Kann ChatGPT Kalorien zählen? Was die Studien 2025 und 2026 zeigen

---

title: "Kann ChatGPT Kalorien zählen? Was die Studien 2025 und 2026 zeigen" description: "Ja, ungefähr. Veröffentlichte Tests sehen bei ChatGPT, Claude und Gemini je nach Eingabe etwa 14 % bis 36 % Fehler bei der Energie. Hier erfährst du, wann ein Chatbot reicht, wann ein Kalorienzähler besser ist, und bekommst einen Prompt für genauere Schätzungen." publishedAt: "2026-09-28" updatedAt: "2026-09-28" category: "Accuracy" locale: "de" tags: ["kann ChatGPT Kalorien zählen", "ChatGPT Kalorienzähler", "ist ChatGPT bei Kalorien genau", "ChatGPT Kalorien tracken", "Gemini Kalorien zählen", "Claude Kalorien zählen", "Genauigkeit KI Kalorienschätzung"] keyTakeaways:

• "ChatGPT kann Kalorien schätzen. Nur anhand eines Fotos liegen allgemeine Chatbots in veröffentlichten Tests bei etwa 30 % bis 36 % durchschnittlichem Fehler bei der Energie. Mit einer schriftlichen Liste aus Zutaten und Mengen sinkt der Fehler auf etwa 14 % bis 18 %."
• "Jede Fotostudie, die wir gefunden haben, zeigt dasselbe Muster: Chatbots erkennen Lebensmittel gut, unterschätzen aber mittlere und große Portionen, der Fehler geht also eher nach unten."
• "Dasselbe Foto kann jedes Mal eine andere Antwort bekommen. Ein Test vom April 2026 mit 26.904 wiederholten Anfragen fand eine mittlere Abweichung zwischen den Durchläufen von 2,4 % (Claude Sonnet 4.6) bis 11,0 % (Gemini 2.5 Pro)."
• "Die größere Grenze ist nicht die Genauigkeit, sondern die Buchführung. Ein Chatbot führt kein datiertes Ernährungstagebuch, keine laufenden Tagessummen, kein Kalorienziel, das sich an dein Gewicht anpasst, und keine Barcode-Datenbank."
• "Nutz einen Chatbot für gelegentliche Einzelschätzungen. Nutz einen Kalorienzähler, wenn du jeden Tag erfasst und Trends sehen willst. Wenn du ChatGPT verwendest, gib ihm Gewichte, Kochfette und ein festes Ausgabeformat." faq:
• question: "Kann ChatGPT Kalorien zählen?" answer: "Ja, als Schätzung. ChatGPT, Claude und Gemini können alle eine Mahlzeitenbeschreibung oder ein Foto lesen und Kalorien und Makros ausgeben. In einer Studie von 2025 mit 195 Gerichten lag ChatGPT-5 nur anhand des Fotos bei durchschnittlich 30,5 % Fehler bei der Energie und bei 13,9 %, wenn es zusätzlich die Zutaten bekam. Am besten funktioniert das für gelegentliche Schätzungen, nicht als tägliches Protokoll, weil kein Ernährungstagebuch und keine laufenden Summen geführt werden."
• question: "Ist ChatGPT beim Kalorienzählen genau?" answer: "Etwa so genau wie ein Mensch, der grob schätzt, und deutlich besser, wenn du Mengen angibst. Eine Validierungsstudie von 2025 mit 52 standardisierten Lebensmittelfotos fand für ChatGPT-4o und Claude 3.5 Sonnet jeweils 35,8 % mittleren absoluten prozentualen Fehler bei der Energie, für Gemini 1.5 Pro 64,2 %. Alle drei unterschätzten größere Portionen. Textbeschreibungen mit Gewichten schneiden spürbar besser ab."
• question: "Kann ich ChatGPT als Kalorienzähler nutzen?" answer: "Das geht, aber das Tracken machst du dann selbst. Ein Chatbot speichert kein strukturiertes Tagebuch, addiert einen Tag über ein langes Gespräch nicht zuverlässig, zeichnet keine Gewichtskurve, passt dein Ziel nicht an und scannt keine Barcodes. Wer ab und zu erfasst, kommt damit gut klar. Wer wochenlang jede Mahlzeit erfasst, wechselt meist zu einem eigenen Tracker."
• question: "Ist Gemini oder Claude beim Kalorienzählen besser als ChatGPT?" answer: "Das hängt von der Modellversion ab. In der Fotostudie von 2025 lagen ChatGPT-4o und Claude 3.5 Sonnet beim Energiefehler gleichauf, Gemini 1.5 Pro schnitt schlechter ab. In einer textbasierten Studie vom Juli 2026 in The Journal of Nutrition stimmten alle vier getesteten Modelle (ChatGPT 5.2, Claude Opus 4.5, Gemini 3 Pro Preview und Llama 4 Maverick) bei Energie und Makros gut mit den Referenzwerten überein, die Unterschiede zeigten sich bei den Mikronährstoffen."
• question: "Warum gibt ChatGPT für dieselbe Mahlzeit unterschiedliche Kalorienwerte aus?" answer: "Chatbots erzeugen jede Antwort neu, deshalb kann sich die Portionsschätzung zwischen den Durchläufen verschieben. In einem Test vom April 2026, der dieselben 13 Lebensmittelfotos 26.904-mal wiederholte, lag die mittlere Abweichung zwischen den Durchläufen je nach Modell zwischen 2,4 % und 11,0 %. Genaue Gewichte und ein festes Tabellenformat verringern die Schwankung."
• question: "Ist eine Kalorien-App genauer als ChatGPT?" answer: "Nicht automatisch. KI-Tracking-Apps nutzen ähnliche Bildmodelle und schätzen allein anhand von Fotos ebenfalls zu niedrig. Der Unterschied liegt im Ablauf: Ein Tracker mit Barcode-Scanner liefert bei verpackten Lebensmitteln die genauen Etikettenwerte, ein Prüfbildschirm lässt dich die Portion vor dem Speichern korrigieren, und das Tagebuch hält deine Summen und Trends fest. In unserem eigenen Test mit 20 Mahlzeiten lag Callie bei durchschnittlich 13 % mittlerem absolutem Fehler. Das ist unser Test, kein unabhängiger."

