Der Markt für Mikrobiom-Analysen boomt. Anbieter versprechen für etwa 100 bis 300 Euro tiefe Einblicke in das eigene Immunsystem und individuelle Ernährungsempfehlungen. Mit einer eingesendeten Stuhlprobe sollen angebliche Ungleichgewichte der „Darmflora“ erkannt und gezielt korrigiert werden können. Doch während die bunten Auswertungen vieler Anbieter Klarheit und Wissenschaftlichkeit suggerieren, stellt sich eine entscheidende Frage: Wie aussagekräftig sind Darmflora-Heimtests tatsächlich?

Um ihre Ergebnisse – und ihre Grenzen – zu verstehen, muss man zunächst die zugrunde liegende Technik betrachten.

Wie funktionieren Mikrobiom-Analysen?

Genetisches Material wird direkt aus einer Stuhlprobe isoliert und analysiert. Die meisten Darmbakterien lassen sich nämlich im Labor nicht einfach kultivieren. Außerdem dauert das viel zu lange und ist aufwändig. Deshalb nutzt die moderne Mikrobiomforschung DNA-Sequenzierung. Dabei wird das gesamte genetische Material, das in einer Stuhlprobe auffindbar ist, analysiert, egal ob das DNA von Bakterien, deinem Essen oder dir selbst ist.

Derzeit dominieren hierfür zwei Methoden:

1. 16S-rRNA-Gensequenzierung
2. Shotgun-Metagenomik

Beide Verfahren unterscheiden sich deutlich in Aussagekraft, Kosten und Auflösung.

16S-Sequenzierung – der „Fingerabdruck“

Bei der 16S-rRNA-Sequenzierung wird ein bestimmtes Gen untersucht, das in allen Bakterien vorkommt: das 16S-rRNA-Gen.

Dieses Gen enthält fixe sowie variable Regionen, die sich zwischen verschiedenen Bakterien unterscheiden. Durch Sequenzierung dieser Regionen kann bestimmt werden, welche Bakteriengruppen in einer Probe vorkommen. Das ist relativ kostengünstig, technisch robust und gut geeignet für umfassende Übersichtsstudien.

Nachteil: Die Auflösung ist begrenzt. Häufig lassen sich Bakterien nur auf Gattungsebene identifizieren, nicht auf exakter Art- oder Stamm-Ebene (Johnson et al., 2019).

16S-Sequenzierung ist keineswegs eine „veraltete Methode“. Sie bleibt ein entscheidendes Werkzeug der Mikrobiomforschung – allerdings vor allem für populationsbasierte Analysen und ökologische Fragestellungen, nicht für präzise Diagnosen einzelner Personen.

Shotgun-Metagenomik – das „Fahndungsfoto“

Bei der Shotgun-Metagenomik wird dagegen die gesamte DNA einer Probe zufällig fragmentiert und sequenziert. Die entstehenden Sequenzen werden anschließend bioinformatisch analysiert. Dadurch lassen sich Mikroorganismen – nicht nur Bakterien! – oft bis zur Art, teilweise auch bis zum Stamm sowie Stoffwechselgene und Funktionen identifizieren.

Diese Methode liefert deutlich detailliertere Informationen über das Mikrobiom (Quince et al., 2017).

Nachteil: deutlich teurer, datenintensiver, komplexere Auswertung

Mikrobiomanalysen in der Praxis

Präanalytik: Der Weg ins Labor

Ein wichtiger Faktor ist die Probenlagerung und der Versand. Heimtests und Tests in der Berater:innenpraxis werden per Post verschickt. Transportzeit und Temperatur können die mikrobielle Zusammensetzung beeinflussen. Zwar enthalten viele Kits heute DNA-Stabilisatoren, dennoch können Lagerbedingungen und Transportdauer das Ergebnis beeinflussen.

Warum 16S-Tests Häufigkeiten verzerren können

Ein technisches Detail führt häufig zu Fehlinterpretationen: die Kopienzahl des 16S-Gens. Viele Bakterien besitzen mehrere Kopien dieses Gens. Die Zahl kann zwischen 1 und über 10 Kopien pro Genom variieren (Vetrovsky & Baldrian, 2013). Das kann die gemessene Häufigkeit verzerren.

