Der Autor des Blogs Diabettech – selbst Typ-1-Diabetiker – führte ein systematisches Experiment durch: Er stellte KI-Modellen dieselbe Frage nach dem Kohlenhydratgehalt von Mahlzeiten insgesamt 27.000 Mal und analysierte die Verteilung der Antworten. Das Ergebnis ist für den medizinischen Kontext alarmierend: Die Modelle lieferten keine konsistenten Werte, sondern streuten über teils erhebliche Spannen. Für Diabetiker ist eine genaue Kohlenhydratschätzung jedoch direkt relevant für die Berechnung der Insulindosis – Abweichungen können zu Hypo- oder Hyperglykämie führen. Der Test beleuchtet ein strukturelles Problem von LLMs: ihre stochastische Natur durch Temperatur-Sampling erzeugt selbst bei identischer Eingabe unterschiedliche Outputs. Der Artikel positioniert sich als praktische Warnung gegen den unkritischen Einsatz von KI-Assistenten in gesundheitssensitiven Alltagsanwendungen und hat auf Hacker News mit über 300 Kommentaren eine breite Diskussion ausgelöst.