Vegan, vegetarisch, omnivor: Was 21.561 Mikrobiome verraten

Ernährungslabel, Modellleistung und Gesundheit sind nicht dasselbe: eine Leseschule anhand von 21.561 Menschen und fünf Kohorten.

Stichprobengrößen: 19.817 omnivore, 1.088 vegetarische und 656 vegane Teilnehmende.
Eigene Datengrafik nach Fackelmann et al. (2025), Results. Personenzahlen, keine Gesundheitsbewertung.

Daten verstehen · Ernährung und Mikrobiom

21.561 Menschen liefern ein deutliches Ernährungssignal im Darmmikrobiom. Doch eine gute Erkennung von veganer, vegetarischer oder omnivorer Ernährung ist etwas anderes als der Nachweis, welche Ernährung einen einzelnen Menschen gesünder macht.

Eine große Analyse von Fackelmann und Kollegen in Nature Microbiology verbindet Angaben zur Ernährung mit der DNA aus Stuhlproben. Die zentrale Frage ist nicht, welche Gruppe den Wettbewerb um das „beste Mikrobiom“ gewinnt. Interessanter ist, wie viel Information ein mikrobielles Muster über Ernährungsgewohnheiten trägt – und an welcher Stelle die Übersetzung in Gesundheit zu weit geht. Genau diese Trennung hilft, Schlagzeilen und kommerzielle Mikrobiomberichte einzuordnen. [1]

Die Evidenz in einer Minute

Design: vergleichende humane Beobachtungsanalyse aus fünf Kohorten, keine randomisierte Zuteilung zu Ernährungsweisen. Messung: selbst berichtete Ernährungsform und Shotgun-Metagenomik; detaillierte Verzehrfragebögen in den PREDICT-Kohorten. Vergleich: vegan, vegetarisch und omnivor. Ergebnis: unterscheidbare Gruppenprofile, aber kein experimenteller Nachweis einer Krankheitsvermeidung durch diese Profile.

Wichtig: Die größten Gruppen sind keineswegs gleich groß. Und nicht jede Unteranalyse verwendet alle 21.561 Personen. Gesundheitsbezüge beruhen hier auf mikrobiellen Ranglisten mit Assoziationen zu kardiometabolischen Markern, nicht auf einem neu durchgeführten Vergleich von Herzinfarkten oder anderen klinischen Ereignissen.

Was hinter der großen Zahl steckt

Die fünf Datensätze umfassen PREDICT 1 mit 1.062 Personen, PREDICT 3 UK22A mit 12.353, PREDICT 3 US22A mit 7.931 sowie zwei italienische Kohorten mit 118 und 97 Personen. Die Methoden beschreiben PREDICT 1 genauer als überwiegend britische Kohorte mit einem US-Anteil. Es handelt sich damit nicht um einen repräsentativen Querschnitt aller Menschen weltweit. Die Bezeichnung „multinational“ sollte nicht mit globaler Übertragbarkeit verwechselt werden.

Die Teilnehmenden ordneten sich selbst einer Ernährungsform zu und gaben eine Stuhlprobe ab. Omnivor umfasst Fleisch, Milchprodukte und pflanzliche Lebensmittel; vegetarisch schließt Fleisch aus; vegan schließt tierische Produkte aus. Solche Kategorien bündeln viele unterschiedliche Speisepläne. Zwei Personen mit derselben Selbstbezeichnung können also sehr verschieden essen. Die detaillierten Fragebögen liefern deshalb eine wichtige zweite Ebene: nicht nur die Gruppenzugehörigkeit, sondern die berichteten Lebensmittel.

Die Gruppen sind stark ungleich verteilt

Personenzahl; gemeinsame lineare Skala von 0 bis 21.561. Die Balken zeigen Stichprobengrößen, keine Gesundheitswirkung.

Omnivor
19.817
Vegetarisch
1.088
Vegan
656
Quelle: [1], Results „Multicohort gut metagenomics with detailed dietary data“, n = 21.561 insgesamt. Exakte berichtete Anzahlen; keine aus einer Abbildung geschätzten Werte. Keine Konfidenzintervalle: gezeigt werden beobachtete Anzahlen, keine Effektschätzungen.

Die große Gesamtzahl macht die vegane Teilgruppe nicht automatisch ebenso groß. Für einen fairen Blick sind deshalb sowohl die Gesamtstichprobe als auch die Teilgruppen relevant. Die Untersuchung gewinnt Breite durch mehrere Kohorten; sie beseitigt aber weder die ungleiche Verteilung noch die Grenzen einer Beobachtungsstudie. Einige Analysen beziehen zusätzlich PREDICT 2 ein, eine rein omnivore Kohorte. Diese ist laut Methoden nicht Teil der fünf Hauptkohorten und darf nicht stillschweigend in deren Gesamtzahl eingerechnet werden.

