KI-Kalorienzählung per Foto: Ablauf und Fehlerquellen

Was ein Foto-Kalorienzähler tatsächlich macht
Ein Foto-Kalorienzähler erledigt in der Regel drei Schritte nacheinander. Er erkennt die Lebensmittel auf dem Teller, schätzt die jeweilige Menge und rechnet diese Menge anhand einer Tabelle mit Nährwertdaten in Kalorien und Makros (Eiweiß, Kohlenhydrate, Fett) um. Der erste Schritt ist die Bilderkennung. Der zweite, die Portionsgröße anhand eines flachen Bildes zu schätzen, ist der schwierige Teil. Der dritte ist ein Nachschlagen: Zu den öffentlichen Beispielen solcher Tabellen gehört die FoodData Central des USDA, die Daten zur Lebensmittelzusammensetzung in mehreren Datentypen enthält, von analysierten Lebensmitteln bis zu Markenprodukten.
Insgesamt entsteht daraus eine Schätzung, keine Messung. Wer weiß, welcher Schritt am schwächsten ist, weiß auch, wo sich ein zweiter Blick lohnt.
Wie Kalorien und Makros zusammenhängen
Kalorien und Makros hängen über einfache Arithmetik zusammen. Die allgemeinen Atwater-Faktoren, die üblicherweise für die Kalorienangaben auf Lebensmitteletiketten verwendet werden, betragen etwa 4 kcal pro Gramm Eiweiß, 4 kcal pro Gramm Kohlenhydrate, 9 kcal pro Gramm Fett und 7 kcal pro Gramm Alkohol. Es sind Durchschnittswerte, und der tatsächliche Energiegehalt eines bestimmten Lebensmittels kann etwas abweichen.
Ein Beispiel: Eine Mahlzeit mit 30 g Eiweiß, 50 g Kohlenhydraten und 20 g Fett ergibt 30 × 4 + 50 × 4 + 20 × 9 = 120 + 200 + 180 = 500 kcal. Zeigt eine App Makros und Kalorien an, die nicht genau zusammenpassen, sind Rundungen und lebensmittelspezifische Faktoren häufige Gründe.
Wie genau ist das Ganze?
Die Forschung zeichnet ein gemischtes, aber nützliches Bild:
- Eine systematische Übersichtsarbeit aus dem Jahr 2023 in Annals of Medicine (Shonkoff und Kollegen) umfasste 52 Studien zu vollautomatischen, KI-basierten Schätzungen von Lebensmittelvolumen, Energie oder Nährstoffen aus digitalen Bildern. Im Durchschnitt war die Leistung der KI mit der menschlicher Beurteiler vergleichbar, und bei einzelnen oder einfachen Lebensmitteln fielen die Fehler geringer aus. Die berichteten durchschnittlichen relativen Fehler lagen bei etwa 0,1 % bis 38 % für Kalorien und bei etwa 0,1 % bis 33 % für das Volumen. Die Studien waren zu unterschiedlich, um sie zu einer einzigen Zahl zusammenzufassen.
- Eine systematische Übersichtsarbeit aus dem Jahr 2020 in Nutrition Reviews (Amoutzopoulos und Kollegen) kam zu dem Ergebnis, dass bildbasierte Werkzeuge zur Portionsgrößenschätzung (eine breitere Gruppe als die heutigen KI-Apps) in den untersuchten Validierungsstudien besser abschnitten als physische Lebensmittelmodelle und Haushaltsutensilien; zugleich wurde angemerkt, dass nur wenige dieser Studien von hoher Qualität waren.
Kurz gesagt: Foto-Schätzungen können mit anderen Methoden mithalten, doch die Fehlerspanne ist groß, und einfache, gut sichtbare Mahlzeiten lassen sich leichter beurteilen als komplexe.
Wo Schätzungen danebenliegen
- Portionsgröße. Ein Foto hat keine Tiefe. Dieselbe Schüssel kann sehr unterschiedliche Mengen enthalten.
- Was die Kamera nicht sieht. Speiseöl, Dressings, Soßen und Füllungen unter einer Auflage sind auf einem Bild nicht zu erkennen.
