KI-Kalorien-Apps sind nützlich, aber nicht präzise. In den besten unabhängigen Tests lagen allgemeine KI-Modelle, die Kalorien anhand eines einzelnen Essensfotos schätzten, im Schnitt um etwa 36 % daneben, und größere Portionen wurden eher unterschätzt. Die Modelle erkennen gut, was auf dem Teller liegt, schätzen aber schlechter, wie viel davon. Die genauesten Werte bekommst du deshalb, wenn du die Schätzung prüfst und korrigierst.

Das klingt vielleicht ernüchternd, bringt die KI-Fotoerfassung aber ungefähr auf das Niveau klassischer Ernährungstagebücher, die seit Jahrzehnten genutzt werden. Hier erfährst du, was die Forschung tatsächlich gemessen hat, woher die Fehler kommen und wie du solche Apps sinnvoll nutzt.

Wie genau sind KI-Kalorien-Apps laut unabhängigen Studien?

Einen einzigen „Genauigkeitswert“ für KI-Kalorien-Apps gibt es nicht. Die Studien verwenden unterschiedliche Lebensmittel, Modelle und Referenzmethoden. Am fairsten ist es, mehrere nebeneinanderzulegen.

Studie	Was getestet wurde	Hauptergebnis für Kalorien
Fridolfsson et al., Current Developments in Nutrition, 2025	3 KI-Modelle, 52 Fotos von abgewogenem Essen	Durchschnittlicher Fehler 35,8 % (die zwei besten Modelle) und 64,2 % (drittes Modell)
O’Hara et al., Nutrients, 2025	ChatGPT-4, 114 Fotos von 38 Gerichten in 3 Portionsgrößen	Lebensmittel gut erkannt; Gewicht auf 76 % der Fotos unterschätzt
Rodríguez-Jiménez et al., Nutrients, 2025	ChatGPT-5, 195 Gerichte, mit mehr oder weniger Zusatzinfos	Durchschnittlicher Fehler 30,5 % nur mit Foto, 13,9 % mit Zutaten und Mengen
Joubert et al., Diabetes Therapy, 2021	Eine Foto-App vs. eine App mit manueller Eingabe für Kohlenhydrate	Foto-App unterschätzte Kohlenhydrate im Schnitt um 7,2 g pro Mahlzeit

Der Vergleich von drei Modellen (2025)

Forschende in Göteborg fotografierten 52 standardisierte Mahlzeiten und Lebensmittel, wogen jede Komponente ab und berechneten den tatsächlichen Nährstoffgehalt mit einer Nährwertdatenbank. Dann ließen sie drei KI-Modelle die Nährwerte anhand der Fotos schätzen.

Bei den Kalorien lag der mittlere absolute prozentuale Fehler (MAPE) bei 35,8 % für ChatGPT-4o und für Claude 3.5 Sonnet sowie bei 64,2 % für Gemini 1.5 Pro. Bei Eiweiß, Fett und Kohlenhydraten waren die Fehler größer, je nach Modell und Nährstoff etwa 42 % bis 110 %. Alle drei Modelle unterschätzten umso stärker, je größer die Portion war.

Die Autoren folgerten, dass die beiden besseren Modelle etwa so genau waren wie klassische selbst geführte Ernährungsprotokolle, nur ohne deren Aufwand, aber noch nicht genau genug für präzise Anwendungen wie klinische oder sportliche Ernährung.

ChatGPT und Portionsgrößen

Ein Team aus Irland testete ChatGPT-4 mit 114 Fotos: 38 Gerichte aus einer nationalen Ernährungserhebung, jeweils in kleiner, mittlerer und großer Portion. Beim Erkennen der Lebensmittel war das Modell gut, mit einer Präzision von 93 %. Bei den Portionen war es deutlich schwächer. Die Gewichtsschätzungen stimmten bei kleinen Mahlzeiten gut, bei mittleren und großen jedoch nicht, und auf 87 der 114 Fotos (76 %) wurde das Gewicht unterschätzt. Bei 13 von 16 untersuchten Nährstoffen wichen die Schätzungen um mehr als 10 % von den tatsächlichen Werten ab.

