Wie genau ist KI-Foto-Kalorientracking?

Ein multimodales Modell analysiert dein Foto und identifiziert, was auf dem Teller liegt. Anschließend schätzt es die Portionsgröße anhand visueller Anhaltspunkte – der Tellergröße, der Schüsseltiefe und der Anordnung des Essens. Es ordnet jede erkannte Zutat passenden Nährwertdaten zu und rechnet alles zusammen.

Zwei dieser Schritte sind ausgesprochen anspruchsvoll. Die Erkennung ist der leichtere Teil: Eine Hähnchenbrust, eine Schale Reis und eine Beilage Brokkoli sind gut zu identifizieren. Die Portionsschätzung ist deutlich schwieriger, weil ein Foto räumliche Tiefe verflacht und der Unterschied zwischen 100 g und 160 g Reis auf dem Bild oft nur wenige Pixel ausmacht.

Die dritte Hürde sind unsichtbare Zutaten. Ein Esslöffel Olivenöl hat rund 120 kcal, hinterlässt auf dem fertigen Gericht aber kaum optische Spuren. Sahne in einer Sauce, Butter am Gemüse und Zucker in einer Marinade verhalten sich ganz genauso.

Am stärksten ist die KI bei separat angerichteten Speisen: eine Proteinquelle, eine Beilage und Gemüse, leicht schräg und bei gutem Licht fotografiert. Verpackte Lebensmittel, die per Barcode gescannt werden, sind noch genauer, da die Werte direkt von der Nährwerttabelle des Herstellers stammen und nicht geschätzt werden müssen.

Schwierigkeiten hat sie bei homogenen Mischgerichten – Eintöpfen, Currys, Smoothies oder Aufläufen –, bei denen die Zutaten nicht einzeln sichtbar sind. Auch Restaurantessen ist tückisch, da es fast immer gehaltvoller zubereitet wird, als es aussieht. Und sie stößt an Grenzen bei Aufnahmen, die Größenverhältnisse verbergen, etwa bei Nahaufnahmen ohne Referenzobjekt im Bild.

Genau deshalb kannst du in CalEasy ein Foto mit einer Sprachnotiz oder einer kurzen Textzeile in einem einzigen Eintrag kombinieren. „In zwei Esslöffeln Olivenöl gebraten“ liefert exakt die Information, die ein Foto nicht erfassen kann – und das Einsprechen dauert gerade einmal drei Sekunden.

Angenommen, deine Schätzungen liegen durchgehend 10 % zu niedrig. Du setzt dir ein Ziel, trackst drei Wochen lang, und die Waage bewegt sich kaum. Du senkst das Ziel um 200 kcal, und das Gewicht beginnt zu sinken. Die systematische Abweichung ist damit ausgeglichen – weil du dich an deinen eigenen Resultaten kalibriert hast und nicht an einer absoluten Labormessung.

Nimm nun an, deine Schätzungen wären perfekt, aber du trackst nur an vier Tagen pro Woche. Du hast keinen Überblick über deine tatsächliche Zufuhr und keinen sauberen Trend, an dem du Anpassungen vornehmen könntest. Die zweite Person steht trotz höherer Genauigkeit bei einzelnen Mahlzeiten deutlich schlechter da.

Das ist das ehrliche Argument für Foto-Tracking: Es ist nicht die präziseste Methode, aber diejenige, die Menschen langfristig durchziehen. Ein akribisch abgewogenes Ernährungstagebuch ist für etwa zehn Tage genauer – also genau den Zeitraum, nach dem die meisten wieder aufgeben.

Fotografiere vor dem Essen, leicht schräg statt senkrecht von oben, und sorge für ein Referenzobjekt im Bild – eine Gabel oder deine Hand genügen. Zeige den gesamten Teller und nicht nur eine Nahaufnahme des ansprechendsten Bereichs.

Sprich oder tippe ein, was ein Foto nicht zeigen kann: das Bratfett, die Sauce oder ob der Joghurt Vollfettstufe hatte. Scanne den Barcode, wenn das Lebensmittel aus einer Packung stammt. Und passe das Ergebnis an, wenn du es besser weißt: Jede Mahlzeit wird in CalEasy in einzelne Zutaten aufgeschlüsselt, die du in Sekundenschnelle anpassen kannst – das ist schneller als manuelle Eingabe und genauer, als eine zweifelhafte Schätzung einfach zu übernehmen.

Bei Mahlzeiten, die du regelmäßig isst, lohnt es sich, die Werte einmal exakt anzupassen und abzuspeichern. Danach reicht ein einziger Fingertipp – ganz ohne Schätzen.

Barcode-Scanning ist bei verpackten Lebensmitteln am genauesten und erfordert kein Schätzen. Das Abwiegen von Zutaten und manuelle Eintragen ist beim Kochen zu Hause am präzisesten, aber mit Abstand am zeitaufwendigsten. Foto-Tracking ist am schnellsten und meistert auch Mahlzeiten, die du nicht selbst gekocht hast. Sprache und Text liegen dazwischen: schnell und in der Lage, Details zu ergänzen, die keine Kamera erfassen kann.

Keine dieser Methoden ist die einzig richtige Lösung für jede Mahlzeit. Die entscheidende Frage lautet daher nicht: „Welche Methode ist am genauesten?“, sondern: „Welche Methode werde ich für diese Mahlzeit genau jetzt tatsächlich nutzen?“. Eine solide Schätzung, die getrackt wird, schlägt jede präzise Messung, die nicht stattfindet.