Analytics
KI
06.11.2026

GA4 MCP: Googles Server einrichten und einordnen

Google hat seinen GA4 MCP-Server am 3. November 2026 auf Version 1.0 gehoben, drei Tage später folgte 1.1. Was er jetzt kann, wie du ihn einrichtest und was ein Test an der eigenen Property gezeigt hat.

Als bevorzugte Quelle auf Google hinzufügen
Zwei Personen arbeiten gemeinsam an Tablet und Laptop, datengestützte Zusammenarbeit im digitalen Marketing

Der Google Analytics MCP-Server, kurz GA4 MCP, ist Googles offizielle Verbindung zwischen Google Analytics 4 und einem KI-Assistenten. Du stellst eine Frage in normaler Sprache, der Assistent ruft über den Server echte Berichte aus deiner Property ab und antwortet mit deinen Zahlen. Seit dem 3. November 2026 liegt Version 1.0 vor, Google führt ihn damit nicht mehr als experimentell. Am 6. November folgte Version 1.1.

Das Wichtigste auf einen Blick, Stand 6. November 2026:

  • Kosten: Der Server ist quelloffen (Apache 2.0). Den KI-Assistenten bezahlst du wie bisher.
  • Zugriff: Er liest standardmäßig nur. Schreiben musst du ausdrücklich einschalten.
  • Betrieb: Er läuft auf deinem Rechner. Neu ist der Betrieb als gemeinsamer Dienst mit eigener Anmeldung je Nutzer.
  • Voraussetzung: Ein Google-Cloud-Projekt, die gcloud-Befehlszeile und Sicherheit im Umgang mit dem Terminal.

Was sich seit dem Start geändert hat

Google hat den Server im Juli 2025 als experimentelles Projekt vorgestellt. Die wichtigsten Schritte seitdem:

  • 29. April 2026, Version 0.3.0: Trichter-Berichte kommen dazu.
  • 14. Mai 2026, Version 0.5.0: Ein eigenes Werkzeug für Conversions mit Werbekosten, ROAS und Attributionsmodellen folgt.
  • 22. Oktober 2026, Version 0.8.0: Das erste Schreibwerkzeug erscheint, dazu der Schalter --allow-write.
  • 3. November 2026, Version 1.0.0: Der Server verlässt den experimentellen Status und lässt sich als gemeinsamer Dienst mit OAuth-Anmeldung betreiben.
  • 6. November 2026, Version 1.1.0: Zwei weitere Schreibwerkzeuge kommen ins Paket, dazu ein lesendes Werkzeug für Key Events.

Was der Google Analytics MCP-Server kann

Im veröffentlichten Paket 1.1.0 stecken zehn lesende Werkzeuge:

  • Überblick: Konten und Properties auflisten, Details einer Property ansehen, verknüpfte Google-Ads-Konten und Anmerkungen zeigen.
  • Messaufbau: benutzerdefinierte Dimensionen und Messwerte sowie Key Events auslesen.
  • Berichte: Standardbericht, Echtzeitbericht, Trichterbericht und Conversions-Bericht. Die beiden letzten laufen über die Alpha-Version der Data API.

Pivot- und Zielgruppenberichte stehen nicht in der Werkzeugliste.

Typische Fragen, die Google selbst nennt: „Wie viele Nutzer hatte ich gestern?“ oder „Was waren gestern meine meistverkauften Produkte?“. Auch Anschlussfragen sind möglich, etwa welche Kanäle in den letzten 28 Tagen Sitzungen gebracht haben und ob die Key Events dazu passen.

Schreiben: aus lassen, bis du einen Grund hast

Ohne Schalter bleibt deine Konfiguration unberührt. Mit --allow-write, einer neuen Anmeldung mit der Berechtigung analytics.edit und mindestens der Rolle Marketer kommen in Version 1.1.0 drei Werkzeuge dazu: create_property_annotation für Anmerkungen, create_custom_dimension für benutzerdefinierte Dimensionen und create_key_event für Key Events. Im Paket nachgeprüft: Die Liste wächst dann von zehn auf 13 Werkzeuge.

