Die Abbruchkurve beim Kalorienzählen: Wann und warum Nutzer aufhören (Datenstudie)

Eine unangenehme Wahrheit: Die meisten Menschen, die mit dem Kalorienzählen beginnen, hören innerhalb eines Monats wieder auf.

Es spielt keine Rolle, wie motiviert sie sich am ersten Tag gefühlt haben. Es ist egal, welche App sie gewählt haben. Auch ob sie jeden Anfängerleitfaden gelesen und ihren Kühlschrank mit vorportionierten Mahlzeiten gefüllt haben, ist irrelevant. Die Daten sind eindeutig. Die Mehrheit gibt auf.

Wir wissen das, weil wir nachgeschaut haben. Wir haben die Nutzungsgewohnheiten von 1,2 Millionen Nutrola-Konten analysiert, die zwischen Januar 2025 und Januar 2026 erstellt wurden, um die genaue Abbruchkurve beim Kalorienzählen zu kartieren. Wir wollten drei Fragen beantworten: Wann hören die Menschen auf? Warum hören sie auf? Und was unterscheidet die, die bleiben, von denen, die gehen?

Die Ergebnisse sind ehrlich und stellen uns als App-Unternehmen an manchen Stellen vor eine unangenehme Realität. Aber Ehrlichkeit ist der Schlüssel. Wenn wir verstehen, wo die Abbruchkurve abknickt, können wir gezielt darauf reagieren. Und wenn Sie wissen, wo Sie sich auf dieser Kurve befinden, können Sie sich auf das, was kommt, vorbereiten.

Methodologie

Datensatz

Wir haben alle Nutrola-Konten einbezogen, die zwischen dem 1. Januar 2025 und dem 31. Januar 2026 erstellt wurden und innerhalb von 24 Stunden nach der Kontoerstellung mindestens eine Mahlzeit protokolliert haben. Dies ergab 1.208.614 qualifizierende Konten.

Konten, die Anzeichen von Test- oder Duplikatkonten zeigten (z. B. keine vollständige Profilangabe, identische Gerätefingerabdrücke innerhalb von Sekunden), wurden ausgeschlossen. Außerdem schlossen wir Konten aus, die über Unternehmens- oder klinische Partnerschaften erstellt wurden, da diese Nutzer oft externe Verantwortungsstrukturen haben, die die Daten verzerren könnten.

Definitionen

• Aktiv: Ein Nutzer galt an einem bestimmten Tag als "aktiv", wenn er mindestens eine Mahlzeit oder ein Lebensmittel protokolliert hat. Das bloße Öffnen der App zählte nicht.
• Abbruch: Ein Nutzer wurde als "abgebrochen" klassifiziert, wenn er am letzten Tag, an dem er eine Mahlzeit protokolliert hat, nicht innerhalb der folgenden 14 Tage zurückkehrte.
• Wiederengagement: Ein Nutzer, der nach einer Pause von 14 oder mehr Tagen zurückkehrte, wurde als wieder engagierter Nutzer klassifiziert und separat verfolgt.

Verfolgungszeitraum

Wir haben jede Kohorte 180 Tage ab dem Datum der Kontoerstellung verfolgt. Nutzer, die ihre Konten später im Studienzeitraum erstellt haben, hatten kürzere maximale Nachverfolgungszeiträume; wir haben dies mit standardisierten Überlebensanalyse-Methoden (Kaplan-Meier-Kurven) angepasst, um Zensurverzerrungen zu vermeiden.

Die Abbruchkurve

Dies ist die zentrale Erkenntnis. Die folgende Tabelle zeigt den Prozentsatz der Nutzer, die zu jedem Zeitpunkt nach der Kontoerstellung weiterhin aktiv protokollieren.

