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)
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.