So messen wir die Genauigkeit der KI-Kalorienschätzung.
calorietrack.ai schätzt Kalorien und Makros, indem es das Essen auf deinem Foto oder in deinem Text direkt liest: Es erkennt jedes Lebensmittel, schätzt die Portion anhand visueller Hinweise und liefert eine Zahl mit Konfidenzwert, die du mit einem Tippen anpassen kannst. Wie genau sind Kalorien-Apps, die so arbeiten? Unabhängige, begutachtete Studien zur KI-gestützten Ernährungserfassung zeigen, dass fotobasierte Schätzungen bei gängigen Lebensmitteln etwa 5 bis 15 % vom tatsächlichen Wert abweichen, ähnlich wie eine Ernährungsfachkraft, die dasselbe Foto beurteilt. Unser internes Benchmark-Ziel liegt bei höchstens 8 % Abweichung von der Schätzung einer Ernährungsfachkraft, überprüft bei jedem Release.
Was „genau“ bei einem Foto heißt
Genauigkeit ist der Abstand zwischen der Schätzung und dem tatsächlichen Energiegehalt des Essens. Keine Methode ist perfekt genau, kein Foto, keine Datenbanksuche, nicht einmal das Wiegen jeder Zutat, denn dasselbe Gericht fällt auf jedem Teller etwas anders aus. Die ehrliche Frage lautet nicht „Ist es exakt?“, sondern „Liegt es zuverlässig nah genug, um tägliche Entscheidungen zu steuern?“ Bei gängigen Mahlzeiten leistet das Auslesen des Tellers genau das.
So entsteht eine Schätzung
Ein Vision-Language-Modell erkennt, was auf dem Teller liegt (z. B. „Hähnchen, Reis, Brokkoli“), schätzt die Portionsgröße anhand visueller Hinweise wie der bedeckten Tellerfläche und der Höhe, ordnet jedes Lebensmittel Nährwertdaten zu und liefert Kalorien plus die Aufteilung in Eiweiß, Kohlenhydrate und Fett, meist in etwa zwei Sekunden. Schreibst du, statt zu knipsen, zerlegt dieselbe Pipeline deinen Satz in einzelne Lebensmittel. Jede Schätzung zeigt ihren Konfidenzwert, und du kannst jede Portion nach oben oder unten anpassen, wenn sie nicht stimmt.
Woher die Fehler kommen
Die Forschung ist hier eindeutig: KI ist stark darin, gängige Lebensmittel zu erkennen (etwa 85 bis 95 %), und die größte Fehlerquelle ist die Portionsgröße, abgeleitet aus einem flachen 2D-Bild. Gemischte Bowls, gestapelte Teller und reichhaltige Soßen sind die schwierigen Fälle. Genau deshalb zeigen wir einen Konfidenzwert an und machen jede Schätzung mit einem Tippen anpassbar, statt eine einzelne Zahl mit falscher Präzision zu präsentieren.
Unser Benchmark-Ziel: höchstens 8 % Abweichung
„Höchstens 8 % Abweichung von einer Ernährungsfachkraft“ ist ein Ziel, an dem wir uns selbst messen, keine Werbeaussage über dein nächstes Foto. Wir testen bei jedem Release erneut gegen Referenzmahlzeiten und arbeiten auf dieses Ziel hin. Wenn eine Schätzung voraussichtlich schwieriger ist, etwa bei einem zusammengesetzten Gericht oder einer ungewöhnlichen Portion, sagt der Konfidenzwert das gleich vorab. Die Forschung, auf die wir uns stützen, findest du unten, statt dass wir dich bitten, einer einzelnen eigenen Zahl blind zu vertrauen.
Was wir nicht behaupten
Wir behaupten keine Laborpräzision, und calorietrack.ai ist kein Medizinprodukt. Siehe unseren Gesundheitshinweis (Englisch). Die Forschung, auf der diese Methodik beruht, findest du unter Studienlage zur KI-Kalorienschätzung.
Quellen und weiterführende Literatur
Die Genauigkeitsspannen oben spiegeln den Konsens der begutachteten Forschung zur bildbasierten Ernährungserfassung wider. Hier geht es zur Primärliteratur:
Verfasst und gepflegt vom Team von calorietrack.ai · zuletzt aktualisiert am 8. Juni 2026 · Fragen?