Unsere Methodik: Nährstoffberechnung, Referenzwerte und Ernährungsform-Profile

Die Recommended Dietary Allowances (RDA), in Deutschland die D-A-CH-Referenzwerte der DGE, wurden entwickelt, um klinische Mangelkrankheiten zu verhindern: Skorbut (Vitamin C), Rachitis (Vitamin D), Pellagra (Niacin), megaloblastäre Anämie (B12/Folat). Sie beantworten die Frage: „Wie viel brauche ich mindestens, um nicht krank zu werden?"

Diese Frage ist wichtig, aber sie ist die falsche Frage für Menschen, die ihre Gesundheit optimieren wollen. Der Raum zwischen „kein klinischer Mangel" und „optimale enzymatische Funktion" ist bei vielen Nährstoffen enorm.

Wie RDA-Werte bestimmt werden

Ein Fachgremium legt für jeden Nährstoff ein Kriterium fest, meist das Ausbleiben von Mangelzeichen, und schätzt daraus den mittleren Bedarf (Estimated Average Requirement, EAR): die Menge, mit der die Hälfte einer gesunden Gruppe ihren Bedarf deckt. Die RDA liegt zwei Standardabweichungen darüber und deckt damit den Bedarf von etwa 97,5 % der Gesunden. Wie gut sie passt, hängt also am gewählten Kriterium: Wer „kein Mangel“ als Ziel setzt, bekommt eine Menge gegen Mangel, nicht für volle Funktion.

Wie Laborreferenzbereiche entstehen

Laborwerte folgen einer anderen Logik (CLSI EP28-A3c): Das Labor misst eine Gruppe von Menschen, die als gesund gelten, und nimmt die mittleren 95 % ihrer Werte, vom 2,5. bis zum 97,5. Perzentil. Einer von zwanzig Gesunden liegt damit per Definition außerhalb.

Beides klingt methodisch sauber. Drei Konsequenzen werden aber selten kommuniziert:

In der Regenerationsanalyse verwenden wir für jeden Nährstoff zwei Referenzebenen:

• RDA/DGE-Wert: Minimalbedarf zur Vermeidung klinischer Mangelkrankheiten.
• MOJO-Optimal: Funktioneller Zielbereich, abgeleitet aus klinischer Literatur zur enzymatischen Sättigung, Rezeptorkinetik und funktionellen Labormarkern.

Wenn wir vom RDA abweichen, hat das immer einen konkreten biochemischen Grund. Kein Nährstoff wird „einfach höher dosiert, weil mehr besser ist". Hier die wichtigsten Abweichungen:

Quellen: Holick et al. 2011 (doi: 10.1210/jc.2011-0385), Harris et al. 2018 (doi: 10.1056/NEJMoa1811403), Xia et al. 2010 (doi: 10.3945/ajcn.2009.28801), Ozarda et al. 2018 (doi: 10.1515/cclm-2018-0059).

Wenn deine Analyse einen individuell erhöhten Bedarf anzeigt (Priorität „Hoch" oder „Kritisch"), basiert dieser auf deinen konkreten Messwerten: Laborergebnissen, Funktionsdaten oder dokumentierten Symptomen. In diesem Fall liegt das Ziel oft noch über dem MOJO-Optimal und wird mit einer nachvollziehbaren Begründung versehen.

Dein Report vergleicht deine Versorgung mit einem modellierten Nährstoffprofil der empfohlenen Ernährungsform. So entsteht der grüne „Nahrung"-Balken pro Nährstoff. Die Methodik:

Musterspeisepläne als Berechnungsgrundlage

Für jede der acht Ernährungsformen haben wir drei repräsentative Tagesspeisepläne à 2.000 kcal erstellt, basierend auf typischen Mahlzeiten dieser Ernährungsweise. Pro Zutat wird der Nährstoffgehalt aus der USDA FoodData Central (Foundation Foods bevorzugt, dann SR Legacy) berechnet. Das Ergebnis: Tagesmittelwert über drei Tage pro Nährstoff.