Ein Ernährungssignal ist kein diagnostischer Trefferanteil

Die Forschenden trainierten Klassifikationsmodelle, um jeweils zwei Ernährungsgruppen anhand relativer mikrobieller Häufigkeiten zu unterscheiden. Der mittlere AUC-Wert über die untersuchten Vergleiche und Kohorten betrug 0,85. Eine AUC beschreibt, wie gut ein Modell zwei Gruppen über verschiedene Schwellenwerte auseinanderhält. Sie ist nicht gleichbedeutend mit „85 Prozent aller Menschen werden richtig diagnostiziert“ und erst recht nicht mit einer 85-prozentigen Chance auf bessere Gesundheit.

Am deutlichsten war der Unterschied zwischen vegan und omnivor. Vegetarische und omnivore Profile waren weniger gut unterscheidbar. Das passt zu der Frage nach Ernährungssignaturen: Je nach Vergleich trägt das Mikrobiom unterschiedlich viel trennende Information. Daraus folgt aber keine natürliche Grenze zwischen gesunden und kranken Menschen. Die Modelle wurden für Ernährungsgruppen entwickelt, nicht für diese medizinische Unterscheidung.

Drei Vergleiche – dieselbe Interpretationsgrenze

VergleichMittlere AUCWas daraus nicht folgt
Vegan vs. omnivor0,90Keine Aussage, wie stark ein Ernährungswechsel Krankheiten verhindert.
Vegetarisch vs. vegan0,84Kein persönlicher Zielwert für ein „veganes Mikrobiom“.
Vegetarisch vs. omnivor0,82Keine Diagnose aus der Zugehörigkeit zu einer Gruppe.

Quelle: [1], Results „Gut microbial diversity and composition across diet patterns“ und Fig. 2. Berichtet sind mittlere Cross-LODO-AUCs über fünf Kohorten, nicht Ergebnisse einer randomisierten Intervention. Die Figur zeigt Unsicherheitsbereiche der ROC-Kurven; diese Tabelle bildet nur die im Fließtext berichteten Mittelwerte ab und rekonstruiert keine fehlenden Intervalle.

Auch das Prüfverfahren verdient einen Blick: Cross-LODO ist hier ein hybrider Ansatz. Trainingsanteile der betrachteten Kohorte werden um Daten anderer Kohorten ergänzt. Daneben prüfte die Arbeit eine LODO-Variante, bei der die jeweilige Zielkohorte vollständig aus dem Training ausgeschlossen bleibt. Man sollte den prominent genannten Cross-LODO-Wert daher nicht als ausschließlich externe Prüfung in einer völlig unangetasteten Population verkaufen. Die Studie beschreibt beide Verfahren ausdrücklich.

Warum mehr Vielfalt hier nicht automatisch besser heißt

Ein aufschlussreicher Befund widerspricht einem verbreiteten Kurzschluss. In den PREDICT-Kohorten lag der beobachtete mikrobielle Artenreichtum bei vegan und vegetarisch essenden Personen niedriger als bei omnivor essenden. Zwischen vegan und vegetarisch fand die Arbeit keinen signifikanten Unterschied. Gleichzeitig waren die vegan assoziierten Mikroben im verwendeten kardiometabolischen Ranking günstiger eingeordnet. Die beiden Beobachtungen sind kein Widerspruch: Artenzahl und gesundheitsbezogene Assoziation messen verschiedene Dinge.

Artenreichtum zählt, wie viele unterschiedliche Einheiten erfasst werden. Er sagt für sich genommen nicht, welche Funktionen diese Organismen im jeweiligen Kontext erfüllen. Die Studie illustriert deshalb, warum ein einzelner Diversitätswert kein universelles Gütesiegel sein sollte. Ebenso wenig wäre der umgekehrte Schluss zulässig, weniger Vielfalt sei grundsätzlich besser. Beide einfachen Rangordnungen gehen über das untersuchte Design hinaus.

Das Ernährungslabel erklärt nicht den ganzen Teller

Die Forschenden berechneten aus Fragebögen einen Index für eine stärker gesundheitsorientierte pflanzliche Ernährung, den hPDI. Er berücksichtigt nicht nur den Verzicht auf tierische Produkte: Als günstig eingeordnete pflanzliche Lebensmittel erhalten positive, weniger günstig eingeordnete pflanzliche und tierische Lebensmittel umgekehrte Bewertungen. Dieser Forschungsindex ist hier kein Selbsttest und keine persönliche Therapieempfehlung.

Die Beziehungen zwischen diesem Index und mikrobiellen Signaturen zeigten über Ernährungsgruppen hinweg ähnliche Richtungen. Auch innerhalb einer omnivoren Ernährung waren stärker pflanzenbetonte Gewohnheiten mit Signaturen anderer Ernährungsgruppen verbunden. Der Lesergewinn liegt in der Differenzierung: „omnivor“ bedeutet nicht automatisch pflanzenarm, und ein veganes Label beschreibt noch nicht sämtliche Qualitätsmerkmale einer Ernährung. Die Beobachtungen stützen eine feinere Forschungsfrage nach konkreten Lebensmitteln. Sie beweisen nicht, was eine bestimmte zusätzliche Portion bei einer einzelnen Person bewirken wird.

Drei Fragen an die nächste Mikrobiom-Schlagzeile

1 · Wurde Ernährung verändert oder nur verglichen?