- Gemischte Gerichte. Eintöpfe, Aufläufe und geschichtete Gerichte sind schwieriger als ein Teller mit getrennten Zutaten.
- Ähnlich aussehende Speisen. Verschiedene Lebensmittel können ähnlich aussehen und sich dennoch im Kaloriengehalt unterscheiden.
Wie sich eine fotobasierte App besser nutzen lässt
Das erste Ergebnis sollte als Ausgangspunkt gelten und korrigiert werden. In PlateFit wird der Teller fotografiert, die KI schätzt Kalorien und Makros, und das Ergebnis lässt sich anschließend bearbeiten – genau dort ist das Wissen über das Öl, die Portion oder die Soße gefragt. Einige Gewohnheiten helfen bei jeder derartigen App: den Teller von oben und bei gutem Licht fotografieren, die Zutaten nach Möglichkeit getrennt anrichten und die Mengen anpassen, wenn sie bekannt sind.
PlateFit ist unsere KI-App für Ernährung und Training. Neben den fotobasierten Schätzungen von Kalorien und Makros bietet sie Trainingspläne für Fettabbau, Muskelaufbau und Kraft sowie gesunde Rezepte mit Tagesmenü und Einkaufsliste. Sie läuft im Browser und als Android-App. Es gibt einen Einzeltarif für 4,99 € pro Monat und einen Familientarif für bis zu 8 Personen für 7,99 € pro Monat, jeweils mit 14 Tagen kostenloser Testphase.
Ein Hinweis zur Gesundheit
Kalorien- und Makroangaben sind ein Hilfsmittel für mehr Bewusstsein, kein medizinischer Rat. Bei besonderen Ernährungsbedürfnissen, Erkrankungen oder Sorgen im Zusammenhang mit Essstörungen sind Ärztinnen und Ärzte oder staatlich anerkannte Ernährungsberater die richtige Anlaufstelle.
Die Forschungsergebnisse entsprechen den Angaben in den zitierten Übersichtsarbeiten; die Genauigkeitswerte variieren je nach Studie und Methode. Dieser Leitfaden dient ausschließlich der Information.
Fragen
Wie funktioniert ein Foto-Kalorienzähler?
Er erkennt die Lebensmittel auf dem Foto, schätzt die Portionen und rechnet sie anhand von Nährwertdaten in Kalorien und Makros (Eiweiß, Kohlenhydrate, Fett) um.
Wie genau ist die KI-Kalorienzählung per Foto?
Eine Übersichtsarbeit von 2023 mit 52 Studien ermittelte durchschnittliche relative Fehler von etwa 0,1 % bis 38 % bei den Kalorien, bei einzelnen oder einfachen Lebensmitteln mit geringeren Fehlern. Das Ergebnis ist als Schätzung zu verstehen.
Wie viele Kalorien hat ein Gramm Eiweiß, Kohlenhydrate und Fett?
Die allgemeinen Atwater-Faktoren betragen etwa 4 kcal pro Gramm Eiweiß, 4 kcal pro Gramm Kohlenhydrate und 9 kcal pro Gramm Fett (7 kcal pro Gramm Alkohol).
Lässt sich die Schätzung von PlateFit bearbeiten?
Ja. PlateFit schätzt Kalorien und Makros anhand eines Fotos vom Teller, und das Ergebnis lässt sich anschließend bearbeiten.
Quellen
- Shonkoff et al., AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review (Annals of Medic
- Amoutzopoulos et al., Portion size estimation in dietary assessment: a systematic review of existing tools, their strengths and limitations
- USDA FoodData Central
- University of Minnesota Nutrition Coordinating Center: primary energy sources (Atwater factors)
Mehr in KI
- KI-News heute: Neue Tools, Börsenunruhe (8. Nov. 2026)
- Makros einfach erklärt: Eiweiß, Kohlenhydrate und Fett
- KI-News heute: Keine größeren Meldungen (7. Nov. 2026)
- KI-News heute: Tencents sichereres Modell (6. Nov. 2026)