Google Analytics mit KI auswerten: MCP-Server einrichten

Google Analytics-Daten mit KI auswerten: MCP-Server einrichten

Als modernes Mittelstandsunternehmen oder Marketingleiter möchten Sie Ihre Webanalyse effizienter gestalten? Mit dem offiziellen Google Analytics Model Context Protocol (MCP) Server stellt Google eine neue Lösung vor, mit der Sie Ihre Google Analytics 4 (GA4)-Daten direkt an große Sprachmodelle (LLMs) wie Google Gemini oder Claude von Anthropic anbinden können. Das bedeutet konkret: Sie können Ihre Analytics-Daten per KI abfragen und so in natürlicher Sprache wichtige Kennzahlen und Empfehlungen abrufen. Zum Beispiel könnten Sie fragen: „Wie viele Nutzer hatte ich gestern?“ oder: „Welche meiner Produkte war vergangenen Monat der Bestseller?“ Google zeigt in seinen Beispielen sogar die Frage: „Ich habe ein Marketing-Budget von 5.000 $ im Monat und möchte den Umsatz steigern. Hilf mir, einen datengestützten Marketing-Plan zu erstellen.“ Dank des MCP-Servers kann ein KI-Modell solche komplexen Anfragen beantworten, indem es Ihre Analytics-Daten analysiert und daraus Handlungsempfehlungen ableitet.

Funktionen des Google Analytics MCP-Servers

Der Google Analytics MCP-Server (Model Context Protocol Server) macht Ihre Analytics-Daten über offizielle Google-APIs für KI-Systeme verfügbar. Er greift auf die Google Analytics Admin API und Data API zu und bietet damit verschiedene Funktionen für Sprachmodelle. Dazu zählen beispielsweise:

Konten- und Property-Informationen abrufen: Funktionen wie account_summaries und properties holen die Übersicht Ihrer GA-Konten und Properties und listet ggf. verknüpfte Google-Ads-Konten auf.
Einfache Berichte ausführen: Mit Befehlen wie run_report oder run_funnel_report kann das LLM Standard-Reports aus der GA4-Datenbank abrufen – etwa Sitzungen, Conversions oder Ziele – und direkt die Ergebnisse präsentieren.
Realtimes-Bericht: Über run_realtime_report können Sie in Echtzeit aktuelle Nutzerdaten abrufen, um sofortiges Besucherverhalten auszuwerten.
Eigene Dimensionen und Metriken: Der Server kennt Ihre individuell erstellten Dimensionen und Metriken und liefert auch deren Werte, sofern Sie in Ihrer GA4-Property definiert sind.
KI-gestützter Daten-Chat: Das MCP-Protokoll liefert dem KI-Modell neben den Rohdaten auch Metainformationen und Kontext. So kann die KI in natürlicher Sprache mit den Analytics-Daten „chatten“. Beispielsweise könnte ein Marketing-Agent direkt Fragen zu Budget, Kampagnen oder Performance stellen und eine Analyse oder Empfehlung erhalten. Dies macht die Datenanalyse interaktiver und beschleunigt Auswertungen erheblich.

Voraussetzungen für den MCP-Server

Vor der Einrichtung müssen einige Voraussetzungen erfüllt sein. Sie benötigen zunächst ein aktives GA4-Property in einem Google-Cloud-Projekt. In diesem Projekt müssen die Google Analytics Admin API und die Google Analytics Data API aktiviert sein. Richten Sie außerdem Zugangsdaten für Ihr Projekt ein (z.B. ein Service-Konto) für ein Google-Konto mit Lesezugriff auf die entsprechende GA4-Property. Wichtig ist, dass diese Anmeldeinformationen den OAuth-Bereich analytics.readonly enthalten. Speichern Sie die JSON-Datei mit den Zugangsdaten an einem sicheren Ort auf Ihrem Server.

Als Nächstes braucht das System Python: Laut den Python-Paketinformationen muss Python in Version 3.10 oder höher installiert sein. Auf Debian-Systemen können Sie dies zum Beispiel mit sudo apt install python3 python3-pip sicherstellen. Wir empfehlen zusätzlich die Verwendung von pipx, um das Analytics-MCP-Tool isoliert auszuführen. Installieren Sie dazu pipx (z.B. mit sudo apt install pipx) und fügen Sie es ggf. mit pipx ensurepath zum Systempfad hinzu.