Mehr Informationen, bessere Schätzungen

Eine Studie von 2025 prüfte ChatGPT-5 an 195 Gerichten in mehreren Szenarien. Nur mit dem Foto lag der durchschnittliche Kalorienfehler bei 30,5 %, also etwa 123 kcal pro Gericht. Mit Angaben, die die Kamera nicht sieht, etwa Art und Menge von Fett und Süßungsmittel, Fettgehalt von Milchprodukten und Fleischsorte, sank er auf 24,4 %. Mit Zutaten und Mengenangaben sank er auf 13,9 %, etwa 53 kcal pro Gericht.

Die praktische Lehre: Je mehr du der App sagst, desto besser die Zahl.

Ein Blick aus der Diabetologie

Für Menschen, die Kohlenhydrate zählen, verglich eine französische Studie von 2021 eine App mit Fotoerkennung und eine App, in die man Kohlenhydrate selbst einträgt. Die Foto-App unterschätzte die Kohlenhydrate im Schnitt um 7,2 g pro Mahlzeit, und bei 30 % der Mahlzeiten lag sie um mehr als 20 g daneben, gegenüber 14 % bei der manuellen App. Die Autoren fanden beide Apps trotzdem genauer als die üblichen Alltagsfehler von Menschen mit Typ-1-Diabetes. Wenn die Insulindosis von der Zahl abhängt, zählt dieser Unterschied aber.

Wie KI im Vergleich zu anderen Methoden abschneidet

Fehler gibt es nicht nur bei KI. Eine Metaanalyse in Advances in Nutrition von 2021 fasste Validierungsstudien zu Ernährungstagebuch-Apps zusammen, in die Menschen ihr Essen manuell eintragen. Im Schnitt unterschätzten diese Apps die Energiezufuhr um etwa 202 kcal pro Tag gegenüber den Referenzmethoden. Nutzten App und Referenz dieselbe Nährwertdatenbank, schrumpfte der Unterschied auf etwa 57 kcal pro Tag. Viel hängt also von der Datenbank hinter den Zahlen ab.

Der ehrliche Vergleich lautet deshalb nicht „KI gegen perfekt“, sondern „KI gegen dich, wenn du tippst und Portionen schätzt“, und beide Wege haben blinde Flecken. Die manuelle Seite erklärt unsere Anleitung zum Kalorienzählen.

Warum Fotos für KI schwierig sind

Portionsgröße. Ein Foto hat keinen eingebauten Maßstab. Das ist die größte Fehlerquelle, und große Portionen werden am ehesten unterschätzt.
Verstecktes Fett und versteckter Zucker. Öl in der Pfanne, Butter auf dem Gemüse, Dressings und Soßen können Hunderte Kalorien ausmachen und sind oft unsichtbar.
Gemischte und geschichtete Gerichte. Reis unter dem Curry, Füllung im Wrap, Käse im Brötchen.
Ähnlich aussehende Lebensmittel. Magerquark und Sahnequark, Vollmilch und fettarme Milch, normale und zuckerfreie Getränke, Weiß- und Vollkornbrot.
Fotoqualität. Dunkle, verwackelte oder sehr nahe Aufnahmen geben dem Modell weniger Informationen.
Testbedingungen. Die Studie mit drei Modellen verwendete standardisierte Fotos aus festen Winkeln, und die Autoren weisen darauf hin, dass echte Mahlzeiten komplexer sind. Im Alltag kann die Genauigkeit schlechter sein als im Labor.

Ein Rechenbeispiel

Angenommen, dein Nudelgericht hat tatsächlich 700 kcal. Ein durchschnittlicher Fehler von etwa 36 % entspricht rund 250 kcal (700 × 0,36 = 252). Eine einzelne Schätzung könnte also irgendwo zwischen etwa 450 und 950 kcal landen.

Über den Tag gleichen sich zufällige Fehler teilweise aus: Eine Mahlzeit wird überschätzt, eine andere unterschätzt. Das Problem sind systematische Fehler. Wird jedes große Abendessen um 200 kcal unterschätzt, gleicht sich nichts aus; in einer Woche sind das rund 1.400 kcal. Deshalb ist es wichtiger, die Portion bei großen Mahlzeiten zu korrigieren, als sich über einen kleinen Snack Gedanken zu machen.

