jetzt erledigt das System dies für sie und passt sich jede Woche automatisch an. Die Tabellenkalkulationen sind verschwunden, das Coaching skaliert endlich über seine eigenen Arbeitsstunden hinaus, und Yoon-seok kann sich auf das konzentrieren, was ihm wirklich wichtig ist: mehr Menschen dabei zu helfen, stärker zu werden.
Bereit, etwas Großartiges zu bauen?
