KI-Kalorienzähler im Test: 68 abgewogene Gerichte nachgemessen
Wir haben 68 im Labor abgewogene Gerichte je 3-mal an zwei KI-Modelle geschickt. Eins lag im Schnitt 51 % zu hoch, das andere 5 %. Wo die KI noch danebenliegt.
Die meisten Tests zum Kalorienzählen mit KI nutzen eine Handvoll Fotos und einen “echten” Wert, der nach Augenmaß geschätzt wurde. Wir wollten einen strengeren Maßstab: Gerichte, bei denen jede Zutat im Labor abgewogen wurde, sodass die echten Kalorien bekannt sind. 68 davon haben wir zwei KI-Modellen mit Bilderkennung vorgelegt, jeweils dreimal, und gemessen, wie weit die Schätzungen danebenlagen.
Die kurze Antwort: Das neuere Modell in unserem Test (gpt-6-luna) lag im Schnitt um 31 % daneben, bei einer typischen Mahlzeit um 22 %, und hatte fast keine systematische Abweichung (+5 %). Das ältere (gpt-5.6-luna) schätzte im Schnitt 51 % zu hoch und antwortete bei 8 % der Gerichte mit genau 520 kcal, egal was auf dem Teller lag. Beide Modelle zogen jeden Teller in Richtung einer “Durchschnittsmahlzeit”: Kleine Snacks kamen zu hoch heraus, große Teller zu niedrig.
So haben wir getestet
- Die Gerichte. Wir haben 68 Gerichte aus Nutrition5k genommen, einem öffentlichen Datensatz von Google Research. Jeder Teller wurde in einer Kantine zusammengestellt, jede Komponente wurde abgewogen, und Kalorien und Makros wurden aus diesen Gewichten berechnet. Unsere Auswahl reichte von 66 bis 1.051 kcal (Median 498 kcal) und deckte bewusst kleine Snacks ebenso ab wie große Teller.
- Die Fotos. Wir haben jeweils das Foto von oben verwendet, so komprimiert, wie eine Handy-App es verschickt.
- Die Modelle. Zwei Bildmodelle von OpenAI, gpt-5.6-luna und gpt-6-luna, mit denselben Anweisungen, die eine Kalorienzähler-App im echten Betrieb nutzt: Gericht benennen, Zutaten mit Gewicht auflisten, Kalorien und Makros angeben.
- Die Wiederholungen. Jedes Foto ging 3-mal an jede Variante, um zu sehen, ob dasselbe Bild auch dieselbe Antwort liefert.
- Die Bewertung. Für jede Antwort haben wir die Kalorien mit dem abgewogenen Wert verglichen: durchschnittlicher Fehler, Fehler bei einer typischen Mahlzeit (Median, also der mittlere Wert), Anteil der Antworten innerhalb von 20 % und systematische Abweichung (ob das Modell eher zu hoch oder zu niedrig schätzt).
Die Ergebnisse
| Älteres Modell | Neueres Modell | |
|---|---|---|
| Durchschnittlicher Fehler | 58 % | 31 % |
| Fehler bei einer typischen Mahlzeit (Median) | 29 % | 22 % |
| Antworten innerhalb von ±20 % des abgewogenen Werts | 38 % | 46 % |
| Durchschnittliche Abweichung | +51 % (zu hoch) | +5 % |
| Durchschnittlicher Fehler in kcal | 156 kcal | 111 kcal |
| Antworten mit genau 520 kcal | 8 % | 0,5 % |
| Änderung, wenn dasselbe Foto noch einmal geschickt wird | 4,7 % | 4,9 % |
Das neuere Modell hat den Fehler halbiert und die systematische Abweichung fast beseitigt. Mit 31 % durchschnittlichem Fehler liegt es genau dort, wo die besten veröffentlichten Ergebnisse liegen: Eine Studie von 2025 fand etwa 36 % für ChatGPT-4o und Claude 3.5 bei 52 abgewogenen Mahlzeiten.
Hinter den Zahlen des älteren Modells steckt eine verräterische Angewohnheit. In 204 Antworten nutzte es nur 32 verschiedene Kalorienwerte, und 520 kcal kam 17-mal vor, für Teller mit ganz unterschiedlichem Inhalt, vom kleinen Salat bis zum kompletten Mittagessen. Es schätzte also kaum die Portion, sondern griff zu einer Zahl für eine “typische Mahlzeit”.
