# Wie genau sind KI-Kalorienzähler? Was Studien zeigen > KI-Kalorienzähler erkennen Lebensmittel gut, schätzen Portionen, Kalorien und Fett aber oft falsch. Hier steht, was sechs PubMed-Studien zeigen, was die App-Anbieter über ihre Schätzungen sagen, woher die Fehler kommen und wie du verlässlicher erfasst. *Author: Trainera Team | Published: 2026-10-17 | Reading time: 9 min* ## Wie genau sind KI-Kalorienzähler mit Foto? KI-Kalorienzähler erkennen gut, was auf deinem Teller liegt, schätzen aber deutlich schlechter, wie viel davon. Die Kalorienzahl kann also spürbar danebenliegen, vor allem bei großen, gemischten oder fettigen Mahlzeiten. In den sechs Studien unten wurden die meisten Lebensmittel richtig erkannt. Kalorien- oder Nährstoffschätzungen lagen aber in zwei Studien um mehr als 10% daneben, eine fand schwache Portionsschätzungen bei mittleren und großen Mahlzeiten, eine weitere überschätztes Fett. Eine Foto-Schätzung ist ein erster Entwurf, keine Messung. Suchst du eher eine App als die Studienlage, vergleicht unsere Übersicht der [besten Kalorienzähler-Apps mit KI-Foto](/blogs/beste-kalorienzaehler-app) die Optionen. Alle Quellen hier wurden im Oktober 2026 geprüft (checked October 2026). ## Was die Forschung zeigt Erkennung stark, Portionen und Kalorien schwach, und große Mahlzeiten bringen große Fehler. Alle sechs Abstracts stehen auf PubMed. Sie testen Unterschiedliches, lies jedes Ergebnis also für sich. | Studie | Was getestet wurde | Hauptergebnis (laut Abstract) | | -------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [Li et al., Nutrients 2024](https://pubmed.ncbi.nlm.nih.gov/39125452/) | Sieben Apps mit KI-Bilderkennung plus Apps mit manueller Erfassung | MyFitnessPal und Fastic erkannten Lebensmittel am besten (97% und 92%), doch die automatische Energieschätzung per KI-Bilderkennung war ungenau ("inaccurate") | | [O'Hara et al., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/40004936/) | ChatGPT mit 114 Mahlzeitenfotos | 93,0% Präzision beim Erkennen der Lebensmittel; "poor agreement" beim Gewicht mittlerer und großer Mahlzeiten; bei 13 Nährstoffen mehr als 10% daneben | | [Isobe et al., Nutrients 2026](https://pubmed.ncbi.nlm.nih.gov/41901141/) | 10 KI-Modelle gegen 10 Diätassistentinnen und Diätassistenten bei 15 standardisierten Krankenhausmahlzeiten | Die besten Modelle lagen bei Energie und Kohlenhydraten oft innerhalb von 10%; alle Modelle überschätzten Fett, mit einer mittleren Abweichung von über +20% | | [Rodríguez-Jiménez et al., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/41305663/) | ChatGPT-5 bei 195 Gerichten mit mehr oder weniger Kontext | Die Genauigkeit stieg, wenn zum Foto eine Beschreibung und dann Zutatenmengen kamen, und sank ganz ohne Foto | | [Lozano et al., Current Developments in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/38026571/) | Eine KI-App (Openfit) bei verdeckt abgewogenen Mahlzeiten, 24 Erwachsene | Energiefehler von 43% (automatisch) und 33% (halbautomatisch) inklusive Getränken; größere Fehler bei energiereicheren Mahlzeiten ("larger error for higher energy meals") | | [Serra et al., Frontiers in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/37810925/) | Eine App zur Lebensmittelerkennung (SNAQ) gegen doppelt markiertes Wasser bei 30 Frauen | Mittlere Abweichung von -329,6 kcal pro Tag, näher als ein 24-Stunden-Protokoll (-543,0), aber kein Zusammenhang der Einzelschätzungen mit der Referenz | ### Das Essen erkennen heißt nicht, die Kalorien zu zählen Oft zitierte hohe Prozentzahlen sind meist Erkennungswerte. In der Li-Studie zeigen 97% und 92%, wie oft das Lebensmittel richtig benannt wurde, nicht wie nah die Kalorien lagen. Bei ChatGPT dasselbe: 93,0% beim Erkennen, aber schwache Gewichtsschätzungen bei mittleren und großen Portionen, und 11 der geprüften Nährstoffe wurden unterschätzt. "Hähnchen, Reis, Brokkoli" richtig zu erkennen ist der leichte Teil. Die Kalorien hängen an den Gramm. ### Größere