Du beendest eine harte Einheit in Watopia, speicherst die Fahrt und siehst dir die Zusammenfassung an. Die Durchschnittsleistung wirkt vernünftig. Du möchtest wissen, ob du die Belastungsintervalle gehalten hast, gegen Ende nachgelassen hast oder einer ohnehin vollen Woche noch mehr Intensität hinzugefügt hast.
Das sind gute Fragen für einen Assistenten mit den richtigen Daten. Für einen Assistenten, der nur einen Screenshot der durchschnittlichen Watt sieht, sind sie schwierig. Zwift mit ChatGPT zu verbinden bedeutet zu entscheiden, wie viel von der Fahrt das Modell sehen kann, wo der Verlauf liegt und wer die Verbindung am Laufen hält.
Wir haben Zwifts Exportdokumentation, Integrationsankündigungen und die Quellcode-Repositories hinter MCP-Projekten aus der Community geprüft. Es gibt mehrere konkrete Wege. Wir haben nicht jeden Drittanbieter-Connector selbst ausgeführt: Die Beispiele beschreiben dokumentierte Funktionen, ohne zu versprechen, dass jede Einrichtung mit deinem Konto unverändert funktioniert.
Hat Zwift einen MCP-Server?
Es gibt von der Community entwickelte Server. In den für diesen Artikel geprüften Quellen haben wir keinen öffentlichen, von Zwift selbst betriebenen MCP-Server gefunden. Die Unterscheidung zählt, wenn ein Verzeichnis etwas als „Zwift-MCP-Server“ bezeichnet: Der Name sagt, womit er sich verbindet, nicht wer ihn betreut.
Ein konkretes Beispiel ist benniblau/zwift-mcp. Das Projekt sammelt Zwift- und ZwiftPower-Verläufe in SQLite und stellt sie über MCP bereit. Die Einrichtung benötigt Zwift-Zugangsdaten und warnt ausdrücklich, dass die verwendeten Endpunkte weder dokumentiert noch stabil sind.
MCP ist das Protokoll, über das ein Assistent externe Werkzeuge aufruft. Allein gewährt es keinen offiziellen Zugang zu Zwift, hält keine Datenbank aktuell und garantiert keine korrekte Analyse. Diese Aufgaben bleiben bei der Software hinter dem Connector.
Für eine kleine Frage reicht eine Datei
Der einfachste Weg beginnt mit etwas, das Zwift bereits anbietet: einem Aktivitätsexport. Zwifts eigene Anleitung beschreibt, wie du die FIT-Aufzeichnung aus dem Aktivitätsfeed herunterlädst. So erhältst du eine portable Kopie der Einheit, ohne einen MCP-Server zu installieren.
FIT ist binär. Ein sinnvoller nächster Schritt ist deshalb die Umwandlung in eine Tabelle, etwa mit Garmins FIT CSV Tool. Eine KI-Umgebung mit geeignetem Parser kann diese Arbeit übernehmen. Eine Datei anzuhängen beweist aber noch nicht, dass sie korrekt eingelesen wurde.
Gib dem Assistenten für eine gezielte Auswertung Rundenzusammenfassungen oder ausgewählte Leistungs- und Herzfrequenzwerte sowie das geplante Workout. Lass ihn zeigen, welche Zeilen seine Schlussfolgerung stützen. Daraus kannst du mehr lernen als aus einem ganzen Gespräch über einen Screenshot.
Aufwendiger wird es, wenn du nach einem Trainingsblock fragst. Jede neue Einheit bedeutet einen weiteren Export; jeder Vergleich verlangt die Auswahl der richtigen Dateien. Dieser Weg passt besser zu einer gelegentlichen Frage als zu einem Gespräch, das du regelmäßig fortsetzen willst.
Warum Fahrer Intervals.icu dazwischenschalten
Wenn deine Fahrten bereits in Intervals.icu liegen, kann es sinnvoller sein, den Assistenten dort anzuschließen, als eine weitere Zwift-Datenbank aufzubauen. Intervals.icu hat eine direkte Zwift-Integration für abgeschlossene Aktivitäten und geplante Workouts. Die KI-Verbindung kann dann auf diesem Verlauf aufbauen.
Auch für diesen zweiten Abschnitt gibt es Community-Projekte. mvilanova/intervals-mcp-server stellt Intervals.icu-Daten mit Athleten-ID und API-Schlüssel für Claude und ChatGPT bereit. Der vollständige Weg lautet Zwift → Intervals.icu → MCP-Server aus der Community → Assistent.
