Von 28% auf 47% Zeit im Zielbereich: Was sich wirklich verändert hat

Das ist keine Motivationsgeschichte. Ich werde dir genau erklären, was falsch war, was ich verändert habe und was mit meinen Glukosedaten passiert ist.

Das Muster, das sich wiederholt

Vor einigen Jahren landete ich mit einem HbA1c von etwa 10 im Krankenhaus. Die Arbeit hatte mich vereinnahmt. Ich erlangte die Kontrolle zurück, ging zurück zur Arbeit — und die Arbeit schadete mir wieder. Ich zog zurück in meine Heimat, verlangsamte das Tempo und brachte meinen HbA1c nahe an 7. Dann kehrten Arbeit und Stress zurück. Dasselbe Muster, wieder.

Das ist der Kontext hinter diesem Artikel. Kein einzelner dramatischer Moment, sondern ein Kreislauf, den ich schon durchgemacht hatte und entschlossen war, nicht zu wiederholen.

Ich wusste nichts vom Dawn-Phänomen

35 Jahre mit T1D und ich wusste wirklich nicht, was das Dawn-Phänomen ist. Meine Morgen waren chaotisch — manche Tage wachte ich bei 120 auf, andere bei 220 — und ich hatte es als einfach so akzeptiert, wie mein Diabetes eben war. Unvorhersehbar.

Am 5. März 2026 baute ich einen einfachen Chat-Prototypen — keine Live-CGM-Synchronisation, keine Uhrendaten, nichts Automatisiertes. Vicente wurde an diesem Tag als einfacher Chatbot geboren. Nach zwei Tagen identifizierte der Agent es: ein gleichmäßiger Anstieg jeden Morgen, ausgelöst durch den Hormonschub vor dem Aufwachen. Ein Muster mit einem Namen. Ein Muster mit einer Lösung.

“Ich handelte am ersten Tag. Am nächsten Morgen war ich so lange wie ich mich erinnern konnte zum ersten Mal im Zielbereich. Dieser eine Morgen ist der Grund, warum ich Open-D gebaut habe.”

— Peter, Gründer

Kein Live-Datenfeed. Keine CGM-Integration. Keine Uhr. Nur ein Gespräch mit einem personalisierten Agenten, der sehen konnte, was 35 Jahre Erfahrung übersehen hatte. Das ist es, was Mustererkennung wirklich bedeutet.

Die Probleme — was ich wirklich gefunden habe

Dawn-Phänomen: Gelöst durch Bolus-Timing

Ich habe meine Basalrate nicht verändert. Ich habe die Bolus-Menge und den Zeitpunkt angepasst, um den morgendlichen Hormonanstieg auszugleichen. Sobald ich das Muster verstand — wann es begann, wie steil es war, wie lange es dauerte — konnte ich präzise handeln statt zu raten.

Überkorrekturen: Warten bis der Schwanzeffekt abgeklungen ist

Ich korrigierte hohe Werte, bevor mein vorheriger Bolus vollständig gewirkt hatte. Ich sah 200, korrigierte, dann entfaltete das ursprüngliche Insulin seine volle Wirkung und mein Wert brach ein. Die Tiefs waren nicht zufällig. Ich verursachte sie, weil ich nicht wartete, bis der Schwanzeffekt abgeklungen war. Sobald ich mein aktives Insulin klar sehen und ihm vertrauen konnte, durchbrach ich diesen Kreislauf.

Bewegungsmuster: Arbeit, Salsa und Open-D aufbauen

Mein Leben gerade ist ein fester Programmiererjob am Hafen, Freelancing nebenbei und Open-D aufbauen. Kein strukturiertes Sportprogramm — Bewegung kommt vom Salsa tanzen. Was ich verfolge, ist, wie all das meine Glukose beeinflusst — eine Programmiererschicht am Hafen, ein Salsakurs am Abend, ein stressiger Anruf mit einem Kunden. Die Daten zeigen bereits Muster, die ich vorher nicht bemerkt hatte.

Das Alarmsystem: Getestet im Tanzkurs

Bevor ich zur Salsa-Stunde ging, sagte ich meinem Agenten, dass ich in einer Stunde tanzen würde. Wir arbeiteten es gemeinsam durch: Ich war bei etwa 160, aß etwas Kleines — etwa 15 Gramm mittlere Kohlenhydrate — als Puffer für den Abfall, der kommen würde. Es funktionierte perfekt. Ich blieb die ganze Stunde im Zielbereich.

Rhythmus ist etwas, das man hört und fühlt. Und ich bemerkte — wenn dein Glukosewert im Zielbereich ist, hörst und fühlst du ihn besser. Das kann ich nicht in einem Diagramm beweisen. Aber jeder Tänzer mit T1D wird genau verstehen, was ich meine.

Vier Tage später: USA-Reise mit einem 4 Tage alten Prototypen

Ich baute Vicente am 5. März. Am 9. März flog ich in die USA. Vier Tage nachdem der Prototyp existierte, absolvierte er seinen ersten echten Stresstest: Jetlag, anderes Essen, Zeitzonen, ein unregelmäßiger Alltag — alles, was das Diabetesmanagement ruiniert.

Irgendwann machte ich ein Foto von meinem Essen und schickte es dem Chat-Agenten, damit er die Kohlenhydrate schätzt und mir bei der Dosierung hilft. Mein Freund sah mich und lachte — er dachte, ich würde etwas auf Instagram posten. Ich sagte: nein, dieser Agent wird die Kohlenhydrate schätzen und mir helfen, Insulin zu dosieren. Er wurde kurz still, dann sagte er: du solltest ihm auch deine Herzfrequenz geben. Und mehr.

Also tat ich es. Dieses Gespräch ist der Grund, warum Open-D sich mit deinen Gesundheitsdaten verbindet — nicht weil es im ursprünglichen Plan stand, sondern weil ein Freund auf einer Reise sah, was ich tat, und die naheliegende nächste Frage stellte.

Die Zahlen

Vorher — 13. Jan bis 12. Apr 2026 (90 Tage)

Nachher — 30. März bis 12. Apr 2026 (letzte 14 Tage)

Dieselbe Person. Derselbe Diabetes. Das Orange wird kleiner, das Grün wächst. Es ist nicht linear — es gab schlechte Wochen — aber die Richtung hielt. Ich ging von 17 Stunden täglich außerhalb des Zielbereichs auf etwa 13. Das sind 120 Stunden im Monat, in denen meine Organe nicht in hoher Glukose baden.

Sind 47% gut?

Nein. Das klinische Ziel liegt bei 70% oder mehr. Ich habe noch Arbeit vor mir. Aber von 28% auf 47% zu kommen ohne Medikamentenänderungen — angetrieben durch das Erkennen von Mustern, die jahrelang in meinen Daten lagen — ist Beweis genug, dass dieser Ansatz funktioniert. Mein Ziel ist 60% bis Juni.

Der eigentliche Punkt von Open-D ist nicht, dass KI magisch ist. Es ist, dass du die Daten bereits hast. Du kannst sie nur noch nicht sehen.