Produkt August 2026 · 6 Min. Lesezeit

Warum das schwerer ist, als es aussieht

Ein Mensch, der auf einen Teller schaut, macht dieselben vier Dinge unbewusst — und liegt meistens daneben. In einer Studie mit 2.000 Teilnehmern traf die durchschnittliche Person die Kalorien nur in 5 von 20 Fällen auf 20 % genau. Geschulte Auswerter schnitten nicht besser ab. Das Problem ist keine Frage der Intelligenz, sondern dass ein einzelnes Bild schlicht nicht genug Information enthält. Tiefe, Dichte, verstecktes Öl und Sauce sowie der Unterschied zwischen vollfett und fettarm sind für eine Kamera unsichtbar.

KI-Erkennung löst das nicht. Sie macht die Schätzung schneller, gleichmäßiger und leichter korrigierbar.

Schritt 1: Segmentierung — das Essen finden

Das Modell teilt das Bild zuerst in Bereiche: Teller, Tisch, Hände und jedes einzelne Lebensmittel. Moderne Segmentierung schafft das auch bei überlappenden Speisen gut, verliert aber an Genauigkeit, wenn Bestandteile vermischt statt nebeneinander liegen — Eintopf, Curry, ein Burrito mit allem darin. Wenn das Modell keine Grenze um den Reis ziehen kann, kann es den Reis nicht messen.

Was es kippt: wenig Licht, Bewegungsunschärfe, ein steiler Aufnahmewinkel und Gerichte, deren Bestandteile verrührt sind.

Schritt 2: Klassifikation — benennen, was gefunden wurde

Jeder Bereich wird gegen ein Modell abgeglichen, das mit Millionen beschrifteter Essensbilder trainiert wurde. Bei gängigen Lebensmitteln — gegrilltes Hähnchen, weißer Reis, Brokkoli, ein Spiegelei — ist die Trefferquote hoch. Fehler häufen sich bei Doppelgängern:

• Hähnchenschenkel gegen Hähnchenbrust (unterschiedlicher Fettgehalt)
• weißer Reis gegen Risotto gegen Blumenkohlreis
• vollfetter gegen fettarmer Joghurt
• Butter gegen Margarine gegen Streichfett auf Olivenölbasis
• gesüßte gegen ungesüßte Getränke
• regionale Gerichte, die das Modell seltener gesehen hat

Die meisten Apps führen diesen Schritt 2026 auf einem großen multimodalen Modell aus statt auf einem spezialisierten Klassifikator, was ungewöhnliche und regionale Gerichte besser abdeckt, das Doppelgänger-Problem aber nicht löst — den Fettgehalt sieht das Modell weiterhin nicht.

Was es kippt: optisch ähnliche Lebensmittel, seltene Küchen, Essen unter Sauce oder Garnitur.

Schritt 3: Portionsschätzung — wie viel liegt da

Das ist der schwere Teil und die Hauptquelle des Fehlers. Das Modell muss dreidimensionales Volumen aus einem zweidimensionalen Bild ohne Maßstab ableiten. Es nutzt Hinweise — Tellergröße, Gabel, Hand, typische Portionsformen — aber eine Schüssel Reis sieht von oben gleich aus, ob 150 g oder 300 g darin liegen.

Forschung zur Portionsschätzung zeigt durchgehend, dass dieser Schritt den größten Anteil am Fehler trägt. In einer Crowdsourcing-Studie machte ein Referenzobjekt wie eine Bankkarte die menschlichen Schätzungen sogar schlechter, was zeigt, wie unintuitiv Volumen ist.

Zwei Dinge helfen:

• Video statt Einzelbild. Ein zwei Sekunden langer Schwenk liefert mehrere Blickwinkel und erlaubt Rückschlüsse auf die Tiefe. Genau dafür gibt es bei CalMePlease die Videoeingabe.
• Eine genannte Menge. „Etwa eine Tasse“ oder „150 g“ nimmt die Schätzung ganz heraus.

Was es kippt: tiefe Schüsseln, gestapeltes Essen, Aufnahmen von direkt oben, Portionen größer als erwartet.

Schritt 4: Nährwertabgleich — aus Lebensmittel und Menge werden Zahlen

Erkanntes Lebensmittel und geschätztes Gewicht werden mit einer Nährwertdatenbank abgeglichen und zu Kalorien, Protein, Kohlenhydraten, Fett und — in Apps, die sie führen — Ballaststoffen, Zucker, Salz und mehr hochgerechnet.

Dieser Schritt ist nur so gut wie die Datenbank. „Hähnchencurry“ trifft je nach Sahne, Öl und Zucker auf sehr unterschiedliche Einträge. Eine crowdgesourcte Datenbank hat falsche Einträge; eine kuratierte hat fehlende. Die besten Apps nutzen eine geprüfte Basis und lassen das Modell nachjustieren, was es sieht (ölig, sahnig, trocken).