---

Callie ist unsere App und eines der Werkzeuge, mit denen dieser Artikel ChatGPT vergleicht. Wir haben versucht, die Frage zuerst anhand der Belege zu beantworten. Die zitierten Studien sind unabhängig von uns, die vollständige Liste mit Daten steht am Ende.

Die Antwort in 30 Sekunden

Ja, ChatGPT kann Kalorien zählen, ungefähr. Bekommt es nur ein Foto, liegen allgemeine Chatbots in veröffentlichten Tests bei etwa 30 % bis 36 % durchschnittlichem Fehler bei der Energie, meist nach unten. Gibst du ihm Zutaten und Mengen schriftlich, sinkt der Fehler auf etwa 14 % bis 18 %. Für ein gelegentliches „Wie viel war das?“ reicht das. Ein Kalorienzähler ist es nicht, denn es führt kein Ernährungstagebuch, keine laufenden Summen, kein Ziel, das sich an dein Gewicht anpasst, und keine Barcode-Datenbank. Wenn du jeden Tag erfasst, übernimmt ein eigener Tracker diese Buchführung für dich.

Dieselbe Antwort gilt für Gemini und Claude, mit Unterschieden zwischen den Modellversionen, auf die wir unten eingehen.

Was die Studien gezeigt haben

Wir haben fünf Tests aus 2025 und 2026 gefunden, die Kalorienschätzungen von Chatbots mit bekannten Referenzwerten verglichen haben. Sie nutzten unterschiedliche Modelle und Methoden, die Zahlen sind also nicht direkt vergleichbar, zeigen aber in dieselbe Richtung.

