Wie funktionieren KI-Kalorienzähler wirklich?

Wie funktionieren KI-Kalorienzähler wirklich?

KI-Kalorienzähler funktionieren, indem sie ein Foto in drei Schritten auswerten: Sie erkennen das Essen, benennen es und schätzen dann sein Volumen, um daraus Kalorien zu berechnen. Keiner dieser Schritte schlägt das Essen in einer Datenbank gemessener Lebensmittel nach. Jeder Schritt bringt seinen eigenen Fehler mit. Keiner kann Öl, Soße oder das genaue Gewicht auf dem Teller sehen.

Das unterscheidet sich vom Eintippen eines Lebensmittels in eine Suche, die einen bereits gemessenen Kalorienwert liefert. Eine Fotoschätzung ist eine Vermutung, die allein aus Pixeln entsteht. Im Folgenden wird jeder Schritt einzeln geprüft.

Wie läuft die Schätzung per Foto Schritt für Schritt ab?

Ein Lebensmittel zu erkennen und seine Kalorien zu kennen sind zwei getrennte Probleme. Nur das erste ist annähernd gelöst.

Eine systematische Übersichtsarbeit aus dem Jahr 2022 zu mobilen Food-Vision-Apps, veröffentlicht in Healthcare (Basel), zeigt warum. Sie fand, dass 90,9% der untersuchten Apps das Essen nicht einmal sauber vom Teller, Tisch oder Hintergrund trennen konnten, bevor sie es zu klassifizieren versuchten (Amugongo et al., 2022). Kann das System das Essen zu Beginn nicht sauber isolieren, erbt alles Nachfolgende diesen Fehler, einschließlich Bezeichnung und Portionsgröße.

Die naheliegende Abkürzung, "die KI sieht einen Burger, also kennt sie die Kalorien", überspringt die zwei schwierigsten Schritte. Wie groß ist der Burger, und wie viel Öl steckt darin? Diese Fragen lassen sich allein durch Erkennung nicht beantworten.

Woher weiß die KI, was auf dem Foto zu sehen ist?

Der erste Schritt ist die Segmentierung: Welche Pixel gehören zum Essen, welche zu Teller, Tisch oder Hand?

Der zweite Schritt ist die Klassifizierung. Dabei wird der segmentierte Bereich einer Lebensmittelkategorie zugeordnet, etwa "gegrillte Hähnchenbrust" oder "gedämpfter Reis". Die Healthcare-Übersichtsarbeit nennt Segmentierung und Klassifizierung als die ersten beiden Schritte der Pipeline, die in den untersuchten mobilen Vision-Apps verwendet wird, bevor überhaupt eine Kalorienzahl erscheint (Amugongo et al., 2022).

Ein konkretes Beispiel für diesen Schritt ist ein Food-Scanner-Prototyp der NYU Tandon. Beschrieben wird er in einer Pressemitteilung der Universität von 2025 über Forschung, die auf der IEEE International Conference on Mobile Computing and Sustainable Informatics vorgestellt wurde. Der Prototyp erkannte und identifizierte Lebensmittel in 214 Kategorien mit einer mittleren Präzision von 0,7941, in der Mitteilung als rund 80% Genauigkeit beim Auffinden und Identifizieren von Essen auf einem Bild beschrieben (NYU Tandon, 2025).

Diese 80% beschreiben nur diesen Schritt: das Auffinden und Benennen des Essens. Über die Menge auf dem Teller sagen sie noch nichts.

Wie wird aus einem flachen Foto eine Portionsgröße?

Sobald das Lebensmittel identifiziert ist, muss das System aus einem zweidimensionalen Bild das Volumen schätzen, was das schwierigere Problem ist.

Die Healthcare-Übersichtsarbeit nennt zwei konkrete Methoden mit gemessenem Fehler. Eine tiefensensorbasierte Smartphone-Methode hatte einen absoluten Volumenfehler von 35,1 g, bei einer Standardabweichung von 42,8 g, also rund 14% der geschätzten Portion (Amugongo et al., 2022). Eine andere Methode mit nur einer Kameraperspektive nutzte eine quadratische Kurvenschätzung aus der 2D-Größe des Essens. Sie hatte einen Fehler von 21,3% bei der resultierenden Kalorienschätzung (Amugongo et al., 2022, zitiert nach Okamoto und Yani, 2016).

Beide Zahlen beschreiben die akademischen Systeme, die in der Übersichtsarbeit untersucht wurden, nicht eine bestimmte kommerzielle App. Sie zeigen denselben Punkt: Ein flaches Foto in ein Gewicht in Gramm zu übersetzen ist eine Schätzung, keine Messung. Der Fehler addiert sich zu allem, was bei der Segmentierung bereits schiefgelaufen ist.

Auch Kamerawinkel, Licht und Sichtbarkeit können das Ergebnis verändern, da das System keine unabhängige Möglichkeit hat, seine eigene Schätzung zu überprüfen.

Warum sieht die App kein Öl, keine Soße und kein exaktes Gewicht?