Was es kippt: allgemeine Einträge für Gerichte mit großer Streuung, Restaurantessen mit verstecktem Fett und Zucker, verpackte Produkte, die man hätte scannen sollen.

Wie sich die Fehler summieren

Jeder Schritt reicht seinen Fehler weiter. Zehn Prozent daneben bei der Portion, ein Doppelgänger, der das Fett um 30 % verschiebt, und ein allgemeiner Datenbankeintrag ergeben leicht ein Endergebnis 30–40 % neben der Wahrheit — weshalb zwei Apps denselben Teller ansehen und sich um ein Drittel unterscheiden können.

Veröffentlichte Werte für die gesamte Kette: rund 15–30 % mittlerer Fehler bei reiner Bildschätzung an echten Mahlzeiten, etwa 14 %, sobald eine kurze Beschreibung dazukommt. Einzelne einfache Lebensmittel liegen am unteren Ende, gemischte Gerichte am oberen.

Warum ein Satz Kontext so viel bringt

Eine kurze Text- oder Sprachnotiz repariert die zwei schwächsten Schritte auf einen Schlag:

• „Hähnchenbrust“ klärt die Klassifikation (Brust, nicht Schenkel)
• „etwa 150 g“ klärt die Portion
• „mit Olivenöl“ ergänzt das unsichtbare Fett

Das Foto leistet weiterhin die Arbeit, alles auf dem Teller zu erkennen; der Satz korrigiert die zwei Dinge, die das Foto nicht sehen kann. Deshalb ist CalMePlease um Foto plus Sprachnotiz in deiner eigenen Sprache herum gebaut statt um das Foto allein. Die Forschung sagt: Diese Kombination ist die praktische Obergrenze für Genauigkeit ohne Waage.

Jenseits der Zahl: was die App damit macht

Die Erkennung endet bei Schritt vier. Was danach passiert, unterscheidet die Apps.

Die meisten Tracker addieren die Kalorien zu einer Tagessumme und hören auf. CalMePlease gibt alle zehn Werte — auch Ballaststoffe, Zucker und Salz, die die meisten Foto-Apps auslassen — an einen KI-Coach weiter, der den Tag als Ganzes liest und sagt, was als Nächstes auf den Teller gehört. Die Erkennungskette ist die Eingabe; das Coaching ist das Produkt. Eine Schätzung, die 20 % danebenliegt, aber zu „du bist knapp an Protein, leg abends nach“ führt, nützt mehr als eine perfekte Zahl, auf die niemand reagiert.

Kann die Erkennung auf dem Gerät laufen?

Manche Apps führen Teile der Kette inzwischen auf dem Gerät aus, sodass das Foto das Telefon nie verlässt. 2026 ist der Preis dafür Genauigkeit: Modelle auf dem Gerät sind kleiner und kommen mit ungewöhnlichem Essen schlechter zurecht. Die meisten Apps, CalMePlease eingeschlossen, verarbeiten das Bild auf einem Server und speichern den entstehenden Verlauf lokal. Für den Datenschutz zählt, was aufbewahrt wird: CalMePlease behält Verlauf, Gewicht und Statistiken auf deinem Gerät und verkauft oder teilt keine Daten.

Häufige Fragen

Woher weiß eine App aus einem Foto, wie viele Kalorien mein Essen hat? Sie erkennt jedes Lebensmittel, schätzt sein Gewicht aus dem Bild und schlägt die Kalorien pro Gramm in einer Datenbank nach. Alle drei Schritte sind Schätzungen; das Gewicht ist der unzuverlässigste.

Warum zeigen zwei Apps für dasselbe Foto verschiedene Kalorien? Unterschiedliche Klassifikationsmodelle, unterschiedliche Annahmen zur Portion und unterschiedliche Datenbanken. Die Fehler jedes Schritts addieren sich.

Funktioniert KI-Erkennung bei selbst gekochten Gerichten? Ja, besser als eine Datenbanksuche — die KI benennt Bestandteile, die du sonst einzeln suchen müsstest. Ergänze eine Notiz zu Öl oder Sauce für eine nähere Zahl.

Kann KI Essen aus einem Video erkennen? Ja. Video liefert mehrere Blickwinkel, was die Portionsschätzung verbessert. CalMePlease nimmt kurze Clips als Eingabe.

Ist KI-Erkennung genau genug zum Abnehmen? Für gleichmäßiges Erfassen ja. Zufällige Fehler mitteln sich über eine Woche aus; entscheidend ist, jede Mahlzeit zu erfassen und offensichtliche Ausrutscher zu korrigieren. Siehe Wie genau ist Kalorienzählen per Foto?

---

Verwandt: Essen per Sprache erfassen · Barcode-Scanner für Kalorien: was das Etikett verschweigt

CalMePlease erfasst Mahlzeiten per Foto, Video, Sprache oder Barcode und zählt zehn Werte pro Mahlzeit. Kostenlos im App Store.