Nur anhand eines Fotos: etwa ein Drittel daneben

• ChatGPT-4o, Claude 3.5 Sonnet und Gemini 1.5 Pro, 52 standardisierte Lebensmittelfotos. In einer Validierungsstudie von 2025 in Current Developments in Nutrition hatten ChatGPT-4o und Claude 3.5 Sonnet beide 35,8 % mittleren absoluten prozentualen Fehler bei der Energie. Gemini 1.5 Pro lag bei 64,2 %. Alle drei Modelle unterschätzten umso stärker, je größer die Portionen wurden.
• ChatGPT-5, 195 Gerichte. Eine Studie vom November 2025 in Nutrients testete ChatGPT-5 mit Gerichten von Allrecipes, aus dem SNAPMe-Datensatz und mit selbst zubereiteten Mahlzeiten. Nur anhand des Bildes lag der Energiefehler im Schnitt bei 123 kcal oder 30,5 %.
• ChatGPT-4, 114 Mahlzeitenfotos. Eine Studie vom Februar 2025 in Nutrients nutzte 38 Mahlzeiten, fotografiert in drei Portionsgrößen. ChatGPT erkannte die Lebensmittel mit 93,0 % Präzision und kam mit kleinen Portionen gut zurecht, unterschätzte aber das Gewicht mittlerer und großer Portionen, was seine Nährwertschätzungen nach unten zog.

Das Muster ist dasselbe wie bei eigenen Foto-Apps. Eine NIH-Analyse von vier beliebten fotobasierten Kalorien-Apps ergab, dass sie Mahlzeiten um etwa 250 bis 345 Kalorien unterschätzten, wenn niemand die Portionen korrigierte. Das Essen zu erkennen ist der leichte Teil. Einzuschätzen, wie viel es ist, und das Öl und die Butter zu sehen, ist für jede Kamera der schwere Teil.

Mit einer schriftlichen Beschreibung: deutlich näher dran

Dieselbe ChatGPT-5-Studie ließ jedes Gericht auch mit mehr Kontext laufen. Der Energiefehler sank von 30,5 % (nur Foto) auf 24,4 % mit einfachen Beschreibungen, 13,9 % mit Foto plus detaillierten Zutaten und 18,1 % nur mit den Zutaten ohne Foto. Anders gesagt: Was du eintippst, ist wichtiger als das Modell, das du nutzt.

Eine reine Textstudie in The Journal of Nutrition (veröffentlicht im Juli 2026) gab häufig gegessene US-Lebensmittel als Text in ChatGPT 5.2, Claude Opus 4.5, Gemini 3 Pro Preview und Llama 4 Maverick ein und verglich die Antworten mit einer Forschungs-Lebensmitteldatenbank. Bei Energie und Makronährstoffen war die Übereinstimmung bei allen vier hoch. Die Schwachstelle waren Mikronährstoffe wie Vitamin D, Folat und Eisen, bei denen jedes Modell außer Claude Opus 4.5 bei mindestens einem Nährstoff schlecht übereinstimmte.

Dieselbe Mahlzeit, eine andere Antwort

Chatbots schreiben jede Antwort neu, deshalb wandert die Portionsschätzung zwischen den Durchläufen. Im April 2026 schickte die Diabetes-Technologie-Seite Diabettech 13 Lebensmittelfotos 26.904-mal an vier Modelle und maß die Kohlenhydratschätzungen. Die mittlere Abweichung zwischen den Durchläufen lag bei 2,4 % für Claude Sonnet 4.6, 8,4 % für GPT-5.4, 10,3 % für Gemini 3.1 Pro Preview und 11,0 % für Gemini 2.5 Pro. Der schlimmste Einzelfall, ein Paella-Foto bei Gemini 2.5 Pro, reichte von 55 g bis 484 g Kohlenhydraten. Das war ein Blog-Test, keine begutachtete Studie, aber die Methode ist transparent und die Stichprobe groß.

