Kleine Lebensmittel-Swaps: KI-Studie optimiert Mahlzeiten statt Neustart – UC Davis vs. GPT-4o

Ernährungs-Apps sagen Menschen seit Jahren, was sie essen sollen. Viele davon setzen beim Ideal an: ein Teller, der von Grund auf „richtig“ zusammengestellt ist – Nährstoffziele erreicht, stark verarbeitete Lebensmittel so weit wie möglich reduziert.

Das führt oft zu der Mahlzeit, die man theoretisch essen sollte, nicht zu der, die im Alltag tatsächlich auf dem Tisch landet.

Entsprechend bleibt der Effekt häufig überschaubar. Eine neue Studie hat deshalb einen anderen Weg ausprobiert: Sie nimmt die Mahlzeiten als Ausgangspunkt, die Menschen ohnehin essen, und sucht dann nach der kleinstmöglichen Veränderung, die messbar etwas verbessert.

Die Lücke zwischen Rat und Umsetzung

Dass die Herausforderung real ist, ist gut belegt. Eine ungesunde Ernährung gehört – wie eine umfassende Untersuchung mit Daten aus nahezu 200 Ländern gezeigt hat – zu den wichtigsten Treibern von Diabetes, Herzkrankheiten und weiteren chronischen Erkrankungen.

Nur: Am Abendessenstisch danach zu handeln, ist etwas ganz anderes.

Trevor Chan und Ilias Tagkopoulos, Informatiker an der Universität von Kalifornien in Davis (UC Davis), vermuteten, dass das Kernproblem im Umfang der geforderten Veränderung liegt.

Viele Diät-Apps verlangen einen kompletten Neustart – und genau an diesem Neustart scheitern viele und steigen aus.

Das Forschungsteam setzte deshalb bewusst niedrig an.

Statt einen „perfekten Teller“ neu zu konstruieren, wollten sie bei dem beginnen, was Menschen bereits essen, und diese Mahlzeiten mit möglichst wenigen Eingriffen in Richtung gesünderer Ernährung schieben.

Aus echten Mahlzeiten lernen

Um zu verstehen, was in den USA tatsächlich auf den Tellern landet, stützte sich das Team auf eine seit Langem laufende staatliche Erhebung mit dem Titel „Was wir in Amerika essen“.

Darin waren mehr als 135,000 Mahlzeiten erfasst, gemeldet von über 55,000 Erwachsenen.

Beim Durcharbeiten dieser Daten ordnete das Modell die Mahlzeiten 34 typischen Alltagsmustern zu – etwa dem Frühstück aus Müsli und Milch, dem Mittagessen mit Sandwich aus der Feinkosttheke oder dem Pizza-Abendessen.

Anschliessend lernte ein generatives KI-Programm, neue Mahlzeiten zu erzeugen, die zu jedem dieser Muster passen.

Dabei löste das System zwei Aufgaben gleichzeitig: Es wählte Lebensmittel, die kulinarisch „zusammengehören“, und passte zugleich die Portionsgrössen an. Ziel war, jede Mahlzeit näher an die US-Bundesernährungsrichtlinien heranzuführen, ohne dass sie so wirkt, als würde sie niemand im Alltag wirklich essen.

Näher an gesunden Zielwerten

Verglich das Team die künstlich erzeugten Mahlzeiten mit den real gemeldeten Mahlzeiten innerhalb desselben Musters, schnitten die generierten Varianten insgesamt besser ab. Die Lücke zu den offiziellen Nährstoff-Zielwerten verringerte sich um etwa 47 Prozent.

Die Verbesserungen waren konkret: In den erzeugten Mahlzeiten stiegen Ballaststoffe, Eiweiss und Kalium, ausserdem wurden Lücken bei Vitaminen stärker geschlossen – während Optik und Geschmackprofil im Groben an den Originalen orientiert blieben.

Ein Wert entwickelte sich allerdings in die falsche Richtung. Bei manchen Mittag- und Abendessen stieg der Natriumgehalt. Das unterstreicht, dass eine einzelne Stellschraube nicht automatisch alle Nährstoffe gleichzeitig „aufräumt“.

Ein paar einfache Tauschaktionen

Frühere Werkzeuge konnten zwar einen gesunden Speiseplan komplett neu zusammenstellen. Was bislang fehlte, war das gezielte Finden der kleinsten Korrektur an einer Mahlzeit, die man bereits isst – also ein oder zwei passend ausgewählte Austauschvorschläge.