Zeitpunkt	% weiterhin aktiv	Tägliche Abbruchrate (für den Zeitraum)
Tag 1	100%	--
Tag 2	72,1%	27,9%
Tag 3	58,3%	13,8%
Tag 4	52,7%	5,6%
Tag 5	48,9%	3,8%
Tag 7	41,4%	~2,5%/Tag
Tag 10	35,6%	~1,9%/Tag
Tag 14	29,2%	~1,6%/Tag
Tag 21	23,1%	~0,9%/Tag
Tag 30	19,0%	~0,5%/Tag
Tag 45	15,8%	~0,2%/Tag
Tag 60	13,7%	~0,1%/Tag
Tag 90	11,2%	~0,08%/Tag
Tag 120	10,1%	~0,04%/Tag
Tag 180	8,7%	~0,02%/Tag

Lesen Sie diese Zahlen genau. Fast 28% der Nutzer, die am Tag 1 eine Mahlzeit protokolliert haben, haben am Tag 2 keine einzige Mahlzeit mehr protokolliert. Am Ende der ersten Woche waren mehr als die Hälfte verschwunden. Nach 30 Tagen hatten etwa 4 von 5 Nutzern aufgehört.

Aber es gibt einen Silberstreif am Horizont, der in der Kurve eingebettet ist. Beachten Sie, wie die tägliche Abbruchrate im Laufe der Zeit stark abnimmt. Die Kurve ist nicht linear. Sie ist logarithmisch. Je länger Sie durchhalten, desto geringer wird die Wahrscheinlichkeit, am nächsten Tag aufzugeben. Am Tag 90 hat sich die Kurve nahezu abgeflacht. Nutzer, die es bis zum Tag 90 schaffen, haben eine 78%ige Wahrscheinlichkeit, auch nach 6 Monaten noch zu protokollieren.

Die Implikation ist klar: Die ersten zwei Wochen sind entscheidend. Wenn eine App (oder ein Nutzer) dieses Zeitfenster übersteht, ändern sich die Chancen dramatisch.

Die Gefahrenzonen

Die Abbruchkurve ist nicht gleichmäßig. Es gibt spezifische Zeiträume, in denen die Abbruchrate über den umgebenden Trend ansteigt. Wir haben vier distincte Gefahrenzonen identifiziert.

Gefahrenzone 1: Tag 2-3 (Der Neuheitsabgrund)

Der größte Rückgang findet zwischen Tag 1 und Tag 3 statt. In diesem 48-Stunden-Fenster verlieren wir fast 42% aller Nutzer.

Was hier passiert, ist einfach: Die Neuheit lässt nach. Tag 1 ist aufregend. Der Nutzer lädt die App herunter, richtet sein Profil ein und protokolliert seine erste Mahlzeit. Es gibt ein Gefühl von Kontrolle und Fortschritt. Am Tag 2 oder 3 setzt die Realität ein. Das Protokollieren erfordert Aufwand. Der Nutzer muss es wieder tun. Und wieder. Und es ist nicht mehr neu.

Wir haben eine Teilgruppe von Nutzern (n=24.300) befragt, die in diesem Zeitraum abgebrochen haben. Die häufigsten genannten Gründe:

• "Es hat zu lange gedauert" (38%)
• "Ich habe es vergessen" (27%)
• "Ich wusste nicht, was ich protokollieren sollte / es war zu kompliziert" (19%)
• "Ich habe etwas gegessen, das nicht geplant war, und fühlte mich schuldig" (11%)
• Andere (5%)

Die ersten beiden Gründe – Zeit und Vergesslichkeit – sind Probleme der Reibung. Sie sind lösbar. Der dritte Grund ist ein Onboarding-Problem. Der vierte ist ein psychologisches Problem und arguably das besorgniserregendste.

Gefahrenzone 2: Tag 7-10 (Der erste Wochenendzyklus)

Für Nutzer, die ihre Konten an Wochentagen erstellen (was 68% unserer Anmeldungen ausmacht), markieren die Tage 7-10 ihr erstes volles Wochenende des Protokollierens. Die Abbruchraten am Wochenende sind 1,8-mal höher als an Wochentagen über die gesamte Kurve, aber der Effekt ist während des ersten Wochenendzyklus am stärksten.

Wochenenden stören Routinen. Die Mahlzeiten sind weniger vorhersehbar. Soziale Essgewohnheiten nehmen zu. Nutzer, die sich an einem fragilen Protokollierverhalten während der Woche orientiert haben, finden es durch Brunch mit Freunden oder ein spontanes Abendessen zunichte gemacht.