Beim Kalorienzählen sind 10 % Schwankung bei einem Abendessen mit 600 kcal genau 60 kcal. Über einen Tag ist das Rauschen. Bei einem einzelnen Ausreißer kann es ein ganzer Snack sein.

Wo ChatGPT als Kalorienzähler nicht reicht

Genauigkeit ist nur die halbe Aufgabe. Die andere Hälfte ist, Buch zu führen, und genau da ist ein allgemeiner Chatbot am schwächsten.

1. Kein Ernährungstagebuch. Das Gedächtnis von ChatGPT kann sich merken, dass du abnehmen willst, führt aber keine datierte, bearbeitbare Liste dessen, was du jeden Tag gegessen hast. Der Chatverlauf ist kein Protokoll, das du durchsuchen, korrigieren oder exportieren kannst.
2. Keine zuverlässigen laufenden Summen. Einen Tag über ein langes Gespräch zu addieren ist genau die Art Buchführung, bei der Chatbots sich verrechnen oder stillschweigend neu anfangen. Am Ende prüfst du die Rechnung selbst.
3. Keine Ziele oder Trends. Es gibt kein tägliches Kalorienziel, das sich an deinen Gewichtsverlauf anpasst, keinen Wochenschnitt und keine Gewichtskurve, außer du baust dir selbst eine.
4. Portionsschätzung aus Fotos. Wie die Studien zeigen, schätzt das Modell die Portionsgröße aus dem Bild und liegt bei größeren Tellern eher zu niedrig. Nichts zwingt dich, diese Schätzung zu prüfen, bevor du sie übernimmst.
5. Uneinheitlich zwischen den Durchläufen. Frag zweimal, und du bekommst vielleicht zwei Zahlen.
6. Keine Barcode-Datenbank. Bei verpackten Lebensmitteln ist das Etikett die richtige Antwort. Ein Chatbot, der ein Foto der Verpackung liest, schätzt etwas, das dir ein Barcode-Scan genau liefern würde.
7. Keine Synchronisierung mit Gesundheits-Apps. Er liest dein Gewicht nicht von einer smarten Waage und schreibt keine Kalorien in Apple Health oder Health Connect.

Wann ChatGPT reicht und wann ein Tracker besser ist

Feature	Callie	ChatGPT / Gemini / Claude	Manueller Tracker (z. B. Cronometer kostenlos)
Schätzt Kalorien aus einem Foto			Nur Gold
Schätzt aus einer getippten oder gesprochenen Beschreibung
Du prüfst die Schätzung, bevor sie gespeichert wird		Liegt bei dir
Datiertes Ernährungstagebuch
Laufende Tagessummen und Makros		Manuell
Adaptives Kalorienziel	Alle 2 Wochen
Barcode-Scanner
Synchronisierung mit Apple Health / Health Connect
Streaks und Gewichtsverlauf			Gewichtsverlauf
Beantwortet jede Ernährungsfrage	KI-Coach

Ein Chatbot reicht, wenn:

• du eine einmalige Schätzung willst: ein Restaurantessen, ein Rezept, bei dem du überlegst, ob du es kochst, eine Plausibilitätsprüfung für ein Etikett.
• du schon ungefähr weißt, was du isst, und nur ab und zu nachprüfst.
• du eine Erklärung willst, zum Beispiel warum dein Pfannengericht mehr Kalorien hat als gedacht oder wie du auf 120 g Protein kommst.

Ein Tracker ist besser, wenn:

• du jeden Tag erfasst und Summen und einen Wochentrend willst, ohne zu rechnen.
• dein Ziel von einem Kalorienziel abhängt, das sich mit deinem Gewicht anpassen sollte.
• du viele verpackte Lebensmittel isst und genaue Barcode-Werte willst.
• du deine Daten zusammen mit Gewicht und Aktivität in Apple Health oder Health Connect haben willst.

