Wie genau ist KI-Lebensmittelerkennung? Was du erwarten kannst

Veröffentlicht April 2026

KI-gestütztes Foto-Logging ist deutlich schneller als die manuelle Suche in einer Lebensmitteldatenbank. Vor dem Wechsel kommt aber oft die Frage: Wie genau ist es wirklich? Die ehrliche Antwort ist, dass es davon abhängt, was du isst und wie du es fotografierst. Das kann die Technik, und das kann sie nicht.

KI-Lebensmittelerkennung: So funktioniert die Technologie

KI-Lebensmittelerkennung ist Computer Vision, angewendet auf einen Teller: ein Modell, das auf beschrifteten Lebensmittelbildern trainiert wurde, erkennt, was auf einem Foto zu sehen ist, und schätzt, wie viel davon vorhanden ist. Dieselbe Modellklasse steckt hinter Kalorien-Apps für Verbraucher und hinter den kommerziellen APIs zur Lebensmittelerkennung, auf denen Restaurants, Krankenhäuser und Gesundheitsplattformen aufbauen. Jede Umsetzung durchläuft dieselben fünf Stufen.

• Detektion. Das Modell findet die Bildbereiche, die überhaupt Essen enthalten, und trennt sie vom Teller, vom Tisch und vom Hintergrund.
• Segmentierung. Jeder Essensbereich wird in einzelne Bestandteile aufgeteilt, sodass aus einem Pfannengericht Protein, Gemüse, Reis und Sauce werden statt eines einzigen Objekts.
• Klassifizierung. Jedes Segment wird mit den Lebensmittelkategorien abgeglichen, auf die das Modell trainiert wurde. Diese Stufe ist inzwischen zuverlässig: Moderne Modelle erkennen Tausende von Gerichten.
• Volumen- und Portionsschätzung. Das Modell leitet aus der scheinbaren Größe im Verhältnis zu Teller, Besteck oder anderen Referenzobjekten ab, wie viel von jedem Bestandteil vorhanden ist. Diese Stufe, nicht die Klassifizierung, verursacht fast den gesamten Fehler.
• Nährwertabgleich. Jedes erkannte Lebensmittel wird auf die geschätzte Portion hochgerechnet und mit Kalorien- und Makronährstoffwerten abgeglichen.

Wenn du eine Mahlzeit fotografierst, analysiert ein KI-Vision-Modell das Bild, um einzelne Lebensmittel zu erkennen. Es betrachtet Formen, Farben, Texturen und Kontext, um zu bestimmen, was auf dem Teller liegt. Sind die Lebensmittel erkannt, schätzt das System die Portionsgrößen anhand visueller Hinweise, darunter die scheinbare Größe jedes Teils im Verhältnis zu Teller, Besteck oder anderen Referenzpunkten im Bild.

Aus diesen Schätzungen berechnet die KI Kalorien und Makronährstoffe anhand der Nährwerte der erkannten Lebensmittel. Der gesamte Vorgang dauert meist wenige Sekunden.

Wie genau ist das?

Bei gängigen, klar sichtbaren Mahlzeiten ist die KI-Lebensmittelerkennung recht genau. Ein Teller mit Hähnchenbrust, Reis und gedünstetem Gemüse ist die Art von Mahlzeit, bei der KI gut abschneidet. Die einzelnen Bestandteile sind sichtbar, die Portionsgrößen lassen sich schätzen, und es sind Lebensmittel, die das Modell viele Male gesehen hat. Wie nah die Schätzung liegt, lässt sich von niemandem seriös auf einen einzigen Prozentwert reduzieren. Die systematische Übersichtsarbeit von 2023 in Annals of Medicine sichtete 14.059 Publikationen, behielt davon 52, die zwischen 2010 und 2023 veröffentlicht wurden, und fand darin durchschnittliche relative Fehler bei den Kalorien von 0,1 % bis 38,3 %. Ihre Autoren konnten diese Studien nicht zu einer einzigen Zahl zusammenfassen, weil die Lebensmittel-Bilddatenbanken und die berichteten Ergebnisse für eine Meta-Analyse zu unterschiedlich waren. Was die Übersichtsarbeit belegt, ist die Richtung: Bei Bildern einzelner oder einfacher Lebensmittel waren die Fehler geringer.