Gefahrenzone 3: Tag 21-28 (Der Mythos der Gewohnheitsbildung)

Es gibt eine weit verbreitete Behauptung, dass es 21 Tage dauert, um eine Gewohnheit zu bilden. Unsere Daten legen nahe, dass dies bestenfalls irreführend ist. Die Tage 21-28 sind tatsächlich einer der gefährlicheren Zeiträume in der Abbruchkurve.

Wir sehen einen kleinen, aber statistisch signifikanten Anstieg der Abbruchrate um die Tage 22-25. Unsere Hypothese, die durch qualitative Umfragedaten unterstützt wird, ist, dass Nutzer, die an den "21-Tage-Gewohnheits"-Mythos glauben, den Tag 21 erreichen und erwarten, dass das Verhalten automatisch wird. Wenn es sich immer noch nach Aufwand anfühlt, interpretieren sie dies als persönliches Versagen und geben auf.

Die Forschungsliteratur unterstützt einen realistischeren Zeitrahmen. Eine Studie von Phillippa Lally und Kollegen am University College London aus dem Jahr 2009 ergab, dass die mediane Zeit bis zur Automatisierung eines neuen Gesundheitsverhaltens 66 Tage betrug, mit einem Bereich von 18 bis 254 Tagen. Das Kalorienzählen, das aktives Entscheiden bei jeder Mahlzeit erfordert, fällt wahrscheinlich in den längeren Bereich dieses Spektrums.

Gefahrenzone 4: Nach dem ersten Störungsevent

Diese Zone ist schwer einem bestimmten Tag zuzuordnen, da sie vom individuellen Leben des Nutzers abhängt. Aber das Muster ist in den Daten klar. Wenn wir uns Nutzer ansehen, die es über Tag 14 hinaus geschafft haben, aber vor Tag 60 abgebrochen sind, hatten 61% von ihnen ihren letzten aktiven Tag entweder unmittelbar vor oder unmittelbar nach einer Pause von 3 oder mehr Tagen.

Diese Pausen entsprechen typischerweise Urlauben, Feiertagen, Krankheiten, Geschäftsreisen oder größeren sozialen Ereignissen. Die Störung selbst ist nicht das Problem. Das Problem ist, dass die Nutzer nach der Störung nicht zurückkehren. Die Pause wird permanent.

Dies ist der Effekt der "gebrochenen Serie". Viele Nutzer behandeln ihr Protokollierverhalten, bewusst oder unbewusst, als eine Alles-oder-Nichts-Verpflichtung. Sobald die Serie bricht, erscheint die psychologische Kosten des Neustarts unverhältnismäßig hoch.

Was das Aufhören vs. Bleiben vorhersagt

Wir haben eine multivariate Analyse durchgeführt, um herauszufinden, welche Nutzerverhalten in den ersten 7 Tagen am stärksten vorhersagten, ob jemand am Tag 30 noch aktiv sein würde. Hier sind die Faktoren, die wichtig waren, nach Effektgröße sortiert.

1. Primäre Protokollierungsmethode

Methode	% weiterhin aktiv am Tag 30	Relatives Risiko des Abbruchs
Foto-basierte Protokollierung (KI)	26,8%	0,74x (Basislinie)
Barcode-Scanning	20,1%	0,91x
Suche + manuelle Eingabe	15,3%	1,17x
Schnellhinzufügen (nur Kalorien)	11,9%	1,42x

Nutzer, die in ihrer ersten Woche hauptsächlich die foto-basierte KI-Protokollierung verwendeten, waren am wahrscheinlichsten am Tag 30 weiterhin aktiv. Der Unterschied ist erheblich. Nutzer, die Fotos protokollierten, hatten eine 30-Tage-Bindungsrate, die fast 2,3-mal höher war als die von Schnellhinzufügungsnutzern.

Das liegt nicht daran, dass die foto-basierten Protokollierer motiviertere Nutzer anziehen. Wir haben für die erklärte Zielintensität, frühere Protokollierungserfahrung und mehrere andere Störfaktoren kontrolliert. Der Effekt blieb bestehen. Die wahrscheinlichste Erklärung ist die Reibung: Foto-Protokollierung dauert im Durchschnitt 8 Sekunden pro Mahlzeit in Nutrola, im Vergleich zu 45-90 Sekunden für manuelle Such- und Eingabeverfahren. Wenn ein Verhalten einfacher ist, überlebt es länger.

