Genauigkeit

Kann ChatGPT Kalorien zählen? Was Studien zu Essensfotos zeigen

ChatGPT schätzt Kalorien auf Essensfotos, liegt in Studien aber im Schnitt rund 36 % daneben. Was die Forschung zeigt, bessere Prompts und was Apps mehr können.

Von Calorix-Team, Invikta 5 Min. Lesezeit

Ja, zumindest grob: ChatGPT kann die Kalorien auf einem Essensfoto schätzen, aber veröffentlichte Tests zeigen große Abweichungen. In einer Studie von 2025 mit 52 Essensfotos lagen ChatGPT-4o und Claude 3.5 Sonnet bei den Kalorien im Schnitt um 35,8 % daneben und unterschätzten umso stärker, je größer die Portionen waren. In einer anderen Studie von 2025 sank der durchschnittliche Fehler von ChatGPT von 31 % auf 14 %, wenn es das Bratfett und die Zutatenmengen genannt bekam. Anders als eine Kalorien-App ist ChatGPT nicht dafür gebaut, ein tägliches Ernährungstagebuch mit Zielen zu führen, verpackte Lebensmittel per Barcode nachzuschlagen oder sich mit der Health-App von Apple zu synchronisieren.

Frag ChatGPT, wie viele Kalorien das Abendessen auf deinem Foto hat, und du bekommst in Sekunden eine Zahl, oft samt selbstbewusster Aufschlüsselung. Da ist die Versuchung groß, ChatGPT als kostenlosen Kalorienzähler zu nutzen. Aber kann ChatGPT Kalorien wirklich zählen? Forschende haben genau das inzwischen getestet, und ihre Ergebnisse sind nützlich, egal ob du ChatGPT, ein anderes KI-Modell oder eine Kalorien-App nutzt.

Was die Studien herausgefunden haben

Studie Modell Was getestet wurde Fehler bei den Kalorien
Fridolfsson et al., 2025 ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro 52 standardisierte Essensfotos mit abgewogenem Essen Im Schnitt 35,8 %, 35,8 % und 64,2 %
O’Hara et al., 2025 ChatGPT-4 114 Fotos: 38 Mahlzeiten in je 3 Portionsgrößen 93 % der Lebensmittel erkannt; Gewicht mittelgroßer und großer Mahlzeiten unterschätzt
Rodríguez-Jiménez et al., 2025 ChatGPT-5 195 Gerichte, mit und ohne zusätzliche Angaben 30,5 % nur anhand des Fotos; 24,4 % mit Angaben zu Fett und Süßungsmittel; 13,9 % mit Zutatenmengen
Cinar et al., 2026 (Pilotstudie) ChatGPT-4o 9 einfache und komplexe Gerichte Bis zu 54,4 % bei den Kalorien komplexer Gerichte

Allgemeine KI-Modelle liegen um etwa ein Drittel daneben

Den direktesten Test liefert eine Studie von 2025, in der drei KI-Modelle 52 standardisierte Fotos von einzelnen Lebensmitteln und Mahlzeiten mit bekanntem Gewicht auswerten sollten. ChatGPT-4o und Claude 3.5 Sonnet lagen bei den Kalorien im Schnitt um 35,8 % daneben, Gemini 1.5 Pro um 64,2 %. Alle drei unterschätzten umso stärker, je größer die Portionen wurden: Bei kleinen Portionen waren die Fehler etwa 20 bis 30 % geringer als bei großen.

Gut beim Erkennen, schwächer bei den Mengen

Eine Studie von 2025 mit ChatGPT-4 und 114 Mahlzeitenfotos, 38 Mahlzeiten in je drei Portionsgrößen, ergab, dass es Lebensmittel gut erkannte, mit einer Präzision von 93 %. Das Problem waren die Mengen: Große Mahlzeiten, die im Schnitt 798 g wogen, schätzte es auf 530 g, und auch mittelgroße Mahlzeiten wurden unterschätzt, während die Schätzungen bei kleinen Mahlzeiten nah am wahren Wert lagen. Bei 10 der 16 untersuchten Nährstoffe wichen seine Schätzungen signifikant von den wahren Werten ab. Ein Punkt spricht für ChatGPT: Speziell bei den Kalorien lag sein Median in dieser Studie nah am wahren Median.