Bei gemischten Gerichten sinkt die Genauigkeit. Ein Eintopf, ein Auflauf oder ein Curry enthält Zutaten, die teilweise oder ganz verdeckt sind. Die KI erkennt, um welches Gericht es sich handelt, kann aber nicht hineinsehen, also stützen sich die Schätzungen stärker auf typische Rezepte als auf das, was tatsächlich in deinem Topf ist. Die Fehlerspanne wird größer.

Saucen, Öle und Dressings sind durchgehend schwierig. Ein Salat mit Olivenöl und einer mit leichtem Vinaigrette-Dressing sehen auf dem Foto fast identisch aus. Der Kalorienunterschied kann erheblich sein. Öl, das vor dem Anbraten in die Pfanne kommt, ist auf dem fertigen Foto überhaupt nicht zu sehen.

Verpackte Lebensmittel mit Nährwertangaben erfasst du besser manuell oder per Barcode-Scan. Eine Portion von 200g eines bestimmten Marken-Joghurts hat ein bekanntes, exaktes Nährwertprofil. Eine KI-Schätzung bringt unnötige Unsicherheit, wenn der wahre Wert auf der Packung steht.

Was die Genauigkeit beeinflusst

Mehrere praktische Faktoren beeinflussen, wie gut die KI bei einem bestimmten Foto arbeitet:

• Licht. Gut ausgeleuchtete Fotos geben dem Modell mehr visuelle Informationen. Schlechtes Licht flacht Texturen ab und verfälscht Farben, wodurch Lebensmittel schwerer korrekt zu erkennen sind.
• Winkel. Aufnahmen von oben (direkt über dem Teller) liefern in der Regel die besten Ergebnisse. Seitliche Winkel können Lebensmittel hinter anderen verdecken und machen die Portionsschätzung unzuverlässiger.
• Anordnung der Speisen. Lebensmittel, die getrennt auf dem Teller liegen, sind leichter zu analysieren als gestapelte oder vermischte. Wenn du mehrere Komponenten hast, hilft es, sie vor dem Fotografieren auseinanderzuziehen.
• Referenzobjekte. Ein Tellerrand, eine Gabel oder ein anderer vertrauter Gegenstand im Bild hilft dem Modell, die Portionsgröße einzuordnen. Ein Stück Hähnchen wirkt neben einer Gabel ganz anders als ohne Bezugspunkt.

Gemischte Mahlzeiten sind schwieriger als einzelne Lebensmittel

Eine gegrillte Hähnchenbrust neben Reis und Brokkoli sind drei klar abgegrenzte Formen mit deutlichen Kanten. Ein Curry, ein Eintopf, ein Auflauf oder ein angemachter Salat ist eine visuelle Masse, deren Bestandteile sich überlappen, gegenseitig verdecken und in der Dichte schwanken. Die zweite Art schätzt die KI deutlich ungenauer, und das ist der stärkste Einzelfaktor dafür, ob eine Fotoschätzung nah dran liegt.

Die systematische Übersichtsarbeit von 2023 in Annals of Medicine, die 52 zwischen 2010 und 2023 veröffentlichte Studien auswertete, fand durchschnittliche relative Fehler bei Kalorien von 0,10% bis 38,3% und berichtete, dass Fehler "tended to be smaller for the single food images compared to multiple food images". Sie benennt den schwierigen Fall direkt: "images with mixed dishes (such as curries) or plates with a variety of overlapping foods of varying heights or with unclear boundaries present higher risk for classification or segmentation errors". Von den 22 geringsten Fehlern bei der Volumenschätzung über alle geprüften Studien hinweg stammten 68% aus Bildern mit nur einem Lebensmittel.

Eine Analyse von GPT-4V im Vergleich mit gewogenen Referenzmahlzeiten, 2024 im IEEE Journal of Biomedical and Health Informatics veröffentlicht, hat diese Lücke beziffert. Die Schätzung einzelner Lebensmittel nacheinander, über 32 Positionen hinweg, ergab einen mittleren absoluten Kalorienfehler von 69,2 kcal. Die Schätzung des gesamten Essvorgangs, über 10 Essvorgänge hinweg, ergab 151,2 kcal, also etwa das Doppelte. Die Ursache ist die Anhäufung von Fehlern: Die Portionsgröße ist die wichtigste Fehlerquelle, und ein gemischtes Gericht erfordert für jede Komponente eine eigene Portionsschätzung, die jeweils ihren eigenen Fehler trägt.