Die KI zieht jeden Teller Richtung Durchschnitt
Hier der Median des Fehlers, aufgeteilt nach der Größe der echten Mahlzeit:
| Echte Kalorien des Tellers | Älteres Modell | Neueres Modell |
|---|---|---|
| Unter 200 kcal | +139 % | +61 % |
| 200 bis 350 kcal | +74 % | +23 % |
| 350 bis 500 kcal | +24 % | -12 % |
| 500 bis 700 kcal | +11 % | -5 % |
| Über 700 kcal | 0 % | -19 % |
Das Muster ist bei beiden Modellen gleich, beim älteren nur stärker: Kleine Portionen werden überschätzt, große unterschätzt. Ein Snack mit 150 kcal kann mit 250 kcal herauskommen. Ein Teller mit 900 kcal kann mit 730 kcal herauskommen.
Das deckt sich mit dem, was Forschende bei anderen KI-Modellen beobachtet haben: Die Unterschätzung wächst mit der Portionsgröße. Die Ursache ist das Foto. Von oben sieht das Modell keine Tiefe und kann nichts wiegen, also orientiert es sich daran, wie eine Mahlzeit normalerweise aussieht.
Gleiches Foto, gleiche Kalorien?
Meistens ja. Schickten wir dasselbe Foto noch einmal, verschob sich die Schätzung bei beiden Modellen im Schnitt um etwa 5 %. Das ist wenig im Vergleich zum eigentlichen Fehler.
Die Ausnahme ist das mehrdeutige Foto. Ein Bild zeigte mehrere Donuts auf einem Teller. Das neuere Modell las es meist als etwa 2.100 kcal, aber in 1 von 12 Durchläufen sah es nur einen einzigen Donut und antwortete 300 kcal. Als wir das Modell baten, zuerst die Stücke zu zählen, war das Problem gelöst: 0 Fehldeutungen in 17 Durchläufen, alle Antworten zwischen 1.740 und 2.280 kcal.
Text mit Grammangaben schlägt das Foto
Außerdem haben wir dieselben 67 Rezepte als Text mit genauen Gewichten aufgeschrieben (“68 g Naturreis, 21 g gemischter Blattsalat, 3 g Olivenöl”). So blieb dem Modell nur noch die Rechnung.
| Variante | Fehler bei einer typischen Mahlzeit | Antworten innerhalb von ±20 % |
|---|---|---|
| Das Modell liest die Grammangaben und nennt die Summe | 10 % | 75 % |
| Das Modell nennt Gramm und Werte pro 100 g, die App rechnet zusammen | 4,5 % | 88 % |
Die erste Variante macht trotzdem Fehler, mit denen man nicht rechnet. Für “200 g griechischer Joghurt 0 % Fett mit 30 g Honig” antwortete sie 181 kcal. Richtig sind etwa 209 kcal: rund 118 für den Joghurt und 91 für den Honig. Wenn das Modell nur die Werte pro 100 g kennen muss und der Code die Rechnung übernimmt, verschwinden solche Ausrutscher.
Was nicht geholfen hat
- Mehrmals fragen und die mittlere Antwort nehmen. Drei oder fünf Antworten pro Foto, davon der Median: Das ergab denselben durchschnittlichen Fehler von 31 bis 33 %, bei zwei- bis dreifachen Kosten.
- Ein detailliertes Schritt-für-Schritt-Format für Fotos. Jede Zutat mit ihren Werten pro 100 g abzufragen war genauso genau wie das einfache Format. Dasselbe Foto schwankte aber stärker zwischen den Durchläufen (etwa 9,5 % statt 5 %). Der Hauptgrund war Bratöl: In manchen Durchläufen stand es als eigene Zutat da, in anderen fehlte es.
Was das für deine Einträge bedeutet
- Kleine Snacks: Prüfe die Zahl. Ein Foto von einem Joghurt oder einem Stück Obst wird eher überschätzt als unterschätzt.
- Große Teller: Prüfe die Portion und ergänze, was man nicht sieht, etwa Bratöl und Dressing. Genau hier gehen Kalorien verloren.