Dazu ein Gedankenexperiment:

• 100 Bakterien Art A → 1 Genkopie
• 100 Bakterien Art B → 5 Genkopien

Ein 16S-Test misst also 100 Sequenzen von Art A und 500 Sequenzen von Art B.

Im Ergebnis wirkt es so, als sei Art B fünfmal häufiger vorhanden – obwohl beide Arten gleich oft vorkommen. Das kann bei Heimtests schon mal dazu führen, dass gewisse Bakterien massenhaft „vorkommen“ und andere fast verschwunden sind. Aber eben nur scheinbar. Shotgun-Analysen sind weniger anfällig für diesen Effekt, da hier die gesamte DNA analysiert wird.

Was ein Stuhltest überhaupt misst

Ein weiterer wichtiger Punkt: Heimtests analysieren Stuhlproben, nicht direkt das gesamte Darmmikrobiom. Der menschliche Verdauungstrakt besteht aus verschiedenen mikrobiellen Lebensräumen:

• Dünndarm
• Dickdarm
• Schleimhaut (Mukosa)
• Darminhalt

Stuhlproben spiegeln hauptsächlich Mikroorganismen aus dem letzten Dickdarmabschnitt wider. Das Mikrobiom anderer Darmabschnitte kann sich deutlich unterscheiden (Falony et al., 2016). Ein Heimtest liefert daher nur einen vagen Ausschnitt des gesamten Systems.

Das Problem der „Normalwerte“

Viele Heimtests nutzen die 16S-Methodik und bewerten einzelne Bakterien als „zu hoch“ oder „zu niedrig“. Das haben wir schon gesehen, dass das gar nicht geht. Doch ein grundlegendes anderes Problem gibt bes noch dazu: Es gibt derzeit kaum klinisch validierte Referenzwerte für einzelne Darmbakterien.

Der Grund: Das menschliche Mikrobiom ist extrem variabel.

Selbst gesunde Menschen können völlig unterschiedliche bakterielle Zusammensetzungen besitzen (Human Microbiome Project Consortium, 2012).

Das Mikrobiom wird beeinflusst durch:

• Ernährung
• Medikamente (besonders Antibiotika)
• Alter
• genetische Faktoren
• geografische Herkunft
• Lebensstil

Bereits kurzfristige Ernährungsänderungen (Urlaub, neuer Koch in Kantine…) können das Mikrobiom messbar verändern (David et al., 2014).

Unterschiedliche Datenbanken

Ein weiteres Problem liegt in den Referenzdatenbanken. Die Zuordnung von Gen-Sequenzen zu bestimmten Bakterien hängt stark von der verwendeten Datenbank und Analysepipeline ab. Unterschiedliche Labore können deshalb aus derselben Probe teilweise unterschiedliche taxonomische Profile berechnen (Knight et al., 2018). Im Klartext: Manche Labore identifizieren dieselben Bakterien als unterschiedliche Arten!

Was große Mikrobiomstudien wirklich zeigen

In der Forschung werden Mikrobiome meist in großen Gruppen verglichen.

Eine Metaanalyse von über 6300 Metagenomen aus 36 Studien (Shotgun Methode) identifizierte beispielsweise mehrere hundert Bakterienarten, die statistisch mit Krankheiten assoziiert sind (Wirbel et al., 2024). Diese Ergebnisse zeigen jedoch statistische Muster auf Populationsebene, keine diagnostischen Grenzwerte für Einzelpersonen. Dennoch werden solche Studien gerne von Berater:innen als Beweis angeführt, dass die von ihnen verwendete Testmethode (16S-rRNA) für eine individualisierte Therapie sinnvoll ist.

Das Beispiel Alistipes

Ein anschauliches Beispiel ist das Bakteriengenus Alistipes. Einige Studien verbinden bestimmte Arten mit Erkrankungen wie Depressionen oder Darmentzündungen. Andere Arbeiten zeigen mögliche protektive Effekte, etwa im Zusammenhang mit Immunreaktionen oder Stoffwechselprozessen (Parker et al., 2020). Das zeigt ein grundlegendes Problem: Ein einzelnes Bakterium lässt sich selten eindeutig als „gut“ oder „schlecht“ klassifizieren.