Wo Callie hineinpasst

Callie ist ein KI-Kalorienzähler und nutzt also dieselbe Art Modell wie ein Chatbot, um eine Mahlzeit zu schätzen. Der Unterschied liegt darin, was rund um die Schätzung passiert.

• Du bestätigst jede Fotoschätzung. Ein Scan öffnet einen Prüfbildschirm mit den erkannten Lebensmitteln, Portionen, Kalorien und Makros. Nichts wird eingetragen, bis du korrigiert hast, was falsch ist, und bestätigst. Genau dieser Schritt behebt die Neigung zu kleinen Portionen, die die Studien gefunden haben.
• Portionen mit Tiefeninformation. Callie liest die Tiefen- und Kameradaten, die dein Handy im Originalfoto speichert, um die Größe zu schätzen. Screenshots verlieren diese Daten.
• Ein Tagebuch, Ziele und Streaks. Jeder Eintrag landet in einem datierten Tagebuch mit Tagessummen. Dein Kalorienziel passt sich alle zwei Wochen an deinen Gewichtsverlauf an, und ein Streak-Dashboard im GitHub-Stil zeigt, an welchen Tagen du erfasst hast. Cheat Days, die du im Voraus planst, unterbrechen den Streak nicht.
• Barcode- und Speisekarten-Scan, dazu Erfassung per Sprache und Text und Synchronisierung mit Apple Health und Health Connect.

In unserem eigenen Test mit 20 Mahlzeiten und Küchenwaage lag Callie bei durchschnittlich 13 % mittlerem absolutem Fehler. Das ist unser Test, kein unabhängiger, und die Methodik steht auf der Seite Callie vs Cal AI. Callie ist nicht kostenlos: Du bekommst 3 KI-Einträge zum Testen, danach kostet die App 39,99 € pro Jahr (34,99 $ in den USA). Es gibt keine Web-App und weniger Bewertungen als bei älteren Trackern. Wenn du nur ab und zu eine Schätzung willst, kostet dich ein Chatbot, den du schon nutzt, nichts extra.

Ein Prompt, falls du ChatGPT nutzt

Wenn du ChatGPT, Gemini oder Claude für Kalorien nutzen willst, behebt dieser Prompt die meisten der oben genannten Probleme. Er fragt nach Mengen, die du prüfen kannst, weist auf versteckte Fette hin und hält die Ausgabe jedes Mal im selben Format, damit du sie addieren kannst.

Du schätzt Kalorien für ein Ernährungsprotokoll. Für die Mahlzeit unten:
1. Führe jedes Lebensmittel als eigene Zeile mit der Menge in Gramm oder ml auf.
   Wenn ich eine Menge angegeben habe, nimm meine. Wenn du schätzen musstest,
   markiere sie mit „(geschätzt)“.
2. Führe Kochöl, Butter, Soßen und Dressings als eigene Zeilen auf.
   Wenn ich sie nicht erwähnt habe, frag mich, bevor du annimmst, dass keine
   verwendet wurden.
3. Gib für jede Zeile kcal, Protein, Kohlenhydrate und Fett an, mit USDA-Werten
   für einfache Lebensmittel und den Etikettenwerten der Marke für Markenprodukte.
4. Schließe mit einer Summenzeile ab. Runde die Summe nicht auf eine glatte Zahl.
5. Sag, bei welcher Zeile du am unsichersten bist und wie stark sie die Summe
   verändern könnte.