- Du kennst das Gewicht? Tipp es ein. Eine Beschreibung mit Grammangaben war in unserem Test etwa fünfmal so genau wie ein Foto.
- Mehrere Stücke auf dem Teller? Achte darauf, dass die Anzahl stimmt.
- Verpackte Lebensmittel: Scanne den Barcode, statt ein Foto zu machen. Das Etikett schlägt jede Schätzung.
Wenn du dir ein Ziel setzen willst, starte mit unserem Kalorienrechner. Den größeren Überblick zur Genauigkeit, auch mit Studien dazu, wie sehr wir uns beim eigenen Protokollieren verschätzen, findest du unter Kalorien zählen mit Foto: Wie genau sind KI-Apps?. Die Grundlagen erklärt unser Ratgeber Kalorien zählen.
Grenzen dieses Tests
- Laborfotos. Die Teller von Nutrition5k wurden von oben in einer festen Vorrichtung fotografiert, in einigen wenigen Kantinen in Kalifornien. Fotos von zu Hause, schräg aufgenommen und mit anderen Küchen, verhalten sich anders.
- 68 Gerichte. Genug, um klare Muster zu erkennen, aber nicht, um jedes Modell bei jeder Art von Essen zu bewerten.
- Eine Momentaufnahme. Es geht um zwei bestimmte Modelle im Oktober 2026. Modelle ändern sich oft, und damit auch die Zahlen.
- Wer getestet hat. Wir entwickeln BananaCal, eine App zum Kalorienzählen, und haben diesen Test gemacht, um ihre Einstellungen festzulegen. Danach haben wir die Fotoanalyse auf das neuere Modell mit dem Zählschritt umgestellt und die Textanalyse auf den Ansatz “Werte pro 100 g, Summe im Code”. Mit OpenAI verbindet uns nichts, außer dass wir für die API bezahlen.
Zusammenfassung
- Bei 68 abgewogenen Gerichten lag das bessere KI-Modell im Schnitt um 31 % daneben, bei einer typischen Mahlzeit um 22 %, fast ohne systematische Abweichung.
- Jedes Modell zog die Teller Richtung Durchschnittsmahlzeit: kleine zu hoch, große zu niedrig.
- Dasselbe Foto lieferte fast jedes Mal dieselbe Antwort, außer bei mehrdeutigen Tellern.
- Mit Grammangaben sank der typische Fehler auf etwa 4,5 %.
- Die KI öfter zu fragen, machte sie nicht genauer.
Häufige Fragen
Wie genau schätzt eine KI die Kalorien auf einem Foto?
In unserem Test mit 68 abgewogenen Gerichten lag das bessere Modell im Schnitt um 31 % daneben, bei einer typischen Mahlzeit um 22 %. Das passt zu veröffentlichten Studien, die für allgemeine KI-Modelle durchschnittliche Fehler von etwa 35 % melden.
Überschätzt oder unterschätzt die KI die Kalorien?
Beides, je nach Teller. Jedes getestete Modell zog seine Schätzungen in Richtung einer Durchschnittsmahlzeit, deshalb wurden kleine Snacks überschätzt und große Teller unterschätzt.
Ist es genauer, eine Mahlzeit zu beschreiben, statt sie zu fotografieren?
Ja, wenn du die Gewichte kennst. Mit ausgeschriebenen Grammangaben sank der typische Fehler auf etwa 4,5 %, gegenüber 22 % beim Foto eines ähnlichen Tellers.
Liefert dasselbe Foto immer dieselben Kalorien?
Fast. Wer dasselbe Foto noch einmal schickt, bekommt im Schnitt eine um etwa 5 % andere Schätzung. Mehrdeutige Fotos können aber gelegentlich völlig anders gelesen werden.
Quellen
- Thames Q et al. Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food. CVPR, 2021
- Nutrition5k-Datensatz (Google Research, CC BY 4.0)
- Fridolfsson J et al. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Curr Dev Nutr, 2025
- O'Hara C et al. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025
- USDA FoodData Central (griechischer Joghurt 0 % Fett, natur; Honig)
Dieser Artikel dient der allgemeinen Information und ist keine medizinische Beratung. Wenn du eine Erkrankung hast, schwanger bist oder Medikamente nimmst, sprich mit deinem Arzt oder einer Ernährungsfachkraft, bevor du deine Ernährung umstellst.