Deine Angaben machen einen großen Unterschied

Den stärksten Beleg dafür, dass du nachhelfen kannst, liefert eine Studie von 2025 zu ChatGPT-5 mit 195 Gerichten. Nur anhand des Fotos lagen seine Kalorienschätzungen im Schnitt um 30,5 % daneben (123 kcal). Kannte es Art und Menge des Fetts, das Süßungsmittel, den Fettgehalt der Milchprodukte und die Fleischsorte, sank der Fehler auf 24,4 % (92 kcal). Mit der Zutatenliste samt Mengen waren es nur noch 13,9 % (53 kcal). Eine kleine Pilotstudie von 2026 zu ChatGPT-4o mit neun Gerichten weist in dieselbe Richtung: Bei komplexen Gerichten mit verstecktem Fett erreichten die Fehler 54,4 % bei den Kalorien und 76,5 % beim Fett, und zusätzliche Angaben machten die Schätzungen deutlich konsistenter. Bei nur neun Gerichten solltest du die 54 % als schlimmsten Fall sehen, nicht als Durchschnitt.

Weitere Ergebnisse, die du kennen solltest

  • Menschen sind noch immer besser. In einem Test von 40 KI-Modellen aus dem Jahr 2026 schätzten professionelle Ernährungsfachleute die Nährstoffe genauer als jedes einzelne Modell, und Fotos aus mehreren Blickwinkeln halfen den Modellen nicht.
  • KI kann Dinge erfinden. Forschende, die auf Basis von GPT-4o ein Ernährungstool entwickelten, stellten fest, dass das Standard-GPT-4o allein anhand von Fotos 59 % der Lebensmittel erkannte, und warnten vor „Halluzinationen (erfundene Lebensmittel, Einheiten oder Mengen)“ (AJCN, 2025).
  • Eingetippte Lebensmittel klappen besser als Fotos. Bekamen KI-Modelle die Namen von Lebensmitteln als Text statt als Foto, stimmten ihre Energieschätzungen gut mit Nährwertdatenbanken überein; am stärksten schwankten gemischte Gerichte sowie Soßen und Würzmittel (Journal of Nutrition, 2026).

Warum ChatGPT bei Fotos danebenliegt

Dieselben drei Dinge bringen ChatGPT und Foto-Kalorien-Apps aus dem Tritt:

  • Portionsgröße. Ein Foto ist flach, die Tiefe einer Schüssel Nudeln oder Reis lässt sich also schwer einschätzen. Deshalb werden große Portionen unterschätzt.
  • Verstecktes Fett. Öl, das in Gemüse eingezogen ist, oder Butter, die in einer Soße geschmolzen ist, sieht man kaum. Laut USDA FoodData Central, der Nährwertdatenbank des US-Landwirtschaftsministeriums, hat ein Esslöffel Olivenöl 119 kcal.
  • Gemischte Gerichte. Bei einem Curry, einem Burrito oder einem Auflauf muss die KI nicht nur die Menge, sondern auch das Rezept erraten.

Auch spezialisierte Apps sind davor nicht gefeit: In einem vorläufigen Test der US-Forschungsbehörde NIH von 2026 unterschätzten die Fotofunktionen von MyFitnessPal, Lose It!, Cal AI und Appediet abgewogene Mahlzeiten im Schnitt um 252 bis 345 kcal, also um etwa ein Drittel. Unser Vergleich von Apps, die Kalorien per Foto zählen, stellt diese Studie und die Genauigkeitsangaben jeder App vor.

ChatGPT oder Kalorien-App?