Die beiden Forschenden prüften Varianten mit dem Austausch von einem, zwei oder drei Bestandteilen pro Mahlzeit. Besonders häufig waren die Änderungen unkompliziert: mehr Gemüse oder Hülsenfrüchte ergänzen und dafür die salzigsten oder am stärksten verarbeiteten Teile weglassen.

Wie zu erwarten, nahm der Effekt mit dem Aufwand zu. Schon ein einzelner Tausch hob die Nährstoffqualität einer Mahlzeit um etwa 5% und senkte die modellierten Kosten um rund ein Fünftel.

Waren drei Tauschaktionen erlaubt, wurden Mahlzeiten insgesamt um etwa 10% gesünder – bei nahezu einem Drittel weniger Kosten.

Wichtig dabei: Die Mahlzeiten blieben erkennbar. Ein Austausch konnte zum Beispiel eine fettreiche Beilage durch Bohnen ersetzen oder zusätzliches Blattgemüse einbauen.

Es geht also nicht darum, das Abendessen neu zu erfinden – sondern darum, dieselbe Mahlzeit schlanker und besser zu gestalten.

Besser als Anleitung durch Chatbots

Bei jedem KI-Werkzeug rund ums Essen drängt sich eine Frage auf: Warum nicht einfach einen Chatbot fragen?

Genau das testete das Team – und stellte sein speziell entwickeltes Modell gegen GPT-4o, den damals leistungsfähigsten allgemeinen Chatbot.

Beim entscheidenden Kriterium lag das spezialisierte Modell vorn. Die Verteilung von Eiweiss, Fett und Kohlenhydraten traf die Zielwerte der US-Bundesempfehlungen deutlich zuverlässiger.

Der Chatbot tendierte dagegen zu Tellern mit relativ viel Fett und zu wenig Kohlenhydraten. Das passt zu einem grösseren Bild.

Eine aktuelle Auswertung zu Chatbots, die Ernährungstipps geben, kam zu dem Schluss, dass deren Empfehlungen uneinheitlich und teils falsch sind. Das spricht dafür, dass fest im Modell verankerte Ernährungsregeln gegenüber frei formulierten Chat-Antworten einen Vorteil haben können.

Grenzen der Studie

Die Untersuchung hat eine zentrale Einschränkung: Sämtliche Ergebnisse existieren nur innerhalb eines Computermodells.

Niemand hat diese Mahlzeiten gekocht, gegessen oder geprüft, ob die vorgeschlagenen Tauschaktionen im Alltag langfristig durchzuhalten sind.

Auch die Datengrundlage bringt systematische Verzerrungen mit. Teilnehmende haben ihre Ernährung selbst angegeben – und es ist bekannt, dass weniger gesunde Lebensmittel eher zu knapp und gesündere Optionen eher zu grosszügig berichtet werden.

Ebenso basieren die geschätzten Kosteneinsparungen auf modellierten Speiseplänen und nicht auf tatsächlichen Kassenbons aus dem Supermarkt.

Die Autorinnen und Autoren verkaufen das Ergebnis nicht als Wundermittel. Aus ihrer Sicht zieht sich eine klare Linie durch die Zahlen.

„Gesünder zu essen muss nicht bedeuten, auf die Mahlzeiten zu verzichten, die Menschen bereits gern essen“, hielten die Forschenden fest.

Was sich ändern könnte

Neu ist hier vor allem die Grösse des Hebels. Eine Mahlzeit muss nicht komplett umgebaut werden.

Schon ein oder zwei klug ausgewählte Tauschaktionen können sie näher an die Richtlinien bringen – und gleichzeitig das Budget entlasten.

Die praktische Konsequenz liegt nahe: Eine Einkaufs-App könnte an der Kasse einen einzigen Austausch empfehlen statt eine ganze Diät, und Programme der öffentlichen Gesundheit könnten günstigere, gesündere Varianten der Gerichte anbieten, die Menschen ohnehin kochen.

Langfristig könnte dieselbe technische Grundlage auch Werkzeuge für Ernährungsberaterinnen und Ernährungsberater unterstützen, indem sie Änderungen vorschlägt, die Patientinnen und Patienten realistisch beibehalten.

Die übergeordnete Botschaft ist entsprechend klar: Besser zu essen hat womöglich weniger mit Willenskraft zu tun als mit der passenden kleinen Veränderung.