Nutrolas offener Lebensmittel-Nährstoff-Datensatz: 500.000+ Lebensmittel zum Download

Gute Nährstoffdaten sind schwer zu finden. Forscher verschwenden Wochen mit der Bereinigung staatlicher Datenbanken. Entwickler schreiben fragile Scraper, die jeden Monat kaputtgehen. Studierende, die Abschlussarbeiten schreiben, begnügen sich mit kleinen, veralteten Stichproben, weil das Zusammenstellen eines umfassenden Datensatzes von Grund auf innerhalb eines akademischen Zeitrahmens nicht realistisch ist.

Wir haben Nutrolas Lebensmitteldatenbank für unsere Kalorienzähler-App entwickelt, und in den letzten drei Jahren haben wir stark darin investiert, diese Daten genau, umfassend und gut strukturiert zu machen. Heute veröffentlichen wir einen kuratierten Teilbestand dieser Datenbank als offenen Datensatz: über 500.000 verifizierte Lebensmitteleinträge, die kostenlos in CSV- und JSON-Formaten heruntergeladen werden können.

Dieser Beitrag behandelt alles, was Sie über den Datensatz wissen müssen — was er enthält, wie Sie ihn herunterladen, das Schema, die Lizenzierung, die Qualitätsmethodik und wie er sich im Vergleich zu anderen öffentlich verfügbaren Nährstoffdatenquellen schlägt.

Was im Datensatz enthalten ist

Der Nutrola Open Food Nutrition Dataset enthält über 500.000 Lebensmitteleinträge, die Rohzutaten, generische Lebensmittel, Markenprodukte und gängige Restaurantgerichte umfassen. Jeder Eintrag wurde durch unsere mehrschichtige Qualitätskontroll-Pipeline verifiziert — dasselbe System, das in unserem Beitrag Wie wir unsere Lebensmitteldatenbank aufgebaut haben ausführlich beschrieben wird.

Jeder Lebensmitteleintrag enthält folgende Datenpunkte:

• Lebensmittelname — der gebräuchliche Name des Lebensmittels auf Englisch, mit Markennamen wo zutreffend
• Kalorien — Energiegehalt in Kilokalorien (kcal) pro 100 Gramm und pro Portion
• Makronährstoffe — Protein, Gesamtfett, gesättigtes Fett, Transfett, Gesamtkohlenhydrate, Ballaststoffe, Gesamtzucker und zugesetzter Zucker, alles in Gramm
• Mikronährstoffe — 30+ Vitamine und Mineralstoffe einschließlich Vitamin A, Vitamin C, Vitamin D, Vitamin E, Vitamin K, Thiamin, Riboflavin, Niacin, Vitamin B6, Folat, Vitamin B12, Calcium, Eisen, Magnesium, Phosphor, Kalium, Natrium, Zink, Kupfer, Mangan, Selen und mehr
• Portionsgrößen — Standardportionsgrößenbeschreibung (z. B. „1 mittelgroßer Apfel", „1 Tasse gekocht"), Portionsgewicht in Gramm und bis zu drei alternative Portionsgrößen pro Lebensmittel
• Lebensmittelkategorie — hierarchische Klassifizierung unter Verwendung unserer internen Taxonomie (z. B. Milchprodukte > Käse > Hartkäse)
• Herkunftsland — das Hauptland oder die Region, in dem/der das Lebensmittel verkauft wird oder die Zutat üblicherweise konsumiert wird
• Barcode (sofern verfügbar) — UPC- oder EAN-Codes für Markenprodukte
• Datenquellen-Tags — Herkunftsindikatoren, die anzeigen, ob der Eintrag aus staatlichen Datenbanken, Herstellerdaten, Laboranalysen oder unserem internen Verifizierungsteam stammt

