Agentic AI
Mai 13, 2026
Felix Braun 
Mein erster Versuch, Monkey C zu schreiben, endete mit einer Watch Face, die hartnäckig behauptete, es sei permanent 00:00 Uhr. GitHub Copilot hätte das vermieden – aber dazu gleich mehr. Denn die Kombination aus Garmin SDK und KI-Coding-Tools verändert gerade die Wearable-Entwicklung spürbar, und zwar auf eine Art, die weit über einfache Schrittzähler-Apps hinausgeht.
Wer zum ersten Mal auf die offizielle Garmin Connect IQ Entwicklerseite stößt, erlebt einen kleinen Kulturschock. Hier wartet eine eigene Programmiersprache namens Monkey C, ein SDK Manager, eine Visual-Studio-Code-Extension und ein Simulator – alles für Wearables, die am Handgelenk sitzen. Nerd-Alarm: Das ist kein schlankes REST-API-Bastelprojekt, das ist ein vollständiges Ökosystem.
Connect IQ unterstützt Watch Faces, vollwertige Apps, Data Fields für Sport-Aktivitäten und Widgets. Im Connect IQ Store gibt es laut Garmin über 5.000 Apps und Data Fields (Stand 2025). Die Entwickler-Community ist überschaubar, aber aktiv – das GitHub-Repository awesome-garmin listet über 100 kuratierte Tools, Apps und Ressourcen rund um das Ökosystem.
Wichtige Einschränkung zuerst, weil sie oft falsch dargestellt wird: Die Vivosmart-Linie – darunter das Vivosmart 5 aus dem Jahr 2022 – unterstützt kein Connect IQ. Das sind Fitness-Bands ohne App-Plattform. Wer eigene Wearable Apps entwickeln will, greift zu Geräten wie der Venu-Serie, den Forerunner-Modellen oder Fenix-Uhren. Diese Geräteklasse läuft auf Connect IQ. Das ist keine Kleinigkeit, sondern der entscheidende Unterschied zwischen einem geschlossenen Fitness-Tracker und einer echten Entwicklerplattform.
Monkey C ist keine Sprache, für die man auf Stack Overflow leicht Hilfe findet. Die Syntax erinnert an Java, hat aber eigene Eigenheiten: Ressource-Management für begrenzte Hardware, spezifische APIs für Sensordaten, ein Permissions-System für Gesundheitsdaten. Wer normal mit Python oder JavaScript arbeitet, muss hier umdenken.
Genau hier betritt GitHub Copilot die Bühne. Entwickler im Garmin-Forum berichten, Copilot schlage bei Monkey-C-Projekten rund 90 Prozent passgenauen Code vor – inklusive korrekter API-Aufrufe für Herzfrequenz, Stresslevel und Schlafwerte. Man tippt den Intent als Kommentar, drückt Tab, und der Boilerplate erschreibt sich fast von selbst. Im Ernst: Das reduziert die Einarbeitungszeit für neue Connect-IQ-Entwickler erheblich.
Copilot kennt Monkey C nicht nativ als First-Class-Sprache, greift aber auf öffentliche Garmin-Repos und Dokumentationsfragmente zurück, um brauchbare Vorschläge zu machen. Das bedeutet: Je mehr öffentliche Open-Source-Projekte im Umlauf sind, desto besser werden die Vorschläge. Repos wie MoveToBeActive oder JSONFace auf GitHub füttern diesen Prozess indirekt.
Parallel zum klassischen IDE-Plugin hat GitHub 2025 das Copilot SDK als Technical Preview veröffentlicht. Dieses SDK ist konzeptionell anders als das bekannte Autocomplete-Feature: Es ermöglicht agentische KI-Funktionen direkt in eigene Anwendungen einzubauen – Planung, Tool-Invocation, mehrschrittige Workflows. Kommunikation läuft über JSON-RPC.
Offiziell unterstützte Sprachen sind Node.js, Python, Go und .NET. Community-Pakete für Rust, C++ und Java existieren, sind aber nicht von GitHub selbst gepflegt. Wichtig: Das SDK ist noch nicht produktionsreif. Es ist eine Preview, kein Versprechen. Wer heute damit baut, arbeitet an einem Bastelprojekt, das sich jederzeit ändern kann.
Für Wearable-Entwicklung bedeutet das: Das Copilot SDK selbst läuft nicht auf der Uhr. Es läuft auf dem Server oder Companion-App-Layer – also Android oder iOS. Das Connect IQ Mobile SDK für Android erlaubt es, Garmin-Geräte von einer Smartphone-App aus anzusprechen. Hier liegt der spannende Integrationspunkt: Copilot-gestützte Logik auf dem Phone, die Ergebnisse ans Handgelenk schickt.
