blog.ruedt.ch

Ich wollte schon lange eine Möglichkeit haben, meine Joggingrouten zu vergleichen. Meine Idee: Eine Webseite, die meine vom iPhone (Apple Health) aufgezeichneten GPX-Daten so aufbereitet, dass ich auf einen Blick sehe, ob ich auf derselben Strecke schneller geworden bin.

Die Grundidee war da – aber die Umsetzung? Ziemlich komplex.

Der Anfang: GPX-Daten aus dem iPhone

Ich konnte meine iPhone-Daten aus Apple Health exportieren. Sie enthalten alle GPS-Punkte meiner Läufe. Doch die Analyse war mühsam: Welche Routen gehören zusammen? Wie erkenne ich Unterschiede zwischen ähnlichen Strecken?

Obwohl ich programmieren kann, war klar: Das ist ein grosses Projekt. Genau hier kam die Idee ins Spiel, künstliche Intelligenz für die Umsetzung zu nutzen.

Der Wendepunkt: KI als Programmierpartner

Durch einen kleinen Impuls – jemand zeigte mir, wie man mit KI ein Spiel programmieren kann – habe ich es einfach versucht. Ich exportierte meine Joggingdaten und fragte ChatGPT, wie ich daraus Routen extrahieren und clustern kann.

Und tatsächlich: Schon beim ersten Versuch kam etwas Brauchbares heraus. Das Clustering war zwar noch ungenau, aber der Weg war klar.

Der Upload als ZIP-Datei funktionierte nicht fehlerfrei. Also entpackte ich die Daten manuell und arbeitete damit weiter. Erste Ergebnisse waren da – aber viele Routen, die am selben Punkt starteten, wurden fälschlicherweise als identisch erkannt.

KI-Wechsel: Von ChatGPT zu Claude

Ich verbrachte Stunden damit, ChatGPT um Optimierungen zu bitten. Doch oft traten neue Fehler auf. Ein Kollege riet mir dann, ein zweites Tool auszuprobieren: Claude von Anthropic, spezialisiert auf Programmieren.

Das Ergebnis: Claude lieferte sofort eine fehlerfreie Lösung, die meine Routen deutlich besser clustern konnte.

Als mein Zeitlimit dort erreicht war, wechselte ich mit der funktionierenden Version zurück zu ChatGPT – und baute sie weiter aus.

Feinschliff und Veröffentlichung

Zurück bei ChatGPT konnte ich neue Features einbauen:

• Sortierung: neueste Routen zuerst
• Design-Verbesserungen für die Benutzeroberfläche
• eine klare Anleitung
• ein FAQ für typische Fragen
• sogar eine SEO-Optimierung für die Webseite

So entstand Schritt für Schritt die Plattform, die ich mir ursprünglich erträumt hatte.

Das Ergebnis: GPX Route Clustering Viewer

Der fertige GPX Route Clustering Viewer ermöglicht es, GPX-Dateien direkt im Browser zu analysieren:

• ✅ Upload von GPX-Daten aus Apple Health, Strava, Garmin oder Komoot
• ✅ Automatische Clustering-Analyse: ähnliche Routen werden gruppiert
• ✅ Vergleich: Geschwindigkeit und Zeiten auf derselben Strecke gegenüberstellen
• ✅ Datenschutz: Die Analyse läuft komplett lokal im Browser. Es werden keine Daten hochgeladen oder gespeichert

Alles funktioniert direkt – einfach GPX-Dateien oder den Apple-Health-Export in die Seite ziehen und loslegen.

Meine wichtigsten Learnings

1. KI funktioniert auch bei komplexen Projekten. Mit ChatGPT (hier GPT-5) und Claude konnte ich eine voll funktionsfähige Web-App entwickeln.
2. Nicht festfahren, sondern wechseln. Wenn man mit einer KI nicht weiterkommt, lohnt es sich, ein zweites Tool einzusetzen.
3. Zwischenschritte sichern. Immer eine funktionierende Version behalten, damit man eine stabile Basis für Verbesserungen hat.

Probiere es selbst aus

👉 Hier geht’s zum Tool: GPX Route Clustering Viewer

Teste deine eigenen Routen – egal ob von iPhone, Garmin, Strava oder Komoot – und finde heraus, ob du auf denselben Strecken schneller geworden bist.

Ich freue mich sehr über Feedback: Funktioniert es für dich? Welche Features fehlen dir noch? Schreib mir gerne deine Eindrücke!