Wissenshäppchen: Erkenntnisse aus dem EMA-Seminar „Künstliche Intelligenz in der Ernährungsmedizin“
Künstliche Intelligenz ist längst im ernährungsmedizinischen Alltag angekommen. Ob Ernährungspläne, Rezeptideen, Auswertung von Ernährungsprotokollen oder patientengerechte Erklärungen komplexer Befunde – viele Fachkräfte und Patient:innen nutzen inzwischen Chatbots wie ChatGPT. Doch wie belastbar sind die Antworten wirklich? Und wo liegen Chancen, Risiken und Grenzen dieser Systeme?
Im EMA-Seminar zeigte PD Dr. Maren C. Podszun von der Universität Hohenheim, dass KI-gestützte Chatbots insbesondere im Bereich der Ernährungsinformation zunehmend relevant werden – gleichzeitig aber erhebliche Limitationen aufweisen.
Aktuelle Studien zeigen, dass bereits rund 30 % der Befragten Chatbots für ernährungsbezogene Fragen genutzt haben. Besonders häufig geht es um Gewichtsreduktion, Erkrankungen, spezielle Ernährungsformen oder Muskelaufbau. Gleichzeitig nimmt die wissenschaftliche Evidenz zur Qualität solcher Systeme zwar zu, die Studienlage bleibt jedoch heterogen und methodisch schwer vergleichbar.
Was können Chatbots heute bereits gut? Und welche Limitationen gibt es?
Für allgemeine Informationen liefern große Sprachmodelle oft erstaunlich brauchbare Ergebnisse. So zeigte eine Untersuchung zur Nährwertberechnung, dass ChatGPT den Energie- und Makronährstoffgehalt vieler Lebensmittel bereits relativ präzise einschätzen kann. Auch bei der Strukturierung von Ernährungsprotokollen, der Erstellung verständlicher Texte oder der Entwicklung motivationsfördernder Materialien können KI-Tools sinnvoll unterstützen.
Besonders eindrücklich demonstrierte der Vortrag das Potenzial durch gezieltes „Prompting“: Werden Aufgaben präzise formuliert und mit Kontext versehen, verbessern sich Qualität und Nachvollziehbarkeit der Ergebnisse deutlich. Gerade für Fachkräfte kann dies eine praktische Arbeitserleichterung darstellen.
Gleichzeitig wurde jedoch klar: Ernährungsmedizinische Beratung durch Chatbots bleibt fehleranfällig – insbesondere bei vulnerablen Gruppen. In Studien zu veganen Ernährungsplänen fehlten Hinweise auf kritische Nährstoffe wie Vitamin B12. Für Schwangere generierten einzelne Systeme teils deutliche Defizite bei Energie, Folat, Eisen oder Calcium. Zudem fanden sich widersprüchliche Empfehlungen zu Nahrungsergänzungsmitteln sowie nicht evidenzbasierte Supplementempfehlungen bei Adipositas oder metabolischen Erkrankungen.
Ein weiteres Problem: Chatbots arbeiten nicht wie Datenbanken mit „Wissen“, sondern auf Basis statistischer Wahrscheinlichkeiten. Dadurch wirken Antworten oft überzeugend, obwohl sie fehlerhaft oder unvollständig sein können. Besonders kritisch wird dies bei sensiblen Themen, Erkrankungen oder stark individualisierten Fragestellungen.
Implikationen für die Praxis
Für die Praxis bedeutet das: KI kann unterstützen – aber fachliche Expertise nicht ersetzen. Dr. Podszun betonte deshalb, dass Ausgaben von Chatbots stets kritisch geprüft werden müssen. Persönliche Gesundheitsdaten oder Patient:inneninformationen sollten zudem nicht in frei verfügbare Systeme hochgeladen werden.
