Gemini als KI-Ernährungsassistent: Möglichkeiten und Grenzen

Kann künstliche Intelligenz bei täglichen Ernährungsentscheidungen als persönlicher Assistent dienen? Der hier beschriebene Praxistest mit Googles Gemini-Modell betrachtet diese Frage nicht allein anhand der Erstellung eines Ernährungsplans, sondern auch im Hinblick auf Bedürfnisse, die sich im Tagesverlauf verändern. Der Prozess beginnt mit einem Gespräch über Ziele, Lebensstil und Lebensmittelvorlieben und entwickelt sich zur Nutzung eines interaktiven Assistenten, der Mahlzeiten beurteilt, Alternativen vorschlägt und Fragen zu Lebensmitteln beantwortet. Der Mehrwert liegt dabei weniger in einer einmaligen Antwort als im fortlaufenden Dialog.

Ausgangspunkt der Personalisierung ist der Kontext, der dem Assistenten zur Verfügung gestellt wird. Im Praxistest wurden Ziele, Aktivitätsniveau sowie beliebte und unerwünschte Lebensmittel gemeinsam berücksichtigt. Daraus entstand ein Ernährungsplan, der Trainings- und Ruhetage einbezog. Dieser Ansatz zeigt, wie Empfehlungen auf den Tagesablauf der jeweiligen Person abgestimmt werden können, statt allen denselben Plan anzubieten. Eine individuell wirkende Antwort ist jedoch nicht automatisch medizinisch geeignet. Ein KI-generierter Plan darf nicht als Verordnung verstanden werden, die eine fachliche Beurteilung ersetzt.

Die Interaktion über Bilder gehörte zu den praktischen Aspekten des Tests. Anhand von Mahlzeitenfotos wurden ungefähre Werte für Kalorien, Eiweiß, Kohlenhydrate und Fett ermittelt und in die tägliche Dokumentation übernommen. So entstand ein Ablauf, bei dem die Erfassung mit einem Foto begann, anstatt jede Mahlzeit ausschließlich in Textform beschreiben zu müssen. Ein Bild lässt jedoch weder das Portionsgewicht noch sämtliche hinzugefügten Zutaten eindeutig erkennen. Die Ergebnisse sind daher als Schätzungen und nicht als Messwerte zu betrachten und sollten nach Möglichkeit durch Mengen- und Zutatenangaben ergänzt werden.

Die tägliche Dokumentation beschränkte sich nicht auf eine Auflistung bereits verzehrter Mahlzeiten. Im Praxistest wurden auf Grundlage der erfassten Nahrungsaufnahme und des täglichen Kalorienziels Optionen für die nächsten Mahlzeiten vorgeschlagen. Auch Fragen zur Eignung eines Produkts, die im Supermarkt oder Restaurant anhand eines Fotos gestellt wurden, wurden mit alternativen Vorschlägen beantwortet. Entscheidend ist dabei, auf welchen Informationen eine Empfehlung beruht: Ein unvollständiges Mahlzeitenprotokoll oder eine fehlerhafte Portionsschätzung kann die Einschätzung beeinflussen, wie viel vom Tagesziel noch verbleibt. Dieser Ablauf darf nicht mit einem eigenständig und kontinuierlich arbeitenden System zur Gesundheitsüberwachung verwechselt werden.

Nach der Zusammensetzung eines Lebensmittels zu fragen, Mahlzeitenoptionen zu vergleichen oder den Tagesplan zu überdenken, gehört zu den leicht zugänglichen Einsatzmöglichkeiten von KI-Assistenten. Bei X Mind Solutions betrachten wir dieses Beispiel als Anwendungsszenario, das zeigt, wie ein durch Kontext angereicherter Austausch alltägliche Entscheidungen unterstützen kann. Gerade bei der Ernährung müssen Komfort und Zuverlässigkeit jedoch getrennt bewertet werden. Insbesondere bei Erkrankungen, Allergien oder besonderen Ernährungsbedürfnissen sollte fachliche Unterstützung maßgeblich sein; der Assistent sollte als Werkzeug zur Strukturierung von Informationen und zur Vorbereitung dienen.