Ein Lebensmittelfoto kann überraschend viele Informationen enthalten.
Ein KI-System kann möglicherweise erkennen, dass eine Mahlzeit Reis, Hähnchen, Gemüse und Sauce enthält. Die Erkennung der Lebensmittel ist jedoch nur ein Teil der Aufgabe.
Um Kalorien oder Makronährstoffe zu schätzen, benötigt das System auch eine Vorstellung davon, wie viel tatsächlich vorhanden ist.
Damit gehört die Schätzung der Portionsgröße zu den wichtigsten und schwierigsten Aufgaben beim foto-basierten Ernährungstracking.
Kann KI die Portionsgröße auf einem Foto schätzen?
Ja. KI kann Portionsgrößen anhand eines Lebensmittelfotos schätzen. Das Ergebnis sollte jedoch grundsätzlich als Schätzung und nicht als exakte Messung verstanden werden.
Ein Foto liefert visuelle Hinweise auf:
- sichtbare Fläche
- Form
- scheinbare Dicke
- Größe benachbarter Objekte
- Größe von Teller, Schüssel oder Behälter
- Perspektive
- Überlappungen verschiedener Lebensmittel
- erkannte Lebensmittelart
Ein KI-System kann diese Hinweise mit typischen Dichten, Portionsgrößen und Formen kombinieren und daraus eine ungefähre Menge ableiten.
Das Problem: Ein normales Foto ist ein zweidimensionales Bild einer dreidimensionalen Mahlzeit.
Ein Teil der Information fehlt zwangsläufig.
Warum die Portionsgröße wichtig ist
Die richtige Lebensmittelerkennung reicht für eine brauchbare Nährwertschätzung nicht aus.
Wenn gekochter Reis korrekt erkannt wird, ist noch nicht klar, ob 80, 150, 250 Gramm oder deutlich mehr vorhanden sind.
Der Unterschied bei Energie und Nährstoffen kann erheblich sein.
Das gilt auch für Pasta, Fleisch, Käse, Saucen, Nüsse, Öl und viele andere Lebensmittel.
Die Portionsschätzung verbindet deshalb Lebensmittelerkennung mit Kalorien- und Makroschätzung.
Lebensmittelerkennung und Portionsschätzung sind unterschiedliche Aufgaben
Lebensmittelerkennung fragt:
„Welches Lebensmittel ist das?“
Portionsschätzung fragt:
„Wie viel davon ist vorhanden?“
Ein System kann sehr sicher erkennen, dass Pasta zu sehen ist, aber bei der Menge unsicherer sein.
Oder das Volumen kann plausibel geschätzt werden, während eine Zutat falsch erkannt wird.
Mehr zur Erkennung selbst findest du unter Wie genau ist Lebensmittelerkennung anhand von Fotos?.
Warum ein einzelnes Foto schwierig ist
Ein einzelnes Bild liefert reale Abmessungen nicht direkt.
Eine Schüssel Reis kann groß erscheinen, weil die Kamera sehr nah ist.
Sie kann klein erscheinen, weil die Kamera weiter entfernt ist oder die Schüssel ungewöhnlich groß ist.
Auch Brennweite und Aufnahmewinkel verändern die wahrgenommenen Größenverhältnisse.
Die KI muss daher zwischen scheinbarer und tatsächlicher Größe unterscheiden.
Tiefe ist teilweise verborgen
Lebensmittel besitzen Höhe und Tiefe, die auf einem Foto nicht vollständig sichtbar sind.
Ein Haufen Kartoffelpüree kann von oben ähnlich aussehen, egal ob er flach oder hoch aufgeschichtet ist.
Ein dickes Stück Fleisch und ein dünneres Stück können eine ähnliche sichtbare Fläche einnehmen.
Tiefe Schüsseln können große Teile ihres Inhalts verbergen.
Deshalb bleibt die Volumenschätzung aus nur einem Bild grundsätzlich mit Unsicherheit verbunden.
