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 47 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. Ein Mittagessen aus Hähnchen, Reis und Salat kostete 5 bis 8 Minuten manuelle Eingabe. Mal drei bis fünf Mahlzeiten am Tag ergab das 15 bis 40 Minuten täglich, nur um zu erfassen, was man isst. Kein Wunder, dass 80 % schon in der ersten Woche aufgaben. 2026 hat künstliche Intelligenz diese Reibung beseitigt. Die fortschrittlichsten Bildmodelle (Claude von Anthropic, GPT-4o oder Gemini) analysieren ein Foto deines Tellers und liefern aus einer einzigen Aufnahme eine vollständige Nährwertaufschlüsselung. Ohne Tippen, ohne Suchen, ohne Schätzen.

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 unterscheidet Hähnchenfilet von Putenfilet, weissen Reis von Vollkornreis, gedämpften Brokkoli von gebratenem. 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 der Tellergrösse als Referenz (Standardteller haben 26 bis 28 cm Durchmesser) und der Perspektive des Fotos 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 mit zwei Tipps korrigieren, 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 wird das echte Etikett des Produkts gelesen

Das Detail, das alles verändert: die Zubereitung

Dieselbe Kartoffel hat je nach Zubereitung völlig unterschiedliche Kalorien: gekocht 87 kcal/100 g, aus dem Ofen 93 kcal/100 g, in Öl frittiert 312 kcal/100 g, als Chips aus der Tüte 536 kcal/100 g. Ein gekochtes Ei hat 70 kcal, in Öl gebraten steigt es auf 90 bis 100 kcal. Die KI von Renzy erkennt die Zubereitung visuell — den Glanz von Öl, die krosse Struktur des Frittierten, die glatte Oberfläche des Gekochten — und passt die Kalorien automatisch an. 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 Kalorien, Makros und Mikronährstoffe in der Zeit liefern, die das Fotografieren dauert
• Einen Barcode scannen und Angaben zu Millionen verpackter Produkte abrufen
• Einen Kassenbon lesen und die Produkte automatisch in deine Vorratsliste eintragen
• Wochenpläne erzeugen, die zu deinen Makros, Allergien und Vorlieben passen
• Rezepte aus genau den Zutaten erstellen, die in deinem Kühlschrank liegen
• Restaurantkarten auswerten und die ausgewogenste Option vorschlagen
• Deine Körperzusammensetzung aus einem Ganzkörperfoto abschätzen

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 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, weil ein Löffel je nach Sorte 15 bis 120 kcal haben kann. Die KI unterschätzt sie tendenziell
• 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 KI ist überwiegend auf westliche Küche trainiert. 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

Die Zukunft: hyperpersonalisierte Ernährung

Was wir heute haben, ist erst der Anfang. In den nächsten drei bis fünf Jahren wird das Zusammenspiel von KI, Wearables und Genomik eine vollständig personalisierte Ernährung hervorbringen. 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 reagiert morgens 30 % besser auf komplexe Kohlenhydrate und abends auf gute Fette". Renzy baut die Infrastruktur für diese Zukunft: Das tägliche Ernährungstracking ist die Datengrundlage, aus der solche Vorhersagemodelle entstehen.