KI-Kalorien-Apps unterschätzen Mahlzeiten um bis zu 345 Kalorien: was die NIH-Studie 2026 ergab

---

title: "KI-Kalorien-Apps unterschätzen Mahlzeiten um bis zu 345 Kalorien: was die NIH-Studie 2026 ergab" description: "NIH-Forschende fotografierten 102 Mahlzeiten aus einer Stoffwechselküche und erfassten sie in vier verbreiteten Foto-Apps. Alle lagen zu niedrig. Was tatsächlich getestet wurde, und was das für dein Tracking bedeutet." publishedAt: "2026-08-25" updatedAt: "2026-08-25" author: "Inlab Products" locale: "de" category: "Genauigkeit" tags: ["Genauigkeit KI-Kalorienzähler", "Kalorien per Foto tracken", "Studie Kalorien-Apps", "Untererfassung", "Lebensmittelerkennung per Foto"] keyTakeaways:

• "Forschende des NIDDK (NIH) testeten vier weit verbreitete Foto-Kalorien-Apps an 102 Mahlzeiten bekannter Zusammensetzung. Die Apps unterschätzten im Schnitt um 250 bis 345 Kalorien pro Mahlzeit."
• "Fett war der am schlechtesten geschätzte Makronährstoff, mit rund 30 Gramm Abweichung. Kohlenhydrate waren bei allen vier Apps am verlässlichsten."
• "Fettreiche und ketogene Mahlzeiten waren am schwierigsten, was direkt daraus folgt, dass Fett der Makronährstoff ist, den eine Kamera nicht sehen kann."
• "Das Detail, das die Schlagzeilen ausließen: Die Mahlzeiten wurden allein aus dem Foto erfasst, ohne jede Portionskorrektur. Das ist der schlechteste Fall für jeden Foto-Tracker, nicht der Normalgebrauch."
• "Es handelt sich um ein Kongress-Abstract, nicht um eine begutachtete Publikation. Die Richtung des Befunds ist solide, die genauen Zahlen bleiben vorläufig." faq:
• question: "Sind KI-Kalorienzähler genau?" answer: "Sie sind als Größenordnung brauchbar und liegen systematisch zu niedrig. In der NIDDK-Analyse von 2026 unterschätzten vier verbreitete Foto-Apps Mahlzeiten bekannter Zusammensetzung im Schnitt um 250 bis 345 Kalorien, beim Fett um rund 30 Gramm. Allerdings wurden die Mahlzeiten allein aus Fotos erfasst, ohne Portionskorrektur. Eine App, die du vor dem Speichern prüfst und korrigierst, verhält sich völlig anders als eine, die von selbst erfasst."
• question: "Warum unterschätzen Foto-Apps Kalorien?" answer: "Ein Foto enthält keine Information über Dichte oder verstecktes Fett. Öl, das ein Pfannengericht aufgesogen hat, Butter, die in einer Sauce geschmolzen ist, die Tiefe einer von oben fotografierten Schüssel, ein bereits untergehobenes Dressing: all das ist unsichtbar. Fett hat neun Kalorien pro Gramm und ist der am wenigsten sichtbare Makronährstoff, deshalb dominiert der Fettfehler den gesamten Kalorienfehler."
• question: "Soll ich aufhören, einen Foto-Kalorienzähler zu benutzen?" answer: "Nein, aber behandle die erste Zahl nicht mehr als Antwort. Nutze das Foto für einen schnellen Entwurf und korrigiere dann, was die Kamera erwiesenermaßen nicht sieht: Bratöl, Butter, Dressings und die Portionsgröße. Eine korrigierte Foto-Erfassung dauert etwa zwanzig Sekunden und liegt deutlich näher an der Wahrheit als ein unkorrigiertes Foto oder eine Mahlzeit, die du nie erfasst hast."
• question: "Welche Lebensmittel sind für KI-Apps am schwersten zu schätzen?" answer: "Mischgerichte, bei denen die Zutaten nicht mehr unterscheidbar sind, alles, was in unsichtbarem Fett gegart wurde, Suppen und Eintöpfe, bei denen die Tiefe das Volumen verbirgt, sowie fettreiche und ketogene Mahlzeiten. Angerichtete unverarbeitete Lebensmittel mit einer Größenreferenz im Bild sind der einfache Fall, und dort funktionieren diese Apps gut."
• question: "Wurde die NIH-Studie begutachtet?" answer: "Noch nicht. Die Ergebnisse wurden als Abstract auf der NUTRITION 2026 vorgestellt, der Jahrestagung der American Society for Nutrition, vom 25. bis 28. Juli in National Harbor, Maryland. Dort präsentierte Abstracts haben in der Regel nicht die für eine Zeitschriftenpublikation nötige Begutachtung durchlaufen, die Ergebnisse sind also vorläufig."

