Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com16. März 2025 · Q010428

SwiftUI: Reading Data from HealthKit

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Itsuki zeigt, wie eine SwiftUI-App mit HealthKit-Abfragedeskriptoren Tagesworkouts und Aktivitätszusammenfassungen lädt und Trainingsdaten samt Aktivitätsring darstellt. Eine Zusammenfassung kann fehlen, wenn für den Tag nicht genügend Daten vorliegen oder das Datum in der Zukunft liegt; der Beitrag demonstriert Beispielcode, berichtet aber keine systematischen Tests.

Mittel

Der Beitrag erklärt, wie eine SwiftUI-Workout-App gespeicherte Trainingsdaten und tägliche Aktivitätszusammenfassungen aus HealthKit liest. Er unterscheidet direkte Zugriffe, einmalige Abfragen und länger laufende Abfragen, konzentriert sich aber auf einmalige Abfragen mit `async`/`await` und `QueryDescriptor`.

Das Beispiel für Workouts kombiniert Prädikate für eine positive Dauer und einen bestimmten Kalendertag. Die Ergebnisse werden nach Startzeit sortiert; Fehler oder ein nicht verfügbarer Health-Store werden im Workout-Manager behandelt. Ein weiteres Beispiel fragt mit `HKActivitySummaryQueryDescriptor` die Tageszusammenfassung ab. Dafür müssen die Kalenderkomponenten laut Beitrag eine gültige Kalenderangabe enthalten.

Eine SwiftUI-Ansicht zeigt eine Trainingsliste, Detailkennzahlen wie Dauer, Distanz und Energieverbrauch sowie einen Aktivitätsring, der über `WKInterfaceObjectRepresentable` eingebunden wird. Der Autor weist darauf hin, dass eine Tageszusammenfassung fehlen kann, wenn zu wenige Daten vorhanden sind oder das Datum in der Zukunft liegt. Auch im gezeigten Beispiel erscheint der Ring mangels ausreichender Aktivität nicht. Der Beitrag demonstriert die Umsetzung anhand von Code; systematische Tests werden nicht berichtet. Multisport-Aufteilung und Trainingsrouten werden als mögliche Themen für einen späteren Teil erwähnt.

Ausführlich lesen

Der Beitrag von Itsuki beschreibt den zweiten Teil einer Anleitung zu einer Workout-App mit SwiftUI und HealthKit. Im Mittelpunkt steht, wie eine App bereits im HealthKit-Speicher abgelegte Trainingsdaten und Tageszusammenfassungen abfragen und anzeigen kann. Der Autor ordnet zunächst drei Zugriffswege ein: direkte Aufrufe für bestimmte Merkmalsdaten, einmalige Abfragen für einen aktuellen Datenstand und länger laufende Abfragen, die Änderungen melden. Die Anleitung konzentriert sich auf einmalige Abfragen mit Swift Concurrency und den dafür vorgesehenen `QueryDescriptor`-Typen. Im Unterschied zu älteren Query-Varianten liefern diese laut Beitrag Ergebnisse über `async` und `await` statt über einen Completion-Handler.

Für Trainingsdaten erläutert der Beitrag `HKSampleQueryDescriptor`. Prädikate legen fest, welche Samples zurückgegeben werden und welche Einschränkungen gelten; Sortierdeskriptoren bestimmen die Reihenfolge, ein optionales Limit begrenzt die Anzahl. Das Beispiel fragt alle Workouts eines bestimmten Kalendertags ab: Es kombiniert eine Bedingung für eine positive Dauer mit einem Datumsprädikat, das den Start des Workouts in den Tageszeitraum einordnet. Ein zusammengesetztes UND-Prädikat verbindet beide Bedingungen. Die Ergebnisse werden aufsteigend nach Startzeit sortiert und ohne Mengenlimit angefordert. Vor der Abfrage prüft der Beispielcode die Verfügbarkeit und den Health-Store; Fehler werden im Workout-Manager erfasst und führen zu einer leeren Ergebnisliste.

Daneben stellt der Autor weitere Abfragearten vor, darunter Abfragen für Änderungen, Statistiken, Quellen und Gesundheitsdokumente. Ein Bonusbeispiel kombiniert unterschiedliche Sample-Typen, weist aber darauf hin, dass die Ergebnisse dann als allgemeine `HKSample`-Objekte vorliegen und für den Zugriff auf typspezifische Daten umgewandelt werden müssen.

Der zweite Hauptteil behandelt `HKActivitySummaryQueryDescriptor`. Ein Tagesprädikat wird aus Kalenderkomponenten gebildet; laut Beitrag muss deren `calendar`-Eigenschaft gültig gesetzt sein. Die Abfrage kann eine Tageszusammenfassung mit Bewegungs-, Trainings- und Stehdaten sowie den zugehörigen Zielen liefern. Als Einschränkung nennt der Autor, dass für einen Tag möglicherweise keine Zusammenfassung verfügbar ist, etwa wenn zu wenige Trainingsdaten vorliegen oder das Datum in der Zukunft liegt.

Abschließend zeigt der Beitrag eine SwiftUI-Ansicht, die die Tagesworkouts und die Aktivitätszusammenfassung lädt. Eine Trainingsliste zeigt Aktivität und Zeiten; bei Auswahl erscheinen verfügbare Kennzahlen wie Dauer, Distanz, Energieverbrauch, Herzfrequenz, Schritte oder Schwimmzüge. Für den Aktivitätsring wird eine WatchKit-Ansicht über `WKInterfaceObjectRepresentable` eingebunden. Der Autor merkt an, dass im gezeigten Beispiel die Ringe mangels ausreichender Tagesaktivität nichts anzeigen. Die Darstellung ist damit eine Anleitung samt Beispielcode, kein Bericht über systematische Tests oder eine umfassende Bewertung der API. Die angekündigten erweiterten Funktionen, etwa die Aufteilung von Multisport-Workouts und Trainingsrouten, bleiben einem geplanten dritten Teil vorbehalten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Fragen angegeben: Sammel- und Teilfragen sind leer, daher ist die Einordnung leer. Beide Zusammenfassungen von Luna wurden gemeinsam geprüft; die im Bericht stehenden Aussagen sind korrekt wiedergegeben, es fehlen aber mehrere zentrale Elemente des Beitrags.

Im Bericht, aber nicht in der Zusammenfassung

  • Die drei Zugriffsarten werden in der Kurzfassung nicht genannt, und die Mittelfassung nennt sie nur kurz.
  • Das dreistufige Vorgehen (Prädikate bauen, QueryDescriptor erstellen, result(for:) aufrufen) fehlt.
  • Die übrigen Abfragetypen (Anchored, Statistics, Statistics Collection, Correlation, Source, Document) werden nicht erwähnt.
  • Der Bonus-Teil zur Kombination mehrerer Probentypen mit sample(type:predicate:) fehlt.
  • Der Beitrag ist der zweite Teil einer Serie, und das Datum ist nicht genannt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →