Kalorien per Foto zählen: Wie genau sind KI-Apps wirklich?

Den Teller fotografieren, statt jedes Lebensmittel in einer Datenbank zu suchen: Das versprechen MyFitnessPal (Meal Scan), Lose It! (Snap It), Cal AI, Foodvisor, SnapCalorie und Ember, die App, die diesen Ratgeber veröffentlicht. Hinter dem Knopf steckt fast immer derselbe Ablauf in drei Schritten. Das Modell erkennt zuerst die Lebensmittel, schätzt dann anhand des Bildes ihre Menge und rechnet diese Gramm schließlich mithilfe einer Nährwerttabelle in Kalorien und Makros um.

Der erste Schritt ist inzwischen sehr zuverlässig. In einer irischen Studie von 2025 erkannte ChatGPT die Lebensmittel auf 114 Fotos von Mahlzeiten mit einer Präzision von 93 %. Der zweite ist deutlich wackliger: Ein Foto ist ein flaches Bild, ohne Waage und ohne Maßband. Das Modell muss die Dicke eines Steaks erraten, die Tiefe einer Schüssel oder wie viel Öl das Pfannengemüse aufgesogen hat. Der dritte hängt davon ab, was erkannt wurde: Hält die App gebratenen Reis für gekochten Reis, startet die Rechnung schon mit einem Fehler.

Eine hohe Erkennungsrate sagt also nichts darüber, wie genau die Kalorien sind. Eine App kann jedes Element auf dem Teller richtig benennen und sich bei der Portion trotzdem gewaltig verschätzen. Wenn Sie in einer App-Beschreibung eine „Genauigkeit“ in Prozent lesen, fragen Sie sich, ob damit das Erkennen der Gerichte gemeint ist oder die tatsächliche Abweichung der Kalorien. Das gilt für jede Foto-Funktion, egal ob in einer spezialisierten Kalorien-App oder in einem allgemeinen KI-Assistenten.

Unabhängige Studien sind noch selten, werden aber zahlreicher, seit Bilderkennungsmodelle für alle verfügbar sind. Der Aufbau ähnelt sich: Grammgenau abgewogene Mahlzeiten werden fotografiert, durch eine App oder ein Modell wie ChatGPT geschickt, und die Schätzung wird mit dem echten Wert verglichen.

Das meistdiskutierte Ergebnis stammt von Forschenden des NIDDK, des NIH-Instituts für Diabetes und Ernährung in den USA. Ihre Studie, im Juli 2026 auf dem Kongress NUTRITION der American Society for Nutrition vorgestellt, ließ 102 in einer Stoffwechselküche zubereitete Mahlzeiten von vier Apps auswerten: MyFitnessPal, Lose It!, Cal AI und Appediet. Alle vier unterschätzten die Kalorien um etwa ein Drittel, im Schnitt um 250 bis 345 kcal pro Mahlzeit, und das Fett um rund 30 g. Es handelt sich um einen Kongressbeitrag, der noch kein Peer-Review durchlaufen hat, und die Ergebnisse wurden nicht nach App aufgeschlüsselt.

Zwei Mechanismen tauchen in einer Studie nach der anderen auf. Der erste betrifft die Portionsgröße. In der irischen Studie schätzte ChatGPT kleine Teller richtig ein, unterschätzte das Gewicht aber auf 76 % der Fotos: Eine große Portion von durchschnittlich 798 g wurde auf 530 g geschätzt, ein Drittel des Essens verschwand also aus der Rechnung. Das schwedische Team, das ChatGPT-4o, Claude und Gemini testete, sah dasselbe Muster: Je größer die Portion, desto weiter blieb die Schätzung zurück. Die Modelle ziehen offenbar jeden Teller in Richtung einer „Standardportion“, was kleine Esser begünstigt und üppige Teller benachteiligt.

Der zweite Mechanismus ist das Fett, mit 9 kcal pro Gramm der energiereichste der Makronährstoffe. Ein Löffel Öl im Gemüse, ein Stück Butter, das auf den Nudeln geschmolzen ist, oder eine untergerührte Soße sind schlicht unsichtbar. Die 30 g fehlendes Fett aus der NIH-Studie machen allein rund 270 kcal aus, den Großteil der gemessenen Lücke. Die Forschenden stellten außerdem fest, dass die Apps bei ketogenen, sehr fettreichen Mahlzeiten noch stärker danebenlagen.