Überlappende Lebensmittel erschweren die Schätzung
Reale Mahlzeiten bestehen selten aus vollständig getrennten Objekten.
Sauce kann Fleisch verdecken.
Gemüse kann auf Reis liegen.
Käse kann Teile eines Gerichts bedecken.
Bei Eintöpfen sind Zutaten miteinander vermischt.
Je mehr Lebensmittel verdeckt sind, desto weniger visuelle Information steht zur Verfügung.
Behälter können Größenkontext liefern
Bekannte Gegenstände können als Größenhinweis dienen.
Zum Beispiel:
- Teller
- Gabel
- Löffel
- Lebensmittelbehälter
- Tasse
- Flasche oder Dose mit bekannten Abmessungen
Kennt das System ungefähr die Größe eines Objekts im Bild, erhält es einen Bezugspunkt für die Lebensmittelschätzung.
Allerdings haben nicht alle Teller, Schüsseln oder Bestecke dieselbe Größe.
Ein Referenzobjekt verbessert den Kontext, macht die Schätzung aber nicht automatisch exakt.
Der Kamerawinkel spielt eine Rolle
Sehr niedrige Winkel können die Oberfläche des Essens verdecken.
Perfekte Aufnahmen von oben zeigen die Höhe dagegen nur schlecht.
Bei vielen Mahlzeiten liefert ein mittlerer Winkel Informationen über Fläche und Dicke.
Der beste Winkel hängt vom Lebensmittel ab.
Ein Sandwich kann seitlich leichter einzuschätzen sein, während eine gemischte Schüssel von einem höheren Winkel profitieren kann.
Auch der Abstand ist wichtig
Bei extrem geringem Abstand kann die Perspektive Vordergrundobjekte übermäßig groß erscheinen lassen.
Bei zu großer Entfernung gehen kleine Details verloren.
Ein klares Foto aus vernünftiger Entfernung liefert normalerweise mehr nutzbare Information.
Licht beeinflusst die Schätzung indirekt
Schlechtes Licht verändert die reale Portion nicht, kann aber Grenzen zwischen Lebensmitteln schwerer sichtbar machen.
Tiefe Schatten können Übergänge verdecken.
Starke Reflexionen können Oberflächendetails entfernen.
Sehr farbiges Licht kann zusätzlich die Erkennung erschweren.
Weiches, relativ gleichmäßiges Licht macht die sichtbare Struktur meist deutlicher.
Gemischte Gerichte sind schwieriger
Einige Lebensmittel haben klare Grenzen.
Zum Beispiel:
- Banane
- Brotscheibe
- Ei
- einzelnes Stück Fleisch
Gemischte Gerichte sind schwieriger.
Dazu gehören:
- Aufläufe
- Currys
- Suppen
- Eintöpfe
- Pasta mit Sauce
- gemischte Reisgerichte
Das sichtbare Volumen kann plausibel geschätzt werden, während die inneren Zutatenverhältnisse unbekannt bleiben.
Versteckte Zutaten lassen sich nicht zuverlässig sehen
Große Abweichungen können durch Zutaten entstehen, die kaum sichtbar sind.
Zum Beispiel:
- Öl
- Butter
- Mayonnaise
- Dressing
- Zucker
- Sahne
- Käse innerhalb eines Gerichts
- untergemischte Saucen
Ein Foto kann die sichtbare Portion unterstützen, aber nicht jede versteckte Zutat rekonstruieren.
Die Dichte des Lebensmittels ist wichtig
Gleiches Volumen bedeutet nicht gleiches Gewicht.
Eine Tasse Blattgemüse wiegt nicht dasselbe wie eine Tasse gekochter Reis.
Eine ähnlich große Menge Nüsse kann wesentlich mehr Energie enthalten als viele Gemüsesorten.
Das System benötigt deshalb neben dem geometrischen Volumen auch eine plausible Lebensmittelidentifikation und eine Beziehung zwischen Volumen und Gewicht.
