(Mobile App für gesunde Ernährung (NutriGuide AI)) 1. EINLEITUNG UND PROBLEMSTELLUNG Heutzutage führen unregelmäßige Ernährung, ein bewegungsarmer Lebensstil und der Konsum von verarbeiteten Lebensmitteln zu chronischen Erkrankungen wie Adipositas, Typ-2-Diabetes, Bluthochdruck und Herz-Kreislauf-Erkrankungen. Wenn Einzelpersonen sich entsprechend ihrem Gesundheitszustand ernähren möchten, stehen sie oft vor zwei großen Hürden: Nicht zu wissen, wie man unmittelbare biometrische Daten (Blutzucker, Blutdruck etc.) in den Ernährungsplan einfließen lässt. Schwierigkeiten zu haben, mit den im Haus vorhandenen und begrenzten Haushaltszutaten sowohl gesunde als auch auf den jeweiligen Gesundheitsbedarf abgestimmte Essenskombinationen zu erstellen. Projektziel Das Ziel dieses Projekts ist die Entwicklung einer KI-gestützten mobilen Anwendung, die die aus Wearables und Benutzerangaben gewonnenen Echtzeit-Gesundheitsdaten analysiert, den momentanen Makro-/Mikronährstoffbedarf des Benutzers ermittelt und personalisierte Rezeptideen anbietet, die mit den im Haus vorhandenen Zutaten optimiert sind. 2. SYSTEMARCHITEKTUR UND ARBEITSPRINZIP Das System besteht aus drei Grundschichten: Datenerfassung, dynamische Bedarfsanalyse und Rezeptoptimierung. 1. DATENERFASSUNGSSCHICHT Smartwatch (Blutdruck, Puls, Aktivität) Manuelle Eingabe / CGM (Blutzucker, Triglycerid) 2. BEDARFSANALYSE (ALGORITHMENMOTOR) Biometrische Datenanalyse Makro-/Mikronährstoffbedarf-Ermittlung 3. EMPFEHLUNGS- UND REZEPTSCHICHT Auswahl unverarbeiteter Lebensmittel zu Hause Datenbank-Abgleich und Rezeptgenerierung 2.1. Datenerfassungsschicht (Wearable-Technologie und Benutzereingabe) Wearable-Integration: Über die in den Benutzer integrierte Smartwatch Spovan Electro 2X (oder äquivalent) werden Blutdruck, Puls und tägliche Aktivitätsdaten in Echtzeit verfolgt. Labor- und Sensordaten: Sensible Daten wie Blutzucker (Glukose) und Triglyceridkonzentration, die von den Geräten nicht direkt gemessen werden können, werden durch die Integration eines kontinuierlichen Glukosemessgeräts (CGM) des Benutzers oder durch manuelle Eingabe aktueller Laborergebnisse in die mobile Benutzeroberfläche in das System übertragen. 2.2. Bedarfsanalyse-Motor Die Anwendung analysiert die eingegebenen Stoffwechseldaten und filtert die Nährstoffe, die der Benutzer konsumieren bzw. meiden sollte, durch einen Algorithmus: Blutzuckeranalyse: Drückt die Glukosemenge im Blutvolumen aus. Bei anhaltend hohem Blutzucker blockiert das System einfache Kohlenhydrate mit hohem glykämischen Index (Teigwaren, stärkehaltige Lebensmittel, Zucker); es erhöht die Grenzen für ballaststoff- und proteinreiche Lebensmittel. Blutdruckanalyse: Ist der Druck, den das vom Herzen gepumpte Blut auf die Gefäßwand ausübt. Bei festgestelltem Bluthochdruck (Hypertension) schränkt das System die tägliche Natrium-(Salz-)Zufuhr ein und stellt kalium- und magnesiumreiche (grünes Blattgemüse etc.) Lebensmittel in den Vordergrund. Triglyceridanalyse: Zeigt den Lipid-(Fett-)Spiegel im Blut an. Bei hohen Triglyceridwerten eliminiert das System Transfette und gesättigte Fette vollständig; es fördert die Verwendung von Omega-3- und ungesättigten pflanzenbasierten Fetten (Olivenöl, Avocado etc.). 2.3. Intelligente Rezeptempfehlung und Rezeptoptimierung Bestandsverwaltung: Der Benutzer markiert die zu Hause gerade vorhandenen unverarbeiteten Lebensmittel (z. B.: Spinat, Hähnchenbrust, Olivenöl, Bulgur, Tomaten) über die Kontrollkästchen (Checkboxes) auf der benutzerfreundlichen Oberfläche der Anwendung. Nährwertdatenbank: Eine relationale Datenbank (SQL/NoSQL) im Hintergrund der Anwendung speichert die Anteile von Kohlenhydraten, Fetten, Proteinen, Mineralien und Vitaminen in 100 Gramm jedes unverarbeiteten Lebensmittels. Rezeptgenerierungs-Algorithmus: Das System gleicht die Haushaltszutaten mit dem gesundheitlichen Bedarf des Benutzers ab. Wenn beispielsweise ein Benutzer mit hohem Blutzucker und Triglyceriden "Kartoffeln, Hähnchen und Olivenöl" zu Hause hat, eliminiert das System die Kartoffel oder hält sie auf einem Mindestanteil und bietet dem Benutzer proportional das Rezept "Im Ofen gebackenes Hähnchen mit Olivenöl" zusammen mit Grammangaben und Kochanweisungen an. 3. INNOVATIVE ASPEKTE DES PROJEKTS Dynamische Menüverwaltung: Bietet keine starren Listen wie Standard-Diät-Apps; erzeugt Echtzeit-Rezepte basierend auf dem aktuellen physiologischen Zustand des Benutzers und den Zutaten zu Hause. Zero Waste / Nachhaltigkeit: Verhindert Lebensmittelverschwendung, indem die Verwertung vorhandener Haushaltszutaten sichergestellt wird. Präventive Gesundheitsdienstleistung: Hilft Personen mit chronischem Krankheitsrisiko, ihre Parameter (Blutdruck, Blutzucker) durch tägliche Ernährung im Gleichgewicht zu halten, bevor sie erkranken. 4. ZUKÜNFTIGE ENTWICKLUNGEN (ROADMAP) KI-Integration (LLM): Stärkung des Rezeptgenerierungsmotors mit ChatGPT/Gemini-APIs oder später entwickelten APIs, um den Benutzern kreativere und gourmethafte Rezepte anzubieten. Erweiterte Sensorintegrationen: Direkte Einbindung von Smartwatch-APIs in das System, die in Zukunft auf den Markt kommen und eine nicht-invasive (nadellose) Blutzuckermessung ermöglichen. Barcode-Scansystem: Erfassung der verpackten/unverarbeiteten Lebensmittel zu Hause durch Scannen mit der Kamera in Sekundenschnelle in das System. Verfasst von: Emre Pelit