Strava öffnet die eigenen Trainingsdaten für KI-Auswertungen. Genauer: Der Dienst startet einen sogenannten MCP-Connector, über den Strava-Abonnenten ihren Account mit Claude verbinden können. Danach lassen sich die eigenen Aktivitäten per natürlicher Sprache abfragen – ohne vorher Daten exportieren, Tabellen bauen oder Drittanbieter-Skripte nutzen zu müssen.
Für Biker oder Sportler im Allgemeinen ist das vor allem dann interessant, wenn über Jahre viele Daten gesammelt wurden: Touren, Trainings, Pulsverläufe, Leistungswerte, GPS-Tracks, Rennen, Pendelstrecken oder Krafttraining. Statt sich durch Aktivitätslisten zu klicken, kann man Claude künftig direkt fragen, was in den eigenen Daten auffällt.
Was ist MCP überhaupt?
MCP steht für Model Context Protocol. Vereinfacht gesagt ist es eine Schnittstelle, über die ein KI-Assistent auf bestimmte externe Daten zugreifen kann – in diesem Fall auf die eigenen Strava-Daten. Wichtig: Der Zugriff ist laut Strava auf den eigenen Account begrenzt, nur lesend und kann jederzeit in den Strava-Einstellungen widerrufen werden.
Das ist der entscheidende Unterschied zu den bisherigen Bastellösungen. Wer seine Strava-Historie bisher mit KI auswerten wollte, musste Daten exportieren und manuell in ein KI-Tool kopieren oder auf inoffizielle Drittanbieter setzen. Mit dem neuen Connector wird dieser Schritt direkter und sauberer gelöst.
Welche Daten kann Claude auswerten?
Strava nennt mehrere Datenbereiche, auf die der Connector zugreifen kann. Dazu gehören unter anderem Aktivitätsdaten, GPS-Informationen und Leistungswerte. Für Radfahrer besonders relevant: Auch Power-Daten können einbezogen werden, sofern sie in Strava vorhanden sind.
- Aktivitätsdaten und Trainingshistorie
- Stream-Daten wie Herzfrequenz, Pace oder Verlauf während der Aktivität
- GPS-Daten zur geografischen Analyse
- Leistungsdaten beim Radfahren
- Club- und Event-Daten
Damit lassen sich deutlich komplexere Fragen stellen als in einer normalen Aktivitätsübersicht. Etwa: Welche Trainingseinheiten haben meine Form am stärksten verbessert? Waren meine lockeren Tage wirklich locker? Wie wirkt sich zusätzliches Laufen, Krafttraining oder Pendeln auf meine Bike-Performance aus?
Was bringt das Rennradfahrern?
Für den typischen Wochenend-Loop braucht niemand eine KI-Auswertung. Spannend wird es aber, wenn viele Daten zusammenkommen. Wer regelmäßig trainiert, Rennen fährt, Wattwerte sammelt oder verschiedene Sportarten kombiniert, kann die eigene Historie deutlich schneller durchsuchen lassen.
Mögliche Fragen wären zum Beispiel:
- Welche Strecken fahre ich schneller als vor einem Jahr?
- Wie haben sich meine Leistungswerte auf langen Anstiegen entwickelt?
- Fahre ich meine lockeren Einheiten zu hart?
- Welche Wochen vor meinen besten Rennen sahen im Training ähnlich aus?
- Wie verändert sich meine Belastung, wenn ich zusätzlich Laufeinheiten einbaue?
Das ersetzt keinen Trainer und keine saubere Leistungsdiagnostik. Es kann aber helfen, Muster zu erkennen, die in der normalen Strava-Ansicht leicht untergehen.
Nur für Abonnenten, zunächst mit Claude
Zum Start ist der Strava-MCP-Connector eine Funktion für Strava-Abonnenten. Der Rollout beginnt weltweit und läuft schrittweise. Wer noch keinen Zugriff sieht, soll laut Strava später freigeschaltet werden.
Aktuell startet Strava mit Claude von Anthropic. Ob und wann andere KI-Assistenten unterstützt werden, ist noch offen. Strava schreibt im Help Center, dass man künftig auch andere AI-Clients unterstützen möchte.
Datenschutz: praktisch, aber sensibel
So sinnvoll die Funktion für Datenanalyse ist: Trainingsdaten sind sensibel. GPS-Tracks, Wohnortnähe, Pendelrouten, Herzfrequenz, Leistungswerte und Trainingsgewohnheiten sagen viel über eine Person aus. Deshalb ist wichtig, dass Strava den Zugriff als read-only beschreibt und die Verbindung jederzeit widerrufen werden kann.
Trotzdem sollte man sich vor der Nutzung bewusst machen, welche Daten man einem KI-Dienst zugänglich macht. Gerade wer private Routen, Wohnortnähe oder sensible Gesundheitsdaten in Strava speichert, sollte die eigenen Privatsphäre-Einstellungen prüfen.
