Du hast eine Laufsaison in Strava gespeichert und möchtest eine zweite Meinung dazu einholen. ChatGPT ist direkt zur Hand. Die Verbindung der beiden sollte eigentlich längst ein gelöstes Problem sein.
Das war es größtenteils, bis zum 1. Juni. Strava hat diesen Monat sein Entwicklerprogramm und seine API-Richtlinien neu geschrieben, und die Änderungen zielen direkt auf KI-Tools ab. Wenn das Tutorial, das du liest, vor Juni 2026 geschrieben wurde, sind Teile davon veraltet und Teile davon verstoßen jetzt gegen die Nutzungsbedingungen von Strava. Wir bauen eine Trainingsplattform, die in diesem Ökosystem angesiedelt ist, daher haben wir die Änderung genau verfolgt. Hier ist der aktuelle Stand der Dinge, Methode für Methode.
Was Strava am 1. Juni 2026 geändert hat
Für jeden, der versucht, ChatGPT anzuschließen, sind drei Dinge wichtig.
Erstens erfordern API-Apps jetzt ein Strava-Abonnement. Das Erstellen einer API-Anwendung war früher kostenlos und dauerte fünf Minuten unter strava.com/settings/api. Unter dem neuen Standardtarif benötigst du ein kostenpflichtiges Strava-Abonnement, um eine zu behalten, und bestehende Entwickler haben bis zum 30. Juni 2026 Zeit, sich anzumelden. Eine neu erstellte App kann auf die Daten genau eines Athleten (deine) zugreifen; der Standardtarif erhöht dies auf zehn, und alles darüber hinaus durchläuft eine App-Überprüfung.
Zweitens verbietet die API-Richtlinie nun die Nutzung von KI durch Dritte, mit einer engen Ausnahme, die sie für sich selbst geschaffen hat. Die vorherige Vereinbarung vom November 2024 verbot die Nutzung von Strava-Daten zum Trainieren von KI-Modellen, und Entwickler fragten über ein Jahr lang, ob dies auch die Inferenz abdeckte. Strava hat nie geantwortet. Die neue Richtlinie beantwortet dies: Abschnitt 5.3 besagt, dass Entwickler Strava-Daten „direkt oder indirekt im Zusammenhang mit der Entwicklung, dem Training, der Bewertung oder dem Betrieb einer KI-Anwendung“ nicht verwenden dürfen, und ihre Liste der eingeschränkten Aktivitäten umfasst explizit „Retrieval-Augmented Generation, Aufnahme in ein Kontextfenster oder den Arbeitsspeicher“. Diese letzte Formulierung ist eine präzise Beschreibung des Zuführens von API-Antworten an ChatGPT. Die Ausnahme ist Stravas eigener Erstanbieter-Connector, der in Methode 3 unten behandelt wird.
Drittens hat Strava seinen eigenen MCP-Connector eingeführt, den die Richtlinie als den einzig zulässigen Weg bezeichnet, deine Strava-Daten einer KI-Assistenz zur Verfügung zu stellen. Mehr dazu unten, einschließlich des Hakens.
Stravas begründete Argumentation ist es wert, vollständig gelesen zu werden: die Entwickleranwendungen stiegen seit Jahresbeginn um 448 %, 241.000 registrierte API-Entwickler und KI-Unternehmen, die „aggressiv versuchen, Plattformen zu scrapen... APIs durch Vermittlungsschichten missbrauchen und Zero-Code-KI-Tools bereitstellen.“ Was auch immer man von der Reaktion hält, der Druck war real.
Nach dieser Vorbereitung sind hier deine tatsächlichen Optionen.
Methode 1: Exportiere deine Daten und füge sie ein
Die neue Richtlinie regelt die Strava-API. Deine selbst exportierten Dateien gehören dir, daher ist die älteste Methode auch die einzige Methode ohne Fragen zu den Nutzungsbedingungen.
Für eine einzelne Aktivität bietet das Drei-Punkte-Menü GPX exportieren oder Original exportieren an. Für deine gesamte Historie gehe zu Einstellungen, dann Mein Konto, dann „Konto herunterladen oder löschen“ und fordere dein Archiv an. Eine ZIP-Datei kommt per E-Mail an, normalerweise innerhalb weniger Stunden. Die nützliche Datei darin ist activities.csv: eine Zeile pro Aktivität mit Datum, Typ, Distanz, Bewegungszeit, Höhenmetern und Herzfrequenz.