Aufgabe ChatGPT Eine Kalorienzähler-App
Eine Mahlzeit per Foto oder Beschreibung schätzen Ja Ja
Ein tägliches Tagebuch mit Kalorien- und Makrozielen Nicht eingebaut Ja
Verpackte Lebensmittel per Barcode Keine Datenbankabfrage Ja, aus einer Lebensmitteldatenbank
Eine Zutat korrigieren, und die Summe stimmt weiter Durch erneutes Nachfragen Zeile bearbeiten, die Summe passt sich an
Wochentrends, Serien, Erinnerungen Nein Ja
Health-App, Widgets Nein Ja, bei den meisten iPhone-Apps
Am besten für Einzelne Fragen, Rezepte, Planung Das tägliche Eintragen

Die Schätzung selbst ist in beiden Fällen keine Zauberei: Viele Kalorien-Apps, Calorix eingeschlossen, nutzen große KI-Modelle, um Fotos auszuwerten. Der Unterschied liegt darin, was um die Schätzung herum passiert. In Calorix wird aus einem Foto eine Liste von Zutaten mit Grammangaben und einer Markierung, wie sicher sich die KI ist, und all das kannst du korrigieren. Barcodes und Nährwerttabellen decken verpackte Lebensmittel ab, und alles landet in einem Tagebuch mit deinen Zielen.

So bekommst du bessere Schätzungen von ChatGPT oder jeder anderen KI

Laut der Forschung bringt es am meisten, der KI zu sagen, was das Foto nicht zeigen kann. Ein Prompt wie dieser funktioniert besser als ein Foto allein:

Schätze die Kalorien, das Protein, die Kohlenhydrate und das Fett auf diesem Foto. Es sind etwa 180 g gekochter Reis, 150 g gegrillter Hähnchenoberschenkel und Ofengemüse, das mit etwa 1 Esslöffel Olivenöl zubereitet wurde. Liste jede Zutat mit der angenommenen Menge und den Kalorien auf, dann die Summe.

  • Gib Gewichte oder Größen an, wenn du sie kennst: Gramm von der Küchenwaage, „ein voller Teller“, „eine halbe Tasse“.
  • Nenn das Fett, mit dem gekocht wurde, und die Menge: Öl, Butter, Ghee, Sahne.
  • Erwähn Soßen, Dressings und Getränke, die auf Fotos untergehen.
  • Bitte um eine Aufschlüsselung pro Zutat mit den Annahmen, damit du siehst, wo geraten wurde.
  • Fotografier im 45-Grad-Winkel mit dem ganzen Teller im Bild, statt direkt von oben.
  • Nutze bei Verpacktem die Nährwerttabelle. Die aufgedruckten Werte schlagen jede Schätzung.

Das Fazit

Für eine grobe Vorstellung zählt ChatGPT die Kalorien auf einem Foto gut genug, und viel besser, wenn du die Mengen und das Bratfett angibst. Fürs tägliche Tracken bietet eine Kalorien-App das, wofür ChatGPT nicht gebaut ist: ein Tagebuch mit Zielen, Barcodes, schnelle Korrekturen und Trends. Egal, was du nutzt: Sieh jede Fotoschätzung als ersten Entwurf. Wenn du ein Ziel brauchst, an dem du deine Einträge messen kannst, fang mit unserem Kalorienbedarfsrechner an.

Häufig gestellte Fragen

Kann ChatGPT Kalorien anhand eines Fotos zählen?

Es kann eine Schätzung abgeben. In veröffentlichten Tests erkannte ChatGPT die meisten Lebensmittel auf Mahlzeitenfotos, aber seine Kalorienschätzungen lagen im Schnitt um etwa 30 bis 36 % daneben, und große Portionen unterschätzte es tendenziell. Angaben wie das Bratfett und die Gewichte der Zutaten bringen seine Schätzungen deutlich näher an die echten Werte.

Wie genau zählt ChatGPT Kalorien?

In einer Studie von 2025 mit 52 standardisierten Essensfotos lagen die Kalorienschätzungen von ChatGPT-4o im Schnitt um 35,8 % daneben, genauso wie die von Claude 3.5 Sonnet, während Gemini 1.5 Pro um 64,2 % danebenlag. Eine Studie von 2025 zu ChatGPT-5 mit 195 Gerichten fand einen Fehler von 30,5 % allein anhand des Fotos, der auf 13,9 % sank, wenn das Modell die Zutatenmengen bekam.