„Aber mir hat der Test geholfen.“

Befürworter von Mikrobiomtests verweisen häufig auf positive Erfahrungen in der Praxis. Solche Erfahrungsberichte sind wertvoll, können jedoch durch mehrere bekannte Effekte beeinflusst werden.

Regression zur Mitte

Viele Beschwerden schwanken im Verlauf. Menschen lassen Tests häufig durchführen, wenn ihre Symptome besonders stark sind. Eine spätere Verbesserung kann daher auch ohne Intervention auftreten.

Confirmation Bias

Menschen erinnern sich stärker an Beobachtungen, die ihre Erwartungen bestätigen, während widersprüchliche Fälle weniger präsent bleiben.

Begleitmaßnahmen

Nach einem Test ändern viele Menschen gleichzeitig ihren Lebensstil:

• mehr Ballaststoffe
• weniger ultraverarbeitete Lebensmittel
• mehr Bewegung

Diese Maßnahmen haben nachweislich positive Effekte – unabhängig vom Testergebnis.

Lohnt sich ein Darmflora-Test?

Darmflora-Heimtests basieren auf realen wissenschaftlichen Methoden. Dennoch unterscheiden sich ihre Aussagen deutlich von dem, was in wissenschaftlichen Studien möglich ist.

Sinnvoll als

• grobe Orientierung über Diversität auf Gattungsebene – don’t panic, wenn gewisse Bakterien unterrepräsentiert sind

Kritisch als

• alleinige Grundlage für Nahrungsergänzungsmittel
• diagnostisches Instrument für Krankheiten
• individuelle Therapieempfehlungen

Viele Empfehlungen der Tests – etwa mehr Ballaststoffe oder weniger ultraverarbeitete Lebensmittel – sind sinnvoll. Sie funktionieren jedoch auch ohne vorherige Mikrobiomanalyse.

Ich würde kein Geld für solche Tests ausgeben, weil der Erkenntnisgewinn für mich daraus zu gering wäre.

FAQ zu Mikrobiomtests

Literatur

David, L. A., Maurice, C. F., Carmody, R. N., et al. (2014). Diet rapidly and reproducibly alters the human gut microbiome. Nature, 505, 559–563. https://doi.org/10.1038/nature12820

Falony, G., Joossens, M., Vieira-Silva, S., et al. (2016). Population-level analysis of gut microbiome variation. Science, 352(6285), 560–564.

Human Microbiome Project Consortium (2012). Structure, function and diversity of the healthy human microbiome. Nature, 486(7402), 207–214. https://doi.org/10.1038/nature11234

Johnson, J.S., Spakowicz, D.J., Hong, BY. et al. Evaluation of 16S rRNA gene sequencing for species and strain-level microbiome analysis. Nat Commun 10, 5029 (2019). https://doi.org/10.1038/s41467-019-13036-1

Knight, R., Vrbanac, A., Taylor, B. C., Aksenov, A., Callewaert, C., Debelius, J., Gonzalez, A., Kosciolek, T., McCall, L. I., McDonald, D., Melnik, A. V., Morton, J. T., Navas, J., Quinn, R. A., Sanders, J. G., Swafford, A. D., Thompson, L. R., Tripathi, A., Xu, Z. Z., Zaneveld, J. R., … Dorrestein, P. C. (2018). Best practices for analysing microbiomes. Nature reviews. Microbiology, 16(7), 410–422. https://doi.org/10.1038/s41579-018-0029-9

Parker BJ, Wearsch PA, Veloo ACM and Rodriguez-Palacios A (2020) The Genus Alistipes: Gut Bacteria With Emerging Implications to Inflammation, Cancer, and Mental Health. Front. Immunol. 11:906. doi: 10.3389/fimmu.2020.00906

Quince, C., Walker, A. W., Simpson, J. T., Loman, N. J., & Segata, N. (2017). Shotgun metagenomics, from sampling to analysis. Nature biotechnology, 35(9), 833–844. https://doi.org/10.1038/nbt.3935

Vetrovsky, T., & Baldrian, P. (2013). The variability of the 16S rRNA gene in bacterial genomes. PLOS ONE, 8, e57923.

Wirbel, J., Pyl, P. T., Kartal, E., et al. (2024). Shared microbial signatures across diseases revealed by large-scale metagenomic meta-analysis. npj Biofilms and Microbiomes. https://doi.org/10.1038/s41522-024-00567-9