Mahlzeit: [beschreib sie, z. B. „Hähnchenschenkel 180 g gegart, weißer Reis
1 Tasse gegart, Brokkoli, in Olivenöl gebraten, Restaurantportion“]

Ein paar Gewohnheiten helfen mehr als jede Modellwahl:

• Wieg oder miss die kalorienreichen Teile. Reis, Nudeln, Öl, Nüsse, Käse und Fleisch verursachen den größten Teil des Fehlers. Eine Fotoschätzung bei genau diesen Lebensmitteln ist der Grund für die 30 %.
• Nenn die Zubereitungsart und das Fett. „In einem Esslöffel Öl angebraten“ bringt etwa 120 kcal dazu, die die Kamera nicht sehen kann.
• Nimm bei verpackten Lebensmitteln das Etikett. Tipp die Zahlen vom Etikett ein, statt nach einer Schätzung zu fragen.
• Führ die laufende Summe selbst, in einer Notiz oder Tabelle, statt den Chatbot zu bitten, sich den Tag zu merken.

Für die Fotoseite erklärt unser Ratgeber zum Kalorienzählen per Foto Blickwinkel, Größenreferenzen und die Lebensmittel, die jedes Modell täuschen.

Wann ChatGPT die bessere Wahl ist

Bleib bei einem Chatbot, wenn du nur ein paar Mal pro Woche eine Schätzung brauchst, keine weitere App auf dem Handy willst oder dir das Verständnis deiner Ernährung wichtiger ist als das Protokollieren. Allgemeine Chatbots beantworten Rückfragen besser als der eingebaute Coach jedes Trackers, und bei Textbeschreibungen mit Mengen stimmen ihre Energieschätzungen inzwischen gut mit Forschungsdatenbanken überein. Wenn du eine Antwort willst und kein Protokoll, brauchst du keinen Tracker.

Unsicher, welches Werkzeug zu deinen Gewohnheiten passt? Unser Ratgeber zur Wahl des Kalorienzählers nennt für jeden Nutzertyp eine Empfehlung.

Weiterlesen

• Genauigkeitsstudie für KI-Kalorien-Apps 2026, dazu, warum Fotoschätzungen zu niedrig ausfallen.
• Kalorien per Foto zählen, Schritt für Schritt.
• Kalorien genau zählen, zu den Gewohnheiten, die wichtiger sind als die App.
• Callie vs Cal AI, mit unserem 20-Mahlzeiten-Benchmark.

Quellen

1. 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. https://pmc.ncbi.nlm.nih.gov/articles/PMC12513282/
2. Rodríguez-Jiménez et al. (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/
3. O'Hara et al. (7. Februar 2025). „An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs.“ Nutrients. https://pmc.ncbi.nlm.nih.gov/articles/PMC11858203/
4. Lawabni R, et al. (Juli 2026). „Evaluation of Energy and Nutrient Estimates from Large Language Models Using Text-Based Queries.“ The Journal of Nutrition. https://pubmed.ncbi.nlm.nih.gov/42401322/
5. Diabettech (15. April 2026). „I Asked AI to Count My Carbs 27,000 Times. It Couldn't Give Me the Same Answer Twice.“ https://www.diabettech.com/i-asked-ai-to-count-my-carbs-27000-times-it-couldnt-give-me-the-same-answer-twice/
6. Charles O, Hengist A et al. (Juli 2026). „Accuracy of photo-based dietary tracking applications.“ Vorgestellt auf der NUTRITION 2026. Pressemitteilung: https://www.eurekalert.org/news-releases/1136415
7. Cronometer Support. „Apple Health & Apple Watch.“ https://support.cronometer.com/hc/en-us/articles/360020734212-Apple-Health-Apple-Watch
8. Pressemitteilung von Cronometer (8. September 2025). „Cronometer Launches Premium Photo Logging.“ https://www.prnewswire.com/news-releases/cronometer-launches-premium-photo-logging-fast-verified-nutrition-tracking-for-real-life-302549752.html
9. Interner Callie-Benchmark mit 20 Mahlzeiten und Küchenwaage (Mai 2026). Methodik unter https://www.mycallie.app/en/compare/callie-vs-cal-ai