Beispieldaten

Hier ist eine Auswahl von Einträgen aus dem Datensatz, um Ihnen einen Eindruck von der Struktur und dem Detailgrad zu vermitteln:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Chicken Breast, Raw, Skinless	Poultry > Chicken	US	120	22.5	2.6	0.0	0.0	1 breast (174g)	174
NF-008391	Fage Total 0% Greek Yogurt	Dairy > Yogurt > Greek	GR	54	10.3	0.0	3.0	0.0	1 container (150g)	150
NF-014205	Basmati Rice, White, Cooked	Grains > Rice	IN	130	2.7	0.3	28.2	0.4	1 cup (158g)	158
NF-022876	Avocado, Hass, Raw	Fruits > Tropical	MX	160	2.0	14.7	8.5	6.7	1/2 avocado (68g)	68
NF-031560	Barilla Penne Rigate, Dry	Pasta > Dried	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Traditional Napa Cabbage	Vegetables > Fermented	KR	15	1.1	0.5	2.4	1.6	1/2 cup (75g)	75
NF-053714	Salmon, Atlantic, Raw, Farmed	Fish > Salmon	NO	208	20.4	13.4	0.0	0.0	1 fillet (113g)	113
NF-067283	Chickpeas, Canned, Drained	Legumes > Beans	US	119	6.3	2.0	18.2	5.4	1/2 cup (120g)	120

Der vollständige Datensatz enthält viele weitere Spalten für Mikronährstoffe, alternative Portionsgrößen, Barcode-Daten und Quellen-Tags. Die obige Tabelle zeigt die wichtigsten Nährwertfelder.

Datenformate

Der Datensatz ist in zwei Formaten verfügbar:

CSV

Die CSV-Datei verwendet UTF-8-Kodierung mit Komma-Trennzeichen. Die erste Zeile enthält Spaltenüberschriften. Felder, die Kommas enthalten, werden in doppelte Anführungszeichen eingeschlossen. Null-Werte werden als leere Felder dargestellt.

Das CSV-Format ist ideal für Tabellenkalkulationstools wie Excel und Google Sheets, Statistiksoftware wie R und SPSS sowie für die schnelle Datenexploration mit Befehlszeilentools wie csvkit oder xsv.

Datei: nutrola-open-food-dataset-v3.csv (ca. 210 MB unkomprimiert, 48 MB gzipped)

JSON

Die JSON-Datei enthält ein Array von Objekten, eines pro Lebensmitteleintrag. Verschachtelte Objekte werden für strukturierte Felder wie Portionsgrößen (die eine Beschreibung, ein Grammgewicht und gegebenenfalls ein Milliliter-Äquivalent enthalten) und Mikronährstoffprofile verwendet.

Das JSON-Format eignet sich besser für die Anwendungsentwicklung, Datenbankimporte und jeden Workflow, bei dem Sie die hierarchische Struktur von Portionsgrößen und Nährstoffgruppen beibehalten müssen.

Datei: nutrola-open-food-dataset-v3.json (ca. 340 MB unkomprimiert, 62 MB gzipped)

Beide Dateien sind auch als gzip-komprimierte Archive verfügbar, um die Downloadzeiten zu reduzieren.

Datenschema

Hier ist das vollständige Schema mit Beschreibungen für jedes Feld im Datensatz:

