Wie genau sind KI-Kalorien-Apps? Alle veröffentlichten Studien, 2023–2026

Callie ist unsere App. Sie taucht hier nur einmal auf, in unserem eigenen Test mit 20 Mahlzeiten, in der letzten Zeile der Tabelle. Alle anderen Zahlen verlinken auf ihre Quelle, geprüft am 20. Oktober 2026.

Die Antwort in 30 Sekunden

KI-Schätzungen der Kalorien aus Fotos liegen typischerweise 14 % bis 36 % daneben, und zwar eher zu niedrig. Allein mit dem Foto liegen die Fehler am oberen Ende dieser Spanne. NIH-Forschende fanden, dass vier beliebte Apps abgewogene Mahlzeiten um 252 bis 345 kcal unterschätzten, rund ein Drittel (2026), und Chatbots lagen in Studien von 2025 um 30,5 % bis 35,8 % daneben. Die Genauigkeit steigt deutlich, wenn jemand Zutaten und Portionen korrigiert: Mit der Zutatenliste sank der Fehler von ChatGPT-5 auf 13,9 %.

Alle Studien auf einen Blick

Alle Studien, die wir zur KI-Kalorienschätzung aus Essensfotos gefunden haben, nach Art gruppiert: Tests von Apps und Modellen, Übersichtsarbeiten, Erkennungsstudien, dann Herstellerangaben und unser eigener Test. Die Fehler beziehen sich auf Kalorien, sofern nicht anders angegeben.

Studie für Studie

Jeder Abschnitt nennt die Methode einer Studie, ihre wichtigste Zahl und die größte Einschränkung.

NIH/NIDDK-App-Test (NUTRITION 2026)

Vier beliebte Foto-Apps unterschätzten abgewogene Mahlzeiten um je 252 bis 345 kcal, rund ein Drittel. Es ist der einzige Test kommerzieller Apps gegen eine Stoffwechselküche, in der Zutaten auf 0,1 g genau gewogen werden.

NIDDK-Forschende ließen Fotos von 102 Mahlzeiten durch MyFitnessPal, Lose It!, Cal AI und Appediet laufen. Das Fett lag pro Mahlzeit etwa 30 g zu niedrig, und Kohlenhydrate waren der beständigste Makronährstoff. Healio berichtete die Durchschnittswerte je App: Appediet 252 kcal zu niedrig, MyFitnessPal 327, Lose It! 333 und Cal AI 345. In einer Folgeanalyse mit über 200 weiteren Mahlzeiten schnitten Keto-Mahlzeiten schlechter ab.

Die Fotos wurden ohne Korrekturen erfasst. Aaron Hengist, Postdoc am NIDDK, sagte in der Pressemitteilung: „Wer eine fotobasierte Tracking-App nutzt, ohne die Portionen anzupassen oder die Mengen einzugeben, sollte die Ergebnisse mit Vorsicht genießen.“ Leigh A. Frame, PhD, von der George Washington University schrieb in ihrem Kommentar bei Healio, „diese Tools sind wahrscheinlich eher als Hilfen zur Verhaltensänderung zu sehen denn als Instrumente für Präzisionsernährung“.

Es handelt sich um einen Kongressbeitrag, noch ohne Peer-Review. Unsere Auswertung der NIH-Studie erklärt die Methode.

Li, 802 Mahlzeiten in einer Ernährungsstudie (Preprint 2026)

Bei 802 gewogenen Mahlzeiten waren drei von sechs Modellen im Schnitt genau, aber keines war Mahlzeit für Mahlzeit verlässlich. Es ist die größte Stichprobe hier, ein am 19. Oktober 2026 veröffentlichter Preprint.

Der Preprint testete Modelle von Claude und GPT gegen die gewogene Aufnahme in einer kontrollierten Ernährungsstudie. Über 148 Ernährungstage hielten drei Modelle das 90-%-Konfidenzintervall ihres Durchschnittsfehlers innerhalb einer Marge von 10 %. Kein Modell erreichte die vorab festgelegte Grenze von 30 % für einzelne Mahlzeiten. Alle Modelle unterschätzten Protein, am stärksten bei proteinreichen Mahlzeiten.