Das Wort „mentale Metriken“ kursiert in Wearable-Diskussionen wie ein Versprechen ohne Verfallsdatum. Spoiler: Garmin misst keinen „mentalen Zustand“ im eigentlichen Sinne. Was die Geräte liefern, ist HRV-basiertes Stress-Tracking und der sogenannte Body Battery Score – eine Bewertung der Erholungskapazität auf Basis von Herzratenvariabilität, Aktivität und Schlaf.
Diese Werte sind echte physiologische Daten und durchaus aussagekräftig. HRV korreliert wissenschaftlich belegt mit vegetativer Nervenaktivität und damit mit Erschöpfung oder Anspannung. Aber ein KI-generierter „Achtsamkeits-Score“ oder eine automatische Stimmungsanalyse? Das gibt es im Connect IQ SDK offiziell nicht. Wer das in einer App bauen will, muss eigene Modelle auf den Rohdaten trainieren – und das ist ein erhebliches Bastelprojekt.
Was Entwickler heute realistisch bauen können: Data Fields, die HRV-Werte während des Trainings visualisieren, oder Watch Faces, die Stress und Body Battery prominent anzeigen. Mit Copilot-Unterstützung entsteht das in einem Bruchteil der Zeit, die man ohne KI-Coding-Tool benötigen würde. Das ist kein schlechter Stand. Aber es ist ehrlich kommuniziert etwas anderes als „mentale Metriken via KI“.
Wie sieht das konkret aus? Ein typischer Workflow: Entwickler öffnet VS Code mit der Connect IQ Extension, legt ein neues Monkey-C-Projekt an und schreibt einen Kommentar: // Data field that reads current stress level and shows color-coded alert above 60. Copilot ergänzt sofort den passenden API-Aufruf für Activity.getProfileInfo() sowie den Rendering-Block für das Display.
Der Wearable Apps-Bereich profitiert hier besonders, weil die API-Oberfläche überschaubar ist. Es gibt keine zehntausend Methoden. Copilot muss nicht raten – es gibt eine endliche Anzahl von Sensoren und Anzeige-Primitiven. Das erhöht die Treffsicherheit der Vorschläge erheblich im Vergleich zu komplexen Backend-Projekten.
Ein Risiko bleibt trotzdem real: KI-generierter Code für Wearable Apps kann subtile Fehler enthalten, besonders beim Umgang mit Permissions für Gesundheitsdaten. Das Garmin-Ecosystem hat strenge Regeln, welche Daten welche App-Typen abrufen dürfen. Copilot kennt diese Regeln aus öffentlichen Repos, aber nicht zwingend die aktuellste Dokumentationsversion. Manueller Review ist Pflicht – das gilt für jedes Bastelprojekt mit Sensordaten.
Wer tiefer einsteigen will: Ein aktueller Vergleich der besten KI-Coding-Tools 2026 zeigt, wo Copilot im Wettbewerb steht und welche Alternativen für nischige Sprachen wie Monkey C ebenfalls in Frage kommen. Spoiler: Copilot bleibt vorne, weil das Trainingskorpus schlichter größer ist.
Das Garmin-Ökosystem lebt stark von Community-Projekten. GarminHomeAssistant verbindet Connect-IQ-Uhren mit Home Assistant für Smart-Home-Steuerung vom Handgelenk. MoveToBeActive ist eine Watch Face mit Health-Metriken, die zeigt, wie komplex Monkey-C-Projekte werden können. JSONFace erlaubt konfigurierbare Watch Faces über JSON-Dateien – ein eleganter Ansatz, der ohne KI-Tools erheblichen Aufwand bedeutet.
Diese Repos haben einen Nebeneffekt: Sie verbessern die Copilot-Vorschläge für alle. Wer öffentlich auf GitHub entwickelt und Monkey-C-Code beisteuert, trainiert indirekt das Modell. Das ist eine Art kollektives Geben und Nehmen im Wearable-Apps-Bereich, das man aus anderen Ökosystemen so nicht kennt.
Meine persönliche Einschätzung: Die Garmin-Community ist klein, aber die Qualität der Open-Source-Projekte ist bemerkenswert hoch. Wer anfängt, eigene Connect-IQ-Apps zu bauen, findet in diesen Repos solide Startpunkte – und mit Copilot wird die Lernkurve deutlich flacher. Das war vor zwei Jahren noch anders.
Ein Thema, das zu oft unter den Tisch fällt: Wenn Copilot Code für Apps generiert, die Herzfrequenz, Stresslevel und Schlafqualität verarbeiten, entsteht automatisch ein Datenschutz-Risiko. KI-generierte Apps neigen dazu, Sicherheits-Boilerplate zu überspringen oder veraltete Muster zu verwenden.
Das ist kein theoretisches Problem. Im Kontext KI-generierter Apps und offengelegter Nutzerdaten gibt es dokumentierte Muster, bei denen Vibe-Coding-Prozesse sensible Daten unbeabsichtigt exponieren. Bei Gesundheitsdaten ist das besonders kritisch – diese fallen unter besondere Schutzkategorien nach DSGVO. Wer eine Connect-IQ-App baut, die Stresswerte speichert oder überträgt, muss das Datenschutzkonzept manuell prüfen. Copilot übernimmt das nicht.
