Wie künstliche Intelligenz die persönliche Ernährung revolutioniert

Von der Datenbanksuche zum einfachen Foto

2020 bedeutete Kalorienzählen: App öffnen, "gekochter weisser Reis" in die Suche tippen, aus Dutzenden Treffern einen auswählen, mit blossem Auge schätzen, ob die Portion 100, 150 oder 200 g wog — und das Ganze für jede Zutat des Gerichts wiederholen. In einem sechsmonatigen Online-Programm, in dem die Teilnehmenden ihre Mahlzeiten so auf einer Website notierten (Harvey et al., 2019), kostete das im ersten Monat im Schnitt 23 Minuten am Tag und im sechsten noch 15, und im sechsten Monat notierte mehr als ein Drittel gar nichts mehr. 2026 hat künstliche Intelligenz diese Reibung verringert. Die fortschrittlichsten Bildmodelle (Claude von Anthropic, GPT-4o oder Gemini) analysieren ein Foto deines Tellers und liefern aus einer einzigen Aufnahme eine Schätzung von Kalorien und Makros. Ohne Tippen und ohne Suchen; die Portion prüfst du trotzdem.

Wie die KI-Analyse einer Mahlzeit funktioniert

Die Technik hinter dem Essensscan verbindet drei KI-Disziplinen:

• Computer Vision: das Modell erkennt jedes einzelne Lebensmittel auf dem Foto. Es versucht, Hähnchenfilet von Putenfilet, weissen Reis von Vollkornreis und gedämpften Brokkoli von gebratenem zu unterscheiden, und das gelingt nicht immer. WAS auf dem Teller liegt, erkennt es am besten; was man nicht sieht — das Öl aus der Pfanne, der Zucker in der Sauce — muss erschlossen werden
• Volumenschätzung: anhand von Gegenständen bekannter Grösse auf dem Foto (ein flacher Teller, eine Gabel, ein Glas, deine Hand) und der Perspektive schätzt die KI die Mengen. Hier entscheidet sich die Genauigkeit: die Menge ist deutlich schwerer als die Erkennung, und deshalb lässt dich die App das Gewicht jedes Lebensmittels korrigieren (du öffnest das Lebensmittel und tippst die Gramm ein oder stellst sie mit − und + ein), statt so zu tun, als hätte sie getroffen
• Nährwertdatenbank: sind Lebensmittel erkannt und Mengen geschätzt, muss daraus Kalorien und Makros werden. Bei Renzy wird die Schätzung des Modells anschliessend gegen eine handkuratierte Referenztabelle mit USDA/BEDCA-Werten pro 100 g geprüft, die unmögliche Dichten korrigiert — der Klassiker "Hähnchenbrust 150 g = 400 kcal". Barcodes laufen anders: dort kommen die Angaben vom Etikett des Produkts aus Open Food Facts

Das Detail, das alles verändert: die Zubereitung

Dieselbe Kartoffel hat je nach Zubereitung völlig unterschiedliche Kalorien (USDA-Werte): gekocht 86 kcal/100 g, aus dem Ofen 93 kcal/100 g, in Öl frittiert 312 kcal/100 g, als Chips aus der Tüte 532 kcal/100 g. Ein grosses hart gekochtes Ei hat etwa 78 kcal, dasselbe Ei in Öl gebraten etwa 90. Bei Renzy muss das Modell für jedes Lebensmittel die Garmethode angeben (gegrillt, gebacken, frittiert, gekocht, gedämpft, roh), anhand dessen, was es sieht — den Glanz von Öl, die krosse Struktur des Frittierten, die glatte Oberfläche des Gekochten —, und die anschliessende Prüfung nimmt den Referenzwert dieser Zubereitung. Genau das können manuelle Datenbanken nicht, weil dort die Nutzerin oder der Nutzer die Garmethode selbst angeben muss.

