#101 Kalorien tracken: Hilfreiches Tool oder ungesunder Kontrollzwang?

Kalorien, Makros und Aktivitätsdaten versprechen Kontrolle – doch wie verlässlich sind Tracking-Apps, Portionsangaben und die Kalorien der Smartwatch wirklich? Wir erklären, für wen Ernährungstracking sinnvoll sein kann, welche typischen Fehler die Ergebnisse verfälschen, wann der Zahlenfokus problematisch wird und wie man das Tracking später wieder ausschleicht. ------------------------------------------------------------------------ Dominiks Buch zur pflanzenbasierten Sporternährung im UTB-Verlag: https://www.utb.de/doi/book/10.36198/9783838560328 Dominiks Gesundheitscommunity: www.gsundes-hannover.de Dominiks Online-Knie-Kurs: https://gsundes-hannover.de/knieschmerzen/ Dominiks Online-Rücken-Kurs: https://copecart.com/products/34bd5abb/checkout Marcs veganes Online-Fitness-Coaching: https://vegainer-academy.com/ Marcs Online-Kurs: https://www.copecart.com/products/a50f88f2/checkout ------------------------------------------------------------------------ Werbung: Dieser Podcast wird unterstützt von der Firma Watson Nutrition. Die Firma bietet als einzige umfassend laborgeprüfte Nahrungsergänzungsmittel für eine optimierte Nährstoffversorgung. Zum Angebot zählen Multi-Supplemente, Mono-Supplemente, Sportsupplemente wie Kreatin oder auch Proteinriegel, Shakes und essenzielle Aminosäuren Mit dem Code veganperformance erhältst du 5 % Rabatt auf deine Bestellung. Zur Firmenwebseite: Watson Nutrition ------------------------------------------------------------------------ Redaktionelle Anmerkungen 00:03:01–00:03:25 und 00:11:31–00:12:07 Einordnung: Die genannten FFMI-Werte sind nicht als harte genetische Grenzen einzelner Personen zu verstehen. Sie beschreiben statistisch modellierte Bereiche, die in den untersuchten Populationen nur von einem kleinen Anteil erreicht wurden. Aus den Daten lässt sich daher nicht ableiten, dass ein bestimmter Mensch einen höheren Wert unabhängig von Training, Ernährung und Zeit grundsätzlich niemals erreichen kann. 00:55:20–00:55:43 und 00:57:09–00:57:28 Einordnung: Ein tatsächlich bestehendes und über längere Zeit anhaltendes Energiedefizit führt zum Abbau gespeicherter Körperenergie. Aus den von einer Tracking-App angezeigten Zahlen lässt sich jedoch nicht sicher schließen, dass dieses Defizit auch wirklich besteht. Fehler bei Portionsgrößen, Lebensmitteldaten und der Schätzung des Energieverbrauchs sind möglich. Kurzfristig kann der Gewichtsverlauf außerdem durch Wasserhaushalt, Verdauungsinhalt, Zyklus, Medikamente oder Erkrankungen überlagert werden. 00:59:09–00:59:51 Einordnung: Dass eine niedrigere Energiezufuhr nach einiger Zeit leichter fällt, belegt nicht automatisch die Entwicklung eines neuen biologischen „Setpoints“. Ebenso denkbar sind Anpassungen der Gewohnheiten, der Mahlzeitenzusammensetzung, der Appetitwahrnehmung und des Umgangs mit Hunger. Die Regulation des Körpergewichts ist komplex und lässt sich nicht auf einen einzelnen festen Sollwert reduzieren. 01:11:55–01:12:30 Einordnung: Mikronährstoffwerte aus Tracking-Apps sind nicht grundsätzlich wertlos, häufig aber deutlich unvollständiger und unsicherer als Angaben zu Energie und Makronährstoffen. Fehlende Datenbankwerte bedeuten nicht, dass ein Lebensmittel den betreffenden Nährstoff nicht enthält. Die Angaben können Hinweise auf mögliche Ernährungsmuster geben, eignen sich aber weder zur sicheren Beurteilung des Versorgungsstatus noch zur Diagnose eines Mangels. 01:26:25–01:26:53 Einordnung: Das Beispiel einer möglichen Nutzung von Apple-Health-Daten für personalisierte Werbung war hypothetisch. Apple erklärt, Gesundheitsdaten aus der Health-App nicht für seine Werbeplattform zu verwenden. Bei anderen Apps und verbundenen Drittanbietern können die Regelungen abweichen. Entscheidend sind daher die jeweils geltende Datenschutzerklärung, erteilte Einwilligungen und die tatsächlich verbundenen Dienste. 