Beim Fett geht der Fehler nicht immer in dieselbe Richtung. Bei eher mageren japanischen Krankenhaustabletts überschätzten die KI-Modelle das Fett sogar um mehr als 20 %. Die Autoren sprechen vom „unsichtbaren Nährstoff“: Weil das Modell das Fett nicht sieht, setzt es einen Durchschnitt an. Bei einem gewöhnlichen Gericht passt das, bei einem sehr gehaltvollen oder sehr leichten deutlich weniger.

Manche Mahlzeiten eignen sich hervorragend fürs Foto: Ein Teller mit getrennten, gut sichtbaren Komponenten (ein Fischfilet, Reis, grüne Bohnen) wird meist gut geschätzt. Schwierig wird es, sobald Informationen außerhalb des Bildes liegen. In der ChatGPT-5-Studie verursachten Gerichte in Schüsseln die größten Fehler, weil die Kamera keine Tiefe sieht. Ein Curry, eine Suppe, eine Bowl oder Nudeln mit Soße verstecken ihre Zutaten in Schichten.

Auch der Blickwinkel spielt eine Rolle. Schräg fotografiert wirkt ein Teller hinten kleiner als vorne, und die Perspektive verzerrt die Volumenschätzung. Schwaches Licht oder ein unscharfes Foto erschweren schon die Erkennung. Vor allem verrät ein Bild nichts darüber, was in der Küche passiert ist: eine geölte Pfanne, Butter im Kartoffelpüree, Zucker in der Tomatensoße, geschmolzener Käse unter der Oberfläche.

Getränke sind der Extremfall. Ein Glas mit dunkler Flüssigkeit kann aromatisiertes Sprudelwasser, Cola oder Eistee enthalten, ein orangefarbenes Saft oder Limonade. Für die KI ist der Unterschied oft nicht zu erkennen, obwohl er pro Glas mehr als 100 kcal ausmacht.

Bevor man das Foto verurteilt, sollte man es mit dem vergleichen, was es ersetzt. Wer seine Mahlzeiten selbst notiert, vergisst einen Keks, macht eine Portion kleiner und rundet ab. Die Referenzmethode, um das zu messen, heißt doppelt markiertes Wasser: Man trinkt Wasser mit stabilen Isotopen, deren Ausscheidung den tatsächlichen Energieverbrauch über ein bis zwei Wochen verrät. Bei stabilem Gewicht entspricht die Energiezufuhr dem Verbrauch, sodass sich die eigenen Angaben überprüfen lassen.

Die Ergebnisse sind eindeutig. In der US-amerikanischen OPEN-Studie mit 484 Erwachsenen gaben Männer in 24-Stunden-Erinnerungsprotokollen 12 bis 14 % zu wenig an, Frauen 16 bis 20 %. Mit einem Verzehrshäufigkeitsfragebogen wuchs die Lücke auf 31 bis 38 %. Eine 1992 im New England Journal of Medicine veröffentlichte Studie begleitete eine kleine Gruppe von Menschen, die überzeugt waren, trotz einer Diät unter 1.200 kcal nicht abzunehmen: Sie unterschätzten ihre Zufuhr im Schnitt um 47 % und überschätzten ihre körperliche Aktivität um 51 %.

Das heißt nicht, dass Menschen lügen. Portionen nach Augenmaß zu schätzen fällt allen schwer, und kleine Extras vergisst man schnell. Oft steckt genau das hinter einem scheinbar rätselhaften Gewichtsplateau. Manuelles Eintragen mit Abwiegen jeder Zutat bleibt die genaueste Methode, ist aber so mühsam, dass kaum jemand lange dabeibleibt. Die schwedischen Forschenden betonen, dass der Fehler von ChatGPT-4o und Claude im selben Bereich lag wie Ernährungstagebücher von Sportlern, die mit doppelt markiertem Wasser überprüft wurden, ganz ohne Aufwand beim Eintragen.

