Seit November 2019 bin ich bei Strava mit dabei. Bisher als Gratisnutzer. Doch während meiner Sommerferien hat mich das US-Unternehmen rumgekriegt, und ich habe das Abo abgeschlossen. Diese zwei Tricks waren schuld:
- Die zunehmend aufdringlichen Nagscreens: Um in der App überhaupt irgendwelche sinnvollen Informationen zu sehen, musste ich mindestens zwei aufpoppende Abo-Hinweise beseitigen.
- Der Rabatt von zwanzig Prozent. 80 Franken regulär für die persönliche Mitgliedschaft sind für meinen Geschmack zu teuer. Aber 64 Franken fand ich vertretbar – ohne dass ich diese Schmerzgrenze näher begründen könnte.
Ich ärgere mich über mich selbst, weil man mich mit den beiden plumpsten aller plumpen Verkaufsmethoden ködern kann. Tröstlich ist für mich immerhin, dass mich meine mangelnde Gegenwehr in die Lage versetzt, hier im Blog über die Features der bezahlten Version zu berichten, insbesondere über ein Ding namens Athlete Intelligence. Das ist – ihr ahnt es schon – ein künstlich intelligentes Feature. Es macht sich über die während einer Aktivität gesammelten Daten her und liefert eine Analyse.
In ein paar Sätzen ordnet die künstliche Intelligenz die Leistung ein und vergleicht sie mit früheren Aktivitäten. Augenblicklich drängt sich die Frage auf, ob man dafür eine KI bemühen muss: Eine solche Auswertung wäre genauso mit herkömmlichen Algorithmen und ohne maschinelles Lernen möglich.
Die Sport-KI hat Potenzial
Aber es sei Strava verziehen, auf der Hype-Welle mitreiten zu wollen. Denn das Potenzial ist offensichtlich, auch wenn Athlete Intelligence es bislang nicht einmal ansatzweise ausschöpft: Zur Ausgangslage: Die Sportuhren und andere vernetzte Gadgets liefern eine solide, verlässliche persönliche Datenbasis. Strava selbst hockt auf einem von hunderttausenden Sportlern alimentierten Big-Data-Haufen, der geradezu danach schreit, bewirtschaftet zu werden. Wir können uns ausmalen, dass auch auf automatisierter Basis tiefgründige und aussagekräftige Einsichten sind. Ich halte es für realistisch, dass Athlete Intelligence in ein paar Monaten oder Jahren zu einem persönlichen Trainer mutiert, der brauchbare Tipps auf Lager für eine effektive Leistungsverbesserung hat – oder auch einfach dabei hilft, den Sport optiomal in den Alltag zu integrieren und mit den anderen Anforderungen des Lebens unter einen Hut zu bringen.
Im Moment sind die Ratschläge noch oberflächlich und zu generisch, sprich: zu wenig individuell. Es gibt einen Fokus auf die Leistung über die Zeit, aber ohne Berücksichtigung der persönlichen Ziele des Sportlers und der Sportlerin. Was mich angeht: Ich will nicht zur Rennmaschine mutieren, sondern etwas für meine Fitness und meine innere Ausgeglichenheit tun.
Drei Vorschläge für unmittelbare Verbesserungen
Mit diesen Überlegungen im Hinterkopf, sollte sich die Athlete Intelligence wie folgt weiterentwickeln:
- Die Analyse sollte einen grösseren Zeitraum als die letzten dreissig Tage einbeziehen und Umweltfaktoren wie Wetter und Temperatur berücksichtigen. Stellen wir uns eine Benachrichtigung im folgenden Stil vor: «Hey, Matthias, die Bedingungen vor deiner Tür sind optimal für einen Exploit!» Es versteht sich von selbst, dass ich sofort alles stehen und liegen lassen und in die Laufschuhe schlüpfen würde.
- Es wäre toll, wenn wir für die Analysen einen «Prepromt» hinterlegen dürften: Wie erwähnt, würde ich dann darauf verweisen, dass ich keine Rennmaschine werden will, sondern gerne laufe, um meinen Kopf freizukriegen.
- Und die KI sollte Rücksicht auf den Allgemeinzustand nehmen, den meine Garmin-Uhr zuverlässig erfasst. Der Hinweis, dass ich mich besser erholen statt anstrengen würde, wenn ich gerade angeschlagen bin, könnte vielleicht helfen – von mir aus neige ich nämlich eher dazu, mich in solchen Situationen aufzufordern, ich «sollte mich mal nicht so haben».
Was die KI jetzt schon leistet, ist ein Beitrag zur Fairness in der Community.
Euch ist das vielleicht auch schon aufgefallen: In den globalen Ranglisten von Strava finden sich auf den Top-Plätzen immer Leute, die nach menschlichem Ermessen unmögliche Leistungen erbracht haben. Es liegt auf der Hand, dass Leute ihre Autofahrten oder Flugreisen als Training ausgeben oder die Daten komplett gefälscht haben.
Die Betrüger in Autos, auf Motorrädern und in Flugzeugen erkennen
Derlei Betrugsversuche können nicht vollständig eliminiert werden. Man kann seine Leistung um zehn oder zwanzig Prozent nach oben treiben, ohne dass das verlässlich als Hochstapelei identifiziert werden wird. Aber Resultate, die den Weltmeister in der jeweiligen Disziplin alt aussehen lassen, sind leicht erkennbar. Genau das macht Strava derzeit; und im Beitrag Using machine learning to remove Cars from Run and Ride leaderboards gibt es einige interessante Einsichten darüber, weswegen es mitunter gar nicht so einfach ist, zu unterscheiden, ob jemand mit dem Auto oder Velo unterwegs war.
Bislang nicht im Detail ausgetestet habe ich das Routen-Feature, das automatisch Streckenvorschläge macht. Die seien persönlich angepasst, so heisst es, wobei ich auf den ersten Blick nicht den Eindruck habe, dass das wirklich stimmt: Die Vorschläge, die man mir unterbreitet, passen weder bezüglich Distanz noch Streckenverlauf zu meinen Vorlieben.
Fazit: Bislang ist die KI in Strava kein revolutionäres Feature. Es bestätigt mir vor allem den Eindruck, den ich selbst von meinen Läufen habe. Das ist mir aber lieber, als wenn mir Strava die totale KI-Revolution versprechen würde. Und ohne Zweifel schmeichelt es dem Ego, wenn die App in zwei, drei Sätzen bestätigt, dass ihr nicht entgangen ist, wie sehr ich mich gerade verausgabt habe.
Beitragsbild: Die künstliche Intelligenz rennt mit (sporlab, Unsplash-Lizenz).