MikroScore API

MikroScore ist ein strukturiertes Wissenssystem. Alle Daten sind über maschinenlesbare JSON-Endpunkte abrufbar, damit AI-Agenten, Chatbots und andere Tools direkt mit unseren Supplement-Bewertungen arbeiten können.

Quick Start

# Alle Wirkstoffe mit Evidenz-Bewertung

curl https://mikroscore.com/data/wirkstoffe.json

# Alle Produkte mit Transparenz-Score

curl https://mikroscore.com/data/products.json

# Knowledge Graph (Nodes + Edges)

curl https://mikroscore.com/data/graph.json

Endpunkte

GET /data/wirkstoffe.json

Alle 119 Wirkstoff-Dossiers mit Evidenz-Level, EFSA-Status, Sicherheitsbewertung und verlinkten Studien.

Beispiel-Response ↓

{
  "ingredient_id": "magnesium",
  "name": "Magnesium",
  "category": "metabolic",
  "evidenceLevel": 4,
  "efsaClaimsAllowed": true,
  "safetyRating": "hoch",
  "typicalDoseMg": 300,
  "aliases": ["Mg", "Magnesiumcitrat"],
  "keyStudies": [{
    "title": "The effect of magnesium supplementation on...",
    "pmid": "23853635",
    "year": 2013,
    "finding": "Signifikante Blutdrucksenkung..."
  }],
  "updatedAt": "2026-07-18"
}

Verwenden für: Wirkstoff-Empfehlungen, Evidenz-Checks, Dosis-Informationen, EFSA-Status

GET /data/products.json

Alle 293 Produkt-Reviews mit Transparenz-Score, Preis pro Tag, Verdict und Verfügbarkeit.

Beispiel-Response ↓

{
  "product_id": "thorne-magnesium-bisglycinate",
  "name": "Thorne Magnesium Bisglycinate",
  "brand": "Thorne",
  "ingredientId": "magnesium",
  "pricePerDay": 0.44,
  "doseMg": 200,
  "form": "capsule",
  "transparencyScore": 8.4,
  "verdict": "empfehlenswert",
  "availableInDE": false,
  "url": "https://mikroscore.com/produkte/thorne-magnesium-bisglycinate"
}

Verwenden für: Produktvergleiche, Preisanalysen, Verfügbarkeits-Checks, Verdict-basierte Empfehlungen

GET /data/graph.json (DE) /data/graph.en.json (EN)

Der vollständige Knowledge Graph: 928 Entities, 1953 Relations. Enthält Nodes (Wirkstoffe, Mechanismen, Symptome, Studien, Regulatorik) und Edges (Beziehungen mit Typ und Confidence).

Beispiel-Response ↓

{
  "nodes": [{
    "id": "magnesium",
    "type": "ingredient",
    "label": "Magnesium",
    "evidenceLevel": 4,
    "efsaApproved": true,
    "updatedAt": "2026-07-18"
  }],
  "edges": [{
    "source": "magnesium",
    "target": "blutdruck",
    "relation": "wird_eingesetzt_fuer",
    "confidence": 0.9,
    "relationSource": "expert-review"
  }, {
    "source": "magnesium",
    "target": "studie-23853635",
    "relation": "basiert_auf_studie",
    "confidence": 0.9,
    "relationSource": "pmid:23853635",
    "evidenceLevel": "human_rct"
  }]
}

Verwenden für: Wissensgraph-Exploration, Reasoning über Wirkmechanismen, Multi-Hop-Queries

GET /data/claims.json

Alle 19 Claims-Checks mit Verdict (supported / misleading / unsupported / unclear).

Verwenden für: Faktenchecks, Marketing-Claims validieren, Content-Moderation

Datenmodell

Entity-Typen

Typ	Anzahl	Beschreibung
ingredient	119	Wirkstoffe mit Evidenz-Bewertung
product	293	Produkte mit Transparenz-Score
mechanism	24	Wirkmechanismen (z.B. NMDA-Antagonist)
symptom	51	Symptome und Beschwerden
study	438	Studien mit PMID und Metadaten
regulatory	2	Regulatorische Einordnungen (EFSA)
contraindication	~15	Kontraindikationen

Relation-Typen

Relation	Anzahl	Bedeutung
wird_eingesetzt_fuer	556	Wirkstoff → Symptom/Indikation
basiert_auf_studie	413	Wirkstoff → Studie (mit PMID)
enthaelt	363	Produkt → Wirkstoff
benoetigt_biomarker_check	144	Wirkstoff → relevanter Biomarker
wirkt_ueber	143	Wirkstoff → Mechanismus
hat_regulatorischen_status	122	Wirkstoff → EFSA-Status
hat_interaktion_mit	68	Wirkstoff ↔ Wirkstoff (Interaktion)
kontraindiziert_bei	68	Wirkstoff → Kontraindikation
hat_nebenwirkung	45	Wirkstoff → Nebenwirkung

Beispiele für Agenten

"Welches Magnesium-Produkt ist am besten bewertet?"

# 1. Alle Produkte für magnesium abrufen
products = GET /data/products.json
magnesium_products = filter(products, ingredientId == "magnesium")

# 2. Nach Transparency Score sortieren
best = sort(magnesium_products, by=transparencyScore, desc)[0]
# → Thorne Magnesium Bisglycinate (8.4)

"Gibt es Studien, die Ashwagandha mit Stressreduktion verbinden?"

# 1. Knowledge Graph abrufen
graph = GET /data/graph.json

# 2. Finde ashwagandha → wird_eingesetzt_fuer → stress
# 3. Finde ashwagandha → basiert_auf_studie → studie-PMIDs
# 4. Für jede Studie: prüfe study_type und evidence_quality

"Welche Supplements haben EFSA-zugelassene Health Claims?"

ingredients = GET /data/wirkstoffe.json
efsa_approved = filter(ingredients, efsaClaimsAllowed == true)
# → Liste aller Wirkstoffe mit EFSA-Approval

Technische Hinweise

• Alle Endpunkte liefern application/json
• Caching: Cache-Control: public, max-age=3600 (1 Stunde)
• Keine Authentifizierung nötig — alle Daten sind öffentlich
• Kein Rate-Limiting, aber bitte fair use (static CDN, keine DB)
• CORS: offen (statische Dateien auf Vercel CDN)
• Jedes Entity hat updatedAt für Frische-Checks
• Jede Edge hat relationSource (Herkunft: pmid / efsa-register / expert-review / product-yaml)
• Studien-Edges haben zusätzlich evidenceLevel: meta_analysis / human_rct / human_observational / expert_review
• Studien haben study_type, evidence_quality, n, coi (soweit verfügbar)
• Quellcode: github.com/YonaPaproth/longevity-check

Hinweis: Die API-Daten dienen der Information und strukturierten Weiterverarbeitung. Sie ersetzen keine medizinische Beratung. Alle Angaben ohne Gewähr. Bei Fragen zur Nutzung: Kontakt.