KI kann Ernährungsfachkräfte bei Texten, Recherche und Organisation unterstützen. Doch ein überzeugend formulierter Vorschlag ist noch keine verlässliche Empfehlung. Wir haben uns damit auseinandergesetzt, was die Technik im Beratungsalltag leisten kann und aus welchem Grund das eigene Fachwissen dabei unverzichtbar bleibt.

Ein Handout verständlicher formulieren, Notizen ordnen, einen Fachtext zusammenfassen: Für solche Aufgaben lassen sich KI-Werkzeuge auch in der Ernährungsberatung nutzen. Gerade in einer Einzelpraxis kann diese Unterstützung willkommen sein. Zwischen den Gesprächen fallen viele Arbeiten an, die Zeit kosten und sich zumindest teilweise vorbereiten lassen.

Schwieriger wird es, wenn ein Chatbot Ernährungsempfehlungen bewertet oder einen individuellen Ernährungsplan erstellt. Dann reicht es nicht, dass die Antwort plausibel klingt. Sie muss fachlich stimmen und zur jeweiligen Person passen. Die Frage ist deshalb, welche Aufgaben sich sinnvoll abgeben lassen und welche Kenntnisse nötig sind, um das Ergebnis zu prüfen.

Idee aus der Bildungsdebatte

Die Wirtschaftsinformatikerin Sarah Spiekermann greift in einem Gastbeitrag vom September 2026 einen Vorschlag der Future Foundation auf: die „Taschenrechnerregel“. Gemeint ist, dass KI beim Lernen erst dann Aufgaben übernehmen soll, wenn die entsprechende Fähigkeit bereits beherrscht wird. Wie beim Rechnen kommt zuerst das Verständnis, dann das Hilfsmittel. KI als Unterstützung bei Verständnisfragen schließt Spiekermann dabei ausdrücklich nicht aus.

Für Ernährungsfachkräfte ist dieser Gedanke besonders beim Berufseinstieg und bei der Einarbeitung in neue Themen interessant. Wer ein Ergebnis beurteilen soll, braucht eine eigene fachliche Grundlage.

Bessere Ergebnisse ≠ besseres Wissen

Wie unterschiedlich KI das Lernen beeinflussen kann, zeigt eine Studie mit knapp 1.000 Schülerinnen und Schülern im Mathematikunterricht. Eine Gruppe übte mit einer GPT-basierten Chatoberfläche, die auch vollständige Lösungen ausgeben konnte. Eine zweite Gruppe nutzte eine angepasste Version, die Hinweise geben sollte, ohne die Lösung vorwegzunehmen. Die dritte Gruppe arbeitete ohne KI.

Während der Übungen erzielten beide KI-Gruppen bessere Ergebnisse. In den anschließenden Prüfungen ohne Hilfsmittel schnitt jedoch die Gruppe mit der GPT-basierten Chatoberfläche GPT im Durchschnitt 17 Prozent schlechter ab als die Gruppe, die ohne KI geübt hatte. Bei der Version mit Lernhinweisen gab es keinen statistisch gesicherten Unterschied zur Gruppe ohne KI.

Die Untersuchung fand an einer einzigen Schule statt und umfasste vier Unterrichtseinheiten. Sie sagt daher nichts darüber aus, wie KI langfristig das Lernen beeinflusst oder welche Wirkung sie in der Ausbildung von Ernährungsfachkräften hat. Sie zeigt aber, dass gute Ergebnisse mit KI nicht automatisch bedeuten, dass der Stoff anschließend selbstständig beherrscht wird.

Wie verlässlich sind Ernährungsempfehlungen von Chatbots?

Auch bei Ernährungsfragen lohnt sich ein genauer Blick auf die Ergebnisse. Ein italienisches Forschungsteam testete zehn Chatbots anhand von zwei Fallbeispielen: einer Person mit Adipositas ohne weitere Erkrankungen und einer Person mit mehreren zusätzlichen Erkrankungen. Ernährungsfachkräfte bewerteten, wie gut die Antworten mit Leitlinien übereinstimmten und ob sie vollständig und widerspruchsfrei waren.

Besonders im komplexeren Fall zeigten sich deutliche fachliche Schwächen. Einige Antworten enthielten sogar gegensätzliche Empfehlungen zur Proteinzufuhr. Zudem änderten sich Antworten bei wiederholten Anfragen.

