ChatGPT kann deine Laufeinheiten analysieren. Vorausgesetzt, es kann sie überhaupt lesen.

Warum ist KI ein so guter Trainingspartner?

Weil sie von deiner Frage ausgeht, nicht von einem Dashboard. Eine App zeigt dir dieselben Diagramme wie allen anderen. Eine KI kann dir erklären, warum deine Pace bei Kilometer 8 eingebrochen ist, und dabei die Hitze, deine volle Woche und das Ziel berücksichtigen, das du ihr genannt hast.

Mit guten Daten kann eine KI:

• eine Einheit in einfacher Sprache erklären, ohne Fachjargon;
• deine Zahlen mit deinem Ziel verknüpfen: 10 km unter 45 Minuten verlangen andere Einheiten als ein erster Marathon;
• mehrere Wochen vergleichen und einen Trend erkennen, den du übersehen hast;
• die nächste Frage beantworten und die danach, mit der Geduld eines Coaches, der um 23 Uhr noch erreichbar ist;
• die kommende Woche auf Basis deiner tatsächlichen Belastung planen statt nach einem Standardplan.

Diese Personalisierung macht den Unterschied. Sie beruht aber auf einer Annahme, die fast niemand prüft: dass das Modell wirklich Zugriff auf deine Daten hat und nicht nur auf eine dreizeilige Zusammenfassung oder eine unlesbare Datei.

Was ist ein Token, und warum erzeugt deine Uhr so viele davon?

Ein Token ist die Texteinheit, die ein Sprachmodell liest und abrechnet: ein Stück eines Wortes, einer Zahl oder eines Satzzeichens. Jedes Modell hat eine Grenze, sein Kontextfenster, jenseits dessen es nichts mehr lesen kann. Je nach Modell und Abo reicht sie heute von einigen Zehntausend bis zu einigen Millionen Tokens.

Das Problem: Uhrendateien sind für Software gemacht, nicht zum Lesen. Eine TCX-Datei wiederholt für jede Sekunde deines Laufs dieselben XML-Tags. Das hat unser Benchmark gemessen:

Schätzung mit 3,2 Zeichen pro Token, dem bei numerischem CSV beobachteten Verhältnis. Die Messungen lassen sich mit dem im Quellcode veröffentlichten Benchmark nachvollziehen.

Anders gesagt: Schon eine einzige Rohdatei kann ein normales Abo ausreizen, und eine ganze Saison passt nirgendwo hinein.

Was passiert, wenn man eine TCX-Datei in ChatGPT einfügt?

Drei mögliche Szenarien. Keines davon ist gut.

1. Die Datei wird abgelehnt

Das ist der ehrlichste Fall: Die Oberfläche meldet, dass die Datei zu groß ist. Du verlierst Zeit, aber wenigstens weißt du es.

2. Die Datei wird nur teilweise gelesen, ohne dass du es merkst

Bei großen Anhängen lesen Assistenten oft nur Auszüge oder übergeben die Datei an ein Skript, das sie zusammenfasst. Die KI antwortet dann selbstsicher auf Basis eines Teils der Einheit. Die Antwort klingt richtig. Sie muss es nicht sein.

3. Die Datei geht durch, aber die Analyse ist mittelmäßig

Selbst mit einem großen Kontextfenster nutzt ein Modell Informationen schlecht, die mitten in einem langen Dokument stehen. Forschende der Stanford University haben diesen Effekt als „Lost in the Middle“ beschrieben (Liu et al., 2024). Eine Trainingsanalyse aus 3.600 Zeilen Breiten- und Längengraden zu verlangen, heißt, es Kopfrechnungen machen zu lassen, die ihm schlecht gelingen, mit Daten, die ihm kaum etwas sagen.

Soll man die Datei komprimieren? Nein, umstrukturieren

Die Datei kleiner zu machen reicht nicht: Sie muss lesbar werden. Ein Coach liest deine GPS-Koordinaten nicht Sekunde für Sekunde. Er schaut auf deine Kilometerzeiten, deine Wiederholungen und deine Herzfrequenz nach Zonen. Genau das kann ein Sprachmodell interpretieren.

Bei 15 MB echten Dateien umfasst das Dossier etwa 32.000 Tokens. Und die Analyse daraus ist besser als mit den vollständigen Dateien. Nicht nur günstiger: besser, weil das Modell mit Objekten arbeitet, die es versteht.

Was kann eine KI nicht von selbst erkennen?

Manche Fehler sieht man den Zahlen nicht an. Wenn nichts sie kennzeichnet, hält die KI sie für Fakten und baut ihre Analyse darauf auf.

• Der Herzfrequenzsensor. Ein Handgelenksensor verwechselt manchmal deine Schrittfrequenz mit deinem Puls und zeigt 172 bpm statt 140. Eine Einheit mit Handgelenksensor mit einer Brustgurt-Einheit zu vergleichen, heißt zwei Messgeräte zu vergleichen, nicht zwei Formzustände.
• Die Temperatur. Der Sensor der Uhr wird von deinem Handgelenk erwärmt: Er misst die Luft 3 bis 8 °C zu hoch. Eine KI, die das für das Wetter hält, irrt sich bei der Ursache deiner kardialen Drift.
• Die Pace. Strava berechnet sie auf die Bewegungszeit, Garmin Connect auf die Gesamtdauer. Bei einem Lauf in der Stadt beträgt der Unterschied leicht mehr als 15 Sekunden pro Kilometer.
• Werte ohne Aussagekraft. Eine kardiale Drift, berechnet auf einem Intervalltraining, bedeutet nichts. Lieber keine Zahl als eine falsche, die glaubwürdig aussieht.

Ein gutes Dossier fasst nicht nur zusammen. Es sagt, was verlässlich ist und was nicht, damit die KI nicht auf Sand argumentiert.

Wie lässt du deine Einheiten in drei Minuten von einer KI analysieren?

1. Exportiere deine Dateien aus deiner Uhr oder aus Strava, am besten im FIT-Format, dem vollständigsten.
2. Lege sie in gps-digest ab. Alles wird in deinem Browser berechnet: Keine Datei wird an einen Server geschickt.
3. Kopiere das Dossier in ChatGPT, Gemini oder Claude und stelle deine Frage.

Meine Einheiten für die KI vorbereiten

Welche Fragen solltest du deiner KI stellen?

Die besten Fragen entstehen aus echtem Zweifel. Hier sind fünf Beispiele, die mit einem strukturierten Dossier gut funktionieren:

• „Ist meine kardiale Drift im Vergleich zum Vormonat gestiegen, bei ähnlicher Temperatur?“
• „Habe ich bei den Wiederholungen am Dienstag meine Pace gehalten? Was sollte ich nächstes Mal ändern?“
• „Bin ich mit dieser Belastung in sechs Wochen bereit für 10 km unter 45 Minuten?“
• „Passt meine Verteilung zwischen lockeren Läufen und harten Einheiten zu einem Marathon?“
• „Plan mir die nächste Woche unter Berücksichtigung meiner aktuellen Ermüdung.“