Kann KI Gramm aus einem Foto schätzen?
In manchen Situationen ja.
Die Zahl sollte jedoch nicht mit einer Waagenmessung verwechselt werden.
Das System kann zunächst das Volumen schätzen und dieses anschließend anhand einer angenommenen Lebensmitteldichte in ein ungefähres Gewicht umrechnen.
Das kann manuelle Eingaben reduzieren.
Es bleibt trotzdem eine Schätzung.
Wenn exaktes Gewicht wichtig ist, liefert eine Küchenwaage Informationen, die ein Foto allein nicht besitzt.
Hilft ein zweites Foto?
Potenziell ja.
Ein zweiter Winkel kann Informationen zeigen, die im ersten Bild verborgen waren.
Ein Bild zeigt beispielsweise die Oberfläche, während ein anderes die Höhe besser sichtbar macht.
Mehrere Ansichten können zusätzlichen dreidimensionalen Kontext liefern.
Ob eine bestimmte App mehrere Fotos auf diese Weise nutzt, hängt von ihrem technischen System ab.
Welche Lebensmittel sind leichter zu schätzen?
Lebensmittel mit klaren Grenzen und erkennbaren Formen können stärkere visuelle Hinweise liefern.
Beispiele können sein:
- ganze Früchte
- Brotscheiben
- einzelne Fleisch- oder Fischstücke
- Eier
- bekannte Einzelportionen
- klar getrennte Lebensmittel
Das garantiert keine korrekte Schätzung.
Es bedeutet lediglich, dass mehr visuelle Hinweise vorhanden sein können.
Welche Lebensmittel sind schwieriger?
Typische schwierige Fälle sind:
- Öl
- Saucen
- Aufstriche
- Nussmus
- gemischte Gerichte
- Suppen
- verdeckte Lebensmittel
- unregelmäßige Haufen
- Lebensmittel in tiefen undurchsichtigen Behältern
- Mahlzeiten ohne sinnvollen Größenbezug
So machst du ein besseres Foto für die Portionsschätzung
1. Zeige die gesamte Mahlzeit
Schneide möglichst keine großen Bereiche am Bildrand ab.
2. Halte vernünftigen Abstand
Fotografiere nicht extrem nah.
3. Vermeide extreme Winkel
Wähle nach Möglichkeit einen Winkel, der Fläche und etwas Tiefe erkennen lässt.
4. Nutze klares Licht
Vermeide tiefe Schatten und starke Spiegelungen.
5. Vermeide unnötige Verdeckung
Wenn Gegenstände große Teile des Essens verdecken, verschiebe sie nach Möglichkeit.
6. Behalte hilfreichen Größenkontext
Teller, Schüssel, Besteck oder Behälter können Größenhinweise liefern.
7. Fotografiere vor dem Essen
Die ursprüngliche Portion lässt sich leichter einschätzen, solange sie vollständig ist.
Sollte der Teller mit auf das Foto?
Etwas Umgebungskontext ist normalerweise hilfreich.
Ein extrem eng zugeschnittenes Bild entfernt Größeninformationen.
Teller, Schüssel oder Behälter können dem System helfen, die Szene einzuordnen.
Ihre Größe sollte jedoch nicht als universeller Standard betrachtet werden.
Was tun, wenn die KI die Portion falsch einschätzt?
Eine Korrektur ist sinnvoll, wenn die Schätzung offensichtlich nicht zu deiner tatsächlichen Portion passt.
Vielleicht weißt du beispielsweise:
- dass du eine komplette 200-g-Packung verwendet hast
- dass du die Hälfte eines bekannten Behälters gegessen hast
- dass es genau eine verpackte Portion war
- dass du die Zutat beim Kochen gewogen hast
- dass die geschätzte Menge offensichtlich unplausibel ist
Bekannte Informationen sind in solchen Situationen stärker als eine visuelle Schätzung.