Die beiden letzten sind neu in 1.1.0. Damit kann ein Assistent ein Ereignis zum Key Event machen. Das verändert, was in deinen Berichten als Erfolg zählt.

Googles eigene Entwicklerseite beschreibt den Server weiterhin als rein lesend (zuletzt aktualisiert am 26. Oktober 2026). Wenn du dich auf eine Quelle verlässt, nimm das, was dein Client beim Start tatsächlich als Werkzeuge anzeigt.

So richtest du den Server ein

Die Schritte folgen Googles Anleitung, hier für Claude Code. Sie sind aus der Anleitung übernommen und nicht von Anfang bis Ende nachgestellt. Google nennt außerdem Claude Desktop, Cursor sowie Antigravity CLI und IDE. Die Gemini CLI führt Google inzwischen als veraltet.

  1. Werkzeuge installieren. Du brauchst Python 3.10 oder neuer, pipx und die Google-Cloud-Befehlszeile gcloud.
  2. Zwei Schnittstellen aktivieren. In deinem Google-Cloud-Projekt die Google Analytics Admin API und die Google Analytics Data API.
  3. Leserechte prüfen. Dein Google-Konto braucht auf der Property mindestens die Rolle „Betrachter“.
  4. Anmelden. Google beschreibt zwei Wege, einen OAuth-Client oder ein Dienstkonto. Für den OAuth-Client richtest du zuerst den Zustimmungsbildschirm im Projekt ein, legst einen Client vom Typ Desktop oder Web an, lädst die JSON-Datei herunter und führst aus: gcloud auth application-default login --scopes https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform --client-id-file=DEINE_CLIENT_DATEI.json. Den Pfad, den der Befehl am Ende ausgibt, brauchst du gleich. Läuft die Anmeldung ab, führst du den Befehl erneut aus.
  5. Server eintragen. claude mcp add analytics-mcp --scope user -e "GOOGLE_APPLICATION_CREDENTIALS=PFAD_ZUR_DATEI" -e "GOOGLE_CLOUD_PROJECT=DEINE_PROJEKT_ID" -- pipx run analytics-mcp. Der Pfad muss absolut sein, ohne ~. Der Befehl legt keine Version fest. Erscheint ein neues Paket, prüfe die Werkzeugliste noch einmal.
  6. Prüfen. Frag den Assistenten, welche Properties er sieht. Vergleiche danach eine Zahl mit der GA4-Oberfläche.

Google nennt unter anderem diese Fehler. Bei einer 403-Meldung prüfst du die Rolle, die beiden Schnittstellen, die Berechtigungen der Anmeldung und das hinterlegte Projekt. Eine 401-Meldung deutet auf einen falschen Pfad zur Zugangsdatei hin. Grafische Programme wie Claude Desktop oder Cursor finden pipx oft nicht, dann hilft der vollständige Pfad.

Was der Test an der eigenen Property gezeigt hat

Getestet wurde am 6. November 2026 das Paket 1.0.0 an der GA4-Property von haimle online marketing, mit einem eigenen MCP-Testclient und einem bestehenden Lesezugang. Nicht Teil des Tests waren die Anmeldung aus Schritt 4, die Anbindung an einen KI-Assistenten, der selbst gehostete Betrieb, das Schreibwerkzeug und ein vollständiger Conversions-Bericht. Version 1.1.0 erschien am selben Abend, von ihr ist nur die Werkzeugliste nachgezählt.