Feldname	Typ	Beschreibung
food_id	string	Eindeutige Nutrola-Kennung für den Lebensmitteleintrag (Format: NF-XXXXXX)
food_name	string	Gebräuchlicher Name des Lebensmittels, einschließlich Marke wo zutreffend
category_l1	string	Lebensmittelkategorie der obersten Ebene (z. B. Milchprodukte, Getreide, Obst)
category_l2	string	Kategorie der zweiten Ebene (z. B. Käse, Reis, Tropisch)
category_l3	string	Kategorie der dritten Ebene wo zutreffend (z. B. Hartkäse, Brauner Reis)
country	string	ISO 3166-1 alpha-2 Ländercode für den Hauptmarkt
brand	string	Markenname für Markenprodukte; null für generische Lebensmittel
barcode	string	UPC/EAN-Barcode; null wenn nicht zutreffend
calories_per_100g	float	Energie in kcal pro 100 Gramm
protein_g	float	Protein in Gramm pro 100g
fat_total_g	float	Gesamtfett in Gramm pro 100g
fat_saturated_g	float	Gesättigtes Fett in Gramm pro 100g
fat_trans_g	float	Transfett in Gramm pro 100g
carbs_total_g	float	Gesamtkohlenhydrate in Gramm pro 100g
fiber_g	float	Ballaststoffe in Gramm pro 100g
sugars_total_g	float	Gesamtzucker in Gramm pro 100g
sugars_added_g	float	Zugesetzter Zucker in Gramm pro 100g
sodium_mg	float	Natrium in Milligramm pro 100g
cholesterol_mg	float	Cholesterin in Milligramm pro 100g
vitamin_a_mcg	float	Vitamin A in Mikrogramm RAE pro 100g
vitamin_c_mg	float	Vitamin C in Milligramm pro 100g
vitamin_d_mcg	float	Vitamin D in Mikrogramm pro 100g
calcium_mg	float	Calcium in Milligramm pro 100g
iron_mg	float	Eisen in Milligramm pro 100g
potassium_mg	float	Kalium in Milligramm pro 100g
magnesium_mg	float	Magnesium in Milligramm pro 100g
zinc_mg	float	Zink in Milligramm pro 100g
phosphorus_mg	float	Phosphor in Milligramm pro 100g
selenium_mcg	float	Selen in Mikrogramm pro 100g
vitamin_b6_mg	float	Vitamin B6 in Milligramm pro 100g
vitamin_b12_mcg	float	Vitamin B12 in Mikrogramm pro 100g
folate_mcg	float	Folat in Mikrogramm DFE pro 100g
vitamin_e_mg	float	Vitamin E in Milligramm pro 100g
vitamin_k_mcg	float	Vitamin K in Mikrogramm pro 100g
thiamin_mg	float	Thiamin (B1) in Milligramm pro 100g
riboflavin_mg	float	Riboflavin (B2) in Milligramm pro 100g
niacin_mg	float	Niacin (B3) in Milligramm pro 100g
copper_mg	float	Kupfer in Milligramm pro 100g
manganese_mg	float	Mangan in Milligramm pro 100g
serving_1_desc	string	Primäre Portionsgrößenbeschreibung (z. B. „1 Tasse gekocht")
serving_1_g	float	Gewicht der primären Portionsgröße in Gramm
serving_2_desc	string	Alternative Portionsgrößenbeschreibung; null wenn nicht verfügbar
serving_2_g	float	Gewicht der alternativen Portionsgröße in Gramm
serving_3_desc	string	Zweite alternative Portionsgrößenbeschreibung; null wenn nicht verfügbar
serving_3_g	float	Gewicht der zweiten alternativen Portionsgröße in Gramm
data_source	string	Herkunfts-Tag: „government", „manufacturer", „laboratory" oder „verified_community"
last_verified	string	ISO 8601-Datum der letzten Verifizierung des Eintrags (JJJJ-MM-TT)
dataset_version	string	Datensatz-Versionskennung (z. B. „v3.0")

Alle Nährwerte werden pro 100 Gramm angegeben, um konsistente Vergleiche zu ermöglichen. Um Nährstoffe pro Portion zu berechnen, multiplizieren Sie den Pro-100g-Wert mit dem Portionsgewicht in Gramm und teilen Sie durch 100.