Nicht jede Mahlzeit braucht perfekte Präzision
Wie viel Genauigkeit sinnvoll ist, hängt vom Ziel ab.
Wer lediglich Essgewohnheiten verstehen möchte, benötigt möglicherweise keine grammgenauen Angaben.
Für spezifischere Ziele können Korrekturen unsicherer Portionen wichtiger sein.
Entscheidend ist nicht, ob jede Schätzung perfekt ist.
Entscheidend ist, ob die Information für die gewünschte Entscheidung ausreichend nützlich ist.
Portions- und Kalorienschätzung
Kalorien hängen sowohl von der Lebensmittelart als auch von der Menge ab.
Vereinfacht:
Lebensmittelfoto → Erkennung → Portionsschätzung → Nährwertschätzung.
Fehler in einem der ersten Schritte können das Endergebnis verändern.
Richtiges Lebensmittel + falsche Portion = ungenaue Kalorienschätzung.
Falsches Lebensmittel + plausible Portion = ebenfalls ungenaue Kalorienschätzung.
Eine aus einem Foto erzeugte Kalorienzahl ist daher keine direkte Messung.
Portionsschätzung und Makros
Auch Protein-, Kohlenhydrat- und Fettwerte hängen von der Menge ab.
Wird Hähnchen korrekt erkannt, die Portion aber deutlich überschätzt, fällt auch die Proteinschätzung zu hoch aus.
Dasselbe gilt für Reis und Kohlenhydrate oder Käse und Fett.
Was ist mit Barcode-Scanning?
Barcode-Scanning löst ein anderes Problem.
Ein Barcode kann ein verpacktes Produkt identifizieren und mit gespeicherten Nährwertinformationen verbinden.
Er sagt aber nicht automatisch, wie viel davon gegessen wurde.
Dafür wird weiterhin eine Portionsmenge oder ein Anteil der Packung benötigt.
Fotoanalyse und Barcode-Scanning können sich deshalb ergänzen.
Wie Mealisa foto-basiertes Tracking nutzt
Mealisa soll den manuellen Aufwand beim Ernährungstracking reduzieren.
Ein Lebensmittelfoto kann als Ausgangspunkt dienen, um zu schätzen, welche Lebensmittel vorhanden sind und wie groß die Portion ungefähr ist.
Der sinnvolle Workflow besteht nicht darin, ein Foto als Labormessung zu behandeln.
Stattdessen:
- Mahlzeit fotografieren.
- KI erstellt eine praktische Ausgangsschätzung.
- Ergebnis prüfen.
- Offensichtliche Lebensmittel- oder Portionsfehler korrigieren.
- Tracking fortsetzen, ohne jede Zutat manuell einzugeben.
So bleibt der Geschwindigkeitsvorteil erhalten, während Unsicherheiten korrigiert werden können.
Wann sollte eine Portion korrigiert werden?
Eine Korrektur kann sinnvoll sein, wenn:
- die Portion offensichtlich zu groß oder zu klein geschätzt wurde
- das tatsächliche Packungsgewicht bekannt ist
- das Lebensmittel gewogen wurde
- große Teile verdeckt sind
- viel unsichtbares Öl oder Sauce enthalten ist
- ein tiefer Behälter die Einschätzung erschwert
- die Abweichung die für dich relevante Information deutlich verändern würde
Kleine Unterschiede rechtfertigen nicht immer zusätzlichen Aufwand.
Was KI aus einem Foto allein nicht wissen kann
Ein einzelnes Foto zeigt möglicherweise nicht:
- exakte Zutatengewichte
- die beim Kochen verwendete Ölmenge
- versteckte Zutaten
- ob alles Gezeigte tatsächlich gegessen wurde
- das genaue Rezept
- die exakten Abmessungen eines unbekannten Behälters
- Lebensmittel unter anderen Zutaten
Zusätzlicher Kontext kann helfen, aber visuelle Analyse hat Grenzen.