Das ist mehr als ein theoretisches Schaubild. In einem Beitrag im Zwift-Forum beschreibt ein Fahrer, wie er einen Intervals.icu-MCP-Server mit Claude zur Trainingsauswertung und Erstellung wöchentlicher Pläne verwendet. Das ist ein einzelner Erfahrungsbericht, kein Beleg dafür, dass die meisten Zwift-Fahrer MCP nutzen. Er zeigt aber den Reiz: den Trainingsverlauf an einem nützlichen Ort aufbewahren und den Assistenten darauf zugreifen lassen.
Die Herkunft der Aktivitäten bleibt wichtig. Der Entwickler von Intervals.icu bestätigt, dass aus Strava stammende Daten nicht über seine API weitergegeben werden dürfen. Dieselbe Zwift-Fahrt kann sich für einen MCP-Client daher unterschiedlich verhalten, je nachdem, ob sie direkt oder über Strava ankommt. Prüfe den Datenweg, bevor du den Fehler in der KI-Verbindung suchst.
Ein direkter Community-Connector braucht Pflege
Der direkte Weg ist reizvoll, wenn du deine eigene Datenbank haben möchtest und sie gern betreust. Du entscheidest, was gespeichert wird, kannst Berechnungen prüfen und musst keine andere Trainingsplattform zur maßgeblichen Datenquelle machen.
Im Downloader des Zwift-Connectors liefert das Einlesen der FIT-Dateien Runden und optional detaillierte Messwerte. Das zählt bei Fragen zur Ausführung von Intervallen: Eine Fahrtzusammenfassung zeigt nicht jeden Anstieg und Abfall der Leistung.
Du kümmerst dich außerdem um den Synchronisierungsplan, die Speicherung der Zugangsdaten und die Wartung bei geänderten Endpunkten. Prüfe, wie aktuell die lokale Datenbank ist, bevor du annimmst, dass der Assistent die heute Morgen gespeicherte Fahrt bereits gesehen hat.
Die Client-Kompatibilität ist eine weitere Aufgabe. Laut OpenAIs Dokumentation verbindet sich ChatGPT mit entfernten MCP-Servern, statt unmittelbar einen lokalen Prozess zu starten. Die Claude-Desktop-Konfiguration eines Projekts ist deshalb nicht automatisch eine ChatGPT-Verbindung. Prüfe Transport, Authentifizierung und den Zugang deines Kontos, bevor du eine Konfiguration kopierst.
Gehostete Connectoren, einschließlich Vertical
Du kannst die Betreuung der Verbindung auch einem Dienst überlassen. Beispielsweise dokumentiert Routebook eigene MCP-Werkzeuge, während AthleteData eine Verbindung von Zwift zu MCP beschreibt. Das sind Drittanbieter-Angebote und kein Beleg dafür, dass Zwift einen MCP-Server betreibt. Wir haben sie nicht unabhängig getestet.
Vertical verfolgt denselben grundsätzlichen Ansatz: Der Verlauf liegt in einer Trainingsplattform. Du verbindest Zwift neben deinem Wearable unter Integrationen, damit abgeschlossene Indoor-Einheiten zu deinen anderen Trainingsdaten kommen. Unsere MCP-Verbindung macht diesen synchronisierten Verlauf für einen Assistenten zugänglich; die ChatGPT-Verbindung befindet sich derzeit im frühen Zugang.
Die Grenze zählt: Verticals Zwift-Integration importiert abgeschlossene Aktivitäten. Sie liefert derzeit keine strukturierten Workouts an Zwift. Dass eine Plattform bei anderen Integrationen beide Richtungen unterstützt, sollte hier nicht vorausgesetzt werden.
Die Frage nach „Ist es verbunden?“
Lass den Assistenten die verwendeten Aktivitäten, vorhandenen Messwerte und fehlenden Messwerte nennen. Probiere dann eine Frage aus, die du selbst überprüfen kannst: Hast du die späteren Belastungsintervalle ebenso gut gehalten wie die frühen?
Für diese Frage können Datei-Exporte völlig ausreichen. Für wiederkehrende Gespräche über eine Saison ist ein synchronisierter Verlauf praktischer. Der Weg über Intervals.icu passt zu einem bestehenden Intervals.icu-Ablauf; ein direkter Community-Server zu jemandem, der die Infrastruktur selbst kontrollieren möchte; ein gehosteter Connector zu jemandem, der die Wartung lieber einem Dienst überlässt.
Welchen Weg du auch wählst, gib der Analyse eine Grundlage: die Details der Einheit, das geplante Workout und das umliegende Training. Eine erfolgreiche Verbindung gibt dir Zugang zu den Daten. Das nützliche Gespräch beginnt mit dem, was der Assistent daraus tatsächlich feststellen kann.