NutriAIs Nährwerte im Blick

Einleitung

Nährwertberechnungen können eine große Belastung für den diätologischen Alltag sein, da sie oft mühsam und langwierig sind. In diesem Sinne fragten wir vom NutriAIs-Team uns, inwiefern moderne KI-Modelle in Sachen Nährwertberechnung abhelfen können.

Zielsetzung

Das Projekt hat das Ziel, die Leistungsfähigkeit und Genauigkeit verschiedener KI-Modelle (ChatGPT, Google Gemini, Microsoft Copilot) bei der Berechnung von Nährwerten praxisrelevanter Mahlzeiten systematisch zu untersuchen.

Methodik

Als Grundlage dienten Mahlzeiten, welche im Universitätsklinikum St. Pölten verwendet und nach diätologischen Vorgaben zusammengestellt wurden. Diese Mahlzeiten-Rezepte wurden mit Daten des Bundeslebensmittelschlüssels berechnet. Durch den Vergleich mit den Ergebnissen der KI-Modelle soll beurteilt werden, wie zuverlässig und genau diese sind. Die Erkenntnisse sollen aufzeigen, welche Modelle Potenzial für den klinischen und diätologischen Einsatz bieten und wo mögliche Grenzen oder Fehlerquellen bestehen. 

Ergebnisse

Mit durchschnittlichen Abweichungen von >10% bei den Makronährstoffen und >20% bei den Mikronährstoffen konnten die KI-Modelle ersten Erwartungen nicht gerecht werden. Für den Einsatz im klinisch diätologischen Einsatz sind sie daher noch nicht geeignet. Für gesunde Menschen, die nur einen groben Einblick in ihre Nährstoffzufuhr suchen, bieten diese KI-Modelle jedoch den wohl einfachsten und schnellsten Weg. Dafür bietet Google Gemini die zurzeit beste Möglichkeit, da es im Zuge unseres Projekts mit den durchschnittlich niedrigsten Abweichungen überzeugte