2.000 kcal als Referenz entspricht dem internationalen Standard (WHO/FAO, EFSA, DGE) für moderat aktive Erwachsene. Damit sind alle Ernährungsformen direkt vergleichbar.

Warum „100 mg im Speiseplan" nicht „100 mg im Körper" sind

Die Profiltabellen zeigen Rohmengen: die Nährstoffmenge im Essen, bevor dein Körper sie aufnimmt. Die tatsächliche Aufnahme (Bioverfügbarkeit) kann drastisch abweichen:

• Eisen: Häm-Eisen aus Fleisch/Innereien wird zu 15–35 % absorbiert (Hallberg 2000, doi: 10.1093/ajcn/71.5.1147). Non-Häm-Eisen aus Pflanzen nur zu 2–12 %, und Phytate aus Vollkorn/Hülsenfrüchten halbieren das nochmals. 12 mg Eisen aus Fleisch liefern effektiv ~3 mg; 18 mg aus Pflanzen mit Phytat ~1 mg.
• Vitamin A: Beta-Carotin aus Pflanzen wird im Verhältnis 12:1 zu Retinol umgerechnet (IOM 2001). Bei ~45 % der Bevölkerung ist die BCMO1-Konversion genetisch um 50–70 % reduziert (Leung et al. 2009, doi: 10.1096/fj.08-121962). Retinol aus Leber/Eigelb wird dagegen 1:1 aufgenommen.
• Omega-3: ALA aus Leinöl/Chia wird zu maximal 5–8 % in EPA umgewandelt und zu <4 % in DHA (Burdge & Calder 2005, doi: 10.1051/rnd:2005047). Pflanzenöle sind keine effektive EPA/DHA-Quelle. Unsere Omega-3-Werte zeigen deshalb nur marines EPA+DHA.
• Zink: Phytate reduzieren die Zink-Absorption auf ~15 %. Fleisch enthält den sogenannten „Meat Factor", der die Absorption um Faktor 2–3 steigert (Lönnerdal 2000, doi: 10.1093/jn/130.5.1378S).
• B12: Nur tierische Quellen enthalten bioverfügbares B12. Pflanzliche B12-Analoga (z. B. aus Algen) binden an Intrinsic Factor, sind aber nicht aktiv und können die Aufnahme echten B12 sogar blockieren (Watanabe 2007, doi: 10.3181/0703-MR-67).

Wir weisen in der Analyse auf diese Unterschiede hin, gerade bei der Gegenüberstellung von fleischbasierten und pflanzenbasierten Ernährungsformen.

Individualisierte Kalorienskalierung

Die Referenzprofile basieren auf 2.000 kcal/Tag, aber dein individueller Bedarf weicht davon ab. Wenn du in der Analyse Größe, Gewicht, Alter, Geschlecht und Aktivitätslevel angibst, berechnen wir deinen persönlichen Energiebedarf und skalieren das Nährstoffprofil entsprechend:

Der Grundumsatz wird mit dem Physical Activity Level (PAL) multipliziert (1,2 für sitzende Tätigkeit bis 1,9 für Leistungssportler), um den Gesamtenergiebedarf (TDEE) zu erhalten. Die Nährstoffprofile werden dann proportional skaliert, mit einer wichtigen Differenzierung: Nicht alle Nährstoffe skalieren gleich.

• Kalorienskaliert (B-Vitamine, Mineralien): Wer mehr isst, nimmt proportional mehr auf.
• Körpermassenskaliert (Magnesium, Kalium, Kreatin): Bedarf hängt von der Körpermasse ab, nicht von der Kalorienzufuhr.
• Absorptionslimitiert (B12, Vitamin D, Vitamin A): Aufnahme wird durch Resorptionsmechanismen begrenzt: mehr essen heißt nicht mehr aufnehmen.