2. Durchschnittliche Zeit pro Protokollierungssitzung

Zeit pro Sitzung	% weiterhin aktiv am Tag 30
Unter 30 Sekunden	24,7%
30-60 Sekunden	21,3%
1-2 Minuten	17,8%
2-5 Minuten	13,2%
Über 5 Minuten	8,4%

Es gibt eine nahezu lineare umgekehrte Beziehung zwischen der Zeit, die für das Protokollieren aufgewendet wird, und der Bindung. Nutzer, die mehr als 5 Minuten pro Protokollierungssitzung aufwendeten, waren dreimal wahrscheinlicher, aufzuhören als Nutzer, die weniger als 30 Sekunden benötigten.

Diese Erkenntnis stellt eine gängige Annahme im Design von Ernährungs-Apps in Frage: dass detailliertes Protokollieren besser ist. Detailliertes Protokollieren kann genauere Daten liefern, aber wenn es dazu führt, dass der Nutzer aufgibt, ist die Genauigkeit irrelevant. Ein grobes Protokoll, das der Nutzer tatsächlich abschließt, ist unendlich wertvoller als ein perfektes Protokoll, das er nie anlegt.

3. Ob der Nutzer ein spezifisches Ziel gesetzt hat

Nutzer, die während des Onboardings ein spezifisches, messbares Ziel gesetzt haben (z. B. "5 kg abnehmen" oder "täglich 150 g Protein essen"), hatten eine Bindungsrate am Tag 30 von 23,4%, verglichen mit 14,1% für Nutzer, die "allgemeine Gesundheit" wählten oder das Setzen eines Ziels ganz übersprangen.

Spezifität ist entscheidend. "Gesünder essen" ist kein Ziel, gegen das das Gehirn Fortschritte verfolgen kann. "Täglich 2.000 Kalorien essen" ist es.

4. Nutzung sozialer Funktionen

Nutzer, die sich innerhalb der ersten Woche mit mindestens einem Freund verbunden oder einer Community-Gruppe beigetreten sind, hatten eine Bindungsrate am Tag 30 von 27,9%, verglichen mit 17,6% für Einzelnutzer. Soziale Verantwortung ist einer der stärksten Prädiktoren für die Bindung in unserem Datensatz.

5. Verbindung eines tragbaren Geräts

Nutzer, die während des Onboardings ein tragbares Gerät (Apple Watch, Garmin, Fitbit usw.) verbunden haben, hatten eine Bindungsrate am Tag 30 von 22,1% im Vergleich zu 18,2% für diejenigen, die dies nicht taten. Der Effekt ist moderat, aber konsistent, und er wächst im Laufe der Zeit. Am Tag 90 hatten tragbare Nutzer eine Bindungsrate von 14,8% gegenüber 10,1%.

Der wahrscheinliche Mechanismus sind Feedback-Schleifen. Wenn Nutzer ihre Kalorienaufnahme zusammen mit ihren Aktivitätsdaten sehen, wird die Information handlungsorientierter und motivierender.

Was die Menschen zurückbringt

Nicht jeder, der aufhört, bleibt weg. Von den Nutzern, die abgebrochen haben (definiert als eine Pause von 14+ Tagen im Protokollieren), kehrten 18,3% innerhalb von 180 Tagen mindestens einmal zurück. Von denen, die zurückkamen, sahen die Rückkehrmuster so aus:

Rückkehrmuster	% der zurückkehrenden Nutzer
Einmal zurückgekehrt, dann innerhalb von 7 Tagen wieder abgebrochen	52,4%
Einmal zurückgekehrt, 30+ Tage aktiv geblieben	21,7%
Mehrfach zurückgekehrt (2-3 Zyklen)	19,8%
Zurückgekehrt und langfristig aktiv geworden (90+ Tage)	6,1%

Die meisten Rückkehrer bleiben nicht. Aber etwa 1 von 5 zurückkehrenden Nutzern stellt die Gewohnheit erfolgreich für mindestens 30 Tage wieder her, und etwa 6% werden langfristige Tracker.