GitHub Copilot Agent Mode, der in aktuellen Versionen für komplexere Code-Workflows verfügbar ist, kann dabei helfen, Sicherheitslücken zu identifizieren – aber nur, wenn der Entwickler aktiv danach fragt. Das Wearable Apps-Segment braucht hier mehr Bewusstsein, nicht weniger.
Wer mit dem Garmin SDK und Copilot startet, stolpert erfahrungsgemäß immer wieder über dieselben Fallstricke. Es lohnt sich, diese vorab zu kennen, um keine Zeit zu verlieren.
Der häufigste Anfängerfehler: Man beginnt, eine App für ein Gerät zu entwickeln, das Connect IQ gar nicht unterstützt. Copilot kann das nicht automatisch erkennen – es generiert Code für die API, ohne zu wissen, ob das Zielgerät diese überhaupt ausführen kann. Ein Blick in die offizielle Connect IQ Device Compatibility-Liste vor Projektstart spart viele frustrierte Stunden.
Garmin-Uhren arbeiten mit erheblich begrenzten Ressourcen im Vergleich zu Smartphones. Monkey C erzwingt bestimmte Speichergrenzen zur Laufzeit. KI-generierter Code, der etwa große Arrays oder verschachtelte Datenstrukturen anlegt, kann auf dem Simulator problemlos laufen, auf der echten Hardware aber mit einem Out of Memory-Fehler scheitern. Entwickler sollten generierte Datenstrukturen immer auf Schlankheit prüfen und den On-Device-Test nicht erst am Ende des Projekts einplanen.
Das Connect IQ SDK veröffentlicht regelmäßig neue API-Versionen. Copilot greift auf öffentlich verfügbare Codeschnipsel zurück, die nicht zwingend die neueste API reflektieren. Deprecated Methoden in generierten Vorschlägen sind kein Einzelfall. Wer das übersieht, baut auf einer Grundlage, die beim nächsten SDK-Update brechen kann. Das offizielle Changelog sollte deshalb zur regelmäßigen Lektüre gehören.
Für Entwickler, die konkret mit dem Garmin SDK und Copilot beginnen wollen, hat sich folgendes Vorgehen in der Praxis bewährt:
Dieser Fahrplan klingt nüchtern, ist aber der Unterschied zwischen einem Projekt, das nach drei Wochen im Simulator-Stadium steckt, und einer App, die tatsächlich auf der Uhr läuft und echte Nutzerdaten verarbeitet.
Die Connect-IQ-Plattform entwickelt sich kontinuierlich weiter. Neue Geräte wie die Venu-Serie und aktuelle Forerunner-Modelle bekommen SDK-Support schneller, als die Dokumentation nachkommt. Das Copilot SDK in seiner agentischen Form könnte langfristig interessant werden, sobald es produktionsreif ist – nicht als On-Device-Tool, sondern als Companion-App-Intelligenz.
Realistische Near-Term-Szenarien für Entwickler: Copilot-gestützte Trainingsalgorithmen auf dem Smartphone, die gefilterte Empfehlungen auf die Uhr senden. Stress-Tracking-Apps, die HRV-Trends über Wochen visualisieren und bei Ausreißern warnen. Integration mit Plattformen wie Home Assistant für kontext-bewusste Trainingsvorschläge. Das ist machbar, heute, ohne Science-Fiction.
Was nicht machbar ist: Eine „mentale Metriken“-App, die aus Garmin-Rohdaten echte Emotionszustände ableitet. Dafür fehlen sowohl die Sensordaten als auch validierte Modelle auf Consumer-Hardware. Wer das behauptet, verkauft eine Vision, keine Realität.
Garmin SDK plus GitHub Copilot ist eine produktive Kombination, die heute funktioniert – für Entwickler, die bereit sind, Monkey C zu lernen und KI-Vorschläge kritisch zu prüfen. Die Plattform ist keine Marketing-Geschichte, sondern ein echtes Ökosystem mit über 5.000 verfügbaren Apps und einer aktiven Open-Source-Community.
Wenn Sie als Entwickler einsteigen wollen: SDK Manager herunterladen, ein bestehendes Open-Source-Repo wie MoveToBeActive als Vorlage nehmen, Copilot aktivieren und mit einem einfachen Data Field beginnen. Vergessen Sie dabei nicht den Datenschutz-Review – gerade bei Gesundheitsdaten ist das keine Option. Und erwarten Sie keine fertigen mentalen Metriken vom SDK. Die physiologischen Rohdaten sind da. Was Sie daraus machen, liegt bei Ihnen.
Ist die Kombination aus KI-Coding und Wearable-Entwicklung der nächste große Schub für personalisierte Fitness-Apps – oder bleibt es ein Nischen-Bastelprojekt für einige Hundert enthusiastische Entwickler weltweit?