01:28:28–01:28:39 Einordnung: Die Nutzung einer datenschutzkonformen Coaching-Software entbindet Coaches oder andere Behandelnde nicht automatisch von ihrer eigenen datenschutzrechtlichen Verantwortung. Je nach Ausgestaltung bleiben sie für die Verarbeitung verantwortlich und müssen unter anderem Zweck, Rechtsgrundlage, Zugriffsrechte, Auftragsverarbeitung und sichere Speicherung prüfen. Die Wahl einer geeigneten Software ist dabei nur ein Bestandteil der erforderlichen Maßnahmen. Quellenverzeichnis Alhammad, N., Alajlani, M., Abd-alrazaq, A., Epiphaniou, G., & Arvanitis, T. (2024). Patients’ perspectives on the data confidentiality, privacy, and security of mHealth apps: Systematic review. Journal of Medical Internet Research, 26, Article e50715. https://doi.org/10.2196/50715 Amaral Cejas, O., Sannier, N., Abualhaija, S., Ceci, M., & Bianculli, D. (2025). GDPR-relevant privacy concerns in mobile apps research: A systematic literature review [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2411.19142 Anderberg, I., Kemps, E., & Prichard, I. (2025). The link between the use of diet and fitness monitoring apps, body image and disordered eating symptomology: A systematic review. Body Image, 52, Article 101836. https://doi.org/10.1016/j.bodyim.2024.101836 (Research @ Flinders) Aslanova, M. S., Valieva, A. S., Bogacheva, N. V., & Skupova, A. M. (2024). Mobile food tracking apps: Do they provoke disordered eating behavior? Results of a longitudinal study. Psychology in Russia: State of the Art, 17(1), 67–83. https://doi.org/10.11621/pir.2024.0104 Banal, M. G., Bongga, D., Angbengco, J. M., Amarra, S., & Panlasigui, L. (2024). MyFitnessPal smartphone application: Relative validity and intercoder reliability among dietitians in assessing energy and macronutrient intakes of selected Filipino adults with obesity. BMJ Nutrition, Prevention & Health, 7(1), 54–60. https://doi.org/10.1136/bmjnph-2023-000770 Chotwanvirat, P., Prachansuwan, A., Sridonpai, P., & Kriengsinyos, W. (2024). Advancements in using AI for dietary assessment based on food images: Scoping review. Journal of Medical Internet Research, 26, Article e51432. https://doi.org/10.2196/51432 Cofre, S., Sanchez, C., Quezada-Figueroa, G., & López-Cortés, X. A. (2025). Validity and accuracy of artificial intelligence-based dietary intake assessment methods: A systematic review. British Journal of Nutrition, 133(9), 1241–1253. https://doi.org/10.1017/S0007114525000522 Doherty, C., Baldwin, M., Keogh, A., Caulfield, B., & Argent, R. (2024). Keeping pace with wearables: A living umbrella review of systematic reviews evaluating the accuracy of consumer wearable technologies in health measurement. Sports Medicine, 54(11), 2907–2926. https://doi.org/10.1007/s40279-024-02077-2 (PubMed) Eaton, M., Probst, Y., Foster, T., Messore, J., & Robinson, L. (2024). A systematic review of observational studies exploring the relationship between health and non-weight-centric eating behaviours. Appetite, 199, Article 107361. https://doi.org/10.1016/j.appet.2024.107361 Gioia, S., Vlasac, I. M., Babazadeh, D., Fryou, N. L., Do, E., Love, J., Robbins, R., Dashti, H. S., & Lane, J. M. (2023). Mobile apps for dietary and food timing assessment: Evaluation for use in clinical research. JMIR Formative Research, 7, Article e35858. https://doi.org/10.2196/35858 Hallock, R., Ufholz, K., & Patel, N. (2024). Self-monitoring of weight as a weight loss strategy: A systematic review. Current Cardiovascular Risk Reports, 18, 163–172. https://doi.org/10.1007/s12170-024-00746-5 (DOI) Ho, D. K. N., Chiu, W.