Was das Wiederengagement auslöst, haben wir uns angesehen:

• Januar / Neujahr: 31% aller Wiederengagements fanden im Januar statt, dem größten Anstieg
• Montag: Wiederengagement ist 2,4-mal wahrscheinlicher an einem Montag als an einem Freitag
• Nach einem medizinischen Ereignis: Nutzer, die ihr Gesundheitsprofil aktualisierten oder eine neue Gesundheitsbedingung hinzufügten, engagierten sich mit einer 3,1-fachen Rate im Vergleich zur Basislinie
• Nach einem sozialen Impuls: Nutzer, die einen Anstoß von einem verbundenen Freund erhielten, engagierten sich mit einer 2,7-fachen Rate im Vergleich zur Basislinie
• Nach Benachrichtigungen über App-Updates: Diese führten zu moderatem Wiederengagement (1,3-fache Basislinie), was darauf hindeutet, dass Produktverbesserungen allein nicht ausreichen, um Menschen zurückzubringen

Der "Fresh Start Effect" ist in der Verhaltenswissenschaft gut dokumentiert, und unsere Daten bestätigen dies deutlich. Menschen sind am wahrscheinlichsten bereit, ein Gesundheitsverhalten zu starten, wenn es zeitliche Meilensteine gibt: neue Wochen, neue Monate, neue Jahre oder nach einem bedeutenden Lebensereignis.

Wie KI und Foto-Protokollierung die Kurve verändern

Wir haben die Abbruchkurven zweier Nutzersegmente verglichen: diejenigen, die foto-basierte KI-Protokollierung als ihre primäre Methode verwendeten, und diejenigen, die auf manuelle Eingabemethoden (Suche, Barcode oder Schnellhinzufügen) zurückgriffen.

Zeitpunkt	% aktiv (Foto KI)	% aktiv (Manuell)	Unterschied
Tag 2	78,4%	69,3%	+9,1
Tag 7	49,2%	37,8%	+11,4
Tag 14	36,1%	25,7%	+10,4
Tag 30	26,8%	15,3%	+11,5
Tag 60	19,4%	10,9%	+8,5
Tag 90	15,7%	8,9%	+6,8

Nutzer, die foto-basiert protokollieren, haben eine signifikant andere Abbruchkurve. Ihre Bindung am Tag 30 ist 75% höher als die von Nutzern, die manuell eingeben. Der Unterschied ist in den ersten 30 Tagen am größten, was genau dann wichtig ist, wenn es um Reibung geht.

Wir sollten transparent über die Einschränkungen dieses Vergleichs sein. Nutzer, die foto-protokollieren, können sich in Aspekten von Nutzern, die manuell eingeben, unterscheiden, die wir nicht vollständig kontrollieren können. Sie könnten technikaffiner, motivierter oder eher im Besitz von Smartphones mit besseren Kameras sein. Wir haben für Alter, Plattform (iOS vs. Android), erklärtes Ziel und frühere Protokollierungserfahrung kontrolliert, und der Effekt blieb bestehen. Aber wir können nicht alle Störfaktoren ausschließen.

Was wir mit Zuversicht sagen können, ist, dass die Reduzierung der Protokollierungsreibung – sei es durch foto-basierte KI, besseres Barcode-Scanning oder intelligentere Lebensmittelsuche – die einzige Maßnahme mit dem größten Hebel zur Verbesserung der Bindung ist. Unsere Daten zeigen dies durchweg, über jede Kohorte und jedes demografische Segment, das wir analysiert haben.

Bei Nutrola hat diese Erkenntnis unsere Produktstrategie geprägt. Unser foto-zentrierter Ansatz war keine Marketingentscheidung. Es war eine Bindungsentscheidung. Wenn das Protokollieren einer Mahlzeit 8 Sekunden statt 90 dauert, ist die Wahrscheinlichkeit, dass Nutzer es morgen wieder tun, einfach höher. Und es morgen wieder zu tun, ist das gesamte Spiel.

Was das für Sie bedeutet

Wenn Sie derzeit Ihre Kalorien zählen oder darüber nachdenken, zu beginnen, legt diese Datenanalyse nahe:

Erwarten Sie, dass die ersten zwei Wochen schwierig sind. Deuten Sie die Schwierigkeiten nicht als Zeichen, dass das Kalorienzählen nichts für Sie ist. Fast jeder findet es schwer. Diejenigen, die erfolgreich sind, sind nicht die, die es leicht finden – sie sind die, die die Reibung überwinden.

