Gewinne:
- Fähigkeit, die Notwendigkeit zu verstehen, Nährwerte aus bekannten Datenbanken (USDA, TÜBER, BeBiS) statt aus dem Gedächtnis künstlicher Intelligenz zu beziehen
- Möglichkeit, künstliche Intelligenz so zu steuern, dass sie Berechnungen und Interpretationen nur mit den aus der Quelle entnommenen Daten durchführt, mit RAG-Logik
- Möglichkeit zur Vermeidung von Ernährungsfehlern durch Berücksichtigung von Roh-/Gekocht-Umrechnungen, Portionsklarheit und Konsistenz der Quelle
Im Mittelpunkt der täglichen Arbeit eines Ernährungsberaters steht die Frage: „Wie viel ist in diesem Nährstoff enthalten?“ Es gibt eine Frage. Wie viele Gramm Protein enthalten 100 Gramm Hähnchenbrust? Wie viele Gramm Ballaststoffe enthält eine Scheibe Vollkornbrot? Wie viele Kalorien hat ein Esslöffel Olivenöl? Die Antworten auf diese Fragen finden sich in Datenbanken zur Lebensmittelzusammensetzung – offiziellen Tabellen, die den Energie-, Makro- und Mikronährstoffgehalt Tausender Lebensmittel auf der Grundlage von Laboranalysen auflisten. Der gefährlichste Fehler der künstlichen Intelligenz in diesem Bereich besteht darin, zu glauben, dass sie sich diese Zahlen „merkt“. Allerdings speichert das Sprachmodell keine Zahlen; Es generiert probabilistische Werte und liefert oft Werte, die der Realität nahe kommen, aber manchmal ernsthaft falsch sind. Die Hauptbotschaft dieser Einheit ist klar: Holen Sie sich den Nährwert aus einer anerkannten Datenbank, nicht aus dem Speicher der KI; Verwenden Sie KI, um mit genauen Daten zu arbeiten, nicht um sich Daten zu merken.
Bekannte Datenbanken und wofür sie verwendet werden
Die weltweit und in der Türkei am häufigsten verwendeten Quellen sind:
Datenbank
Umfang
Stärke
Achtung
USDA FoodData Central (USA)
Sehr groß, etwa eine Viertelmillion Datensätze
Detailliert, kostenlos, mit API
USA-Produkte; lokales Essen begrenzt
TÜBER / Türkiye Nutrition Guide Nahrungsergänzungsmittel
Schwerpunkt der türkischen Küche
Lokales Essen und Portion
Geltungsbereich enger als USDA
BeBiS (Ernährungsinformationssystem)
Gemeinsame Software in der Türkei
Türkische Rezepte
Lizenzierte Software
USDA/EuroFIR
Europäische Zusammensetzungsdaten
Länderbasierter Standard
Der Zugang kann institutionell sein
Mit „API“ ist die Schnittstelle gemeint, die es einer Software ermöglicht, programmgesteuert (automatisch) Fragen an die Datenbank zu stellen und strukturierte Antworten zu erhalten. Eine API für Ressourcen wie USDA FoodData Central ermöglicht es, KI-Tools in Zukunft mit realen Daten zu verbinden. Dies ist die Grundlage des Ansatzes der „datengesteuerten KI“: Passen Sie keine Modelle an, sondern schöpfen Sie aus der realen Quelle.
Achtung: Derselbe Nährstoff kann in verschiedenen Datenbanken unterschiedliche Werte aufweisen; Denn die Anbaubedingungen, die Sorte, die Kochmethode und die Analyse sind unterschiedlich. Es gibt keine einzelne „richtige“ Zahl; Es gibt eine angemessene Reichweite. Notieren Sie in einem Kundenplan, welche Ressource Sie nutzen, damit Sie konsistent bleiben können.