Wenn keine ausreichenden Basisdaten vorliegen, verwenden wir die 2.000-kcal-Referenz. Das Profil ist in jedem Fall eine transparente Modellannahme, keine individuelle Ernährungsanamnese.

Ernährungsforschung ist methodisch anspruchsvoll. Die großen epidemiologischen Studien (NHANES, Nurses' Health Study, PURE) basieren fast alle auf Food-Frequency-Questionnaires (FFQ), Selbstauskunft der Befragten zu ihrer Ernährung.

Archer et al. zeigten 2015, dass bei 67 % der Frauen und 59 % der Männer in den NHANES-Daten die angegebene Kalorienzufuhr physiologisch unplausibel ist, unterhalb des basalen Grundumsatzes (doi: 10.1016/j.mayocp.2015.04.009). Ioannidis fasste 2018 zusammen, dass kleine Effekte (HR 1,1–1,3) in FFQ-Kohorten durch Messfehler derselben Größenordnung nicht von Zufall unterscheidbar sind (doi: 10.1001/jama.2018.11025).

Deshalb nutzen wir für die Frage „Wie viel liefert eine Ernährungsform wirklich?" eine andere Quellen-Hierarchie:

Alle wissenschaftlichen DOIs wurden über die CrossRef-API verifiziert (Titel-/Autor-/Journal-Abgleich).

1. Archer E, Pavela G, Lavie CJ (2015). The Inadmissibility of What We Eat in America and NHANES Dietary Data in Nutrition and Obesity Research. Mayo Clin Proc 90(7):911–926. doi: 10.1016/j.mayocp.2015.04.009
2. Ioannidis JPA (2018). The Challenge of Reforming Nutritional Epidemiologic Research. JAMA. doi: 10.1001/jama.2018.11025
3. Holick MF (2007). Vitamin D Deficiency. NEJM 357(3):266–281. doi: 10.1056/NEJMra070553
4. Holick MF et al. (2011). Evaluation, Treatment, and Prevention of Vitamin D Deficiency: an Endocrine Society Clinical Practice Guideline. JCEM 96(7):1911–1930. doi: 10.1210/jc.2011-0385
5. Hallberg L, Hulthén L (2000). Prediction of dietary iron absorption. Am J Clin Nutr 71(5):1147–1160. doi: 10.1093/ajcn/71.5.1147
6. Hurrell R, Egli I (2010). Iron bioavailability and dietary reference values. Am J Clin Nutr 91(5):1461S–1467S. doi: 10.3945/ajcn.2010.28674F
7. Burdge GC, Calder PC (2005). Conversion of α-linolenic acid to longer-chain polyunsaturated fatty acids. Reprod Nutr Dev 45(5):581–597. doi: 10.1051/rnd:2005047
8. Watanabe F (2007). Vitamin B12 Sources and Bioavailability. Exp Biol Med 232(10):1266–1274. doi: 10.3181/0703-MR-67
9. Leung WC et al. (2009). Two common SNPs in BCMO1 alter β-carotene metabolism. FASEB J 23(4):1041–1053. doi: 10.1096/fj.08-121962
10. Lönnerdal B (2000). Dietary Factors Influencing Zinc Absorption. J Nutr 130(5):1378S–1383S. doi: 10.1093/jn/130.5.1378S
11. Ozarda Y, Higgins V, Adeli K (2018). Verification of reference intervals in routine clinical laboratories. Clin Chem Lab Med 57(1):30–37. doi: 10.1515/cclm-2018-0059
12. Lennerz BS et al. (2021). Behavioral Characteristics and Self-Reported Health Status among 2029 Adults Consuming a Carnivore Diet. Curr Dev Nutr 5(12):nzab133. doi: 10.1093/cdn/nzab133
13. Frankenfield D, Roth-Yousey L, Compher C (2005). Comparison of Predictive Equations for Resting Metabolic Rate in Healthy Nonobese and Obese Adults. J Am Diet Assoc 105(5):775–789. doi: 10.1016/j.jada.2004.09.023