Reduzieren Sie die Reibung gnadenlos. Nutzen Sie die schnellste Protokollierungsmethode, die Ihnen zur Verfügung steht. Wenn Ihre App foto-basierte Protokollierung unterstützt, nutzen Sie diese. Wenn Sie mehr als eine Minute pro Mahlzeit aufwenden, machen Sie zu viel. Ein grobes Protokoll ist besser als ein perfekter Eintrag, den Sie auslassen.

Behandeln Sie einen verpassten Tag nicht als Misserfolg. Der Effekt der gebrochenen Serie ist einer der größten Killer von Protokolliergewohnheiten. Wenn Sie einen Tag, ein Wochenende oder eine Woche auslassen – fangen Sie einfach wieder an. Unsere Daten zeigen, dass Nutzer, die eine Störung überstehen und zurückkommen, zu den widerstandsfähigsten langfristigen Trackern gehören.

Setzen Sie sich ein spezifisches Ziel. "Gewicht verlieren" ist nicht spezifisch genug. "Täglich 1.800 Kalorien essen" oder "140 g Protein erreichen" gibt Ihrem Gehirn etwas Konkretes, an dem es Fortschritte verfolgen kann.

Sagen Sie jemandem Bescheid. Nutzer, die sich mit auch nur einer sozialen Funktion beschäftigen, haben eine dramatisch bessere Bindung. Sagen Sie einem Freund Bescheid, treten Sie einer Gruppe bei oder finden Sie einen Verantwortlichkeitspartner. Die Daten sind eindeutig.

Geben Sie sich 90 Tage, nicht 21. Der populäre Rat, dass es 21 Tage dauert, um eine Gewohnheit zu bilden, könnte tatsächlich kontraproduktiv sein. Verpflichten Sie sich zu 90 Tagen. Zu diesem Zeitpunkt sagt die Datenanalyse, dass Sie eine 78%ige Chance haben, auch nach sechs Monaten noch aktiv zu sein.

Fazit

Die Abbruchkurve beim Kalorienzählen ist steil, vorbelastet und vorhersehbar. Die überwiegende Mehrheit der Menschen, die anfangen, wird innerhalb des ersten Monats aufhören. Das ist kein Versagen des Willens. Es ist ein Versagen von Reibung, Erwartungen und Design.

Die gute Nachricht ist, dass die Kurve sich abflacht. Je länger Sie protokollieren, desto geringer ist die Wahrscheinlichkeit, am nächsten Tag aufzugeben. Die ersten zwei Wochen sind die härtesten. Die ersten 90 Tage sind der Prüfstand. Danach stehen die Chancen zu Ihren Gunsten.

Als App-Unternehmen ist es unsere Aufgabe, diese Kurve abzuflachen. Nicht durch Gamification-Tricks oder schuldgetriebene Benachrichtigungen, sondern indem wir den Kernakt des Protokollierens so schnell und so einfach gestalten, dass die Reibung fast verschwindet. Genau das ermöglicht die foto-basierte Protokollierung. Deshalb wurde Nutrola darum herum entwickelt.

Aber keine App kann die Arbeit für Sie erledigen. Was die Daten mehr als alles andere zeigen, ist, dass Ausdauer wichtiger ist als Präzision. Die Nutzer, die beim langfristigen Protokollieren erfolgreich sind, sind nicht die, die jedes Gramm perfekt protokollieren. Es sind die, die auch unvollkommen immer wieder erscheinen, selbst nach einem schlechten Tag, selbst nach einer gebrochenen Serie.

Die Abbruchkurve ist kein Schicksal. Sie ist eine Karte. Und jetzt wissen Sie, wo die Klippen sind.

---

Diese Analyse basiert auf anonymisierten, aggregierten Nutzungsdaten von 1.208.614 Nutrola-Konten. Es wurden keine individuellen Nutzerdaten geteilt oder identifiziert. Die Datenschutzrichtlinie von Nutrola regelt alle Datenverarbeitungspraktiken. Bei Fragen zur Methodologie kontaktieren Sie research@nutrola.com.

Nutrola ist ab 2,50 € pro Monat ohne Werbung in allen Tarifen erhältlich. Erfahren Sie mehr unter nutrola.com.