Mahlzeiten, größere Fehler Die Openfit-Pilotstudie fand größere Fehler bei energiereicheren Mahlzeiten, die ChatGPT-Studie schwache Gewichtsschätzungen bei mittleren und großen. Ein leicht falscher Snack kostet wenig, ein großes Abendessen mit demselben Fehleranteil kann deinen Tag kippen. ### Fett ist die Schwachstelle Die Krankenhausstudie nutzte standardisierte Gerichte, die kontrollierteste Situation in dieser Liste. Selbst dort waren Protein und Fett deutlich ungenauer als Energie und Kohlenhydrate, und jedes KI-Modell überschätzte Fett im Schnitt um mehr als 20%. Trackst du Makros, misstraue der Fettzeile am meisten. ### Ein guter Durchschnitt kann schlechte Einzeltage verdecken Doppelt markiertes Wasser ist eine Labormethode, die den Energieverbrauch über mehrere Tage misst. Gemessen daran lag die SNAQ-App im Schnitt näher als ein 24-Stunden-Protokoll. Für einzelne Personen fand das Abstract aber keinen Zusammenhang, und das App-Unternehmen baute die Studienversion gegen Bezahlung. Ein guter Gruppenschnitt sagt nichts über deine eigenen Zahlen. ### Mehr Kontext hilft Für den Alltag am nützlichsten ist die ChatGPT-5-Studie: Foto allein war am ungenauesten, Foto plus Beschreibung besser, Foto plus Zutatenmengen am besten. "In Olivenöl gebraten, etwa 150 g Reis" neben das Bild zu tippen lohnt sich also. ## Was die App-Anbieter über ihre eigenen Schätzungen sagen Kein geprüfter Anbieter nennt eine Foto-Schätzung endgültig, die meisten raten zur Prüfung vor dem Speichern. | App | Was der Anbieter sagt (Originalwortlaut) | Quelle | | ------------ | ------------------------------------------------------------------------------------------------------------------------ | ----------------------------------------------------------------------------------------------------------------------------------- | | Cal AI | "CalAI is about 80% accurate. No food tracking app is perfect, and calories and nutrition values can vary." | [Cal AI FAQ](https://www.calai.app/faq) | | MyFitnessPal | "Meal Scan gives you a starting point, not a final answer, so you always have the last word on what goes in your diary." | [MyFitnessPal Hilfe](https://support.myfitnesspal.com/hc/en-us/articles/360045761612-How-to-use-the-Meal-Scanner) | | Yazio | "The AI recognition only provides a rough estimate and cannot guarantee 100% accurate results." | [Yazio Hilfe](https://help.yazio.com/hc/en-us/articles/39137901903889-What-is-the-AI-Calorie-Tracking-Feature-and-how-does-it-work) | | Cronometer | "Always check if your foods have been matched correctly before adding to your diary for the most accurate logging." | [Cronometer Support](https://support.cronometer.com/hc/en-us/articles/39013533811092-Mobile-Photo-Logging) | | MacroFactor | "AI is not perfect and can make mistakes, and we give users the control to edit and modify its results." | [MacroFactor Vergleichsseite](https://macrofactor.com/macrofactor-vs-cal-ai/) | | Lose It! | "We'll do our best to suggest the best match for the food(s) in your photo, but you can always make adjustments." | [Lose It! Hilfe](https://help.loseit.com/hc/en-us/articles/47771695186580-How-to-Use-Snap-It) | Die "about 80%" von Cal AI kommen ohne veröffentlichte Methode: Erkennung, Kalorien pro Mahlzeit oder etwas anderes? MacroFactor schreibt, es habe im eigenen Vergleich mit abgewogenem Essen näher gelegen als Cal AI. Das ist ein Anbietertest ohne Daten auf der Seite, keine unabhängige Studie. Ein Tipp aus der MyFitnessPal-Hilfe passt zu jeder App: Bei mehreren Teilen liefert das Scannen eines Gerichts nach dem anderen meist genauere Vorschläge. ## Warum Foto-Schätzungen danebenliegen Ein Foto zeigt die Oberfläche, die Kalorien hängen aber am Gewicht und an Zutaten, die die Kamera nicht sieht. * **Verstecktes Fett.** Öl in Reis oder Gemüse, Butter in der Soße, Dressing am Boden der Schüssel: auf dem Foto unsichtbar. Fett ist am energiereichsten, ein kleiner Fehler verschiebt die Summe stark. * **Portionstiefe.