Das ist nicht abschließend geklärt. Eine Studie von 2025 in Nutrients, die 195 Gerichte untersuchte, fand nur einen schwachen Zusammenhang zwischen der Zahl der Zutaten und dem Fehler (r nicht höher als 0,37) und kam zu dem Schluss, dass die Zahl der Komponenten kein entscheidender Faktor ist. Ehrlicher zusammengefasst: Die visuelle Trennbarkeit zählt mehr als die Zahl der Zutaten. Ein Teller mit sechs klar getrennten Lebensmitteln ist einfacher als eine Schüssel mit drei vermischten.

Was das in der Praxis bedeutet

• Fotografiere vor dem Vermischen. Nimm die Komponenten auf, solange sie noch getrennt sind, nicht die verrührte Schüssel.
• Teile eine gemischte Mahlzeit in zwei Fotos, wo das sinnvoll geht. Zwei Einzelschätzungen schlagen eine Gesamtschätzung.
• Korrigiere die Schätzung bei allem, was püriert, mit Sauce versehen oder geschichtet ist. Fett ist in allen Studien der Nährstoff, der am beständigsten unterschätzt wird, und Öl in einer Sauce ist auf einem Foto unsichtbar.
• Behandle selbstgemachte Eintöpfe und Currys als Worst Case und erfasse sie über die Zutaten statt über ein Foto, wenn es auf die Mahlzeit ankommt.

Verglichen womit?

Der sinnvolle Vergleich ist nicht KI gegen eine perfekte Zahl, sondern KI gegen die Art, wie du die Mahlzeit sonst protokollieren würdest, die ebenfalls ungenau ist.

Eine Studie aus dem Jahr 2018 in Nutrients bat 38 Ernährungsfachkräfte, Portionen anhand von Lebensmittelfotos zu schätzen. Nur 23,7 % ihrer Tellerschätzungen lagen innerhalb von 10 % der tatsächlich gewogenen Menge, bei einer mittleren absoluten prozentualen Abweichung von 47,6 %. Die auf der CVPR 2021 vorgestellte Arbeit zu Nutrition5k führte neben ihrem Datensatz aus rund 5.000 Gerichten eine kleinere Prüfung mit Menschen durch: 4 Ernährungswissenschaftler und 16 Laien bewerteten 10 Gerichte, die einfacher als der Durchschnitt des Datensatzes gewählt waren. Die Ernährungswissenschaftler lagen im Mittel bei 41 % Fehler, die Laien bei 53 %. Lies das als Größenordnung an einer günstigen Stichprobe, nicht als Schätzung für die Gesamtbevölkerung.

Manuelles Logging in einer App bringt seine eigene Verzerrung mit, allerdings eine kleinere, als die Schlagzeilenzahl vermuten lässt. Eine Metaanalyse von 2021 in Advances in Nutrition, die 11 Studien zu Ernährungsprotokoll-Apps zusammenfasste, fand, dass diese die Energieaufnahme im Schnitt um 202 kcal pro Tag unterschätzten (95%-KI: 319 bis 85 kcal). Der größte Teil dieser Lücke geht auf die Nährwerttabelle zurück und nicht auf das Logging: Wo App und Referenzmethode dieselbe Tabelle nutzten, sank die gepoolte Unterschätzung auf 57 kcal pro Tag (95%-KI: von 116 kcal Defizit bis 2 kcal Überschuss) und die Heterogenität zwischen den Studien fiel auf null. An einem 2.000-Kalorien-Tag sind das unter 3 %, sorgfältige manuelle Eingabe anhand einer passenden Datenbank ist also tatsächlich die genauere Methode.

Die Foto-Schätzung eines gemischten Gerichts ist also ungenau, und ein Diätassistent, der denselben Teller ansieht, ist es ebenso. Sorgfältige manuelle Eingabe schlägt beide bei der Genauigkeit und verliert gegen beide bei der Frage, ob du dabeibleibst. Was Foto-Logging ändert, ist nicht die Genauigkeit, sondern ob du die Mahlzeit überhaupt erfasst, und eine erfasste Mahlzeit mit einer korrigierbaren Schätzung schlägt eine nicht erfasste.