Was ist ein MCP-Server und warum Sicherheit wichtig ist

Das Model Context Protocol (MCP) ist ein offener Standard, den der KI-Anbieter Anthropic Ende 2024 geschaffen hat. Er dient dazu, große Sprachmodelle sicher mit beliebigen Datenquellen und APIs zu verbinden. Man kann sich MCP wie eine universelle Schnittstelle vorstellen (Anthropic selbst vergleicht sie mit dem USB-C-Port), die den Austausch zwischen LLM und externen Diensten regelt. In der MCP-Architektur kommuniziert der LLM-Host (z.B. Ihr KI-Assistent) über einen MCP-Client mit einem MCP-Server. Der MCP-Server ist dabei ein eigenständiger Dienst oder eine API, die auf Anfragen vom Client wartet, diese verarbeitet und die Ergebnisse zurückliefert. Vereinfacht gesagt übersetzt dieser Server also Ihre textbasierten Anforderungen in echte Google-Analytics-API-Aufrufe und übergibt die Antworten dem KI-Modell.

Ein wichtiger Hinweis zum Thema Sicherheit: Der MCP-Server bietet für sich genommen keine Zusatzauthentifizierung. Theoretisch kann jeder Client, der das Protokoll spricht, Ihren Server anfragen. Sicherheitsexperten warnen daher ausdrücklich, MCP-Server nur in vertrauenswürdigen Umgebungen zu betreiben. Ein falsch konfigurierter Server könnte zum Beispiel manipulierte Abfragen zulassen oder durch „prompt injection“ gefährlichen Code einschleusen. Daher sollten Sie Ihren MCP-Server nie öffentlich betreiben: Nutzen Sie Firewalls, private Netzwerke oder Zugangstokens, um den Zugriff zu beschränken. Anthropic rät ausdrücklich: „Use third party MCP servers at your own risk – make sure you trust any MCP server you install.” Zusammengefasst heißt das: Sichern Sie Ihren MCP-Server bestmöglich ab, bevor er produktiv mit sensiblen Daten arbeitet.

Debian-Einrichtung des MCP-Servers – Schritt für Schritt

Die folgenden Schritte zeigen Ihnen die Einrichtung auf einem Debian-Server. Dafür gehen wir davon aus, dass Sie bereits Ihr GA4-Property und die Zugangsdaten (JSON-Datei) vorbereitet haben:

System aktualisieren und Python installieren: Führen Sie sudo apt update && sudo apt upgrade -y und aus. Installieren Sie Python und Pip, z.B. mit .
pipx-Installation: Installieren Sie pipx, um das MCP-Tool unabhängig anzulegen. Zum Beispiel: sudo apt install pipx -y und . Sie können alternativ python3 -m pip install --user pipx verwenden.
MCP-Paket installieren: Legen Sie mit pipx das Google-Analytics-Tool an. Führen Sie pipx install mcp-google-analytics aus. Damit ist das Kommando mcp-google-analytics verfügbar. (Alternativ installieren Sie es mit pip install mcp-google-analytics und rufen es dann über python -m mcp_google_analytics auf.)
Anmeldeinformationen hinterlegen: Kopieren Sie die JSON-Datei Ihres Service-Kontos nach , zum Beispiel nach /opt/google-analytics/service-account.json. Setzen Sie die Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS auf diesen Pfad (z.B. in ~/.bashrc). So weiß das Tool, welche Google-Zugangsdaten es nutzen soll. Notieren Sie außerdem Ihre Google Cloud Projekt-ID, sie wird im folgenden Schritt benötigt.
Server starten: Starten Sie den MCP-Server via Kommandozeile. Geben Sie mcp-google-analytics oder python -m mcp_google_analytics ein. Der Server verbindet sich mit den Google-APIs und wartet auf Anfragen über STDIN/STDOUT. Belassen Sie das Terminal offen, oder führen Sie den Befehl mit nohup oder in einer -/ -Session aus, falls Sie den Prozess im Hintergrund laufen lassen möchten.
Verbindung testen: Öffnen Sie Ihren KI-Client (etwa Gemini Code Assist oder Claude Code). Dort sollte der neue Server beim Befehl auftauchen. In Gemini sehen Sie beispielsweise den Eintrag mcp-google-analytics. Testen Sie eine einfache Frage an Ihre Daten, etwa . Erscheint eine sinnvolle Antwort, läuft alles wie gewünscht.

Integration mit Google Gemini und Anthropic Claude

Sobald der MCP-Server läuft, binden Sie ihn in Ihre Anwendungen ein. Für Google Gemini konfigurieren Sie den Server z.B. in der Datei settings.json. Fügen Sie dort unter mcpServers einen Block hinzu.

Damit weiß Gemini, dass es beim Befehl google-analytics den Analytics-MCP-Server mcp-google-analytics starten soll (über und Ihr Credential-File). In der Gemini-CLI sollten Sie danach mcp list eingeben können und dort den Eintrag google-analytics sehen. Anschließend leitet Gemini Ihre Anfragen über diesen Server an Google Analytics weiter.

