Kurze Antwort: Ein Foto kann helfen, ein Lebensmittel zu benennen und seine sichtbare Größe anzunähern. Es kann Rezept, Fettanteil, aufgesogenes Öl oder im Gericht vermischte Zutaten nicht direkt messen. Foto-Kalorien-Systeme müssen diese Details ableiten, das Problem einschränken oder den Nutzer bitten, das Ergebnis zu korrigieren.
Die wichtige Frage lautet daher nicht „Kann KI diesen Teller erkennen?“, sondern „Welche Information hat die Kalorienzahl erzeugt?“
Was die besten Forschungssysteme zeigen#
Fotoschätzung ist keine einzelne Technologie. Die Ergebnisse ändern sich mit Kamera, Anzahl der Ansichten, erlaubter Lebensmittelliste und Umfang der menschlichen Korrektur.
In einer Studie von 2020 schätzte ein tiefenerfassendes iPhone-System die Energie über 48 Mahlzeiten mit einem mittleren absoluten Fehler von 12,7 % Herzig 2020. Das ist ein starkes Ergebnis. Es stammte aber aus einer engeren Aufgabe als dem Versprechen mit nur einem Fingertipp: Der Lebensmitteltyp wurde manuell aus einer vorgegebenen Liste ausgewählt, Lebensmittelerkennung wurde nicht getestet, und die Segmentierung konnte von Hand korrigiert werden.
Eine Studie von 2025 testete einen anderen Ablauf im Alltag. Das System identifizierte 189 von 220 Gerichten (86 %) und meldete 136 von 200 erkannten Gerichten (68 %) korrekt Sahoo 2025. Nutzer konnten Namen, Zutaten, Zubereitungsarten und Portionen korrigieren und fehlende Gerichte ergänzen. Die Studie maß Erkennung und Meldung, nicht den Kalorienfehler jeder fertigen Mahlzeit.
Ein systematischer Review kam zu einem breiteren Schluss: KI-Systeme erreichten teils menschliche Schätzungen oder übertrafen sie, aber die Methoden waren zu unterschiedlich für eine gepoolte Genauigkeitszahl, und die Werkzeuge brauchten noch Weiterentwicklung, bevor sie eigenständig in Forschung oder Klinik eingesetzt werden könnten Shonkoff 2023.
Die Evidenz sagt nicht, dass Foto-Logging nutzlos ist. Sie sagt, dass „ein Foto“ und „eine genaue Mahlzeit“ unterschiedliche Behauptungen sind.
Was ein flaches Foto beobachten kann#
Ein Bild kann nützliche Belege liefern:
- sichtbare Lebensmittelidentität: Reis, Salat, Brot, Hähnchen, Suppe
- grobe Anzahl: ein Ei oder zwei, eine Frikadelle oder zwei
- sichtbare Fläche und Form
- Farbe und Oberflächenstruktur
- Kontext von Teller, Schüssel oder Besteck
Tiefenerfassung, ein zweiter Blickwinkel oder ein bekanntes Referenzobjekt können die Volumenschätzung verbessern. Erkennungsmodelle können auch eine lange Textsuche auf wenige wahrscheinliche Lebensmittel eingrenzen.
Das sind Beobachtungen. Die Kaloriensumme hängt auch von Information ab, die das Foto nicht enthält.
Was das Bild nicht direkt messen kann#
Rezept#
Dasselbe Curry kann Tomate, Kokosmilch, Sahne oder Ghee verwenden. Eine Suppe kann auf Brühe basieren oder mit Sahne abgerundet sein. Ein Foto hält die fertige Oberfläche fest, nicht die Zutaten, die sie hervorgebracht haben.
Fettanteil und Zuschnitt#
Mageres und fettes Hackfleisch können nach dem Kochen gleich aussehen. Genauso unterschiedliche Schweine- oder Hähnchenteile mit ins Gericht eingeschmolzenem Fett. Der Leitfaden zu versteckten Kalorien zeigt ein verifiziertes USDA-Beispiel: rohes 95 % mageres und 80/20-Rinderhack unterscheiden sich um 111 kcal pro 100 g.