-C., Kao, J.-W., Tseng, H.-T., Lin, C.-Y., Huang, P.-H., Fang, Y.-R., Chen, K.-H., Su, T.-Y., Yang, C.-H., Yao, C.-Y., Su, H.-Y., Wei, P.-H., & Chang, J.-S. (2024). Reliability issues of mobile nutrition apps for cardiovascular disease prevention: Comparative study. JMIR mHealth and uHealth, 12, Article e54509. https://doi.org/10.2196/54509 Khazen, W., Jeanne, J.-F., Demaretz, L., Schäfer, F., & Fagherazzi, G. (2020). Rethinking the use of mobile apps for dietary assessment in medical research. Journal of Medical Internet Research, 22(6), Article e15619. https://doi.org/10.2196/15619 König, L. M., Attig, C., Franke, T., & Renner, B. (2021). Barriers to and facilitators for using nutrition apps: Systematic review and conceptual framework. JMIR mHealth and uHealth, 9(6), Article e20037. https://doi.org/10.2196/20037 McCaig, D., Elliott, M. T., Prnjak, K., Walasek, L., & Meyer, C. (2020). Engagement with MyFitnessPal in eating disorders: Qualitative insights from online forums. International Journal of Eating Disorders, 53(3), 404–411. https://doi.org/10.1002/eat.23205 Nunes, C. L., Casanova, N., Francisco, R., Bosy-Westphal, A., Hopkins, M., Sardinha, L. B., & Silva, A. M. (2022). Does adaptive thermogenesis occur after weight loss in adults? A systematic review. British Journal of Nutrition, 127(3), 451–469. https://doi.org/10.1017/S0007114521001094 (Cambridge University Press) Patel, M. L., King, A. C., Rosas, L. G., Bennett, G. G., Collins, L. M., Gallis, J. A., Zeitlin, A. B., Talreja, P. S., Crosthwaite, P. C., Collins, K. A., Lim, A. W., & Kim, T. S. (2025). Optimizing self-monitoring in a digital weight loss intervention (Spark): Protocol for a factorial randomized trial. JMIR Research Protocols, 14, Article e75629. https://doi.org/10.2196/75629 Pravst, I., Hribar, M., Žmitek, K., Blažica, B., Koroušic Seljak, B., & Kušar, A. (2022). Branded foods databases as a tool to support nutrition research and monitoring of the food supply: Insights from the Slovenian Composition and Labeling Information System. Frontiers in Nutrition, 8, Article 798576. https://doi.org/10.3389/fnut.2021.798576 Raber, M., Liao, Y., Rara, A., Schembre, S. M., Krause, K. J., Strong, L., Daniel-MacDougall, C., & Basen-Engquist, K. (2021). A systematic review of the use of dietary self-monitoring in behavioural weight loss interventions: Delivery, intensity and effectiveness. Public Health Nutrition, 24(17), 5885–5913. https://doi.org/10.1017/S136898002100358X Rezende, F., Oliveira, B. M. P. M., & Poínhos, R. (2024). Assessment of intuitive eating and mindful eating among higher education students: A systematic review. Healthcare, 12(5), Article 572. https://doi.org/10.3390/healthcare12050572 Speakman, J. R., & Hall, K. D. (2023). Models of body weight and fatness regulation. Philosophical Transactions of the Royal Society B: Biological Sciences, 378(1888), Article 20220231. https://doi.org/10.1098/rstb.2022.0231 (PubMed Central (PMC)) Stehr, P., Karnowski, V., & Rossmann, C. (2020). The multi-faceted usage patterns of nutrition apps: A survey on the appropriation of nutrition apps among German-speaking users of MyFitnessPal. BMC Medical Informatics and Decision Making, 20, Article 279. https://doi.org/10.1186/s12911-020-01294-9 Zečević, M., Mijatović, D., Kos Koklič, M., Žabkar, V., & Gidaković, P. (2021). User perspectives of diet-tracking apps: Reviews content analysis and topic modeling. Journal of Medical Internet Research, 23(4), Article e25160. https://doi.org/10.2196/25160 Zhang, L., Misir, A., Boshuizen, H., & Ocké, M. (2021). A systematic review and meta-analysis of validation studies performed on dietary record apps. Advances in Nutrition, 12(6), 2321–2332. https://doi.org/10.1093/advances/nmab058 (PubMed)