Hier wurden vorhandene Ernährungsgewohnheiten verglichen, nicht zufällig zugeteilt. Die statistischen Modelle berücksichtigen unter anderem Alter, Geschlecht und BMI. Solche Anpassungen sind hilfreich, schließen aber nicht alle Unterschiede zwischen den Gruppen aus. Eine Aussage wie „Diese Ernährung verursachte ein gesünderes Mikrobiom“ ist stärker als das Design trägt.

2 · Ist der Gesundheitsbezug ein klinischer Endpunkt?

Der ZOE-Rang ordnet Mikroben nach Beziehungen zu Markern wie Blutdruck und Lipoproteinen ein. Die zugrunde liegenden PREDICT-Daten überlappen teilweise mit den hier verwendeten Kohorten. Deshalb sind die Ränge nicht mit einer unabhängigen Bestätigung gleichzusetzen, dass ein konkreter Ernährungswechsel klinische Ereignisse verhindert.

3 · Bedeutet ein Lebensmittelkeim dauerhafte Besiedlung?

Die Arbeit fand Überschneidungen zwischen Lebensmittel- und Darmmikrobiomen, etwa bei Milchprodukt-assoziierten Mikroben. Sie betont, dass weitere Forschung auf Stammebene nötig ist, um eine Übertragung genauer abzuleiten. Ein gemeinsames Signal ist noch kein Beweis für dauerhafte Ansiedlung oder einen Nutzen beim Menschen.

Wie belastbar ist die gesundheitliche Einordnung?

Stärken sind die große Stichprobe, mehrere Kohorten, detaillierte Ernährungsangaben in den PREDICT-Datensätzen und die Auflösung der Shotgun-Metagenomik. Die Arbeit betrachtet nicht einfach nur einen groben Bakteriennamen, sondern artnahe Genomgruppen und relative Häufigkeiten. Dennoch bleibt eine relative Häufigkeit eine Zusammensetzungsangabe; sie ist keine direkte Messung einer individuellen Gesundheitswirkung. Die funktionellen Auswertungen beschreiben zudem mikrobielles Potenzial, nicht automatisch tatsächlich im Körper produzierte Stoffmengen.

Zu den Grenzen gehören Selbstangaben, die westlich geprägten Populationen, unterschiedlich große Gruppen und ein nicht erfasster Zeitpunkt möglicher Ernährungswechsel. Die Autoren diskutieren Letzteres selbst als mögliche Erklärung für nicht perfekte Klassifikation. Es fehlt außerdem die zufällige Zuteilung, die zeitliche und kausale Fragen gezielt prüfen könnte. Die Studie ist daher besonders stark als Landkarte von Zusammenhängen und als Ausgangspunkt für Experimente, nicht als fertiger individueller Ernährungsalgorithmus.

Interessenkonflikte: Mehrere Autoren sind oder waren bei ZOE beschäftigt, beraten das Unternehmen, besitzen Optionen oder haben es mitgegründet. Das ist relevant, weil PREDICT-Daten und das ZOE-Mikrobiomranking eine zentrale Rolle spielen. Diese Verbindungen widerlegen die Ergebnisse nicht. Sie gehören aber zur transparenten Bewertung, insbesondere wenn aus Forschungsbefunden später Produktversprechen werden.

Fazit: Muster erkennen, nicht Menschen bewerten

Die Studie zeigt überzeugend, dass Ernährungsgewohnheiten mit unterscheidbaren mikrobiellen Mustern zusammenhängen. Ihre nützlichste Botschaft ist genauer als „vegan gewinnt“: Gruppenzugehörigkeit, Lebensmittelqualität, Artenreichtum, Modellleistung und Gesundheitsmarker sind unterschiedliche Ebenen. Wer diese Ebenen auseinanderhält, kann die Ergebnisse nutzen, ohne daraus eine Diagnose oder ein persönliches Bakterienziel zu erfinden. Ein guter nächster Forschungsversuch muss zeigen, was eine gezielte Veränderung tatsächlich bewirkt – und ob Menschen davon klinisch profitieren.

Redaktion Klinisches Mikrobiom · Herausgeber: Sebastjan Stjepanovic. Die redaktionelle Produktion folgt dem freigegebenen Evidenz- und Qualitätsstandard.

Originalquelle [1]: Fackelmann G. et al. Gut microbiome signatures of vegan, vegetarian and omnivore diets and associated health outcomes across 21,561 individuals. Nature Microbiology 10, 41–52 (2025). Erstveröffentlichung 6. Januar 2025. DOI: 10.1038/s41564-024-01870-z. Begutachteter Originalartikel; Volltext einschließlich Methoden, Diskussion und Interessenkonflikten geprüft. Stand 20. Oktober 2026: Auf der Verlagsseite und im Crossref-Datensatz kein Korrektur- oder Rückzugshinweis gefunden; dies ist keine Garantie für vollständige Erfassung aller späteren Hinweise.

Allgemeine wissenschaftliche Information, keine individuelle Diagnose oder Behandlung. Keine ärztliche oder persönliche medizinische Prüfung behauptet.