Das Fazit des Preprints gilt für jede Studie in dieser Tabelle: Ein kleiner Durchschnittsfehler beweist nicht, dass die Schätzungen für einzelne Mahlzeiten stimmen.

Isobe et al., Krankenhausmahlzeiten gegen Diätassistenten (2026)

Bei der Energie hielten die besten KI-Modelle bei 15 gewogenen Krankenhausmahlzeiten mit Diätassistenten mit. Fett war die Ausnahme: Alle KI-Modelle überschätzten es.

Diese in Nutrients veröffentlichte Studie fotografierte 15 standardisierte Krankenhausmahlzeiten unter festem Licht. Zehn staatlich anerkannte Diätassistenten und 10 KI-Modelle, darunter GPT-4o und Gemini 1.5 Pro, schätzten jede davon. Bei Energie und Kohlenhydraten erreichten die besten Modelle Korrelationen über 0,8 und lagen oft innerhalb von 10 % der gewogenen Werte.

Protein und Fett schnitten schlechter ab: Alle KI-Modelle überschätzten die Fette, mit einer mittleren Verzerrung von über 20 %. Das ist das Gegenteil des NIH-Ergebnisses: In welche Richtung ein Fettfehler geht, hängt vom Essen ab. Die Autoren fordern eine Prüfung „human-in-the-loop“ und Tools, die Angaben zur Zubereitung berücksichtigen.

Rodríguez-Jiménez et al., ChatGPT-5 mit mehr Kontext (2025)

ChatGPT-5 lag allein mit dem Foto um 30,5 % daneben und um 13,9 %, wenn es zusätzlich die Zutatenliste hatte. Dieser Rückgang ist der klarste Beleg dafür, dass sich das Korrigieren der KI-Schätzung lohnt.

Der in Nutrients veröffentlichte Artikel ließ 195 Gerichte auf vier Arten durch ChatGPT-5 laufen. Der Energiefehler lag bei 30,5 % (etwa 123 kcal pro Gericht) nur mit dem Foto, bei 24,4 % mit einer kurzen Beschreibung, bei 13,9 % (etwa 53 kcal) mit Foto plus Zutaten und Mengen und bei 18,1 % mit den Zutaten ohne Foto. Das Foto half; die getippten Details halfen mehr.

So funktioniert ein Prüfbildschirm. Callie zeigt jede Foto-Schätzung und speichert nichts, bevor du bestätigst, sodass du vorher das Öl ergänzen oder eine Portion korrigieren kannst. Die Studie hat Callie nicht getestet. Sie hat Korrektur im Allgemeinen getestet, und die Korrektur hat die Zahl bewegt.

Fridolfsson et al., GPT-4o, Claude und Gemini (2025)

GPT-4o und Claude 3.5 Sonnet lagen bei den Kalorien von 52 Essensfotos beide um 35,8 % daneben, Gemini 1.5 Pro um 64,2 %. Alle drei unterschätzten umso stärker, je größer die Portion war.

Die in Current Developments in Nutrition veröffentlichte Studie verglich jedes Modell mit gewogenen Referenzwerten für einzelne Lebensmittel und ganze Mahlzeiten in drei Portionsgrößen. Die Proteinfehler reichten von 60,7 % bis 109,9 %.

Die Autoren fanden GPT-4o und Claude vergleichbar mit klassischer, selbst berichteter Ernährungserfassung, ohne den Aufwand für die Nutzer. Ihr Urteil blieb trotzdem vorsichtig: Diese allgemeinen LLMs seien „noch nicht für eine präzise Ernährungserfassung bei klinischen oder sportlichen Gruppen geeignet, bei denen eine genaue Mengenbestimmung entscheidend ist“. Wie das mit einem Chatbot in der Praxis aussieht, steht in kann ChatGPT Kalorien zählen.

Masterforschung an der Kennesaw State (2025)

GPT Vision hatte mit 13,83 % den kleinsten Kalorienfehler von drei Modellen. Es ist ein studentisches Projekt aus einer Hochschulpräsentation, nicht begutachtet.