** Ein flacher Teller Pasta und eine tiefe Schüssel sehen von oben ähnlich aus. Manche Apps messen das Volumen (laut Cal AI per Tiefensensor des Handys), doch in den Studien oben bleibt die Portion die größte Schwäche. * **Gemischte Gerichte.** Eintöpfe, Currys, Aufläufe, Burritos und Sandwiches verstecken ihre Zutaten. * **Doppelgänger.** Vollmilch und fettarme Milch im Kaffee, normale und leichte Mayonnaise, gezuckerte Getränke und Light-Getränke sehen auf dem Foto gleich aus. * **Getränke.** In der Openfit-Studie änderte sich der Fehler deutlich, je nachdem ob Getränke mitzählten. * **Regionale Rezepte.** Derselbe Gerichtname steht je nach Land oder Küche für ganz andere Rezepte. Unser Ratgeber zum [Tracken nahöstlicher Speisen](/blogs/kalorienzaehler-fuer-nahoestliche-speisen) zeigt, wie stark das schwankt. | Art der Mahlzeit | Typisches Problem für ein Foto | Was du tun kannst | | ---------------------------------------- | --------------------------------------------- | ---------------------------------------------------------------------------- | | Verpacktes Essen | Das Foto rät, was auf dem Etikett schon steht | Etikett oder Barcode statt Foto nutzen | | Einfacher Teller (Fleisch, Reis, Gemüse) | Portion Reis oder Pasta, Bratöl | Gramm der Beilage korrigieren und das Öl ergänzen | | Salat mit Dressing | Dressing und Käse versteckt oder unterschätzt | Dressing separat eintragen | | Eintopf, Curry, Auflauf | Rezept und Fettgehalt unbekannt | Hauptzutaten beschreiben oder dein Rezept einmal anlegen und wiederverwenden | | Essen im Restaurant | Rezept, Bratfett und Portion unbekannt | Veröffentlichte Nährwerte des Restaurants prüfen, sonst aufrunden | | Kaffee und Getränke | Milchsorte, Zucker, Sirup | Als eigene Einträge hinzufügen | ## So bekommst du bessere Zahlen aus jedem Foto-Tracker Das Foto benennt die Lebensmittel, du korrigierst Portionen und ergänzt, was die Kamera nicht sieht. 1. **Prüfe jeden Eintrag vor dem Speichern.** Lösche Falsches, benenne um und ändere die Zubereitung, wenn die App frittiert statt gegrillt geraten hat. 2. **Korrigiere die Portion des größten Postens.** Meist die Beilage oder das Protein. Selbst gekocht? Dann kennst du die Menge oft von der Packung. 3. **Wiege kalorienreiche Lebensmittel ab und zu.** Bei Öl, Butter, Nussmus, Nüssen, Käse, Granola und trockenem Reis oder Pasta summieren sich kleine Fehler. Gelegentliches Wiegen schult dein Auge. 4. **Ergänze versteckte Extras** wie Bratöl, Soßen, Dressing, Zucker im Kaffee. 5. **Scanne ein Gericht nach dem anderen**, wenn mehrere getrennte Lebensmittel auf dem Teller liegen. 6. **Schreib etwas dazu.** Nimmt die App eine Beschreibung an, tippe das Bratfett und grobe Mengen ein. 7. **Nutze bei verpackten Lebensmitteln das Etikett.** Ein Barcode oder Etikett schlägt jede Foto-Schätzung. 8. **Beurteile den Trend.** Vergleiche über einige Wochen deinen erfassten Durchschnitt mit deinem Gewichtsverlauf und passe dann an. Unser [Guide zum Kaloriendefizit](/blogs/kaloriendefizit-guide-fettabbau) erklärt, wie. Häufiger Fehler: zehn Minuten am Beilagensalat feilen, während das Pfannenöl nie eingetragen wird. Steck die Mühe dahin, wo die Kalorien sind. ## Wie genau muss dein Tracking sein? Das hängt von deinem Ziel ab: Für ein Gefühl reicht grob, je strenger das Ziel, desto mehr solltest du wiegen. Lernst du, wie eine normale Portion aussieht, oder willst du mehr Protein essen, reicht ein korrigierter Foto-Eintrag. In einer engen Diätphase oder mit genauen [Makrozielen](/blogs/makros-berechnen-fuer-jedes-fitnessziel-guide) wiegst du die kalorienreichen Lebensmittel und nutzt das Foto für den Rest. Zählst du Kohlenhydrate für Medikamente, hast du eine Erkrankung, bist du schwanger oder nimmst du GLP-1-Medikamente, sprich mit deiner Ärztin oder deinem Arzt, bevor du dich auf Foto-Schätzungen verlässt. Macht dich das Tracken unruhig oder hattest du eine Essstörung, sprich ebenfalls zuerst mit ihr oder