Wie genau ist das Kalorienzählen mit Fotos wirklich?

Fotokaloriengenauigkeit – die Kurzversion.

• Die Identifizierung von Lebensmitteln anhand eines Fotos ist im Allgemeinen zuverlässig. Die meisten Fehler sind auf die Portionsgröße zurückzuführen. • Die Tiefe ist für ein einzelnes Foto unsichtbar – eine flache Schüssel und eine tiefe Schüssel mit gleich aussehenden Nudeln können sich um Hunderte von Kalorien unterscheiden. • Verstecktes Fett (Öl, Butter, Dressing) ist die größte Ursache für Unterschätzungen, da es die Kalorienzahl enorm verändert und kaum sichtbare Spuren hinterlässt. • Überkopfwinkel, voller Bildausschnitt und gute Beleuchtung verbessern die Schätzungen messbar – dies ist keine geringfügige Stilvorliebe. • Der größte Teil der tatsächlichen Genauigkeit beruht auf der Korrektur der von der KI vorgeschlagenen Teile vor dem Speichern, nicht auf dem Foto selbst.

Ein Food-Fotomodell führt zwei separate Aufgaben aus: Es identifiziert, was sich auf dem Teller befindet, und schätzt, wie viel davon vorhanden ist. Die erste Aufgabe ist die, in der moderne Vision-Modelle wirklich gut sind – gemischte Teller, mehrere Komponenten, nicht-westliche Gerichte werden alle mit angemessener Zuverlässigkeit identifiziert. Die zweite Aufgabe, das Schätzen von Volumen und Gewicht anhand eines 2D-Bildes, ist grundsätzlich schwieriger, da ein Foto drei Dimensionen in zwei zusammenbricht und Tiefeninformationen größtenteils verloren gehen. Dabei handelt es sich weniger um ein lösbares Softwareproblem als vielmehr um eine strukturelle Grenze der Eingabe – ein einzelnes flaches Bild enthält tatsächlich nicht genügend Informationen, um das Volumen genau zu bestimmen.

Die Schätzungen sind am stärksten für Lebensmittel mit einer erkennbaren Standardform: eine Hähnchenbrust, ein gekochtes Ei, eine Scheibe Brot, ein Stück Obst. Diese haben eine relativ geringe natürliche Varianz und eine Form, die das Modell mit einer bekannten Referenzgröße vergleichen kann. Verpackte Lebensmittel mit sichtbarem Branding sind noch stärker, da sie nahezu datenbankgenau abgeglichen werden können. Wenn Ihr Teller so aussieht – trennbare, standardförmige Bestandteile und kein homogen gemischtes Gericht –, können Sie davon ausgehen, dass die Schätzung in einem angemessenen Bereich liegt.

Es dominieren zwei Fehlermodi. Der erste Punkt ist die Tiefe: Zwei Schüsseln mit denselben Nudeln können von oben identisch aussehen, aber sehr unterschiedliche Volumina haben, wenn eine Schüssel tiefer ist und das Modell nicht wissen kann, welche. Die zweite, größere Fehlerquelle ist Fett, das optisch nicht erkennbar ist – der Esslöffel Butter zum Abschluss einer Soße, das Öl, in dem ein Pfannengericht gegart wurde, das Dressing, das unter einen Salat gemischt wird, anstatt sich am Rand anzusammeln. Fett enthält etwa neun Kalorien pro Gramm, Protein oder Kohlenhydrate hingegen vier, sodass eine kleine, unsichtbare Menge davon die tatsächliche Kalorienzahl einer Mahlzeit um mehrere hundert Kalorien verschieben kann, ohne dass sich das Aussehen des Tellers überhaupt verändert. Dies ist durchweg die größte Einzelquelle für Unterschätzungen bei allen fotobasierten Methoden, ob KI oder von Menschen geschätzt.

Die Art und Weise, wie Sie das Foto aufnehmen, hat messbaren Einfluss auf die Qualität der Schätzung. Eine Aufnahme von oben, die den gesamten Teil zeigt, gibt dem Modell die klarste Anzeige der relativen Fläche, was den stärksten visuellen Indikator für das verfügbare Volumen darstellt. Ein niedriger Winkel verdeckt die andere Seite der Platte und verdeckt die wahre Tiefe. Eine gute, gleichmäßige Beleuchtung hilft dem Modell, verschiedene Komponenten zu trennen, anstatt einen schattigen Abschnitt als ein anderes Lebensmittel zu interpretieren oder es zu übersehen. Dabei geht es nicht darum, das Foto appetitlich aussehen zu lassen, sondern darum, dem Modell so viele authentische visuelle Informationen zu liefern, wie ein einzelnes 2D-Bild vermitteln kann.

Der größte verfügbare Genauigkeitsgewinn ist nicht ein besseres Foto – es geht darum, die vorgeschlagenen Portionen vor dem Speichern zu überprüfen und zu korrigieren, weil Sie Informationen haben, die das Bild nicht hat: ob es sich um eine großzügige oder eine leichte Portion handelte, wie viel Öl tatsächlich in die Pfanne geflossen ist, ob die Soße schwerfällig war. Den ersten Durchgang der KI als einen zu bearbeitenden Entwurf zu betrachten und nicht als eine endgültige Antwort, die akzeptiert werden muss, macht den Unterschied zwischen einer groben Zahl und einer wirklich nützlichen Zahl aus. Dies gilt für jede Schätzmethode und stellt keine besondere Schwäche des Fotoansatzes dar – ein aus dem Gedächtnis ausgefülltes Ernährungstagebuch hat den gleichen Korrekturschritt, nur dass er weniger sichtbar ist.

Für die alltägliche Nachverfolgung ist die Messlatte nicht die Laborgenauigkeit, sondern die Frage, ob die Zahl nah genug ist, um eine echte Entscheidung zu leiten, und konsistent genug, um einen Trend über Wochen hinweg anzuzeigen. Eine Methode, die zuverlässig innerhalb von 15–20 % liegt und jeden Tag angewendet wird, übertrifft eine Methode, die präziser ist, aber nach einer Woche aufgegeben wird, weil sie zu lange dauert. Die Fotoschätzung, die im Laufe der Zeit korrigiert wird, überwindet für die meisten Menschen diese praktische Hürde, auch wenn sie niemals eine strengere Hürde überwinden wird.

Probieren Sie das Tool aus: den Food Photo Calorie Analyzer. Verwandte Themen: wie genau die KI-Kalorienzählung im Allgemeinen ist und die Fotogewohnheiten die die Schätzungen tatsächlich verbessern.