---

Wenn du je einen Foto-Kalorienzähler benutzt und dich leise gefragt hast, ob die Zahl zu schön ist, um wahr zu sein: Es gibt jetzt Forschung, die in dieselbe Richtung zeigt. Vier weit verbreitete Foto-Kalorien-Apps unterschätzten Mahlzeiten um jeweils 250 bis 345 Kalorien.

Das ist die Schlagzeile. Das Detail darunter ist nützlicher als die Schlagzeile, und es ändert, was du daraus machen solltest.

Kurzfassung

NIH-Forschende fotografierten 102 Mahlzeiten exakt bekannter Zusammensetzung und erfassten jede in vier verbreiteten Foto-Apps, ohne eine einzige Portion anzupassen. Alle lagen zu niedrig, um 250 bis 345 Kalorien und rund 30 Gramm Fett. Fett ist das Problem. Fettreiche und ketogene Mahlzeiten waren am schlechtesten. Die Lösung ist nicht, Foto-Tracking aufzugeben, sondern die erste Schätzung nicht mehr stehen zu lassen. Prüfe sie, ergänze das Öl und die Butter, die die Kamera nicht gesehen hat, korrigiere die Portion. Das dauert Sekunden und beseitigt den größten Teil des Fehlers.

Was die Forschenden tatsächlich gemacht haben

Aaron Hengist und Olivia Charles vom National Institute of Diabetes and Digestive and Kidney Diseases der NIH bauten den Test um Mahlzeiten herum auf, deren Zusammensetzung bereits grammgenau bekannt war. Die Mahlzeiten stammten aus einer kontrollierten Stoffwechselküche, wie sie in stationären Ernährungsstudien verwendet wird, in denen jede Zutat gewogen wird.

Sie fotografierten 102 dieser Mahlzeiten und erfassten jedes Foto in vier weit verbreiteten Foto-Kalorien-Apps. Anschließend verglichen sie die App-Angaben mit den Zahlen der Küche. Eine spätere Auswertung erweiterte die Arbeit auf über 200 Mahlzeiten.

Das Studiendesign ist wichtig. Die meisten Genauigkeitsangaben in dieser Kategorie, auch unser eigener Test mit 20 Mahlzeiten, vergleichen eine Schätzung mit einer Küchenwaage. Eine Stoffwechselküche ist eine strengere Referenz.

Die Zahlen

Feature	Was die Studie fand
Durchschnittliche Kalorienunterschätzung pro Mahlzeit	250 bis 345 kcal
Durchschnittliche Fettunterschätzung pro Mahlzeit	rund 30 g
Verlässlichster Makronährstoff	Kohlenhydrate
Unzuverlässigster Makronährstoff	Fett
Am besten geschätzte Mahlzeiten	Kalorienreichere Mahlzeiten
Am schlechtesten geschätzte Mahlzeiten	Leichte Mahlzeiten sowie fettreiche oder ketogene
Apps, die unterschätzten	Alle vier

Zwei Dinge fallen auf.

Erstens lagen alle vier Apps in derselben Richtung daneben. Das sind nicht vier getrennte Fehler, das ist eine strukturelle Eigenschaft der Kalorienschätzung aus einem Bild.

Zweitens wächst der Fehler mit der Menge an Fett, die eine Mahlzeit verbirgt. Rund 30 Gramm Fett entsprechen etwa 270 Kalorien, das erklärt den Großteil der Lücke schon allein. Der Kalorienfehler ist zu einem großen Teil ein Fettfehler unter anderem Namen.