Ist Portionsschätzung trotzdem nützlich?
Ja, sie kann nützlich sein.
Auch manuelles Tracking ist nicht fehlerfrei.
Menschen können Zutaten vergessen, falsche Datenbankeinträge auswählen, Portionen selbst falsch schätzen oder das Tracking wegen des Aufwands ganz abbrechen.
Foto-basierte Schätzung kann etwas Messpräzision gegen Geschwindigkeit und Komfort tauschen.
Ob dieser Kompromiss sinnvoll ist, hängt vom Ziel ab.
Praktische Reihenfolge der Mengeninformation
Wenn stärkere Mengeninformationen verfügbar sind, können sie schwächere Schätzungen ersetzen.
Zum Beispiel:
- bekanntes gemessenes Gewicht
- bekannte Packungsmenge
- zuverlässige Rezeptmenge
- visuell geschätzte Portion
Das bedeutet nicht, dass jede Mahlzeit gewogen werden muss.
Bekannte Informationen sind einfach nützlich, wenn sie bereits vorhanden sind.
Häufig gestellte Fragen
Kann KI erkennen, wie viele Gramm Essen auf einem Foto sind?
KI kann das Gewicht visuell schätzen, aber ein Foto misst keine Gramm direkt. Das Ergebnis sollte als Schätzung betrachtet werden.
Kann ein Foto Kalorien exakt messen?
Nein. Ein Foto kann die Identifikation von Lebensmitteln und die Portionsschätzung unterstützen, misst aber keine Kalorien direkt.
Ist eine Aufnahme von oben am besten?
Nicht immer. Von oben ist die Fläche gut sichtbar, die Höhe jedoch schlechter. Ein mittlerer Winkel kann mehr räumliche Information liefern.
Hilft eine Gabel als Größenvergleich?
Ein bekanntes Objekt kann Größenkontext liefern. Besteck ist jedoch nicht immer gleich groß und dient deshalb nur als Hinweis.
Sind gemischte Gerichte schwieriger?
Oft ja. Zutaten können sich überlappen und verstecktes Öl, Saucen oder Mengenverhältnisse sind möglicherweise nicht sichtbar.
Sollte ich mein Essen stattdessen wiegen?
Wenn exaktes Gewicht wichtig ist, liefert eine Waage bessere Mengeninformation. Für alltägliche Bequemlichkeit kann die Foto-Schätzung den manuellen Aufwand reduzieren.
Funktioniert die Portionsschätzung ohne Referenzobjekt?
Eine Schätzung ist weiterhin möglich, beispielsweise anhand von Lebensmittelart, Behälter und Perspektive. Ohne klaren Größenbezug kann die Unsicherheit jedoch größer sein.
Warum ergeben zwei Fotos derselben Mahlzeit unterschiedliche Schätzungen?
Kameraabstand, Winkel, Perspektive, Sichtbarkeit und Licht verändern die verfügbaren visuellen Informationen.
Fazit
KI kann Portionsgrößen anhand eines Lebensmittelfotos schätzen, aber das Ergebnis ist eine Schlussfolgerung und keine direkte Messung.
Klare Lebensmittelgrenzen, sinnvoller Größenkontext, geeignete Kamerawinkel und gute Sichtbarkeit können helfen.
Tiefe Behälter, überlappende Lebensmittel, versteckte Zutaten, Saucen und gemischte Gerichte erschweren die Aufgabe.
Für alltägliches Tracking ist es oft sinnvoll, die KI eine schnelle Ausgangsschätzung erstellen zu lassen und die Portion dann zu korrigieren, wenn bessere Informationen vorhanden sind oder die Schätzung offensichtlich falsch ist.
So bleibt foto-basiertes Tracking bequem, ohne visuelle Schätzungen als exakte Messungen zu behandeln.
Dieser Artikel enthält allgemeine Bildungsinformationen zur Ernährung und ersetzt keine individuelle medizinische oder ernährungsmedizinische Beratung.