Sieben Dinge, die KI heute schon für deine Ernährung kann

• Ein Foto analysieren und in etwa 20 Sekunden Kalorien, Makros und einige Mikronährstoffe (Zucker, Salz, Ballaststoffe, Eisen) schätzen
• Einen Barcode scannen und das Etikett unter mehr als 4 Millionen verpackten Produkten finden (die offene Datenbank Open Food Facts)
• Die Garmethode jedes Lebensmittels erkennen und die passenden Werte nehmen
• Eine Mahlzeit erfassen, die du in ein paar Worten beschreibst, ganz ohne Foto
• Jedem Gericht eine Note geben und sagen, welche Änderung sie anheben würde
• Eine Speisekarte lesen und dir sagen, welche Gerichte du wählen und welche du lassen solltest
• Sich deine Korrekturen merken: Korrigierst du eine Portion, berücksichtigen deine nächsten Fotos das

Warum KI besser ist als eine Datenbank

Klassische Apps funktionieren wie Wörterbücher: du tippst den Namen eines Lebensmittels ein und sie schlagen in einer Datenbank nach. Das hat drei grundsätzliche Probleme. Erstens kann die Datenbank Fehler enthalten, weil jede Nutzerin und jeder Nutzer falsche Einträge anlegen kann. Zweitens gibt es keinen Eintrag für "das Hähnchen mit Reis, das meine Mutter gekocht hat", denn jedes selbstgemachte Gericht ist einzigartig. Drittens ist die Suche langsam und mühsam. Die KI löst alle drei: Sie analysiert dein konkretes Gericht statt eines generischen, sie schätzt reale statt theoretischer Mengen, und sie tut es in etwa 20 Sekunden statt in Minuten.

Aktuelle Grenzen der Ernährungs-KI

Die Technik ist nicht perfekt, und es ist wichtig, offen zu sagen, was sie nicht kann:

• Verdeckte Lebensmittel: liegt etwas unter etwas anderem, etwa Reis unter einer Sauce, kann die KI die Kalorien unterschätzen. Die Lösung: vor dem Vermischen fotografieren oder manuell nachjustieren
• Saucen und Dressings: Saucen sind visuell schwer zu schätzen, denn ein Esslöffel reicht von etwa 17 kcal bei Ketchup bis knapp 120 bei Olivenöl (USDA). Genau dort liegt die Schätzung oft daneben
• Sehr grosse oder sehr kleine Portionen: die Volumenschätzung funktioniert am besten bei Standardportionen. Ein riesiger Teller oder ein winziger Bissen haben eine grössere Fehlerspanne
• Seltene regionale Gerichte: die Bilder, mit denen solche Modelle trainiert werden, decken manche Küchen besser ab als andere. Ein seltenes laotisches Gericht wird schlechter geschätzt als ein Caesar Salad
• Eine Schätzung bleibt eine Schätzung: wenn dir ein Gericht wirklich wichtig ist, wieg es einmal und korrigiere den Wert in der App. Diese korrigierte Zahl ist die, die zählt
• Was Renzy nicht kann: einen Kassenbon lesen, Rezepte aus dem Inhalt deines Kühlschranks vorschlagen, Wochenpläne erstellen oder deine Körperzusammensetzung aus einem Foto schätzen

Die Zukunft: hyperpersonalisierte Ernährung

Was wir heute haben, ist erst der Anfang. In den kommenden Jahren könnte das Zusammenspiel von KI, Wearables und Genomik eine viel persönlichere Ernährung möglich machen. Stell dir eine App vor, die deine täglichen Ernährungsdaten mit deiner individuellen Glukoseantwort verknüpft, gemessen von einem kontinuierlichen Sensor, dazu dein Darmmikrobiom aus einer Probe, dein genetisches Profil, das beeinflusst, wie du bestimmte Nährstoffe verstoffwechselst, und deine Blutmarker wie Cholesterin, Triglyzeride oder Vitamine. Mit all dem könnte die KI dir nicht nur sagen "du isst 2.000 kcal", sondern "dein Körper kommt morgens besser mit komplexen Kohlenhydraten zurecht". So weit ist es noch nicht: Heute macht Renzy das Foto, die Kalorien, die Makros und eine Note pro Gericht, und deine Daten gehören dir: Du kannst sie exportieren oder löschen.