Die gute Nachricht: Beim Gewichtsmanagement zählt Beständigkeit mehr als Perfektion. Unterschätzt Ihre App Ihre Mahlzeiten jeden Tag um etwa 15 %, und zwar einigermaßen gleichmäßig, stimmt Ihre Tagessumme nicht, aber die Trends bleiben lesbar. Sie sehen, an welchen Tagen Sie mehr essen, welche Mahlzeiten am meisten ins Gewicht fallen und ob Ihre Änderungen wirken.

Die Waage wird dann zum Schiedsrichter. Ein Kaloriendefizit zeigt sich über die Zeit: Bewegt sich Ihr Durchschnittsgewicht nach drei oder vier Wochen nicht, obwohl die App ein Defizit anzeigt, haben Ihre Mahlzeiten vermutlich mehr Kalorien als geschätzt. Statt die Portionen weiter zu kürzen, suchen Sie zuerst nach den oben beschriebenen Fehlerquellen: Öl, Soßen, Getränke und große Teller.

Grammgenaue Präzision ist nur in besonderen Fällen nötig: bei ärztlicher Betreuung, eng begleiteter Wettkampfvorbereitung oder einer Erkrankung, bei der ein Nährstoff kontrolliert werden muss. Dann ersetzt die Foto-Schätzung weder die Küchenwaage noch den Rat von Ärztin, Arzt oder Ernährungsfachkraft. Für ein Fitness- oder Gewichtsziel ist eine einfache Methode, die Sie täglich durchhalten, besser als eine perfekte, die Sie nach zehn Tagen aufgeben.

Gehen Sie im Restaurant davon aus, dass das Gericht mehr Fett enthält, als man sieht: Profiküchen verwenden Butter, Sahne und Öl großzügig, für Geschmack und Konsistenz. Fotografieren Sie den Teller und ergänzen Sie, was Sie wissen: „Pommes“, „Buttersoße“, „Dressing extra“. Unsere Tipps zum gesunden Essen im Restaurant helfen außerdem, Gerichte zu wählen, die sich leichter schätzen lassen.

Zu Hause haben Sie einen großen Vorteil: Sie kennen das Rezept. Notieren Sie, wie viel Öl in die Pfanne kam, und verteilen Sie es auf die Portionen. Bei einem Familiengericht ist eine Beschreibung wie „ein Sechstel einer Lasagne mit 400 g Rinderhack und 200 g Käse“ viel genauer als ein Foto der überbackenen Oberfläche. Die ChatGPT-5-Studie zeigt das deutlich: Der Fehler sank von 30,5 % nur mit Foto auf 24,4 %, wenn unter anderem Art und Menge des Fetts angegeben wurden, und auf 13,9 % mit der vollständigen Zutatenliste.

Bei verpackten Lebensmitteln ist das Foto nicht das beste Werkzeug: Die Nährwerttabelle auf der Packung liefert den exakten Wert. Scannen Sie wenn möglich den Barcode und heben Sie sich das Foto für zusammengesetzte Teller auf.

Diese Gewohnheiten kosten ein paar Sekunden und beheben die meisten Fehler, die die Studien beschreiben:

Apps, die Kalorien per Foto zählen, erkennen sehr gut, was auf dem Teller liegt, und schätzen deutlich schlechter, wie viel es ist. Nur mit dem Foto sollten Sie mit einem mittleren Fehler von etwa 25 bis 35 % rechnen, meist nach unten, und größer bei üppigen Portionen, Gerichten mit Soße und fettreichen Mahlzeiten. Das ist nicht schlechter als das menschliche Gedächtnis, dem im Schnitt 12 bis 20 % des Gegessenen entgehen. Fotografieren Sie von oben, geben Sie einen Maßstab, beschreiben Sie Öl und Soßen, korrigieren Sie die Mengen und wiegen Sie ab und zu: So wird aus einer groben Schätzung ein verlässliches Werkzeug. Behalten Sie schließlich Ihren Gewichtsverlauf über mehrere Wochen im Blick, denn er zeigt, ob Ihre Zahlen stimmen.