El Arbi Belfarsi und Henry Ekeocha verglichen GPT Vision, Claude und Gemini anhand zweier öffentlicher Datensätze: MenuMatch, annotiert von einer Ernährungsfachkraft, und CGMacros, aufgebaut aus MyFitnessPal-Einträgen von Nutzern. Gemini hatte die ausgewogensten Makrofehler: Protein 12,55 %, Kohlenhydrate 19,57 % und Fett 17,07 %.

Lies die 13,83 % mit Vorsicht: Die Referenz waren eingetragene Daten, keine gewogenen Lebensmittel, also wurde das Modell an einer anderen Schätzung gemessen.

Cureus-Poster, drei aktuelle Modelle (2026)

Bei 20 gewogenen Mahlzeiten lieferten GPT-5.2, Gemini 3 Flash und Claude Sonnet 4.6 vernünftige Durchschnittswerte, aber erhebliche Fehler bei einzelnen Mahlzeiten. Es ist ein Poster, und die Stichprobe ist klein.

Für das Poster wurden die Mahlzeiten auf einer validierten digitalen Küchenwaage gewogen und jeweils im Winkel von 45 und 90 Grad mit einer 25-Cent-Münze aus den USA als Größenvergleich fotografiert. Die Zusammenfassung nennt vernünftige durchschnittliche Nährwertschätzungen und eine relativ hohe interne Konsistenz, aber erhebliche Fehler bei einzelnen Mahlzeiten. Eine einzelne Fehlerzahl konnten wir nicht bestätigen, deshalb nennen wir keine.

Zwei systematische Übersichtsarbeiten (2023 und 2025)

Eine Übersicht von 2023 über 52 Studien fand durchschnittliche Kalorienfehler von 0,10 % bis 38,3 %, wobei KI mit menschlichen Schätzern mithielt oder sie übertraf. Bei einfachen, einzelnen Lebensmitteln waren die Fehler kleiner.

Shonkoff et al. sichteten in Annals of Medicine 14.059 Arbeiten und behielten 52 aus den Jahren 2010 bis 2023. Die Referenzwerte stammten meist aus Nährwerttabellen (51 %) oder gewogenen Lebensmitteln (27 %). Die Studien waren zu unterschiedlich, um sie zusammenzufassen, doch die Autoren schlossen, dass KI-Methoden die Genauigkeit menschlicher Schätzer erreichen und übertreffen könnten.

Eine Übersicht von 2025 im British Journal of Nutrition von Cofre und Kollegen fand 13 geeignete Studien. Sechs berichteten Korrelationen über 0,7 zwischen KI und klassischen Methoden bei den Kalorien, und 61,5 % hatten ein mittleres Verzerrungsrisiko. Beide Übersichten stammen größtenteils aus der Zeit vor den heutigen Chatbots.

Erkennung von Gerichten aus dem Nahen Osten (2022 und 2025)

Zu Gerichten aus dem Nahen Osten gibt es wenig Forschung: Eine Masterarbeit von 2025 erreichte 78,66 % Erkennungsgenauigkeit bei 174 libanesischen und regionalen Gerichten. Keine der beiden Studien misst Kalorien, aber eine App muss ein Gericht erkennen, bevor sie es zählen kann.

Eine Masterarbeit der American University of Beirut von Sumayah Hariri aus dem Jahr 2025 baute aus 7.067 echten Bildern einen Satz von 174 Klassen libanesischer und regionaler Gerichte auf und erreichte 78,66 % Genauigkeit. Eine frühere Arbeit von Aktı, Qaraqe und Ekenel erreichte 94 % bei 23 Klassen nahöstlicher Gerichte und stellte fest, dass diese Küche in der Lebensmittelerkennung „unerforscht geblieben“ sei.

Auch Produkte zeigen diese Lücke. 2023 räumte der Mitgründer von SnapCalorie gegenüber TechCrunch ein, dass sein Algorithmus auf amerikanisches Essen ausgerichtet sein könnte. Wenn du arabisch oder südasiatisch kochst, rechne mit mehr Korrekturen; siehe indisches Essen tracken.