  • Der Server reicht die Zahl unverändert durch. Die Sitzungen einer Seite waren identisch mit einem direkten Abruf über die Data API. Das ist erwartbar, weil der Server dieselbe Schnittstelle nutzt. Über die Qualität des Trackings sagt es nichts.
  • Der Server selbst antwortet schnell. Die Handvoll Testabfragen an einer Property mit wenig Traffic dauerte je 0,3 bis 1,2 Sekunden, die Rechenzeit der KI kommt obendrauf. Ein einfacher Bericht kostete einen Kontingent-Token der Data API, laut Google meist bis 10 je Anfrage. Das sind andere Token als die des Sprachmodells.
  • Die Grenzen der Data API bleiben. Eine Anfrage mit zehn Dimensionen scheitert, erlaubt sind neun. Die Fehlermeldung nennt die Grenze klar.
  • Organische Suchbegriffe fehlen. GA4 liefert keine organischen Suchbegriffe, das ändert auch der Server nicht. In der geprüften Begriff-Dimension stand fast überall „(not provided)“. Für Suchanfragen brauchst du die Search Console, deren Klicks sich aber nicht eins zu eins auf GA4-Sitzungen übertragen lassen.
  • KI-Traffic ist sichtbar. Der Standardkanal „AI Assistant“ tauchte als eigene Zeile im Bericht auf. So lässt sich nach Besuchen aus KI-Assistenten direkt fragen.
  • Der Conversions-Bericht verlangt mehr Angaben. Ohne Pflichtfeld conversion_spec lehnt ihn der Server ab. Google-Ads-Kosten setzen außerdem eine aktive Verknüpfung voraus.
  • Die Werkzeugbeschreibungen sind lang. Zusammen kommen die neun Werkzeuge aus 1.0.0 samt Schemata auf rund 51.000 Zeichen. Wie viel davon dein Assistent bei jedem Gespräch mitliest, hängt vom Client ab.

Lokal, selbst gehostet oder von Google

Lokal auf deinem Rechner ist der Standard und für eine Person oder eine Handvoll Properties der einfachste Weg. Die Zugangsdatei liegt auf deinem Rechner. Abgefragte Daten gehen trotzdem an deinen KI-Dienst.

Der selbst gehostete Dienst ist die Neuerung aus Version 1.0. Der Server läuft zentral, zum Beispiel auf Google Cloud Run. Die Anleitung dazu steht erst seit dem 4. November 2026 auf GitHub. Jeder Nutzer meldet sich mit dem eigenen Google-Konto an. Sinnvoll ist das für Teams und Agenturen, weil jeder nur die Properties sieht, auf die er Zugriff hat. Der eingebaute OAuth-Dienst hält seine Daten im Arbeitsspeicher. Nach einem Neustart meldet sich also jeder neu an. Google empfiehlt dafür eine einzelne Instanz oder Sticky Sessions.

Von Google gehostet ist bisher nur eine technische Beobachtung. Unter analyticsdata.googleapis.com/mcp/v1 antwortete am 6. November 2026 ein MCP-Endpunkt mit vier lesenden Werkzeugen und lehnte Abrufe ohne Anmeldung ab. Eine Dokumentation dazu war bei Google nicht zu finden, also auch keine Zusage zu Verfügbarkeit oder Nutzung. Für den Einsatz taugt das noch nicht.

Wann sich der Server lohnt

Stark ist er bei spontanen Fragen: Warum ist dieser Kanal letzte Woche eingebrochen, welche Seite hat davon profitiert, was prüfe ich als Nächstes? Für Berichte, die jeden Monat gleich aussehen müssen, bleiben Looker Studio oder feste Abfragen über die Data API die bessere Wahl. Eine KI formuliert dieselbe Frage nicht jedes Mal gleich.

Warum Antworten von der GA4-Oberfläche abweichen können

Der Server zeigt, was die Data API liefert. Das kann sich aus mehreren Gründen von dem unterscheiden, was du in der Oberfläche siehst: GA4 blendet bei kleinen Fallzahlen Zeilen aus (Thresholding), fasst seltene Werte unter „(other)“ zusammen und rechnet in der Zeitzone der Property. Auch Attribution und Zeitraum müssen übereinstimmen, bevor sich zwei Zahlen vergleichen lassen. Manche Kombinationen aus Dimensionen und Messwerten lehnt die Schnittstelle ganz ab.

Worauf du vor dem Einsatz achten solltest

Die Datenqualität entscheidet. Der Assistent liest nur, was in GA4 ankommt. Sind die Conversions doppelt, tot oder nie definiert, antwortet er nur schneller falsch. Was wegen fehlender Einwilligung nie erfasst wurde, kann er auch nicht auswerten. Ein sauberer Consent Mode gehört deshalb zur Grundlage. Bot-Traffic rechnet er genauso mit, wie GA4 ihn zählt. Wie ein Tracking-Setup aussieht, dem du trauen kannst, steht auf der Leistungsseite zu Analytics und Tracking.