Wo gibt es die Anleitung?
Strava stellt die Einrichtung über das Help Center bereit. Dort soll auch sichtbar sein, ob der eigene Account bereits Zugriff auf den MCP-Connector hat. Alternativ kann in Claude geprüft werden, ob der Strava-Connector bereits verfügbar ist.
- Strava Help Center: Strava MCP Connector
- Strava: strava.com
Würdet ihr eure Strava-Daten von einer KI auswerten lassen – oder ist euch das bei GPS-, Puls- und Leistungsdaten zu sensibel?
26 Kommentare
» Alle Kommentare im Forum🍎🍐💁♂️
Also ich nutze Claude schon länger als persönlichen Coach. Aber mittels MCP zu Garmin trainingspeak und Google. So werden meine Trainings nach aktueller Wissenschaft analysiert und Trainingspläne täglich auch je nach Wetter geplant. Intervalle morgens direkt auf dem wahoo anhand von Schlafdaten optimiert und mit mir persönlich ab und an abgestimmt. Achja nutritionplan... Auch kein Problem anhand der eigenen Produkte und je nach Einheit kalkuliert, vor während und nach dem Training.
Was interessiert es mich wer meine Daten hat, ich habe ja auch die von pogacar 😁😜
In diesem Sinne allzeit frohes radeln oder trainieren.
Grüße
Stefan
Für „wie fühl ich mich, was mach ich heute“ ist das erstaunlich brauchbar. Mein Problem war nie die einzelne Antwort, sondern dass es über die Wochen nicht zusammenpasste.
Im neuen Chat weiß das Ding halt nicht mehr, wo du im Block gerade stehst — es baut den Plan jedes Mal neu aus dem zusammen, was gerade im Kontext liegt. Heute top, nächste Woche schon wieder ein bisschen woanders. Die Tagesform kriegt es gut hin, aber den großen Bogen auf ein Zieldatum (Aufbau, Peak, Taper) verliert es, wenn quasi jeder Tag bei null anfängt.
Dazu der Klassiker: bittest du es um ein strukturiertes Workout, kommen Intervalle raus, die auf den ersten Blick passen — aber die TSS/IF-Rechnung geht nicht auf, oder es lässt sich nicht sauber in ein echtes Format schreiben. Und selbst wenn die Einheit gut ist: zuverlässig zurück in den Kalender / aufs Gerät, sodass sie das auch übersteht? Da hört der Bastelkram meistens auf.
Klingt jetzt negativer als gemeint — die Richtung stimmt schon. Nur ist der harte Teil eben nicht das LLM selbst, sondern alles drumherum: dass irgendwo ein echter Trainingszustand persistent liegt, dass Periodisierung und Workout-Bau deterministisch laufen und nicht halluziniert werden, und dass am Ende sauber zurückgeschrieben wird. Das LLM ist eher die Bedienoberfläche obendrauf.
Wie macht ihr das mit der Konsistenz über mehrere Wochen, wenn ihr täglich neu plant? Das ist für mich ehrlich gesagt die Stelle, an der ich noch keine saubere Lösung gesehen hab.
Habe damit egtl nur gute Erfahrungen. Er erhöht mir über Wochen zb die nutrition und wöchentliche Volumen. Wobei er aber immer eine lockere Woche oder auch Volumenwochen einplant. Das alles von selbst ohne ihn erneut darauf hinweisen zu müssen. Bei Krankheit brems er mich super ein, neige eher zu viel und zu früh zu trainieren... Und knüpft dann an vorherigen zielen nahtlos an.
Aber ich habe ihm auch alles mögliche definiert. Dennoch agiert er sehr flexibel auch in der Plan Gestaltung.
Die Punkte, die ich aufgezählt hatte, waren auch weniger meine offenen Baustellen als die Stellen, an denen so ein Setup kippt, wenn man den Harness eben NICHT sauber baut — also genau dein Punkt. Persistenter Zustand ist lösbar, wenn man ihn explizit definiert.
Wo es bei mir am längsten gedauert hat, war weniger die Woche-zu-Woche-Steigerung (die läuft, so wie du es beschreibst) als der große Bogen auf ein Zieldatum: echte Periodisierung mit Aufbau, Peak und Taper, rückwärts vom Event gerechnet — die sich aber trotzdem sauber neu ordnet, wenn Krankheit oder eine miese Woche dazwischenfunkt, ohne den Peak zu verlieren. Wie macht das deiner — planst du auf ein festes Zieldatum hin, oder steigert er eher fortlaufend und du steuerst das Timing selbst?
Wir laden dich ein, jeden Artikel bei uns im Forum zu kommentieren und diskutieren. Schau dir die bisherige Diskussion an oder kommentiere einfach im folgenden Formular: