Personalisierte Ernährung im Spiegel neuester Forschungserkenntnisse

Aufbauend auf genetischen, epigenetischen, mikrobiellen und metabolischen Merkmalen zielt die Ernährungswissenschaft darauf ab, Ernährungsempfehlungen individuell zu optimieren. Während traditionelle Empfehlungen auf Mittelwerten der Bevölkerung basieren, setzt die personalisierte Ernährung auf individuelle Merkmale. Die Zunahme chronischer Erkrankungen und heterogene Reaktionen auf Lebensmittel erfordern einen differenzierteren Ansatz.

Kernaussagen

• Traditionelle Ernährungsempfehlungen leiten sich von Mittelwerten der Bevölkerung ab. Die Zunahme chronischer Erkrankungen und heterogene Reaktionen auf Lebensmittel erfordern jedoch einen differenzierteren, individuelleren Ansatz.

• Personalisierte Ernährung zielt auf individuelle biochemische, genetische und metabolische Merkmale.

• Damit führt personalisierte Ernährung zu einem Paradigmenwechsel in den Ernährungswissenschaften.

• Die Vielzahl individuell generierter Daten lässt sich durch moderne Technologien wie künstliche Intelligenz und maschinelles Lernen nutzen, um als Grundlage für präzise Interventionen in verschiedenen Lebensphasen zu dienen – von der Prävention bis hin zur gezielten Behandlung altersbedingter Stoffwechselveränderungen.

• Dies senkt die Kosten für die einzelnen Anwendungen und ermöglicht damit auch einen Nutzen im öffentlichen Gesundheitswesen.

Publication History

Article published online:
03 July 2025

• Literatur

• 1 Kolodziejczyk AA, Zheng D, Elinav E. Diet–microbiota interactions and personalized nutrition. Nature Rev Microbiol 2019; 17: 742-753
• 2 Pointner A, Krammer U, Tomeva E. et al. Lifestyle-driven variations in nutrimiromic microRNA expression patterns across and beyond genders. Life 2024; 14: 390
• 3 Urzler S. Personalisierte Ernährung, Nutrimiromik und gesundes Altern. Unveröffentlichter Beitrag. 2024
• 4 Palmnäs M, Brunius C, Shi L. et al. Metabotyping – a potential personalized nutrition strategy for precision prevention of cardiometabolic disease. Adv Nutr 2020; 11: 524-532
• 5 Armand TPT, Nfor KA, Kim J-I, Kim H-C. Applications of artificial intelligence, machine learning, and deep learning in nutrition: A systematic review. Nutrients 2024; 16: 1073
• 6 Haslberger A, Hippe B. Personalisierte Ernährung. Zugriff am 28.05.2025 unter https://www.researchgate.net/publication/381316089_Personalisierte_Ernahrung
• 7 Simon M-C, Strassburger K, Nowotny B. et al. Gut microbiome analysis for personalized nutrition. Mol Nutr Food Res 2022; 67: 2200476
• 8 Blaak EE, Canfora EE, Theis S. et al. Short chain fatty acids in human gut and metabolic health. Beneficial Microbes 2020; 11: 411-455
• 9 Sinha S, Rajendran B, Vasagam S, Balakrishnan J. Correlation between microRNA-21 expression and overweight/obesity. Folia Medica 2024; 66: 825-833
• 10 DeLucas M, Sánchez J, Palou A, Serra F. The impact of diet on miRNA regulation and its implications for health: A systematic review. Nutrients 2024; 16: 770
• 11 Linseisen J, Renner B, Gedrich K. et al. Working Group “Personalized Nutrition” of the German Nutrition Society. Data in personalized nutrition: ridging biomedical, psycho-behavioral, and food environment approaches for population-wide impact. Adv Nutr 2025; 100377
• 12 Ahadi S, Zhou W, Schüssler-Fiorenza Rose SM. et al. Personal aging markers and ageotypes revealed by deep longitudinal profiling. Nature Med 2020; 26: 83-90
• 13 Mullins VA, Bresette W, Johnstone L. et al. Genomics in personalized nutrition: Can you “eat for your genes”?. Nutrients 2020; 12: 3118
• 14 Zeevi D, Korem T, Zmora N. et al. Personalized nutrition by prediction of glycemic responses. Cell 2015; 163: 1079-1094