Warum ein Foto Fett nicht sehen kann

Überlege, was eine Kamera tatsächlich erfasst. Form, Farbe, Oberflächenstruktur und ungefähre Fläche. Das reicht, um Hähnchen, Reis und Brokkoli zu erkennen. Es reicht nicht, um die Frage zu beantworten, die den Kalorienwert bestimmt: wie viel Fett in alle drei hineingegangen ist.

Die konkreten blinden Flecken:

• Aufgesogenes Öl. Ein Pfannengericht mit zwei Esslöffeln Öl sieht genauso aus wie eines aus der trockenen Pfanne. Das sind rund 240 Kalorien ohne jede sichtbare Spur.
• Butter und Fette, die in der Speise geschmolzen sind. Butter im Kartoffelpüree, Sahne in der Suppe, Ghee in einer Curry-Basis.
• Bereits untergehobenes Dressing. Ein angemachter Salat sieht aus wie ein Salat.
• Tiefe. Ein Blick von oben in eine Schüssel zeigt die Fläche des Essens, nicht wie weit es nach unten geht.
• Dichte. Zwei optisch identische Portionen Reis können sich je nach Pressung um ein Drittel im Gewicht unterscheiden.

Fett hat neun Kalorien pro Gramm gegenüber vier bei Protein und Kohlenhydraten, jedes übersehene Gramm kostet also mehr als doppelt so viel. Es ist außerdem der Makronährstoff, der am ehesten unsichtbar bleibt. Diese beiden Tatsachen zusammen erklären das gesamte Ergebnis.

Sie erklären auch den Keto-Befund. Eine ketogene Mahlzeit ist bewusst so gebaut, dass sie den Großteil ihrer Energie als Fett trägt, also genau als jene Energie, die ein Foto nicht zeigen kann. Die Apps versagten dort am deutlichsten, wo der unsichtbare Makronährstoff dominierte.

Der Vorbehalt, den die Schlagzeilen übersprangen

Dies ist der Satz des Forschungsteams, den die meisten Berichte weggelassen haben, und er sollte deine Lesart der Zahlen ändern:

„Wer eine Foto-Tracking-App nutzt, ohne Portionen anzupassen oder Mengen einzugeben, sollte die Ergebnisse mit Vorsicht genießen."

Die Mahlzeiten wurden allein aus dem Foto erfasst. Keine Portionskorrektur, kein Nachtragen des Öls, keine Bearbeitung. Das ist ein bewusstes und vertretbares Design, weil es isoliert, was das Modell für sich genommen leistet. Es ist zugleich die ungenaueste Art, wie diese Apps tatsächlich benutzt werden.

Lies das Ergebnis also als Obergrenze des Fehlers, nicht als Beschreibung deines Dienstags. Eine App, die du vor dem Speichern korrigierst, ist ein anderes Instrument als eine, die die Schätzung ungesehen ablegt.

Noch ein Vorbehalt, und der ist real. Die Arbeit wurde als Abstract auf der NUTRITION 2026 vorgestellt, der Jahrestagung der American Society for Nutrition, Ende Juli 2026 in National Harbor, Maryland. Kongress-Abstracts haben in der Regel keine Zeitschriftenbegutachtung durchlaufen. Die Richtung des Befunds passt zu allem, was über die Energieschätzung aus Bildern bekannt ist. Die genauen Zahlen sind bis zur vollständigen Publikation als vorläufig zu behandeln.

Was du tun kannst

Ein täglicher Fehler von 300 Kalorien ist keine Rundungsdifferenz. Er ist größer als das Defizit, das die meisten anstreben, das heißt, er kann ein echtes Defizit wie ein Plateau aussehen lassen und dich auf die Suche nach einer Stoffwechselerklärung schicken, die es nicht gibt. Die Diagnosereihenfolge dafür steht in Kaloriendefizit, aber keine Gewichtsabnahme.

