Wie Renzy funktioniert: Ernährungsanalyse in 3 Sekunden
Renzy kombiniert Computer Vision, eine 500+ Lebensmittel-Datenbank (spanisch, international, verpackte Produkte) und multimodale Sprachmodelle, um ein Foto in eine präzise Nährwertanalyse zu verwandeln. Hier ist die Schritt-für-Schritt-Anleitung — vom Öffnen der Kamera bis zur Anzeige von Kalorien, Eiweiß, Kohlenhydraten, Fett, Vitaminen und Health-Score.
Der Renzy-Scan in 5 Schritten
1Mache ein Foto vom Teller
Öffne Renzy, tippe den grünen Button und richte den Teller ein. Kein perfekter Winkel nötig: die KI toleriert ungewöhnliche Winkel, schlechtes Licht und gemischte Gerichte. Foto wird komprimiert hochgeladen (~100KB) für Geschwindigkeit und Privatsphäre.
2KI erkennt die Lebensmittel
Ein multimodales Modell (Vision + Sprache) erkennt jedes Lebensmittel, schätzt die Portion und gibt einen Konfidenzwert zurück. Gängige Gerichte — Paella, Caesar Salad, Omelett, Pizza — und Zutaten in komplexen Zubereitungen werden zuverlässig erkannt.
3Abgleich mit der Nährwert-Datenbank
Mit den erkannten Lebensmitteln berechnen wir Makros (Eiweiß, Kohlenhydrate, Fett) und Mikros (Natrium, Ballaststoffe, Vitamine A, C, D, Eisen, Calcium) über USDA + BEDCA + OpenFoodFacts. Bei verpackten Produkten lesen wir den Barcode direkt.
4Berechnung des Health-Scores
Ein Algorithmus bewertet den Teller nach deinem Ziel (abnehmen, zunehmen, halten) und gibt einen 0-100 Score mit kurzer Erklärung. Nicht nur Kalorien: bestraft hoch verarbeitete Produkte, belohnt Ballaststoffe und Qualitätseiweiß.
5Speichern oder anpassen
Falls etwas nicht passt — größere Portion, fehlende Zutat — editiere mit einem Tippen. Speichert ins Tagebuch und zählt zum Tagesziel. Synchronisiert mit HealthKit (iOS) und Google Fit.
Was hinter der KI steckt
Keine Magie, sondern Engineering. State-of-the-Art multimodales Modell (Claude Sonnet) feinabgestimmt auf tausende beschriftete Essensfotos. Portionen werden über visuelle Referenzen (Besteck, Standard-Teller) und Kontext geschätzt (eine Paella ist typisch 250-350g). Bei niedriger Konfidenz fragen wir nach — lieber fragen als falsch raten.
Wie genau ist es?
Bei gängigen Gerichten liegt die Kaloriengenauigkeit bei ±10-15% — vergleichbar mit einer geschulten Schätzung. Bei verpackten Produkten mit Barcode ist es exakt (direkter Etikettenscan). Bei exotischen oder hausgemachten Gerichten mit vielen versteckten Zutaten wächst die Marge. Jede Analyse kommt mit Konfidenzwert und du kannst vor dem Speichern editieren.
Datenschutz: was wir mit deinen Fotos machen
Fotos werden verarbeitet und nach der Analyse gelöscht. Wir speichern, trainieren, teilen sie nicht. Wir behalten nur das Nährwertergebnis (die Zahlen) verknüpft mit deinem Konto. Konto und alle Daten in einem Klick aus den Einstellungen löschen — Bestätigungs-E-Mail mit allem Gelöschten.
Häufig gestellte Fragen
Brauche ich Internet zum Scannen?
Ja, das Scannen braucht Internet, weil die KI serverseitig läuft. Alles andere — Tagebuch, Hydration, Wochenplaner — funktioniert offline und synchronisiert beim Wiederverbinden.
Funktioniert es mit hausgemachtem Essen oder nur gängigen Gerichten?
Beides. Bei hausgemachten Multi-Zutat-Gerichten (Eintöpfe, gemischte Bowls) erkennt die KI die Hauptzutaten. Fehlt eine, fügst du sie mit einem Tippen hinzu.
Wie lange dauert die Analyse?
Zwischen 2 und 4 Sekunden typisch. Der langsame Teil ist der Foto-Upload; das Modell selbst antwortet in unter einer Sekunde.
Kann ich Nährwertetiketten scannen?
Ja. Auf den Barcode zielen für exakte OpenFoodFacts-Daten. Wenn das Produkt nicht in der Datenbank ist, scanne die Nährwerttabelle und die KI liest sie.
Funktioniert es auf iPhone und Android?
Ja, beide. Auch als Web-App — vom Mobil-Browser scannen, keine Installation nötig.
Teste es ohne Anmeldung
Die Home-Demo verlangt nichts — keine E-Mail, keine Karte. Foto hochladen und Analyse sofort sehen.