ihm. Nicht zu tracken ist auch eine gültige Entscheidung. ## Wo der Foto-Scan von Trainera hineinpasst Der Foto-Scan von Trainera liefert dir eine KI-Schätzung, die du vor dem Eintragen bearbeiten kannst. Er gehört zum Premium-Plan für $6.99 im Monat in den USA (die Preise unterscheiden sich je nach Land, siehe [trainera.fit/de/preise](/de/preise)). Machst du ein Foto, benennt ein KI-Bildmodell die Lebensmittel und schätzt Gramm, Kalorien und Makros für jeden Posten. Du kannst jeden Posten vor dem Eintragen korrigieren, genau die Gewohnheit, die die Studien oben stützen. Premium erlaubt bis zu 20 Scans am Tag. Es bleibt eine Schätzung und ersetzt das Abwiegen nicht, wenn es auf Genauigkeit ankommt. Dazu kommt bei Trainera das Training in derselben App: Premium enthält 10 KI-Trainingspläne, 10 KI-Ernährungspläne und 10 KI-Workouts im Monat, den KI-Ernährungschat und TRAI, den Assistenten in der App, mit 90 Anfragen im Monat. Der Free-Plan ohne Karte bietet den Ernährungstracker mit Kalorien und Makros, Lebensmittelsuche und das Eintippen einer Barcode-Nummer. Wer von einem Trainer auf Pro, Business oder Enterprise betreut wird, bekommt den Scan über den Coach. Willst du nur Fotos erfassen, passt eine reine Tracking-App eventuell besser. Unser Vergleich [Cal AI vs MyFitnessPal](/blogs/cal-ai-vs-myfitnesspal-vergleich) und die Liste der [Cal AI Alternativen](/blogs/cal-ai-alternativen) stellen diese Apps vor. Essensfotos sind persönliche Daten, lies also vorher, [wie Fitness-Apps mit deinen Daten umgehen](/blogs/ki-fitness-app-datenschutz). ## Deine Checkliste für verlässlichere Foto-Einträge * Vertraue den Namen der Lebensmittel mehr als den Gramm. * Korrigiere bei jeder Mahlzeit den größten Posten und ergänze das Bratfett. * Sei bei der Fettzahl am skeptischsten. * Scanne Gerichte einzeln und schreib eine kurze Beschreibung dazu. * Wiege kalorienreiche Lebensmittel ab und zu. * Beurteile deine Aufnahme am Wochentrend, nicht an einer Mahlzeit. _Eine KI-Schätzung deines Tellers neben einem KI-Trainingsplan? [Sieh dir an, wie der KI-Fitness-Coach von Trainera funktioniert](/de/ki-fitness-coach), oder [starte kostenlos](/auth/register?role=client)._ ## FAQ ### Sind KI-Kalorienzähler-Apps genau? Sie erkennen Lebensmittel gut, schätzen Portionen und Kalorien aber weniger zuverlässig. Studien auf PubMed fanden hohe Erkennungsraten, während Kalorien- oder Nährstoffschätzungen in zwei davon um mehr als 10% danebenlagen und Fett in einer weiteren überschätzt wurde. Prüfe Portionen und ergänze verstecktes Öl, bevor du einen Foto-Eintrag speicherst. ### Ist Cal AI wirklich zu 80% genau? Cal AI schreibt in seinen FAQ, die App sei "about 80% accurate", veröffentlicht aber keine Methode und keine Definition. Du kannst also nicht sagen, was die 80% messen. Sieh jede Foto-Schätzung, egal aus welcher App, als Ausgangspunkt, den du korrigierst. ### Ist Essen abwiegen oder fotografieren besser? Wiegen ist genauer, vor allem bei kalorienreichen Lebensmitteln wie Öl, Nüssen, Käse und trockenem Reis oder Pasta. Ein praktischer Mittelweg: die meisten Mahlzeiten per Foto erfassen, Portionen korrigieren und die kalorienreichen Lebensmittel ab und zu wiegen, damit deine Schätzungen ehrlich bleiben. ### Überschätzen oder unterschätzen KI-Food-Scanner Kalorien? Beides kommt vor. In einer Studie von 2026 überschätzte jedes KI-Modell Fett im Schnitt um mehr als 20%, während eine ChatGPT-Studie von 2025 Unterschätzungen bei 11 Nährstoffen und schwache Portionsschätzungen bei mittleren und großen Mahlzeiten fand. Bei größeren Mahlzeiten sind die Fehler meist größer. ### Kann ChatGPT Kalorien von einem Foto zählen? Es erkennt Lebensmittel gut, doch Studien fanden schwache Portions- und Nährstoffschätzungen, wenn nur ein Foto vorlag. Mit Beschreibung und Zutatenmengen wurde es genauer. Tippe also dazu, was das Foto nicht zeigt, etwa Bratöl und grobe Grammangaben. --- Source: https://trainera.fit/blogs/ki-kalorienzaehler-genauigkeit