Die Angaben von SnapCalorie (Hersteller)

SnapCalorie gibt an, dass sein Fehler unter 20 % liegt und dass es doppelt so genau ist wie Ernährungsfachleute. Beides sind Firmenangaben ohne veröffentlichten Test dahinter.

Mitgründer Wade Norris sagte TechCrunch im Juni 2023: „Im Durchschnitt gelingt es dem Team, den Kalorienfehler auf unter 20 % zu senken.“ Laut TechCrunch wurde das Modell mit 5.000 Mahlzeiten trainiert, die mit einer Roboteranlage fotografiert und Zutat für Zutat gewogen wurden. Die Startseite von SnapCalorie bezeichnet die App als „2x genauer als Ernährungsfachleute“ und verlinkt auf Googles Nutrition5k-Forschung von 2021, ohne zu sagen, wie das „2x“ gemessen wurde.

Die Zahlen mögen stimmen, aber solange kein externes Team die App getestet hat, behandle sie wie jede Herstellerangabe, unsere eingeschlossen. Siehe Callie vs SnapCalorie.

Unser eigener Test mit 20 Mahlzeiten (Mai 2026)

In unserem eigenen Test lag Callie im Schnitt bei 13 % Fehler und Cal AI bei 17 %. Wir entwickeln Callie, deshalb ist der Test nicht unabhängig und steht ganz unten in der Tabelle.

Im Mai 2026 haben wir 20 Mahlzeiten auf einer Küchenwaage mit 0,1 g gewogen, jede mit einer Gabel im Bild fotografiert, einmal in jeder App erfasst und das Ergebnis mit den Werten aus USDA FoodData Central verglichen. Geschichtete Gerichte wie Lasagne und Biryani waren für beide Apps am schwierigsten, mit 22 % bei Callie und 26 % bei Cal AI. Methode und Ergebnisse stehen auf unserer Vergleichsseite.

Zwei Einschränkungen. Zwanzig Mahlzeiten sind eine kleine Stichprobe. Und Cal AI ist inzwischen an die Lebensmitteldatenbank von MyFitnessPal angebunden, was den Abstand verkleinert haben könnte; den vollständigen Test haben wir nicht wiederholt.

Worin sich die Studien einig sind

Die Studien sind sich einig, dass KI-Schätzungen eher zu niedrig ausfallen und dass Fett, große Portionen und Mischgerichte den Großteil des Fehlers ausmachen. Das Muster zieht sich durch die ganze Tabelle.

• Unterschätzung. Alle vier Apps im NIH-Test lagen zu niedrig, ebenso alle drei Chatbots in Fridolfssons Studie. Zufällige Fehler würden sich über eine Woche ausgleichen. Diese nicht.
• Fette und Öle. Im NIH-Test lag das Fett pro Mahlzeit etwa 30 g zu niedrig. Öl, das ins Essen eingezogen ist, hinterlässt keine sichtbare Spur. Die Krankenhausstudie von 2026 ist die Ausnahme, mit um mehr als 20 % überschätztem Fett.
• Große Portionen. In der Chatbot-Studie von 2025 wuchs die Unterschätzung mit der Portionsgröße (Verzerrungssteigungen von -0,23 bis -0,50).
• Mischgerichte. Die Übersicht von 2023 fand kleinere Fehler bei einfachen, einzelnen Lebensmitteln. In unserem eigenen Test waren geschichtete Gerichte die schwierigste Kategorie.
• Keto-Mahlzeiten. Die NIH-Folgeanalyse mit über 200 Mahlzeiten ergab, dass die Apps bei fettreichen ketogenen Mahlzeiten schlechter abschnitten, was zum Fettmuster passt.

Was die Studien noch nicht sagen

Die Beweislage ist dünner, als Schlagzeilen vermuten lassen: kleine Stichproben, nicht begutachtete Kongressbeiträge und Modelle, die sich alle paar Monate ändern. Sieh jede Zahl als Momentaufnahme.