Herunterladen

Der Datensatz wird auf unserem öffentlichen GitHub-Repository gehostet:

github.com/nutrola/open-food-nutrition-dataset

Sie können die Dateien direkt von der GitHub-Releases-Seite herunterladen oder das Repository klonen:

git clone https://github.com/nutrola/open-food-nutrition-dataset.git

Für die komprimierten Versionen:

# Download CSV (gzipped)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.csv.gz

# Download JSON (gzipped)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.json.gz

Das Repository enthält außerdem:

• Eine detaillierte README.md mit Schnellstart-Anleitungen
• Eine CHANGELOG.md, die Änderungen zwischen Datensatzversionen dokumentiert
• Ein scripts/-Verzeichnis mit Python- und R-Beispielskripten zum Laden, Filtern und Analysieren der Daten
• Ein schema/-Verzeichnis mit JSON Schema- und CSV-Dialekt-Definitionen

Wenn Sie die vollständige Datenbank mit über 3 Millionen Einträgen und Echtzeit-Updates statt periodischer Snapshots benötigen, finden Sie in unserem Beitrag zur Nutrition Data API Informationen zum Entwicklerzugang.

Anwendungsfälle

Akademische Forschung

Ernährungsforscher können den Datensatz für Ernährungsmusteranalysen, epidemiologische Modellierung und Nährstoffdichtestudien verwenden, ohne Wochen mit der Bereinigung und Zusammenführung staatlicher Datendateien zu verbringen. Das hierarchische Kategoriesystem erleichtert das Filtern nach Lebensmittelgruppen, und das Länderfeld ermöglicht interkulturelle Vergleiche.

Veröffentlichte Forschung, die den Datensatz verwendet, sollte wie folgt zitiert werden: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Verfügbar unter github.com/nutrola/open-food-nutrition-dataset. Lizenziert unter CC BY-SA 4.0.

Anwendungsentwicklung

Entwickler, die Gesundheits-, Fitness- oder ernährungsbezogene Anwendungen erstellen, können den Datensatz als lokale Lebensmitteldatenbank nutzen. Das konsistente Schema und die Portionsgrößendaten bedeuten, dass Sie eine funktionale Lebensmittelprotokollierungsfunktion erstellen können, ohne auf eine Live-API-Verbindung angewiesen zu sein. Dies ist besonders nützlich für Offline-first-Mobile-Apps, Prototyping und Hackathon-Projekte.

Das CSV-Format lässt sich direkt in SQLite, PostgreSQL oder jede relationale Datenbank laden. Das JSON-Format passt sauber in Dokumentdatenbanken wie MongoDB oder Firestore.

Data Science und maschinelles Lernen

Der Datensatz eignet sich gut für das Training und die Evaluierung von Machine-Learning-Modellen im Bereich Lebensmittel und Ernährung. Häufige Anwendungen umfassen:

• Lebensmittelklassifizierungsmodelle — verwenden Sie die Kategoriehierarchie als Trainingslabels, um Klassifikatoren zu erstellen, die Lebensmittelkategorien anhand von Namen oder Nährwertprofilen vorhersagen
• Nährwertschätzung — trainieren Sie Regressionsmodelle, die den Kalorien- oder Makrogehalt aus Teilinformationen vorhersagen (z. B. Schätzung von Kalorien aus Protein-, Fett- und Kohlenhydratverhältnissen)
• Empfehlungssysteme — erstellen Sie Lebensmittelempfehlungsmaschinen, die ernährungsphysiologisch ähnliche Alternativen vorschlagen
• Anomalieerkennung — identifizieren Sie ungewöhnliche Nährwertprofile, die auf Datenqualitätsprobleme in anderen Datensätzen hinweisen könnten

Bildung

Ernährungswissenschaftsstudierende und Lehrende können den Datensatz für Studienarbeiten, Praktika und Aufgaben verwenden. Die Breite der Daten — die Lebensmittel aus Dutzenden von Ländern abdecken und jede wichtige Lebensmittelgruppe umfassen — macht ihn nützlich für die Vermittlung von Konzepten wie Makronährstoffverhältnissen, Mikronährstoffdichte und wie sich Nährwertprofile über verschiedene Küchen und Lebensmittelverarbeitungsstufen hinweg unterscheiden.

Öffentliche Gesundheit und Politik

Organisationen des öffentlichen Gesundheitswesens können die Daten verwenden, um die Ernährungslandschaft bestimmter Lebensmittelkategorien oder Märkte zu analysieren. Das Länderfeld ermöglicht die Filterung nach Region, und das Markenfeld ermöglicht die Analyse der Nährwertqualität von Marken- im Vergleich zu generischen Lebensmitteln.

