Ernährung ist komplex. Selbst sorgfältige Forscher streiten über Diäten, Compliance und den Transfer vom Labor in den Alltag. Trotzdem werden Einzelstudien oft als harte "Ernährungsfakten" verkauft. Die Schlagzeile reist. Die Einschränkungen bleiben zurück.

Manchmal geht es über Schlampigkeit hinaus. Daten werden gedehnt, Hypothesen nachträglich gebaut oder Fehler erst unter Druck entdeckt. Der Fall Brian Wansink am Cornell Food and Brand Lab und frühere Fälschungsskandale wie Diederik Stapel in den Niederlanden zeigen, wie fragil Ernährungswissenschaft wird, wenn Ruf und Medienreichweite die Kontrolle überholen.

Von erfundenen Daten zu Sticker-Studien

Stapel wurde 2011 entlassen, weil er Daten erfand und unerwünschte Ergebnisse beseitigte. Das Muster ist bekannt: ungewöhnlich große Effekte, saubere Stories, Befunde die zu glatt wirken. Genau diese Studien verbreiten sich.

Ein verwandtes Scheitern spielte sich in der Ernährungspsychologie ab. Eine Cornell-Arbeit behauptete, ein Elmo-Sticker auf einem Apfel lasse Kinder (angeblich 8 bis 11 Jahre) in der Schulkantine häufiger Obst wählen. Der Artikel erschien in JAMA Pediatrics und passte zu Wansinks Marke als "Sherlock Holmes of food".

Nach Kritik folgte zuerst eine Korrektur: falsch beschriebene Wahlbedingungen, falsche Teilnehmerzahlen, unübliche Statistik. Wansink betonte danach noch, es gebe keine weiteren Fehler. Kurz darauf wurde der Artikel vollständig zurückgezogen. Untersucht worden waren nicht 8- bis 11-Jährige, sondern Kinder von 3 bis 5 Jahren. Für Eltern und Schulen ist das kein Detail.

P-Hacking: erst Daten, dann die Story

Das tiefere Problem war die Arbeitsweise. Wansink hatte Buffetpreis-Daten aus einem italienischen Restaurant. Seine Hypothese (günstigeres Buffet bedeutet weniger Essen) bestätigte sich nicht. Statt das Nullergebnis zu publizieren, forderte er eine Studentin auf, "Plan B, C und D" zu suchen. Aus demselben Datensatz entstanden rasch mehrere Papers.

Das nennt man p-Hacking oder Data Dredging: ohne vorab festgelegte Hypothese Zusammenhänge fischen, bis etwas "signifikant" wirkt (oft p unter 0,05). Langweilige oder negative Resultate verschwinden. Blogtaugliche Claims zu Pizza, Reue und Gesellschaft bleiben.

Forschende mit Bezug zu Leiden und Groningen prüften vier dieser "Pizza-Studien" und meldeten rund 150 Inkonsistenzen bei Zahlen, Statistik und Bericht. Nicht jede Unstimmigkeit ist Betrug, aber so viel Rauschen macht die Claims für die Praxis unbrauchbar.

Warum Trainer und Athleten das betrifft

Sporternährung hängt oft an Studien, die wie Newsletter-Gold klingen: ein Sticker-Trick, ein Buffet-Trick, ein simpler Hack. Wenn die Daten wackeln, stehen Programme auf Sand.

  • Große Effekte bei kleinen Verhaltenssamples verdienen Skepsis.
  • Ein Paper, das dir die Headline schreibt, ist kein Qualitätsbeweis.
  • Retractions und Korrekturen gehören an den Anfang deiner Bewertung.
  • Nullergebnisse sind Information. Sie verschwinden zu oft, weil sie nicht klicken.

Für praktische Entscheidungen zu gesunder Ernährung und Forschung gilt dieselbe Hierarchie: wiederholte Befunde und systematische Reviews schlagen eine virale Laborgeschichte. Denselben Maßstab legen wir bei Fitness-Trainingsclaims an.

Schlagzeilen schneller durchschauen

Du musst kein Statistiker sein, um bessere Filter zu setzen.

  • Prüfe, ob Altersgruppe, Setting und Outcome wirklich zu deinem Athleten oder Kunden passen.
  • Frage, ob die Hypothese vorab feststand oder derselbe Datensatz explorativ durchsucht wurde.
  • Suche unabhängige Replikation. Ein Lab oder eine Pressemitteilung ist kein Konsens.
  • Frage, was nicht gemessen wurde: Kalorien, Adhärenz, Langfrist, Confounder.

Wissenschaft muss nicht perfekt sein, um nützlich zu sein. Sie muss Unsicherheit ehrlich benennen. In einem Feld mit riesigen Marketingbudgets ist wissenschaftliche Reputation eines der wenigen Gegengewichte. Sticker-Claims gehören dort nicht hin.

Weiterlesen

Fazit

"Ernährungsfakten" sind oft Stories mit p-Wert. Wansink und frühere Betrugsfälle zeigen, wie schnell solche Stories zerfallen. Für FITsociety-Leser ist die Lektion klar: Vertrauen in Mechanismen setzen, die sich wiederholen, und reißerische Köpfe auf Distanz halten, bis die Daten tragen.

Quellen

  1. RTL Nieuws coverage of Diederik Stapel dismissal for fabricated data.
  2. RTL Nieuws summary of key findings from the Stapel investigation.
  3. Wansink B, Just DR, Payne CR. Can Branding Improve School Lunches? Arch Pediatr Adolesc Med. 2012;166(10):967-968. doi:10.1001/archpediatrics.2012.999 (later retracted).
  4. Retraction Watch. Backlash prompts prominent nutrition researcher to reanalyze multiple papers (2017).
  5. Lee S. Reporting on the Elmo apple study age discrepancy. BuzzFeed News.
  6. JAMA Pediatrics retraction notice for the branding/school lunch paper.
  7. Just DR, Sigirci O, Wansink B. Lower buffet prices lead to less taste satisfaction. Journal of Sensory Studies. 2014;29(5):362-370.
  8. Just DR, Sigirci O, Wansink B. Peak-end pizza: Prices delay evaluations of quality. Journal of Product & Brand Management. 2015;24(7):770-778.
  9. Kniffin KM, Sigirci O, Wansink B. Eating heavily: Men eat more in the company of women. Evolutionary Psychological Science. 2016;2(1):38-46.
  10. Sigirci O, Wansink B. Low prices and high regret: how pricing influences regret at all-you-can-eat buffets. BMC Nutrition. 2015;1:36.
  11. van der Zee T, Anaya J, Brown NJL. Statistical heartburn: An attempt to digest four pizza publications from the Cornell Food and Brand Lab. PeerJ Preprints. 2017;5:e2748v1. https://doi.org/10.7287/peerj.preprints.2748v1