Kochfett#
Öl kann Gemüse überziehen, in der Panade bleiben oder in Reis und Sauce verschwinden. Eine glänzende Oberfläche verrät nicht, wie viele Gramm hinzugefügt wurden oder wie viel in der Pfanne zurückblieb.
Zutaten innen oder darunter#
Zucker in einer Glasur, Butter im Reis, Käse in einer Frikadelle und eine zweite Schicht unter der Sauce können im Bild ganz fehlen.
Maßstab in der Realität#
Ein einzelnes flaches Bild enthält für sich genommen keinen verlässlichen physischen Maßstab. Tellergröße, Kameraabstand, Winkel und Verdeckung beeinflussen alle die abgeleitete Portion.
Erkennung ist der Anfang des Ablaufs#
Die Sahoo-Studie macht die Lücke konkret: 86 % der Gerichte wurden erkannt, während 68 % nach einem Korrekturworkflow korrekt gemeldet wurden Sahoo 2025.
Muss ein Fotoergebnis repariert werden, muss der Nutzer möglicherweise weiterhin entscheiden:
- welches Gericht das Bild enthält
- welche Zutaten fehlen oder falsch sind
- wie es zubereitet wurde
- ob Öl, Sauce oder Zucker enthalten waren
- welche Portion tatsächlich gegessen wurde
Diese Korrektur ist kein kleines Detail außerhalb der Methode. Sie liefert die Information, die das Bild nicht enthielt.
Warum ein einzelner Korrekturfaktor nicht jede Mahlzeit reparieren kann#
Die fehlenden Variablen ändern sich von Mahlzeit zu Mahlzeit. Ein Foto schätzt vielleicht zu viel Dressing; das nächste übersieht aufgesogenes Öl. Eine Portion kann stimmen, während das Rezept falsch ist, oder der Name des Gerichts kann stimmen, während die Menge falsch ist.
Das macht „meine Kamera liegt meist 15 % zu niedrig“ zu einer schwachen Kalibrierungsregel. Richtung und Größe des Fehlers hängen davon ab, welche Information diesmal gefehlt hat.
Was Calk anders macht#
Calk beginnt mit dem Gericht statt einem Bild davon. Eine Mahlzeitenvorlage enthält die Entscheidungen, die sich häufig ändern:
- Eiweißquelle oder Hauptzutat
- Zubereitung
- Öl, Sauce, Zucker, Salz und Toppings
- Portion
Wähle die Vorlage auf dem Startbildschirm. Ist das Gericht wie üblich, tippe auf „Eat“. Wurde aus Hähnchen Lachs, ändere die Eiweißquelle, und das ganze Gericht wird neu berechnet.
Die Methode ist deterministisch: dieselben Entscheidungen ergeben dieselbe Schätzung. Ändert sich das Gericht, wird die geänderte Zutat benannt. Es gibt kein Erkennungsergebnis, das erst zurückentwickelt werden müsste, bevor du es bearbeiten kannst.
Siehe wie Mahlzeitenvorlagen funktionieren oder den umfassenderen Vergleich von Kalorien-Tracking-Methoden.
Das Fazit#
Ein Foto ist ein nützlicher Beleg für sichtbare Lebensmittelidentität und ungefähre Größe. Es ist keine direkte Messung von Rezept, Fettanteil, aufgesogenem Öl oder versteckten Zutaten.
Forschungssysteme verbessern das Ergebnis durch Tiefenerfassung, vorgegebene Lebensmittelauswahl und manuelle Korrektur. Calk geht den anderen Weg: von einem bearbeitbaren Gericht ausgehen, die wichtigen Annahmen explizit machen und es wiederverwenden.
iOS & Android — bald verfügbar
Die App gibt es bisher auf Englisch, Russisch, Spanisch und Hebräisch. Trag dich ein, um zu erfahren, wann Deutsch dazukommt.
Hinterlasse deine E-Mail-Adresse, um zu erfahren, wann der Frühzugang startet:
Danke! Du stehst jetzt auf der Frühzugangs-Liste.