Was das für PixNutri bedeutet

Die Studien oben haben allgemeine KI-Modelle getestet, nicht PixNutri. Sie sagen also nichts darüber aus, wie genau PixNutri ist. Wir haben noch keinen eigenen Benchmark veröffentlicht und nennen keine Genauigkeit in Prozent. Auf unserer Seite zur Genauigkeit (auf Englisch) erklären wir, was wir wissen und was wir noch testen.

PixNutri ist um die Grenzen herum gebaut, die die Forschung beschreibt. Jede Fotoschätzung zeigt Kalorien, Eiweiß, Kohlenhydrate, Fett, Ballaststoffe und Zucker, und du kannst jeden Wert prüfen und ändern. Mit den Portionstasten (½, ¾, 1½, 2×) korrigierst du den häufigsten Fehler mit einem Tipp. Bei verpackten Lebensmitteln nutzt der Barcode-Scanner die in Open Food Facts hinterlegten Nährwerte, umgerechnet auf die Menge, die du eingibst. Du kannst eine Mahlzeit auch per Text oder Sprache beschreiben und der App so Informationen geben, die ein Foto nicht zeigt.

So bekommst du genauere Ergebnisse aus jeder KI-Kalorien-App

Fotografiere von oben, bei gutem Licht, mit dem ganzen Teller im Bild.
Prüfe die Portion. Ist der Teller größer als üblich, geh davon aus, dass die Schätzung zu niedrig ist, und passe sie an.
Ergänze, was die Kamera nicht sieht: Bratöl, Butter, Soßen, Zucker in Getränken.
Scanne bei verpackten Lebensmitteln den Barcode, statt sie zu fotografieren.
Fotografiere gemischte Gerichte, bevor du sie umrührst, oder beschreibe die Hauptzutaten.
Wiege ein paar deiner üblichen Lebensmittel einmal ab, damit du lernst, wie deine normalen Portionen aussehen. Siehe Kalorien schätzen ohne Küchenwaage.
Beurteile deinen Fortschritt am Wochentrend, nicht an einzelnen Mahlzeiten.

Wann eine Schätzung nicht reicht

Wenn du Kohlenhydrate zählst, um Insulin zu dosieren, eine Nierenerkrankung hast, schwanger bist oder schon einmal eine Essstörung hattest, arbeite mit einer Ärztin, einem Arzt oder einer Ernährungsfachkraft zusammen und verlasse dich nicht allein auf Fotoschätzungen. Für solche Situationen zeigen die Studien klar, dass KI-Modelle noch nicht präzise genug sind.

FAQ

Wie genau sind KI-Kalorien-Apps?

In veröffentlichten Tests lagen die besten allgemeinen KI-Modelle bei Kalorien aus einem einzelnen Foto im Schnitt um etwa 36 % daneben, große Portionen wurden meist unterschätzt. Die Genauigkeit steigt, wenn du Details wie Zutaten und Mengen ergänzt.

Sind KI-Kalorien-Apps genauer als manuelles Eintragen?

Nicht eindeutig. Eine Studie von 2025 fand die besseren Modelle etwa so genau wie klassische selbst geführte Protokolle. Auch Apps mit manueller Eingabe unterschätzen, laut einer Metaanalyse von 2021 im Schnitt um etwa 200 kcal pro Tag.

Kann ich mit einer KI-Kalorien-App abnehmen?

Ja, wenn du die Zahlen als Schätzungen nutzt, offensichtliche Fehler korrigierst und deinen Gewichtstrend über mehrere Wochen beobachtest. Wie sich die Zahlen in Gewicht übersetzen, erklärt der Artikel zum Kaloriendefizit.

Warum unterschätzt die App meine großen Mahlzeiten?

Ein Foto hat keinen Maßstab, deshalb nimmt die KI eher eine normal aussehende Portion an. Die Studien zeigen durchweg, dass die Schätzungen mit wachsender Portion niedriger ausfallen. Nutze bei großen Tellern die Portionstasten oder ändere die Werte.

Ist ein Barcode-Scan genauer als ein Foto?

Meist ja, weil er die für dieses Produkt hinterlegten Nährwerte nutzt statt einer optischen Schätzung. Wie genau er ist, hängt vom Datenbankeintrag und von der Menge ab, die du eingibst.

Wie genau sind KI-Kalorien-Apps? Was Studien wirklich zeigen