Datenqualitätsmethodik

Die Veröffentlichung eines offenen Datensatzes hat keinen Wert, wenn die Daten nicht vertrauenswürdig sind. So stellen wir die Qualität der über 500.000 Einträge in dieser Veröffentlichung sicher.

Mehrquellen-Verifizierung

Jeder Eintrag im Datensatz wurde gegen mindestens zwei unabhängige Quellen verifiziert. Unsere primären Datenquellen umfassen:

• Staatliche Nährstoffdatenbanken — USDA FoodData Central (Vereinigte Staaten), CoFID (Vereinigtes Königreich), NUTTAB (Australien), CNF (Kanada) und gleichwertige Datenbanken aus 20+ Ländern
• Vom Hersteller bereitgestellte Daten — Nährwertangaben, die direkt von Lebensmittelherstellern über unser Markenpartnerschaftsprogramm eingereicht wurden
• Laboranalysen — unabhängige Labortests, die von unserem Team für häufig verwendete Lebensmittel durchgeführt werden, bei denen Quelldaten widersprüchlich oder veraltet sind
• Verifizierte Community-Einreichungen — von Nutzern eingereichte Einträge, die unseren dreistufigen Verifizierungsprozess bestanden haben (automatisierter Quervergleich, Expertenprüfung und statistische Ausreißererkennung)

Automatisierte Qualitätsprüfungen

Jeder Eintrag durchläuft eine Reihe automatisierter Prüfungen, bevor er in den Datensatz aufgenommen wird:

• Energiebilanz-Validierung — der Kalorienwert wird gegen die Atwater-Berechnung (4 kcal/g Protein + 9 kcal/g Fett + 4 kcal/g Kohlenhydrate) gegengeprüft. Einträge, bei denen die angegebenen Kalorien um mehr als 10 % vom berechneten Wert abweichen, werden zur manuellen Überprüfung markiert.
• Bereichsprüfungen — jeder Nährwert wird gegen physiologisch plausible Bereiche für die Lebensmittelkategorie validiert. Ein Käseeintrag, der 0 Gramm Fett behauptet, oder ein Obsteintrag, der 50 Gramm Protein beansprucht, wird sofort markiert.
• Eintragsübergreifende Konsistenz — ähnliche Lebensmittel werden statistisch verglichen. Wenn ein neuer Hähnchenbrust-Eintrag deutlich andere Werte aufweist als der bestehende Cluster von Hähnchenbrust-Einträgen, wird er zur Überprüfung zurückgehalten.
• Portionsgrößen-Validierung — Portionsgewichte werden gegen bekannte Standardportionen geprüft. Ein „1 mittelgroßer Apfel", der angeblich 500 Gramm wiegt, besteht die Prüfung nicht.

Manuelle Überprüfung

Einträge, die von automatisierten Prüfungen markiert werden, durchlaufen eine manuelle Überprüfung durch unser Datenteam, das qualifizierte Ernährungswissenschaftler und Lebensmittelwissenschaftler umfasst. Etwa 12 % der Einträge erfordern eine Form der manuellen Korrektur, bevor sie genehmigt werden.

Laufende Wartung

Der Datensatz ist kein einmaliger Datenauszug. Wir re-verifizieren Einträge fortlaufend, wobei wir häufig verwendete Lebensmittel (diejenigen, die am häufigsten von Nutrola-Nutzern protokolliert werden) und Einträge, deren Quelldaten aktualisiert wurden, priorisieren. Wenn ein Lebensmittelhersteller ein Produkt reformuliert, erkennen wir die Änderung über unser Barcode-Überwachungssystem und aktualisieren den Eintrag entsprechend.