• Kleine Stichproben. Die meisten Studien nutzten 15 bis 195 Mahlzeiten. Nur der Preprint von 2026 kam über 800.
• Kongressbeiträge und Preprints. Der NIH-Test, die Studie mit 802 Mahlzeiten, das Kennesaw-Projekt und das Cureus-Poster haben kein Peer-Review einer Fachzeitschrift durchlaufen.
• Bewegliche Ziele. Die Arbeiten von 2025 testeten GPT-4o, Claude 3.5 Sonnet und Gemini 1.5 Pro, die inzwischen alle ersetzt sind. Apps wechseln Modelle ohne Ankündigung, daher beschreibt eine Zahl von 2025 deine App heute vielleicht nicht mehr.
• Durchschnitte verdecken Fehler. Wie der Preprint mit 802 Mahlzeiten zeigte, kann ein Modell im Schnitt nah dran liegen und einzelne Mahlzeiten trotzdem weit verfehlen.
• Echte Nutzung. Noch keine Studie misst, was Menschen erfassen, nachdem sie eine Schätzung in einer kommerziellen App bearbeitet haben.

So kommst du näher an die echte Zahl

Die Forschung zeigt vor allem auf eine Gewohnheit: die Schätzung prüfen und korrigieren, bevor du sie speicherst. Getippte Details senkten den Fehler von ChatGPT-5 von 30,5 % auf 13,9 %.

1. Trag das Fett selbst ein. Erfasse Bratöl, Butter und Dressing als eigene Einträge. Ein Esslöffel Öl hat etwa 120 kcal, und keine Kamera sieht ihn. Unser Ratgeber zu versteckten Kalorien in Öl, Butter und Saucen listet die größten Posten, und warum KI-Kalorien-Apps zu wenig zählen erklärt jede Ursache mit einer Lösung.
2. Korrigiere die Portion, behalte das Lebensmittel. Die Erkennung stimmt meistens. Die Menge ist das, was abweicht, vor allem bei großen Tellern.
3. Beschreibe Mischgerichte. Bei einem Curry oder Auflauf gib die wichtigsten Zutaten und Mengen an, wie in der 13,9-%-Bedingung.
4. Wiege nur die energiedichten Lebensmittel. Eine Waage hilft am meisten bei Öl, Nussbutter, Käse, Granola und Nudeln. Siehe brauchst du eine Küchenwaage mit einem KI-Tracker.
5. Behalte deinen Gewichtstrend im Blick. Wenn dein Protokoll ein Defizit zeigt und sich die Waage drei Wochen lang nicht bewegt hat, ist das Protokoll wahrscheinlich zu niedrig.

Wann ein Tracker ohne KI die bessere Wahl ist

Wenn du ohnehin alles wiegst, schlägt ein Datenbank-Tracker wie Cronometer wahrscheinlich jede Foto-Schätzung. Die Studien oben messen Schätzungen, und ein gewogener Eintrag ist keine.

Die Gratisversion von Cronometer erfasst per Datenbanksuche und Barcode-Scan, verfolgt eine lange Liste von Nährstoffen und behält das KI-Foto-Logging dem kostenpflichtigen Gold-Abo vor. Das passt zu Menschen mit einer medizinischen Diät, zu Sportlern, die ein Gewicht machen müssen, und zu allen, die ohnehin gern eine Waage benutzen. Unsere Liste der besten Kalorienzähler ohne KI stellt Cronometer, MyNetDiary und zwei Open-Source-Apps vor.

KI-Foto-Logging ist sinnvoller, wenn die Geschwindigkeit darüber entscheidet, ob du überhaupt erfasst. Eine korrigierte Schätzung, die 14 % daneben liegt, ist besser als eine Mahlzeit, die du nie notiert hast.