Fünf Korrekturen, nach Wirkung sortiert:

1. Prüfe jede Schätzung vor dem Speichern. Darum geht es im Kern. Eine Schätzung, die du nie angesehen hast, ist eine Schätzung, die du nie korrigiert hast, und genau dieses Szenario misst die Studie.
2. Trag das Fett nach, von dem du weißt, dass es drin ist. Wenn du in Öl gebraten hast, erfasse das Öl. Wenn Butter drin ist, erfasse die Butter. Du musst es nicht sehen, um zu wissen, dass es hineingegangen ist. Diese eine Gewohnheit schließt den größten Teil der gemessenen Lücke.
3. Korrigiere die Portion, nicht das Lebensmittel. Die Erkennung liegt beim Was meist richtig. Es ist die Menge, die abdriftet. Passe Gramm oder Portionen an und lass die Erkennung in Ruhe.
4. Wiege die wenigen Dinge, die am stärksten ausschlagen. Für eine Hähnchenbrust brauchst du keine Waage. Für Öl, Nussmus, Käse, Granola und alles, wo ein kleiner optischer Unterschied ein großer Kalorienunterschied ist, schon. Vollständige Liste in Kalorien genau tracken.
5. Beurteile die App an deiner Trendlinie. Wenn deine Einträge 1.800 sagen und dein Gewicht drei Wochen flach bleibt, sind die Einträge falsch, bevor es die Formel ist. Kalibriere daran, was dein Körper tut, nicht an einer einzelnen Mahlzeitenschätzung.

Die ehrliche Position zum Foto-Tracking

Man könnte diese Studie leicht als Argument gegen KI-Kalorientracking lesen. Ich halte das für nicht haltbar, aus einem Grund, den die Studie nicht gemessen hat.

Die Alternative zu einer unvollkommenen Erfassung ist meist gar keine Erfassung. Jahrzehnte Forschung zeigen, dass selbstberichtete Nahrungsaufnahme um 20 bis 40 Prozent zu niedrig angegeben wird, und das sind Menschen, die Einträge von Hand tippen, sorgfältig, in einer Studie, von der sie wissen, dass sie teilnehmen. Ein Fehler von 300 Kalorien bei einem Foto, das du tatsächlich gemacht hast, ist nicht offensichtlich schlimmer als ein Fehler von 600 Kalorien bei einem über den Daumen geschätzten Handeintrag, oder als die Woche, in der du ganz aufgehört hast, weil das Suchen jeder Zutat in einer Datenbank lästig wurde.

Der richtige Schluss ist enger und nützlicher. Foto-Tracking ist ein schneller erster Entwurf, keine endgültige Antwort. Behandle die Schätzung als Ausgangspunkt, der eine Korrekturrunde braucht, dann bleibt der Geschwindigkeitsvorteil erhalten und der Großteil des Fehlers verschwindet.

Weiterlesen

• Kalorien per Foto tracken behandelt den Bildaufbau, der jeder App die besten Chancen gibt, plus unseren eigenen Test.
• Kalorien genau tracken ist die praktische Version: was wiegen, was schätzen, und die vier Kategorien versteckter Kalorien.
• Der komplette Leitfaden zum KI-Kalorientracking erklärt, wie die zugrunde liegende Bilderkennung arbeitet und wo sie scheitert.
• Kaloriendefizit, aber keine Gewichtsabnahme? geht die Diagnosereihenfolge durch, wenn Zahlen und Waage sich widersprechen.

Quellen

1. Charles O, Hengist A et al. (2026). „Accuracy of photo-based dietary tracking applications." Vorgestellt auf der NUTRITION 2026, American Society for Nutrition, National Harbor, MD, 25. bis 28. Juli 2026. Pressemitteilung: https://www.eurekalert.org/news-releases/1136415
2. American Society for Nutrition, Berichterstattung zur NUTRITION 2026. https://www.sciencedaily.com/releases/2026/07/260726015237.htm
3. HealthDay. „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
4. Hall KD, Guo J (2017). „Obesity Energetics: Body Weight Regulation and the Effects of Diet Composition." Gastroenterology. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5568065/
5. USDA FoodData Central. https://fdc.nal.usda.gov/