Aktualisierungshäufigkeit

Wir veröffentlichen vierteljährlich neue Versionen des offenen Datensatzes. Jede Veröffentlichung umfasst:

• Neue Lebensmitteleinträge, die seit der vorherigen Version hinzugefügt wurden
• Korrekturen bestehender Einträge, die durch unsere Qualitätsüberwachung identifiziert wurden
• Aktualisierte Nährstoffdaten für reformulierte Produkte
• Erweiterte Mikronährstoffabdeckung, wenn neue Quelldaten verfügbar werden

Die aktuelle Version ist v3.0, veröffentlicht im März 2026. Versionshistorie und Änderungsprotokolle sind im GitHub-Repository verfügbar.

Wenn Sie Daten benötigen, die häufiger als vierteljährlich aktualisiert werden, spiegelt unsere Nutrition Data API Änderungen innerhalb von 48 Stunden wider.

Lizenz

Der Nutrola Open Food Nutrition Dataset wird unter der Creative Commons Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0)-Lizenz veröffentlicht.

Das bedeutet, Sie dürfen:

• Teilen — den Datensatz in jedem Medium oder Format kopieren und weiterverbreiten
• Bearbeiten — den Datensatz remixen, transformieren und darauf aufbauen, für jeden Zweck, einschließlich kommerzieller Nutzung

Unter folgenden Bedingungen:

• Namensnennung — Sie müssen Nutrola angemessen nennen, einen Link zur Lizenz angeben und angeben, ob Änderungen vorgenommen wurden
• Weitergabe unter gleichen Bedingungen — wenn Sie den Datensatz remixen, transformieren oder darauf aufbauen, müssen Sie Ihre Beiträge unter der gleichen CC BY-SA 4.0-Lizenz verbreiten

Wir haben CC BY-SA 4.0 gewählt, weil es die richtige Balance zwischen Offenheit und der Sicherstellung findet, dass Verbesserungen an die Community zurückfließen. Wenn Sie eine bessere Version dieser Daten erstellen, stellt die Lizenz sicher, dass Ihre Verbesserungen auch für alle anderen verfügbar bleiben.

Vergleich mit anderen Datensätzen

Es gibt mehrere öffentlich verfügbare Nährstoffdatensätze. So schneidet der Nutrola Open Food Nutrition Dataset im Vergleich zu den zwei am häufigsten verwendeten Alternativen ab.

vs. USDA FoodData Central

USDA FoodData Central ist der Goldstandard für Nährstoffdaten in den Vereinigten Staaten. Es ist gründlich, gut dokumentiert und durch Laboranalysen gestützt. Es hat jedoch Einschränkungen, die der Nutrola-Datensatz adressiert:

Dimension	USDA FoodData Central	Nutrola Open Dataset
Gesamteinträge	~400.000 (Foundation, SR Legacy, Branded kombiniert)	500.000+
Geografische Abdeckung	Hauptsächlich Vereinigte Staaten	47 Länder
Markenprodukte	Nur US-Marken, oft veraltet	Internationale Marken, vierteljährlich verifiziert
Datenformat	Mehrere inkompatible Dateiformate, komplexe relationale Struktur	Einzelne CSV- oder JSON-Datei, flache Struktur
Portionsgrößen	Inkonsistent über Unterdatenbanken hinweg	Standardisiertes Format mit bis zu 3 Portionen pro Lebensmittel
Benutzerfreundlichkeit	Erfordert erhebliches Data Engineering zum Zusammenführen der Unterdatenbanken	Eine Datei herunterladen und loslegen
Aktualisierungshäufigkeit	Variiert je nach Unterdatenbank (jährlich für einige)	Vierteljährlich

Wenn Ihre Arbeit sich ausschließlich auf US-Lebensmittel konzentriert und Sie das tiefstmögliche Nährstoffprofil benötigen (USDA deckt 150+ Nährstoffe für Foundation-Lebensmittel ab), ist FoodData Central die bessere Wahl. Wenn Sie internationale Abdeckung, konsistente Formatierung und einen Datensatz benötigen, der sofort einsatzbereit ist, ist der Nutrola-Datensatz die stärkere Option.

