Ist der Ernährungsführerschein eine geeignete Primärpräventionsmaßnahme, um die Ernährungssituation zu verbessern?

Das Ernährungsverhalten einer Bevölkerung hat einen wesentlichen Einfluss auf das Wohlbefinden, die Gesundheit und Leistungsfähigkeit der Menschen. Ernährungsbedingte, chronische Erkrankungen weisen in den westlichen Industrienationen eine hohe Inzidenz und Prävalenz auf. Präventionsmaßnahmen im Setting Schule sollen das Ernährungsverhalten der Kinder- und Jugendlichen positiv beeinflussen. Gerade in diesem Setting können Personen mit unterschiedlichem sozioökonomischem Status, sowie Personen aus diversen Lebensbereichen angesprochen werden. Der Ernährungsführerschein (EFS) ist eine schulbasierte Primärpräventions-maßnahme, der in der 3. Jahrgangsstufe/Grundschule durchgeführt wird. In 6 – 7 Unterrichtseinheiten erfolgt eine praxisnahe Vermittlung von Grundkenntnissen über Ernährung, Lebensmittel und deren Zubereitung. Der EFS möchte eine Verhaltensänderung der Schulkinder bewirken. Sie erlernen Kompetenzen, damit sie in der Lage sind, sich selbst eine gesunde Mahlzeit zubereiten zu können. Aber kann dieses Projekt eine nachhaltige Verhaltensänderung bewirken? Die folgende Studie mit Mixed-Methods-Ansatz im Explanatory-Sequential-Design versucht genau dieser Frage nachzugehen. Auf eine quantitative Prä- und Postbefragung in 16 Klassen an 12 Grundschulen im Landkreis Marburg Biedenkopf und insgesamt 992 Befragungen folgte eine qualitative Studie mit neun problemzentrierten, leitfadengestützten Interviews. Der EFS zeigt keinen signifikanten Einfluss auf die Veränderung des Ernährungsverhaltens. Positiv zu bewerten ist, dass durch den EFS Alltagskompetenzen bei der Nahrungszubereitung gefördert wurden. Dieser positive Einfluss muss jedoch differenziert betrachtet werden, denn die qualitativen Studie zeigt, dass der EFS sehr gut in Familien aufgenommen wird, die sich bereits mit Ernährungsfragen auseinandersetzen und darauf achten, einen ernährungsphysiologisch günstigen Ernährungsstil zu leben oder anzustreben. In Familien der Billig- und Fleischesser konnte der EFS die Türen nicht öffnen. Aber gerade in diesem Segment wäre eine Veränderung des Essverhaltens induziert. Die Untersuchung ergab, dass der EFS für sich alleine nicht den Anspruch erheben kann, die Ernährungssituation der Kinder und Familien zu verbessern. Aber er bietet ein methodisch-didaktisch gut ausgearbeitetes Konzept und könnte als Baustein in die Entwicklung eines praxisnahen, erlebnisorientierten und ganzheitlichen Ernährungsbildungskonzepts unter Berücksichtigung diverser Settings und Lebenswelten der Kinder und Familien einfließen.

Development of thermo-analytical prediction and classification models for food in thermal devices using a multi sensor system and artificial neural networks

Die thermische Verarbeitung von Lebensmitteln beeinflusst deren Qualität und ernährungsphysiologischen Eigenschaften. Im Haushalt ist die Überwachung der Temperatur innerhalb des Lebensmittels sehr schwierig. Zudem ist das Wissen über optimale Temperatur- und Zeitparameter für die verschiedenen Speisen oft unzureichend. Die optimale Steuerung der thermischen Zubereitung ist maßgeblich abhängig von der Art des Lebensmittels und der äußeren und inneren Temperatureinwirkung während des Garvorgangs. Das Ziel der Arbeiten war die Entwicklung eines automatischen Backofens, der in der Lage ist, die Art des Lebensmittels zu erkennen und die Temperatur im Inneren des Lebensmittels während des Backens zu errechnen. Die für die Temperaturberechnung benötigten Daten wurden mit mehreren Sensoren erfasst. Hierzu kam ein Infrarotthermometer, ein Infrarotabstandssensor, eine Kamera, ein Temperatursensor und ein Lambdasonde innerhalb des Ofens zum Einsatz. Ferner wurden eine Wägezelle, ein Strom- sowie Spannungs-Sensor und ein Temperatursensor außerhalb des Ofens genutzt. Die während der Aufheizphase aufgenommen Datensätze ermöglichten das Training mehrerer künstlicher neuronaler Netze, die die verschiedenen Lebensmittel in die entsprechenden Kategorien einordnen konnten, um so das optimale Backprogram auszuwählen. Zur Abschätzung der thermische Diffusivität der Nahrung, die von der Zusammensetzung (Kohlenhydrate, Fett, Protein, Wasser) abhängt, wurden mehrere künstliche neuronale Netze trainiert. Mit Ausnahme des Fettanteils der Lebensmittel konnten alle Komponenten durch verschiedene KNNs mit einem Maximum von 8 versteckten Neuronen ausreichend genau abgeschätzt werden um auf deren Grundlage die Temperatur im inneren des Lebensmittels zu berechnen. Die durchgeführte Arbeit zeigt, dass mit Hilfe verschiedenster Sensoren zur direkten beziehungsweise indirekten Messung der äußeren Eigenschaften der Lebensmittel sowie KNNs für die Kategorisierung und Abschätzung der Lebensmittelzusammensetzung die automatische Erkennung und Berechnung der inneren Temperatur von verschiedensten Lebensmitteln möglich ist.