Ein Foto zeigt die Oberfläche eines Gerichts, nicht was beim Kochen hineinkam. Butter, die unter den Reis gerührt wird, bringt Kalorien mit, die die Kamera nie erfasst. Dasselbe gilt für Öl, in dem eine Hähnchenbrust gebraten wurde, oder eine Soße, die in einen Eintopf gerührt wurde. Die KI kann nur über das schließen, was auf dem Bild sichtbar ist.

Deshalb wiegt auch die 90,9%-Einschränkung bei der Trennung von Essen und Hintergrund so schwer. Ein System, das sich schon schwertut, Essen vom Teller zu trennen, hat kaum eine Chance, eine sichtbare Zutat von einer versteckten zu unterscheiden (Amugongo et al., 2022). Das Foto ist die einzige Eingabe. Alles, was darauf nicht sichtbar ist, bleibt für die Schätzung unsichtbar.

Schlägt die App das Essen in einer Datenbank nach oder schätzt sie es aus dem Bild?

Eine Fotoschätzung ist kein Datenbankabgleich. Sie entsteht, indem das Vision-Modell das Bild direkt liest, das Essen erkennt und Portion, Kalorien und Makronährstoffe aus dem Gesehenen schätzt. Es gleicht das Foto nicht mit einer Tabelle bereits gemessener Lebensmittel ab.

Ein Datenbankabgleich ist eine andere, ältere Methode. Wer "gegrillte Hähnchenbrust" in einer Lebensmitteldatenbank sucht, erhält einen Wert, den jemand bereits gemessen hat, oder eine Angabe, die eine Marke schon auf ihr Etikett gedruckt hat. USDA FoodData Central unterteilt seine Einträge danach, wie sie entstanden sind. Foundation Foods stammen aus Laboranalysen von Warenproben und werden zweimal jährlich aktualisiert. SR Legacy sind ältere, analysebasierte Daten, zuletzt 2018 aktualisiert. Branded Foods sind die Kalorien- und Makrowerte, die Marken selbst auf ihre Etiketten drucken, monatlich aktualisiert (USDA FoodData Central).

In der EU müssen Etiketten die Nährwertangaben nach der Lebensmittelinformationsverordnung (LMIV, Verordnung (EU) Nr. 1169/2011) enthalten. Diese Werte wurden einmal gemessen, im Labor oder auf einem Etikett, und dann gespeichert. Eine Fotoschätzung wird bei jedem Bild neu berechnet, ohne gespeicherte Messung dahinter.

Woher stammt der Fehler in jedem einzelnen Schritt, und was unterscheidet das vom Barcode-Scan?

Die folgende Tabelle ist illustrativ: Die Prozentwerte sind frei gewählt, um zu zeigen, wie sich drei unabhängige Fehler summieren, nicht als gemessenes Ergebnis eines bestimmten Produkts.

Angenommen, ein Teller Essen hat tatsächlich 500 kcal. Liegt allein die Segmentierung um 10% daneben, liegt der Wert, mit dem das System weiterrechnet, irgendwo zwischen 450 und 550 kcal. Das passiert schon, bevor Klassifizierung oder Volumenschätzung überhaupt laufen.

Jeder spätere Schritt multipliziert sich mit dem, was der vorherige Schritt übergeben hat, statt neu bei der Wahrheit anzusetzen. Deshalb verschleiert eine einzige, kombinierte "Genauigkeits"-Prozentzahl mehr, als sie zeigt.

Der tatsächliche Fehler besteht aus drei separaten, übereinandergestapelten Schätzungen. Zwei belegte Spannen zeigen, wie das in der Praxis aussieht. Eine tiefensensorbasierte Methode hatte rund 14% Volumenfehler. Eine Methode mit nur einer Kameraperspektive und quadratischer Kurvenschätzung hatte 21,3% Kalorienfehler (Amugongo et al., 2022, zitiert nach Okamoto und Yani, 2016). Beide stecken in genau diesem Stapel, für die jeweiligen akademischen Systeme, an denen sie gemessen wurden.

Ein Barcode-Scan oder eine manuelle Suche ruft dagegen eine bereits existierende Zahl ab: eine Labormessung oder einen Etikettenwert, gespeichert in einer Datenbank wie USDA FoodData Central (USDA FoodData Central). Das System schätzt dabei überhaupt nichts, es gleicht nur eine Kennung mit einem Eintrag ab.

Eine Fotoschätzung hat keine Kennung zum Abgleichen. Die KI muss das Lebensmittel, seine Zubereitung und seine Portion allein aus Pixeln ableiten.

Sie berechnet dann eine Zahl, die vor der Aufnahme dieses Fotos nirgendwo existierte. Das ist eine grundlegend andere Aufgabe, mit einer grundlegend anderen Fehlerquelle: Raten statt Nachschlagen.

Gemischte Gerichte machen es noch schwieriger. Die Zahl zur Trennung von Essen und Hintergrund von oben zeigt, warum: Ein einzelnes, gut sichtbares Lebensmittel, etwa ein ganzer Apfel, gibt der Klassifizierung ein klares Ziel zum Segmentieren. Ein gemischter Teller, Reis unter Soße unter einem verstreuten Gemüsestück, versteckt Teile hinter anderen Teilen (Amugongo et al., 2022).