Die beiden Datensätze ergänzen sich. Viele Forscher verwenden USDA Foundation-Daten für detaillierte US-Nährstoffanalysen und ergänzen sie mit Nutrola-Daten für internationale Abdeckung und Markenprodukte.

vs. Open Food Facts

Open Food Facts ist eine crowdgesourcte Datenbank mit über 3 Millionen Einträgen. Sie hat eine beeindruckende Skalierung und deckt Produkte aus vielen Ländern ab. Ihre crowdgesourcte Natur bringt jedoch Herausforderungen bei der Datenqualität mit sich:

Dimension	Open Food Facts	Nutrola Open Dataset
Gesamteinträge	3M+	500.000+
Datenqualität	Variabel — crowdgesourct mit automatisierten Prüfungen	Verifiziert — mehrere Quellen, von Menschen überprüft
Vollständigkeit	Vielen Einträgen fehlen Makro-/Mikrodaten	Alle Einträge haben vollständige Makrodaten; 90%+ haben vollständige Mikroprofile
Portionsgrößen	Inkonsistent, oft fehlend	Standardisiert, immer vorhanden
Kategorie-Taxonomie	Crowdgesourcte Tags, inkonsistent	Hierarchische, kuratierte Taxonomie
Nährstoffabdeckung	Variiert stark pro Eintrag	Konsistente 40+ Nährstoffe über alle Einträge
Datenformat	MongoDB-Dump, komplexes verschachteltes JSON	Sauberes CSV und JSON
Lizenz	Open Database License (ODbL)	CC BY-SA 4.0

Open Food Facts glänzt bei der Breite — wenn Sie ein bestimmtes obskures Produkt per Barcode nachschlagen müssen, haben sie es wahrscheinlich. Der Nutrola-Datensatz glänzt bei Tiefe und Konsistenz — jeder Eintrag erfüllt denselben Qualitätsstandard, was ihn zuverlässiger für quantitative Analysen macht, bei denen Datenlücken oder Fehler die Ergebnisse verzerren können.

Wenn Sie eine Barcode-Scanner-App erstellen und maximale Produktabdeckung benötigen, ist Open Food Facts ein guter Ausgangspunkt. Wenn Sie ein Machine-Learning-Modell trainieren, statistische Forschung betreiben oder eine App erstellen, bei der Nährstoffgenauigkeit wichtig ist, bietet Ihnen die verifizierten Daten des Nutrola-Datensatzes eine stärkere Grundlage.

Erste Schritte

Nachdem Sie den Datensatz heruntergeladen haben, finden Sie hier ein kurzes Beispiel zum Laden und Erkunden in Python:

import pandas as pd

# Load the dataset
df = pd.read_csv("nutrola-open-food-dataset-v3.csv")

# Basic overview
print(f"Total entries: {len(df):,}")
print(f"Countries covered: {df['country'].nunique()}")
print(f"Food categories (L1): {df['category_l1'].nunique()}")

# Find high-protein, low-calorie foods
high_protein = df[
    (df["protein_g"] > 20) &
    (df["calories_per_100g"] < 150)
].sort_values("protein_g", ascending=False)

print(high_protein[["food_name", "calories_per_100g", "protein_g"]].head(10))

# Analyze average macros by food category
category_macros = df.groupby("category_l1").agg({
    "calories_per_100g": "mean",
    "protein_g": "mean",
    "fat_total_g": "mean",
    "carbs_total_g": "mean"
}).round(1)

print(category_macros.sort_values("calories_per_100g", ascending=False))

Weitere Beispiele — einschließlich R-Skripte, SQL-Import-Anleitungen und Jupyter-Notebooks — sind im scripts/-Verzeichnis des GitHub-Repositorys verfügbar.

Häufig gestellte Fragen

Ist der Datensatz wirklich kostenlos nutzbar?