Sei skeptisch bei Genauigkeitsangaben

Mehrere Websites veröffentlichen präzise klingende Genauigkeitswerte für Kalorien-Apps, teils mit Verweis auf Studien und DOIs, die es nicht gibt. Keine App hat eine veröffentlichte, peer-reviewte Validierung ihres ausgelieferten Produkts. Wo hinter einer Zahl keine benannte Fachzeitschrift, Stichprobengröße und Methodik steht, behandle sie als Marketing. Das gilt auch für uns: Die Zahlen auf dieser Seite sind mit unabhängiger Forschung belegt, nicht mit eigenen Tests.

Ist "nah genug" gut genug?

Für die meisten Menschen ja. Eine zweistellige Fehlerspanne klingt für sich genommen erheblich, aber der Kontext zählt.

Auch manuelle Datenbankeinträge sind nicht perfekt genau. Von Nutzern eingereichte Datenbanken enthalten Fehler, Portionsangaben unterscheiden sich je nach Quelle, und selbst gekochte Mahlzeiten entsprechen selten genau der Zubereitung, die ein Datenbankeintrag annimmt. Die praktische Genauigkeit manueller Protokollierung bei selbst gekochtem Essen ist geringer, als die meisten annehmen.

Wichtiger noch: Für das Tracking zählt Beständigkeit mehr als Präzision. Wenn du KI-basierte Tracker mit klassischen Datenbank-Apps vergleichst, deckt der Vergleich VitaCal vs. MyFitnessPal die praktischen Unterschiede beim Protokollieren ab. Wenn die KI bei einer Mahlzeit, die du regelmäßig isst, systematisch um 15% danebenliegt, spiegelt dein Protokoll deine tatsächliche Aufnahme relativ gesehen trotzdem wider. Deine Wochentrends, deine Reaktionen auf Ernährungsänderungen und dein Fortschritt über die Zeit bleiben aussagekräftig. Ziel des Trackings ist Bewusstsein und das Erkennen von Mustern, nicht die labornahe Vermessung jeder Mahlzeit.

Was das Tracking scheitern lässt, ist nicht die Fehlerspanne. Was das Tracking scheitern lässt, ist das Aufgeben der Gewohnheit, weil das Erfassen zu langsam oder zu mühsam ist. Das Erfassen per KI-Foto geht genau dieses Problem direkt an.

So bekommst du bessere Ergebnisse

Ein paar einfache Gewohnheiten verbessern die Qualität deiner KI-Schätzungen:

• Prüfe vor dem Bestätigen, was die KI erkannt hat. Wenn eine Zutat fehlt oder etwas falsch erkannt wurde, kannst du es vor dem Speichern korrigieren.
• Fotografiere bei gutem Licht direkt von oben. Das kostet eine Sekunde mehr und macht einen messbaren Unterschied.
• Wenn es auf Genauigkeit ankommt, erfasse die einzelnen Komponenten getrennt statt als einen Teller. So bekommt das Modell für jede Position eine sauberere Aufgabe.
• Nutze die manuelle Eingabe für verpackte Lebensmittel. Wenn es eine Nährwerttabelle gibt, nimm sie. Setze die KI-Erfassung dort ein, wo sie einen echten Vorteil hat: gekochtes Essen, Restaurantmahlzeiten und alles, wonach du sonst suchen müsstest.

Der Ansatz von VitaCal

Wie sich das Erfassen per Foto über die Apps hinweg schlägt, die es anbieten, steht im Ratgeber zu KI-Kalorienzähler-Apps mit Fotoerkennung.

VitaCal zeigt dir genau, was die KI auf deinem Foto erkannt hat, bevor irgendetwas erfasst wird. Du siehst die einzelnen Lebensmittel, die geschätzten Portionen und die daraus folgenden Kalorien und Makros. Wenn etwas nicht stimmt, kannst du Portionen anpassen oder Positionen entfernen, bevor du bestätigst. Nichts wird ohne deine Prüfung erfasst.

Wenn du sehen willst, wie KI-Logging in der Praxis funktioniert, probiere VitaCal kostenlos. Der kostenlose Tarif enthält fünf KI-Analysen pro Woche ohne Werbung.