Perspektivisch könnten spezialisierte ernährungsmedizinische KI-Systeme entstehen, die auf validierten Leitlinien und kuratierten Datenbanken basieren. Auch sogenannte „Digital Twins“, also datenbasierte digitale Modelle individueller Stoffwechselreaktionen, gelten als spannender Ansatz für personalisierte Ernährungsempfehlungen der Zukunft.
Der Vortrag machte deutlich: KI bietet großes Potenzial für die Ernährungsmedizin – insbesondere zur Unterstützung, Strukturierung und Individualisierung. Entscheidend bleibt jedoch der reflektierte und evidenzbasierte Einsatz durch qualifizierte Fachkräfte.
Zur Referentin:
PD Dr. Maren C. Podszun forscht an der Universität Hohenheim zur Biofunktionalität von Lebensmitteln und zum Mikronährstofftransport unter physiologischen und pathophysiologischen Bedingungen. Mit dem Aufkommen großer Sprachmodelle beschäftigt sie sich zunehmend mit dem Einsatz von Chatbots im Bereich Ernährung und Gesundheit sowie mit der Frage, wie Menschen diese neuen Informationsquellen nutzen.
Wer tiefer in aktuelle Themen der Ernährungsmedizin einsteigen möchte, findet in der Online-Seminarreihe „Ernährungsmedizin aktuell – Neues aus Forschung und Praxis“ weitere wissenschaftlich fundierte und praxisnahe Impulse für Medizin, Ernährungsberatung und Therapie.
Quellen:
Sinngemäß nach Dr. M. Podszun, Zoom-Veranstaltung „Künstliche Intelligenz in der Ernährungsmedizin“, 20.05.26.
König, L.M.; Podszun, M.; Gaissmaier, W.; Giese, H. (2025). Who uses AI chatbots to obtain nutrition- and health-related information? Analysis of representative German sample. Preprint. DOI: 10.31234/osf.io/ez376_v1
Hieronimus, B., Lopez-Aguirre, M.-L.; Birringer, M.; Podszun, M. (2025). GenAI in nutritional sciences (GAINS): A systematic review and reporting framework for future research, Nutrition Research, Volume 143. DOI:10.1016/j.nutres.2025.09.011
Haman, M.; Losták, M. (2024). AI dietitican: Unveiling the accuracy of ChatGPT’s nutritional estimations, Nutrition, Volume 119. DOI: 10.1016/j.nut.2023.112325
Hieronimus, B; Hammann, S.; Podszun, M. (2024). Can the AI tools ChatGPT and Bard generate energy, macro- and micro-nutrient sufficient meal plans for different dietary patterns? Nutrition Research, Volume 128. DOI: 10.1016/j.nutres.2024.07.002
Mössinger, J.; Kopp, L.; Podszun, M. (2025). Evaluating the limits of AI-based nutritional advice for pregnant women from ChatGPT and Gemini. Ernahrungs Umschau, 72 ( 12): 198-206. DOI: 10.4455/eu.2025.051
Ponzo, V.; Goitre, I.; Favaro, E.; Merlo, F. D.; Mancino, M. V.; Riso, S.; Bo, S. (2024). Is ChatGPT an Effective Tool for Providing Dietary Advice? Nutrients, 16 (4): 469. DOI: 10.3390/nu16040469
Niszczota, P.; Rybicka, I. (2023). The credibility of dietary advice formulated by ChatGPT: Robo-diets for people with food allergies. Nutrition, 112: 112076. DOI: 10.1016/j.nut.2023.112076
Builes-Montano, C.E. Lema-Perez, L., Ramírez-Rincón, A. et al. A digital twin-enhanced decision support system improves time-in-range in type 1 diabetes: a randomized clinical trial. Sci Rep 15, 39738 (2025).
Joshi S, Shamanna P, Dharmalingam M, et al. Digital Twin-Enabled Personalized Nutrition Improves Metabolic Dysfunction-Associated Fatty Liver Disease in Type 2 Diabetes: Results of a 1-Year Randomized Controlled Study. Endocr Pract. 2023; 29 (!2): 960-870.