Füge Zeilen aus dieser CSV-Datei ein, nicht GPX-Dateien. Eine GPX-Datei enthält pro Sekunde Längen- und Breitengrade; eine Stunde Laufen sind Tausende von Trackpoints, und du wirst das Kontextfenster des Modells mit Koordinaten erschöpfen, bevor es eine einzige Herzfrequenz liest. Fünfzig Zeilen zusammenfassende CSV plus eine gezielte Frage funktionieren weitaus besser:
„Hier sind meine Läufe der letzten 8 Wochen. Ich trainiere für einen Marathon, Ziel 3:30. Welche meiner lockeren Läufe sind wirklich locker, und wo laufe ich zu hart?“
Die Obergrenze ist nach einer Woche Nutzung offensichtlich. Du bist die Synchronisierungs-Engine. Für jede neue Auswertung brauchst du einen neuen Export und musst die Daten erneut einfügen, und das Modell sieht immer nur das, was du für es kuratiert hast. Für eine einmalige Überprüfung eines Trainingsblocks ist dieser Weg dennoch nützlicher, als viele annehmen.
Methode 2: Ein benutzerdefiniertes GPT, das die Strava-API aufruft
Bis diesen Monat war dies das Standard-Tutorial: Eine Strava-API-App erstellen, ein benutzerdefiniertes GPT aufbauen, ein OpenAPI-Schema für GET /athlete/activities einfügen, das OAuth der Aktion auf Stravas Autorisierungs- und Token-Endpunkte verweisen und deine Fragen in einfachen Worten stellen. Da jeder andere Leitfaden es immer noch beschreibt, sind hier die Dinge, die sie tendenziell weglassen, gefolgt von dem neuen Problem.
Die technischen Stolpersteine bleiben bestehen, selbst wenn alles erlaubt ist. Strava-Access-Token verfallen nach sechs Stunden, und Refresh-Token rotieren: Jede Aktualisierung kann ein neues Refresh-Token zurückgeben, und das alte funktioniert dann nicht mehr. Eine GPT-Aktion, die das neueste Token nicht speichert, funktioniert wenige Stunden nach dem ersten erfolgreichen Aufruf unbemerkt nicht mehr, was der häufigste Fehler in den Entwicklerforum-Threads von OpenAI dazu ist. Strava verlangt auch, dass Scopes durch Kommas getrennt sind statt durch Leerzeichen (zum Beispiel activity:read_all), was einfache OAuth-Konfigurationen scheitern lässt. Und die Ratenbegrenzungen sind strenger, als man erwartet: 200 Anfragen pro 15 Minuten insgesamt, aber nur 100 davon dürfen Leseanfragen sein, wobei die Fenster viertelstündlich zurückgesetzt werden.
Nun das neue Problem. Ab dem 1. Juni benötigst du ein kostenpflichtiges Strava-Abonnement, nur um die API-App zu behalten, und Abschnitt 5.3 erklärt die Verbindung ihrer Ausgabe mit einem LLM-Kontextfenster ausdrücklich zu einer eingeschränkten Aktivität. Wird Strava ein einzelnes Hobby-GPT für Athleten verfolgen? Niemand weiß es, und wir werden nicht so tun, als ob. Was wir dir sagen können, ist, dass der Richtlinientext nicht mehr mehrdeutig ist und der Widerruf des Zugriffs allein Strava obliegt. Wenn du dies heute baust, baust du auf Bedingungen, die besagen, dass du es nicht solltest.
Methode 3: MCP
Das Model Context Protocol (MCP) ist die Art und Weise, wie KI-Assistenten mit externen Tools kommunizieren, und hier hat Strava den genehmigten Weg festgelegt. Der offizielle Strava MCP-Connector wurde am 1. Juni eingeführt: schreibgeschützt, OAuth-basiert, widerrufbar über deine Einstellungen, verfügbar für Strava-Abonnenten. Die API-Richtlinie hebt ihn als „die einzige autorisierte Erstanbieter-Agenten-vermittelte Schnittstelle“ für deine eigenen Daten hervor.