Ist ChatGPT besser als eine Kalorienzähler-App?

Die beiden erledigen unterschiedliche Aufgaben. ChatGPT ist flexibel bei einzelnen Fragen. Eine Kalorien-App führt ein tägliches Tagebuch und gleicht es mit deinen Zielen ab, liest Barcodes und Nährwerttabellen verpackter Lebensmittel, lässt dich jede Zutat korrigieren und zeigt deine Trends über Wochen. Auch die Fotoschätzungen von Apps liegen zu niedrig: In einem vorläufigen NIH-Test von 2026 unterschätzten vier Apps abgewogene Mahlzeiten um etwa ein Drittel.

Was ist ein guter ChatGPT-Prompt zum Kalorienzählen?

Gib ChatGPT, was ein Foto nicht zeigen kann: Gewicht oder Größe jeder Portion, wie das Essen zubereitet wurde und mit wie viel Öl oder Butter, dazu Soßen und Getränke. Bitte um eine Aufschlüsselung pro Zutat mit den Annahmen, die es getroffen hat. Prüf dann die größten Posten selbst.

Kann ChatGPT meine Kalorien jeden Tag tracken?

Du kannst einen fortlaufenden Chat führen, aber ChatGPT ist nicht als Ernährungstagebuch gebaut: Es speichert keine Tagesziele und Tagessummen, schlägt verpackte Lebensmittel nicht per Barcode nach, synchronisiert sich nicht mit der Health-App von Apple und zeigt keine Wochentrends. Genau dafür gibt es Kalorienzähler-Apps.

Ist Cal AI genauer als ChatGPT?

Keine Studie hat die beiden direkt verglichen, deshalb können wir das nicht sagen. Im NIH-Test, der im Juli 2026 vorgestellt wurde, unterschätzte die Fotofunktion von Cal AI abgewogene Mahlzeiten im Schnitt um 345 kcal. ChatGPT war nicht Teil dieses Tests, und die Studien zu ChatGPT nutzten andere Mahlzeiten und Methoden.

Quellen

  1. 1 Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Current Developments in Nutrition, 2025.
  2. 2 O’Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025.
  3. 3 Rodríguez-Jiménez M, Martín-del-Campo-Becerra GD, Sumalla-Cano S, et al. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios. Nutrients, 2025.
  4. 4 Cinar EN, Özler E, Arslan S, Yilmaz S. Image-based nutritional assessment: Evaluating the performance of ChatGPT-4o on simple and complex meals. Journal of Food Composition and Analysis, 2026.
  5. 5 Vedovelli L, Pugnaloni S, Lanera C, et al. Model architecture dominates nutritional estimation accuracy in vision-language systems. Scientific Reports, 2026.
  6. 6 Chen YJ, Chang CC, Hoang YN, et al. Customized multimodal Diabot-GPT-4o enhances accuracy of image-based dietary assessments in dietetic trainees in Taiwan: validation against weighed food records. American Journal of Clinical Nutrition, 2025.
  7. 7 Lawabni R, Solano OR, Kampen LL, et al. Evaluation of Energy and Nutrient Estimates from Large Language Models Using Text-Based Queries. Journal of Nutrition, 2026.
  8. 8 Charles O, Flacke EU, Turner S, et al. Photograph-Based AI Features in Calorie-Tracking Apps Underestimate Energy Content of Meals (NUTRITION 2026 abstract). Current Developments in Nutrition, 2026.
  9. 9 Oil, olive, salad or cooking. USDA FoodData Central (SR Legacy), 2019.

Trag deine nächste Mahlzeit in Sekunden ein

Fotografieren, scannen oder einfach sagen. Calorix rechnet, zeigt dir den Rechenweg, und Toasty feuert dich an.

3 Tage kostenlos, jederzeit kündbar