Quellen

1. Pressemitteilung von NIDDK / American Society for Nutrition über EurekAlert! (25. Juli 2026). „Photo-based calorie-tracking apps may underestimate energy in meals.“ https://www.eurekalert.org/news-releases/1136415
2. Healio (4. August 2026). „AI photo-based calorie-tracking tools underestimate them by 33%“, mit einem Kommentar von Leigh A. Frame, PhD. https://www.healio.com/news/primary-care/20260804/ai-photobased-calorietracking-tools-underestimate-them-by-33
3. Nutritional Outlook (2026). „Study finds popular AI calorie tracking apps underestimate meal energy by about a third.“ https://www.nutritionaloutlook.com/view/study-finds-popular-ai-calorie-tracking-apps-underestimate-meal-energy-by-about-a-third
4. HealthDay (27. Juli 2026). „How Accurate Are Photo-Based Calorie Apps? 4 Are Put To The Test.“ https://www.healthday.com/health-news/nutrition/how-accurate-are-photo-based-calorie-apps-4-are-put-to-the-test
5. Li X (19. Oktober 2026). „Small Average Error, Wide Individual Error: General-Purpose LLMs Estimating Energy Intake from Meal Photos in a Feeding Trial.“ arXiv-Preprint 2610.26538. https://arxiv.org/abs/2610.26538
6. Isobe T, Zhang LW, Murakami H, et al. (2026). „Accuracy of AI-Based Nutrient Estimation from Standardized Hospital Meal Images: A Comparison with Registered Dietitians.“ Nutrients 18(6):966. https://doi.org/10.3390/nu18060966
7. Rodríguez-Jiménez M, Martín-del-Campo-Becerra GD, Sumalla-Cano S, Crespo-Álvarez J, Elio I (19. November 2025). „Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios.“ Nutrients 17(22):3613. https://pmc.ncbi.nlm.nih.gov/articles/PMC12655113/ und https://www.mdpi.com/2072-6643/17/22/3613
8. Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S (2025). „Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images.“ Current Developments in Nutrition 9(10):107556. https://pmc.ncbi.nlm.nih.gov/articles/PMC12513282/
9. Belfarsi EA, Ekeocha H (15. April 2025). „Assessing the Performance of Intelligent Agents in Visual Food Recognition Relative to Manual Data Entry.“ Kennesaw State University C-Day Computing Showcase. https://digitalcommons.kennesaw.edu/cday/Spring_2025/Masters_Research/10
10. Cureus-Poster. „Validity and Reliability of Photo-Based AI Estimates of Meal Calories and Macronutrients.“ https://www.cureus.com/posters/3217-validity-and-reliability-of-photo-based-ai-estimates-of-meal-calories-and-macronutrients
11. Cofre S, Sanchez C, Quezada-Figueroa G, López-Cortés XA (2025). „Validity and accuracy of artificial intelligence-based dietary intake assessment methods: a systematic review.“ British Journal of Nutrition 133(9):1241–1253. https://pmc.ncbi.nlm.nih.gov/articles/PMC12229984/
12. Shonkoff E, Cara KC, Pei XA, et al. (2023). „AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review.“ Annals of Medicine 55(2):2273497. https://pubmed.ncbi.nlm.nih.gov/38060823/
13. Hariri S (2025). „Estimating Calories and Macronutrients from Lebanese Food Images Using Deep Learning–Based Classification and Single-View Portion Size Estimation.“ Masterarbeit, American University of Beirut. https://scholarworks.aub.edu.lb/items/b4a5f886-4834-48a3-bdf1-31aeedde9ce3/full
14. Aktı Ş, Qaraqe M, Ekenel HK (2022). „A Mobile Food Recognition System for Dietary Assessment.“ Workshop der ICIAP 2021, arXiv 2204.09432. https://www.arxiv.org/abs/2204.09432
15. TechCrunch (26. Juni 2023). „SnapCalorie taps AI to estimate the caloric content of food from photos.“ https://techcrunch.com/2023/06/26/snapcalorie-computer-vision-health-app-raises-3m/
16. Startseite von SnapCalorie (abgerufen am 20. Oktober 2026). https://www.snapcalorie.com/
17. Interner Callie-Test mit 20 abgewogenen Mahlzeiten (Mai 2026). Methodik unter https://www.mycallie.app/en/compare/callie-vs-cal-ai