„Abruf“-Logik: Verbindung der KI mit der Quelle
In modernen Anwendungen ist die Möglichkeit, KI mit realen Daten zu verbinden, der RAG-Ansatz – Retrieval-Augmented Generation auf Englisch. Ganz einfach: Anstatt die Antwort aus dem Gedächtnis zu übernehmen, ruft das Modell zunächst relevante Daten aus einer zuverlässigen Quelle (Datenbank, Dokument) ab und generiert dann eine Antwort auf der Grundlage dieser Daten. In der Praxis setzen Sie dies auf zwei Arten um:
- Manuelle Fütterung: Sie kopieren die Werte des Futters aus der vertrauenswürdigen Tabelle und geben sie an die KI weiter; KI rechnet/interpretiert nur mit diesen Daten, sie fügt keine Zahlen aus dem eigenen Speicher hinzu.
- Vernetztes Fahrzeug: Sie nutzen ein mit der Datenbank verbundenes Fahrzeug; Die KI leitet die Anfrage an die eigentliche Quelle weiter und verwendet den zurückgegebenen Wert.
In beiden Fällen ist die goldene Regel dieselbe: Die Zahl kommt aus der Quelle, die KI interpretiert sie. „Wie viel Eisen stecken in 100 Gramm Linsen?“ fragte YZ. Eine offene Frage zu stellen bedeutet, zur Erfindung einzuladen.
Generisches Produkt, Markenprodukt und Mahlzeitenmischung
In Nährstoffdatenbanken gibt es mehrere Einträge unter demselben Namen, und die Auswahl des falschen Eintrags ist eine stille Fehlerquelle. Wenn Sie beispielsweise nach „Joghurt“ suchen, erhalten Sie Dutzende verschiedener Datensätze, z. B. Vollfett-, Halbfett-, fettfreier, griechischer (abgesiebter) und gesüßter Fruchtjoghurt; Ihre Kalorien und Makros liegen sehr weit voneinander entfernt. Griechischer Joghurt enthält fast doppelt so viel Protein wie normaler Joghurt. Ebenso haben Aufzeichnungen über „Markenprodukte“ (das verpackte Produkt eines Unternehmens) und Aufzeichnungen über „allgemeine Nährwerte“ unterschiedliche Werte. In bewährter Praxis gleichen Sie das Produkt, das der Kunde tatsächlich konsumiert, so genau wie möglich ab: möglichst anhand der Nährwertkennzeichnung auf der Verpackung, andernfalls wählen Sie die nächstgelegene Beschreibung in der Datenbank. Fragen Sie die KI: „Welchen Datensatz soll ich wählen?“ Wenn Sie nachfragen, kann es Ihnen den richtigen Suchbegriff vorschlagen; Die endgültige Plattenauswahl und der Vergleich mit dem Label unterliegen jedoch Ihrer Kontrolle. Für die Konsistenz ist es auch wichtig, im gesamten Plan denselben Datensatz für denselben Nährstoff zu verwenden. Wenn Sie zur Hälfte der Zeit Vollmilch und zur Hälfte Magermilch verwenden, werden die Gesamtwerte verfälscht.
Portions- und Kochumstellungen
Nährwertdatenbanken geben in der Regel Werte pro 100 Gramm Rohkost an. Aber der Kunde isst gekochte Linsen, keine rohen Linsen. Das Gewicht verändert sich durch die Wasseraufnahme beim Kochen; 100 Gramm roher Reis ergeben beim Kochen etwa 250–300 Gramm. Daher haben „200 Gramm gekocht“ und „100 Gramm roh“ unterschiedliche Nährwerte. KI kann diese Transformationen durchführen, aber sie kann die Richtung verwirren. Klären Sie immer, ob es sich bei dem von Ihnen verwendeten Wert um rohes oder gekochtes Produkt handelt; Dies ist eine häufige Quelle von Berechnungsfehlern.
drei Mini-Koffer
Fall 1 – Eine Halluzination. Ein Ernährungsberater fragte YZ: „Wie viele Gramm Protein sind in 100 Gramm gekochtem Brokkoli enthalten?“ er fragt; AI sagt „ungefähr 8 Gramm“. Der Ernährungsberater schaut sich das USDA an: Der tatsächliche Wert liegt bei ~2,4 Gramm. Die KI hat es mit Hülsenfrucht-/Nussdaten gemischt und es um das Dreifache aufgebläht. Der Ernährungsberater verwendet den richtigen Wert. Lektion: Grünes Gemüse enthält wenig Eiweiß; Die Nummer ist nicht korrekt, nur weil sie fließend ist.