Wer möchte, kann ein selbstgekochtes Gericht auch komplett aus seinen Zutaten aufbauen, statt einen einzelnen Teller zu fotografieren. Der Ratgeber Kalorien in selbstgekochtem Essen berechnen addiert Zutatenwerte und teilt das Ergebnis auf Portionen auf, statt aus einem Bild zu schätzen.

Warum bittet die App darum, das Ergebnis zu prüfen und zu bearbeiten?

Weil die Schätzung eine erste Vermutung ist, keine endgültige Antwort. Nur wer den tatsächlichen Teller vor sich sieht, weiß, was die Kamera nicht erfassen konnte.

So funktioniert Avocalo. Der Nutzer fotografiert eine Mahlzeit, und ein KI-Vision-Modell erkennt die Lebensmittel und schätzt Portionen, Kalorien, Eiweiß, Kohlenhydrate und Fett direkt aus dem Bild. Diese Schätzung wird nicht mit einer Nährwertdatenbank abgeglichen. Die App kann verstecktes Öl, Soßen oder das genaue Tellergewicht nicht kennen, deshalb prüft und bearbeitet der Nutzer das Ergebnis, bevor er es speichert.

Der kostenlose Rezept-Portionsrechner der Website bietet einen anderen Weg für ein zu Hause gekochtes Rezept. Er nimmt eine bereits bekannte Gesamtkalorienzahl und teilt sie auf Portionen oder ein gewogenes Stück auf, ganz ohne Bildschätzung. Wer den Foto-Workflow selbst ausprobieren möchte, kann Avocalos Fotoerkennung direkt testen.

Häufige Fragen

Ändert ein größerer Teller oder ein Referenzobjekt im Foto die Schätzung?

Ein Referenzobjekt kann einem Volumenschätzungs-Algorithmus helfen, den Maßstab einzuschätzen, da das System sonst keine andere Möglichkeit hat, die Größe aus einem flachen Bild zu bestimmen. Ohne ein solches Objekt werden Tellergröße und Sichtbarkeit zu Variablen, die die Schätzung nicht vollständig kontrollieren kann. Das erklärt einen Teil des Fehlers bei der Portionsgröße (Amugongo et al., 2022).

Kann die KI zwischen frittierten und gedämpften Varianten desselben Lebensmittels unterscheiden?

Manchmal, wenn der optische Unterschied deutlich ist, etwa eine goldbraune frittierte Kruste gegenüber einer schlichten gedämpften Oberfläche. Klassifizierung arbeitet mit dem, was sichtbar ist, wie oben beschrieben. Eine Zubereitungsart, die die Optik nicht verändert, etwa Öl, das in bereits gekochten Reis gerührt wird, hinterlässt keine sichtbare Spur.

Kann eine Fotoschätzung das Wiegen von Essen ersetzen?

Nein. Eine Fotoschätzung ist eine berechnete Vermutung aus einem Bild, während eine Küchenwaage das tatsächliche Gewicht vor Ihnen misst. Beides sind unterschiedliche Arten von Zahlen: eine wird aus Pixeln abgeleitet, die andere ist eine direkte Messung, und nur Letztere nimmt die Unsicherheit bei der Portionsgröße vollständig heraus.

Warum liefern zwei Fotos derselben Mahlzeit unterschiedliche Ergebnisse?

Segmentierung, Klassifizierung und Volumenschätzung hängen jeweils davon ab, wie viel vom Gericht in der jeweiligen Aufnahme sichtbar ist. Ein leicht anderer Winkel verändert die Eingabe für jeden nachfolgenden Schritt. Auch unterschiedliche Bildqualität je nach Gerät ist ein verwandtes Problem, das die Healthcare-Übersichtsarbeit für mobile Food-Vision-Apps allgemein anspricht (Amugongo et al., 2022).

Wie genau sind KI-Kalorienzähler insgesamt?

Die Genauigkeit hängt stark vom Lebensmittel, der Komplexität des Gerichts und dem getesteten System ab, deshalb gilt keine einzelne Prozentzahl überall. Die oben beschriebenen, schrittweisen Fehlerquellen erklären, warum eine pauschale Zahl das nicht abbilden kann.

Quellen

• Amugongo et al., "Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review," Healthcare (Basel) 2022, die systematische Übersichtsarbeit hinter den oben genannten Pipeline-Schritten und Fehlerwerten.
• NYU Tandon School of Engineering, Pressemitteilung zum KI-Food-Scanner, die Quelle für den Prototyp mit 214 Kategorien und seinen Präzisionswert.
• USDA FoodData Central, die Quelle dafür, wie Datenbankeinträge wie Foundation Foods und Branded Foods tatsächlich entstehen und aktualisiert werden.

Lesen Sie unsere redaktionellen Richtlinien dazu, wie die Zahlen in diesem Artikel geprüft wurden. Herausgegeben von Petros IT Solutions SRL. Korrekturen melden Sie an [email protected].