Ja. Der Nutrola Open Food Nutrition Dataset wird unter der CC BY-SA 4.0-Lizenz veröffentlicht, die kommerzielle und nicht-kommerzielle Nutzung erlaubt. Die einzigen Anforderungen sind, dass Sie Nutrola als Quelle angeben und dass alle abgeleiteten Datensätze, die Sie verbreiten, die gleiche Lizenz verwenden. Es gibt keine API-Schlüssel, keine Nutzungslimits und keine Registrierung erforderlich, um die Dateien herunterzuladen.

Wie oft wird der Datensatz aktualisiert?

Wir veröffentlichen vierteljährlich neue Versionen. Jede Veröffentlichung fügt neue Lebensmitteleinträge hinzu, korrigiert seit der vorherigen Version identifizierte Fehler und aktualisiert Einträge für Produkte, die reformuliert wurden. Die Releases-Seite des GitHub-Repositorys enthält die vollständige Versionshistorie, und Sie können das Repository beobachten, um benachrichtigt zu werden, wenn neue Versionen veröffentlicht werden.

Kann ich diesen Datensatz für den Bau einer kommerziellen App verwenden?

Ja. Die CC BY-SA 4.0-Lizenz erlaubt ausdrücklich die kommerzielle Nutzung. Sie können die Daten in einer kostenpflichtigen App, einem SaaS-Produkt oder jedem anderen kommerziellen Kontext verwenden. Sie müssen eine Namensnennung von Nutrola in Ihrer App oder Dokumentation aufnehmen, und wenn Sie eine modifizierte Version des Datensatzes selbst verbreiten, muss die modifizierte Version ebenfalls unter CC BY-SA 4.0 lizenziert sein. Die Verwendung der Daten innerhalb Ihrer App (ohne Weiterverteilung des Rohdatensatzes) löst nicht die Weitergabe-unter-gleichen-Bedingungen-Anforderung aus.

Warum nur 500.000 Einträge, wenn Nutrolas vollständige Datenbank über 3 Millionen hat?

Der offene Datensatz enthält Einträge, die wir ohne Einschränkungen unter einer offenen Lizenz veröffentlichen können. Unsere vollständige Datenbank umfasst Daten aus proprietären Quellen — direkte Herstellerpartnerschaften, lizenzierte Labordaten und andere Quellen mit vertraglichen Beschränkungen bei der Weiterverbreitung. Die 500.000 Einträge im offenen Datensatz stammen aus staatlichen Datenbanken, unseren eigenen Laboranalysen und Community-Einreichungen, bei denen die Mitwirkenden einer offenen Lizenzierung zugestimmt haben. Wenn Sie Zugang zur vollständigen Datenbank benötigen, stellt unsere Nutrition Data API diese unter separaten kommerziellen Bedingungen bereit.

Was soll ich tun, wenn ich einen Fehler im Datensatz finde?

Eröffnen Sie ein Issue im GitHub-Repository mit der food_id des betroffenen Eintrags und einer Beschreibung des Fehlers. Fügen Sie einen Quelllink hinzu, falls vorhanden (z. B. eine Herstellerwebsite mit abweichenden Nährwertangaben). Unser Datenteam überprüft gemeldete Probleme wöchentlich, und bestätigte Korrekturen werden in die nächste vierteljährliche Veröffentlichung aufgenommen. Bei dringenden Korrekturen können wir zwischen den vierteljährlichen Updates eine Patch-Version veröffentlichen.

In welcher Beziehung steht dies zur Nutrola Nutrition Data API?

Der offene Datensatz ist ein statischer vierteljährlicher Snapshot eines kuratierten Teilbestands unserer Datenbank. Die API bietet Echtzeitzugang zur vollständigen Datenbank mit über 3 Millionen Einträgen mit Suche, Filterung, Barcode-Suche und anderen Funktionen. Betrachten Sie den offenen Datensatz als Grundlage für Offline- oder Batch-Anwendungsfälle und die API als Lösung für Produktionsanwendungen, die Live-Daten benötigen. Viele Entwickler beginnen mit dem offenen Datensatz für das Prototyping und wechseln zur API, wenn sie in die Produktion gehen.