Fall 2 – Verwechslung roh/gekocht. In einem Planentwurf verwendet die KI den Rohwert für „150 Gramm Nudeln“ (~525 kcal), während der Kunde 150 Gramm gekochte Nudeln (~210 kcal) isst. Der Unterschied beträgt 315 kcal in einer Mahlzeit, was selbst bei einer Mahlzeit am Tag eine gravierende Abweichung darstellt. Der Ernährungsberater klärt die Maßeinheit auf „gekocht“ und rechnet neu.
Fall 3 – Richtige Verwendung. Ein Ernährungsberater kopiert die 100-Gramm-Werte für Hühnchen, Reis und Brokkoli vom USDA und gibt sie an die KI mit der Anweisung, „mit diesen Daten einfach das Gesamtmakro für eine Mahlzeit zu berechnen und Zahlen aus seinem eigenen Speicher hinzuzufügen.“ KI addiert nur mit vorgegebenen Zahlen; Der Ernährungsberater bestätigt, indem er es zurückschlägt. Die Daten kamen von der Quelle, die KI übernahm die Berechnung.
Kopierbare Eingabeaufforderungsvorlagen
BERECHNUNGSVORLAGE MIT QUELLDATEN (RAG-Logik) Ihre Rolle: Assistent, der nur mit den IHNEN GEGEBENEN Nährwerten arbeitet. Nährwerte aus Ihrem eigenen Gedächtnis hinzufügen oder ändern. Wenn Daten fehlen, schreiben Sie „[keine Daten]“ und ergänzen Sie die Daten. Daten (pro 100 g, Quelle: USDA): – Hähnchenbrust (gekocht): 165 kcal, 31 g Protein, 3,6 g Fett, 0 g Kohlenhydrate – Reis (gekocht): ...Aufgabe: Berechnen Sie die Gesamt-Kcal und Makro für 120 g Hähnchen + 150 g Reis.
VORLAGE FÜR DIE UMWANDLUNG VON ROH/GEKOCHT Der Wert des folgenden Lebensmittels wird pro 100 g ROH angegeben: [Werte]. Der Kunde isst [X] g GEKOCHT. Beim Kochen ändert sich das Gewichtsverhältnis. Berechnen Sie dementsprechend den Nährwert der verzehrten Menge und schreiben Sie KLAR auf, von welcher Annahme Sie ausgehen.
VORLAGEN ZUR VORBEREITUNG EINER DATENBANKABFRAGEIch möchte den Nährwert einer Mahlzeit ermitteln. Listen Sie auf, WELCHEN Begriff ich in der Lebensmitteldatenbank (USDA/TUBER) nach den folgenden Lebensmitteln suchen soll, welchen Eintrag ich wählen sollte, roh/gekocht. Geben Sie die Werte nicht an SIE weiter; Nennen Sie mir einfach den richtigen Suchbegriff und den richtigen Schwerpunkt.Nährstoffe: [...]
VORLAGE ZUR KONSISTENZPRÜFUNG Interpretieren Sie die Nährwerte für die folgende Mahlzeit auf zwei verschiedene Arten: (1) unter der Annahme, dass alle Lebensmittel roh sind, (2) unter der Annahme, dass alle Lebensmittel gekocht sind. Vergleichen Sie die beiden Summen und erklären Sie, woher der Unterschied kommt. So kann ich sehen, welche Annahme ich überprüfen muss.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Wie viele Kalorien hat eine Schüssel Linsensuppe?