Die Berichtsdaten gehen an deinen KI-Dienst. Ergebnisse landen im Gespräch mit dem Anbieter, den du nutzt. Prüfe also Vertrag zur Auftragsverarbeitung, Speicherort, Aufbewahrung und ob das Modell mit deinen Eingaben trainieren darf. Das gilt erst recht für Daten von Kunden. Ob das in deinem Fall zulässig ist, klärst du am besten mit deiner Datenschutzberatung, das hier ist keine Rechtsberatung.

Prüfe die Auswertung. Ein Sprachmodell kann richtige Zahlen falsch zusammenfassen. Bevor eine Antwort in einen Report oder eine Budgetentscheidung wandert, lass dir zeigen, welche Dimensionen, Messwerte und welcher Zeitraum abgefragt wurden.

Häufige Fragen

Gibt es einen offiziellen Google Analytics MCP-Server?

Ja. Google veröffentlicht ihn auf GitHub unter googleanalytics/google-analytics-mcp und als Paket analytics-mcp. Daneben gibt es Server von Drittanbietern unter ähnlichen Namen.

Ist der GA4 MCP-Server kostenlos?

Der Server selbst ja, er steht unter der Lizenz Apache 2.0. Kosten entstehen beim KI-Assistenten und, falls du ihn hostest, beim Betrieb. Berichte zählen auf die Kontingente der Data API, bei einer Standard-Property für Standardberichte 200.000 Token pro Tag und 14.000 je Projekt und Stunde. Echtzeit und Trichter haben eigene Kontingente.

Kann der Server meine GA4-Einstellungen ändern?

Standardmäßig nein. Mit ausdrücklicher Freigabe kann er in Version 1.1.0 Anmerkungen, benutzerdefinierte Dimensionen und Key Events anlegen.

Funktioniert das auch mit ChatGPT?

Der Server arbeitet grundsätzlich mit Clients, die MCP unterstützen. In Googles Anleitung steht ChatGPT aber nicht. Google nennt Claude Code, Claude Desktop, Cursor sowie Antigravity CLI und IDE. Der lokale Server ist für einen Webdienst nicht erreichbar. Dafür bräuchte es den selbst gehosteten Betrieb mit Anmeldung und einen Assistenten, der entfernte MCP-Server unterstützt. Dieser Weg ist hier nicht getestet.

Brauche ich dafür Programmierkenntnisse?

Code schreibst du dabei nicht. Mit einem Terminal und der Google Cloud solltest du aber zurechtkommen. Du kannst die Einrichtung auch einmal machen lassen und danach im Chat arbeiten. Die Anmeldung muss gelegentlich erneuert werden.

Wenn du den Server einsetzen möchtest, prüfe zuerst deine Daten. Dafür gibt es den kostenlosen Tracking-Check von haimle online marketing.

Quellen
Über den Autor

Ahmed Elmi

Ahmed Elmi ist Unternehmer und Experte für Performance Marketing und KI-gestützte Digitalisierung.

Als Gründer & Geschäftsführer der Boutique-Agentur haimle und langjähriger Digitalisierungsmanager am Köln Bonn Airport hat er die strategische Webanalyse sowie zahlreiche datengetriebene Kampagnen, digitale Projekte und KI-Anwendungen im Mobilitäts- und Unternehmensumfeld erfolgreich umgesetzt.

Seit 2022 teilt er sein Wissen zu künstlicher Intelligenz, Suchmaschinenmarketing und datengetriebenen Entscheidungen als Dozent für Kammern und Akademien sowie als Speaker auf Fachveranstaltungen.

In seinen Seminaren verbindet er strategische Marketing-Expertise mit praxisnahen Live-Demos – von Google Ads und Analytics bis hin zu KI-Workflows, die Teams direkt in ihrem Alltag nutzen können. So macht er Unternehmen, Mittelstand und öffentlichen Sektor messbar erfolgreich und zukunftssicher im digitalen Wandel.

Ein Foto von Ahmed Elmi, während er am Laptop sitzt und lächelt.