Was bei einer Person wirkt, bleibt bei der anderen wirkungslos – das gilt für Diätformen wie Intervallfasten oder Low-Carb-Ernährung ebenso wie für viele Therapieansätze bei Typ-2-Diabetes. Das neue DIfE-Forschungsteam „Computational Precision Nutrition” will mit KI und personalisierten Studiendesigns herausfinden, für wen welche Ernährungsstrategie tatsächlich wirkt.
Ernährungsberatung gehört zum Kernrepertoire der Diabetesbehandlung. Doch die Erfahrung zeigt: Standardisierte Empfehlungen greifen nicht bei allen Menschen gleich. Während manche Betroffene mit Intervallfasten deutlich bessere Glukosewerte erzielen, bleibt derselbe Ansatz bei anderen ohne nennenswerten Effekt. Genau diese Heterogenität der Stoffwechselreaktionen ist Ausgangspunkt einer neuen Forschungsabteilung am Deutschen Institut für Ernährungsforschung Potsdam-Rehbrücke (DIfE), die seit 1. Juli 2026 unter der Leitung von Prof. Stefan Konigorski arbeitet.
Paradigmenwechsel in der Ernährungsforschung
Die neue Abteilung „Computational Precision Nutrition” (CPN) verfolgt einen klaren Anspruch: weg vom pauschalen Ernährungsratschlag, hin zu wissenschaftlich belegten, individualisierten Empfehlungen. Dabei kommen multimodale Datensätze zum Einsatz – molekulare Daten, Wearable-Daten und detaillierte Lebensstilmuster –, die mithilfe von Methoden der Künstlichen Intelligenz und der Kausalen Inferenz ausgewertet werden. Die Kausale Inferenz geht dabei über bloße Korrelationen hinaus: Sie zielt darauf ab, echte Ursache-Wirkungs-Beziehungen zwischen Ernährungsfaktoren und Krankheitsrisiken zu identifizieren und zu quantifizieren.
N-of-1 Trials: Personalisierte Studiendesigns für individuelle Erkenntnisse
Ein methodischer Kern der neuen Abteilung sind sogenannte N-of-1 Trials – individuelle Crossover-Experimente, in denen ein und dieselbe Person verschiedene Ernährungsinterventionen nacheinander durchläuft und deren Wirkung auf spezifische Gesundheitsmarker gemessen wird. Für die diabetologische Praxis besonders relevant: Der Ansatz kann helfen, konkret zu beantworten, ob etwa Intervallfasten bei einem bestimmten Menschen zu einer nachhaltigen Verbesserung des Blutzuckerspiegels führt – und nicht nur im Bevölkerungsdurchschnitt .
Die digitale Open-Source-Studienplattform StudyU bildet dabei die technische Infrastruktur: Sie ermöglicht die Durchführung und Auswertung individueller Ernährungsexperimente im digitalen Raum – skalierbar und offen zugänglich. N-of-1 Trials gelten als Goldstandard zur Messung individueller Therapieeffekte und könnten perspektivisch auch in der personalisierten Diabetestherapie neue Impulse setzen .
Datenbasis: Große Kohorten und individuelle Tiefe
Das CPN-Team verknüpft seine Methoden mit Daten aus großen Bevölkerungsstudien wie der EPIC-Potsdam-Studie und der NAKO Gesundheitsstudie. Diese Kombination aus Makro- und Mikrodaten soll präzisionsmedizinische Rückschlüsse auf die Entstehung kardiometabolischer Erkrankungen – darunter Typ-2-Diabetes und Adipositas – ermöglichen. Ziel ist die Entwicklung praktisch einsetzbarer Tools, die von der Datenanalyse bis zur digitalen Umsetzung individueller Ernährungsempfehlungen reichen.
Perspektiven für die diabetologische Praxis
Für Behandelnde eröffnet dieser Forschungsansatz mittelfristig interessante Perspektiven: Personalisierte, datengestützte Ernährungsempfehlungen könnten die Beratung von Menschen mit Diabetes oder erhöhtem Diabetesrisiko substanziell verbessern – besonders dort, wo Standardempfehlungen bislang an individuelle Stoffwechselgrenzen stoßen. Bis praxisreife Tools vorliegen, dürfte noch Zeit vergehen; die Forschungsrichtung ist jedoch klar und wird auch international intensiv verfolgt.
Quelle: Pressemitteilung des Deutschen Instituts für Ernährungsforschung (DIfE) vom 03.07.2026: Neue Abteilung „Computational Precision Nutrition“ am DIfE und
Deutsches Zentrum für Diabetesforschung (DZD): New Department „Computational Precision Nutrition” at DIfE.