„Ein Gericht“ ist vage, das Rezept ist vage, die Quelle fehlt; Die KI erfindet aus ihrem Gedächtnis eine Zahl und sagt nicht, wie sie darauf gekommen ist.
Kraftvolle Aufforderung:
Ihre Rolle: Assistent, der nur mit den vorgegebenen Daten rechnet. Portion Linsensuppe = 300 g. Zutaten (Werte pro 100 g, Quelle USDA, gebe ich unten an): Rote Linsen (gekocht) [Werte], Zwiebel [Werte], Olivenöl [Werte]. Mengen pro Portion: [...]. Gesamt-kcal und Makro mit diesen Daten berechnen, nicht aus dem Speicher hinzufügen, Schritte anzeigen.
Die zweite Eingabeaufforderungsquelle gibt Informationen zur Portion, zum rohen/gekochten Gericht und zur Einschränkung „Nicht hinzufügen“ an. Die Ausgabe ist überprüfbar und zuverlässig.
Häufige Fehler
- Dem Gedächtnis der KI vertrauen: Offene Hinterfragung des Nährwerts; Dies ist eine Einladung zur Halluzination.
- Verwechslung roh/gekocht: Der häufigste stille Fehler; Klären Sie immer die Maßeinheit.
- Quellenverwirrung: Vermischung verschiedener Nährstoffe aus unterschiedlichen Datenbanken; Verwenden Sie konsistente Ressourcen in einem Plan.
- Die Portion vage lassen: Ausdrücke wie „ein Teller“, „eine Handvoll“ berechnen, ohne sie in Gramm umzurechnen.
- Konzentration auf eine einzelne Zahl statt auf einen Bereich: Vergessen, dass dasselbe Lebensmittel einen angemessenen Wertebereich hat; falsche Gewissheit schaffen.
Zusammenfassend
Nährwertdaten sind der Bereich, in dem das Sprachmodell am schwächsten ist; Da sich das Modell die Zahlen nicht merkt, erzeugt es sie. Holen Sie sich die Nährwerte also immer aus einer anerkannten Datenbank (USDA, TÜBER, BeBiS) und verwenden Sie die KI, um nur diese Daten zu berechnen und zu interpretieren – basierend auf der RAG-Logik, Daten aus der Quelle. Achten Sie auf die Umrechnung von roh/gekocht, die Klarheit der Portionen und die Konsistenz der Quelle. Nur weil die Zahl fließend herauskam, ist sie nicht korrekt; Die Wahrheit kann man nur herausfinden, wenn man mit der Quelle arbeitet.
Anwendungsaufgabe
Wählen Sie drei Lebensmittel (zum Beispiel gekochte Eier, Vollkornbrot, griechischer Joghurt). Fragen Sie zunächst die KI ergebnisoffen und holen Sie sich ihre Werte (aus ihrem Speicher). Finden Sie dann die tatsächlichen Werte dieser Nährstoffe bei USDA FoodData Central. Vergleichen Sie die beiden Mengen und notieren Sie in einer Tabelle, wie stark die Abweichungen bei den einzelnen Lebensmitteln sind. Diese Tabelle verdeutlicht das Prinzip „Vertraue dem Speicher nicht, verlinke zur Quelle“.
Checkliste
- [ ] Die Nährwerte habe ich aus einer bekannten Datenbank bezogen, nicht aus dem KI-Speicher.
- [ ] Ich habe der KI die Einschränkung auf „nur mit den gegebenen Daten arbeiten, nichts hinzufügen“ auferlegt.
- [ ] Ich habe für jedes Lebensmittel geklärt, ob es roh oder gekocht ist.
- [ ] Ich habe die Portionen in Gramm umgerechnet; Ich habe nicht „einen Teller/eine Handvoll“ zurückgelassen.
- [ ] Ich habe eine einzige konsistente Quelle innerhalb eines Plans verwendet.
- [ ] Ich habe die Summe der KI durch Rückmultiplikation überprüft.