Getestet wurden die Systeme im Juni 2024. Die Ergebnisse lassen sich deshalb nicht unverändert auf heutige Modelle übertragen. Sie beschreiben auch keine tatsächlichen Behandlungserfolge. Deutlich wird jedoch, weshalb ein automatisch erstellter Ernährungsplan fachlich geprüft werden muss, bevor er in der Beratung verwendet wird.

Wie KI den Praxisalltag trotzdem erleichtern kann

Für die Praxis bieten sich vor allem Aufgaben an, bei denen KI Informationen aufbereitet. Die folgende Übersicht zeigt Beispiele dafür:

Eine aktuelle Einordnung in der Ernährungs-Umschau beschreibt ebenfalls vielfältige Unterstützungsmöglichkeiten. Die Autoren sehen Grenzen dort, wo persönlicher Kontext, Empathie, ethische Abwägung und professionelle Verantwortung gefragt sind.

Gerade bei der Aufbereitung von Texten bleibt die Prüfung wichtig: Eine sprachlich gelungene Zusammenfassung kann wesentliche Einschränkungen auslassen. Die Zeitersparnis beim Schreiben hebt die Verantwortung für den Inhalt nicht auf.

Zum kostenfreien Beitrag über KI in der Ernährungsberatung

Gesundheitsdaten brauchen Schutz

Namen, Befunde und persönliche Ernährungsprotokolle sollten nicht ungeprüft in allgemeine KI-Dienste eingegeben werden. Auch ohne Namen können Angaben Rückschlüsse auf eine Person erlauben. Bevor personenbezogene Daten verarbeitet werden, müssen die rechtlichen Voraussetzungen und die Verarbeitung durch den Anbieter geklärt sein.

Für viele der genannten Aufgaben genügen Texte ohne Personenbezug oder fiktive Beispiele. Orientierung für die Auswahl und Nutzung geeigneter Anwendungen bietet die Datenschutzkonferenz in ihrer Hilfestellung zu KI und Datenschutz.

Quellen und Literatur

1. Spiekermann S. Taschenrechnerregel und Coaching-Kultur: Wie wir Bildung neu denken können. Der Standard, Blog „Die ethische Maschine“, 17.09.2026. derstandard.at
2. The Future Foundation. Bildung 2050 – Eine Vision für das KI-Zeitalter. Memorandum, 2026. Zitiert nach: Deutscher Philologenverband, Meldung vom 09.09.2026. dphv.de
3. Kosmyna N, Hauptmann E, Yuan YT, Situ J, Liao XH, Beresnitzky AV, Braunstein I, Maes P. Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv 2025; 2506.08872. arxiv.org
4. Bastani H, Bastani O, Sungu A, Ge H, Kabakcı Ö, Mariman R. Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proc Natl Acad Sci USA 2025;122(26):e2422633122. doi:10.1073/pnas.2422633122
5. Lee HP, Sarkar A, Tankelevitch L, Drosos I, Rintel S, Banks R, Wilson N. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ’25), 2025. microsoft.com
6. Katsigiannis G et al. Comparison of ChatGPT and Dietitians in Formulating Diet Plans and Recommendations for Patients with Cardiometabolic Diseases. J Nutr 2026 (Aug). PMID 42285417. pubmed.ncbi.nlm.nih.gov
7. Ponzo V, Rosato R, Scigliano MC, Onida M, Cossai S, De Vecchi M, Devecchi A, Goitre I, Favaro E, Merlo FD, Sergi D, Bo S. Comparison of the Accuracy, Completeness, Reproducibility, and Consistency of Different AI Chatbots in Providing Nutritional Advice: An Exploratory Study. J Clin Med 2024;13(24):7810. doi:10.3390/jcm13247810
8. O’Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients 2025;17(4):607. doi:10.3390/nu17040607
9. Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 4, geändert durch Verordnung (EU) 2026/1744 vom 8. Juli 2026, ABl. L vom 24.07.2026. eur-lex.europa.eu
10. Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), Art. 9. eur-lex.europa.eu
11. Wirsam J, Röhl K, Sardogan A. Künstliche Intelligenz in der Ernährungsberatung. Überblick und aktuelle Einschätzung. Ernährungs Umschau 2026;73(8):M478–84, e43–4. Open Access. doi:10.4455/eu.2026.037
12. Reibert A, Allgaier J, Birringer M. KI-Chatbots in der Ernährungsberatung. Ernährungs Umschau 2026;73(7), Rubrik Junge Forschung. ernaehrungs-umschau.de; siehe auch Meldung der Hochschule Fulda vom 19.07.2026: hs-fulda.de