Für Claude (Claude AI oder die Claude CLI) verwenden Sie das Kommando claude mcp add, um den MCP-Server zu registrieren. Ein Beispielbefehl könnte sein: claude mcp add google-analytics mcp-google-analytics.

Dies legt einen MCP-Server namens google-analytics an, der das lokal installierte Analytics-Tool (mcp-google-analytics) nutzt. Danach können Sie in einer Chat-Nachricht an Claude etwa sagen: „Nutz den Google-Analytics-Server und beantworte: Wie viele Seitenaufrufe gab es letzte Woche?“ Claude sendet dann die Anfrage an Ihren MCP-Server. (Wichtig: Vergewissern Sie sich, nur vertrauenswürdige MCP-Server zu verwenden.)

Fragen & Antworten zum Google Analytics MCP-Server

Wozu dient der Google Analytics MCP-Server?

Er ermöglicht, dass KI-Modelle direkt auf Ihre GA4-Daten zugreifen können. Statt in Google Analytics Berichte manuell zu erstellen, können Sie per natürlicher Sprache Abfragen stellen. Der MCP-Server fungiert als Schnittstelle: Er holt die angeforderten Daten ab und übergibt sie ans KI-Modell.

Welche Voraussetzungen gibt es?

Sie brauchen ein GA4-Property und ein Google Cloud-Projekt mit aktivierten Analytics Admin- und Data-APIs. Richten Sie ein Service-Konto oder Nutzer-Credentials mit analytics.readonly -Berechtigung ein. Auf dem Server muss Python ≥3.10 laufen. Außerdem sollten Sie pipx installiert haben.

Wie installiere ich den MCP-Server unter Debian?

System aktualisieren, Python3 und Pip installieren. Mit pipx das Werkzeug installieren: pipx install mcp-google-analytics. Dann Anmeldedaten sichern und GOOGLE_APPLICATION_CREDENTIALS setzen. Starten Sie den Server schließlich mit mcp-google-analytics (oder python -m mcp_google_analytics).

An welche KI-Modelle kann ich den Server anbinden?

Prinzipiell an jedes MCP-kompatible Sprachmodell. Google setzt auf Gemini (mittels Eintrag in settings.json), aber auch Claude von Anthropic und andere Agenten lassen sich per claude mcp add verbinden. Wichtig ist: Weisen Sie dem Modell nachher den google-analytics -Server explizit zu.

Muss der Server dauerhaft laufen?

Ja, der MCP-Server sollte während der Nutzung des LLM aktiv sein. Da er über STDIN/STDOUT kommuniziert, kann ein einfaches offenes Terminal genügen, oder Sie starten ihn im Hintergrund (via , , oder als Systemdienst). Er muss nicht rund um die Uhr laufen, sondern nur dann, wenn Sie ihn benötigen.

Gibt es Nutzungskosten?

Der Server selbst ist quelloffen und kostenlos. Kosten können durch die Nutzung von Google Analytics (API-Aufrufe bzw. eventuelle Infrastrukturausgaben) entstehen. Ein kleiner Serverbetrieb in der Cloud schlägt meist wenig zu Buche, Rechenzeiten und API-Kontingente sollten aber im Blick bleiben.

Was kann der MCP-Server nicht?

Er ist rein lesend ausgelegt. Wie Google betont, nimmt der MCP-Server keine Änderungen in Ihren Analytics-Einstellungen vor. Er führt nur Leseabfragen aus. Außerdem ist er derzeit nur für GA4 ausgelegt; das alte Universal Analytics (UA) wird nicht unterstützt.

Wie sicher ist das Ganze?

So sicher, wie Sie es gestalten. Der MCP-Server selbst verschlüsselt die Datenübertragung nicht zusätzlich (er nutzt aber HTTPS). Sie sind dafür verantwortlich, unbefugten Zugriff zu verhindern. Verwenden Sie Firewalls, VPNs oder andere Schutzmaßnahmen. Experten warnen, dass unsichere Implementierungen Risiken wie „prompt injection“ bergen können. Sorgen Sie dafür, nur vertrauenswürdige Server zu verwenden und diese zu schützen.

Unsere Erfahrung und Angebot

Als erfahrene Digitalagentur im Berchtesgadener Land (nahe Salzburg) mit über 25 Jahren Web- und Marketing-Kompetenz bieten wir von Viucom echte Expertise in diesem Bereich. Wir haben zahlreiche MCP-Server implementiert und wissen genau, worauf es beim Setup und der Sicherheit ankommt. Unser Team unterstützt Sie gerne beim Aufbau des Google Analytics MCP-Servers und berät Sie umfassend bei der Integration von Analytics und KI. Sprechen Sie uns an – wir freuen uns auf Ihre Kontaktaufnahme und darauf, Ihre digitalen Projekte erfolgreich zu realisieren.