Falls du ChatGPT bevorzugst, gibt es einen Haken: Zum Start unterstützte der offizielle Connector nur Claude. Weitere Assistenten wurden für „die Zukunft“ angekündigt. ChatGPT selbst kann jetzt MCP-Server verbinden (der Entwicklermodus befindet sich unter Einstellungen, dann Apps, dann Erweiterte Einstellungen, in der Web-App für Plus-, Pro- und Business-Pläne), aber die Verbindung mit einem Community-Server wie r-huijts/strava-mcp, einem gut gebauten TypeScript-Projekt mit 25 Tools und etwa 430 Sternen, führt dich zurück zur regulären API und zurück unter Abschnitt 5.3.
Die MCP-Situation im Juni 2026 ist damit schwierig: Der erlaubte Connector unterstützt ChatGPT noch nicht, und die Connectoren, die ChatGPT unterstützen, sind nicht erlaubt.
Die Lage lässt sich klar zusammenfassen: Du kannst deine Strava-Daten inzwischen in Claude auswerten, weil der offizielle Connector verfügbar ist und funktioniert. Was du immer noch nicht tun kannst, ist ein Coaching-Produkt auf Basis von Strava-Daten zu entwickeln, da Abschnitt 5.3 Drittanbieter-Apps davon ausschließt und Strava zusätzlich Gebühren für den API-Zugriff erhebt. Und nichts an dieser Methode schreibt etwas zurück auf eine Uhr. Für das Lesen der Daten gibt es nun einen zugelassenen Zugang. Eigene Anwendungen darauf aufzubauen und Trainings zurück auf deine Uhr zu übertragen, deckt er nicht ab.
Die Obergrenze, die alle drei Methoden teilen
Nehmen wir an, der Zugang wäre morgen kostenlos, legal und sofort möglich. Du würdest immer noch an die Wand stoßen, wegen der wir dieses Unternehmen gegründet haben.
Ein Sprachmodell kann nur die Daten auswerten, die in sein Kontextfenster passen. Für Trainingsdaten bedeutet das, dass du Zusammenfassungen brauchst. Die sekundengenauen Streams, die das interessante Signal enthalten (Herzfrequenzdrift bei lockeren Läufen, die Form deiner Intervalle), erreichen Zehntausende von Werten pro Aktivität; Stravas eigene API ist dafür bekannt, HTTP-500-Fehler bei Stream-Anfragen für sehr lange Aktivitäten einfach wegen der Payload-Größe zurückzugeben. Das Modell liest deine Woche also so, wie ein Trainer eine Postkarte über deine Woche lesen würde.
Und nichts bleibt bestehen. Jedes Gespräch beginnt weitgehend von vorn, der Plan, den es dir letzten Dienstag gegeben hat, passt sich nicht an, wenn du am Donnerstag schlecht schläfst, und kein Training, das es schreibt, kann als strukturierte Einheit auf deiner Uhr landen. Wir sind diesen Fehlermodi, mit der entsprechenden Forschung, in ChatGPT als Laufcoach genauer nachgegangen. Garmin-Besitzer stoßen auf ähnliche Hürden (keine persönliche API und ein kaputtes inoffizielles Ökosystem), die in ChatGPT mit Garmin-Daten verbinden behandelt wird.
Es gibt noch eine weitere Sache, die keine dieser drei Methoden tut, egal wie die Strava-Regeln ausgehen: ein Training auf deine Uhr übertragen. Daten lesen und Daten schreiben sind unterschiedliche Probleme, und jeder obige Weg löst immer nur das erste. Vertical umgeht die Strava-Frage vollständig, indem es Geräte direkt synchronisiert, Garmin, COROS, Polar, sodass keine API-Richtlinie im Weg ist und kein Relais überwacht werden muss. Es funktioniert jetzt auch in ChatGPT und Claude über einen MCP-Connector im Early Access, inklusive des Schreibpfads.
Die Daten dem Modell zugänglich zu machen war immer die einfache Hälfte. Die schwierige Hälfte ist ein System, das deine ganze Saison festhält, jeden Lauf direkt nach der Synchronisierung auswertet, sich anpasst, bevor du fragst, und die nächste Einheit auf dein Handgelenk schreibt. Das ist die Hälfte, an der wir arbeiten.