Kann man Kalorien genau nur mit der Stimme verfolgen? Wir haben 50 Mahlzeiten getestet

Bei 50 getesteten Mahlzeiten erreichte Nutrola's Sprachprotokoll eine Gesamtgenauigkeit von 92,4 % bei der Kalorienverfolgung, wenn die Mahlzeiten mit spezifischen Mengen beschrieben wurden. Diese sank auf 78,1 % bei mäßig detaillierten Beschreibungen und auf 54,3 % bei vagen oder mehrdeutigen Eingaben. Der Unterschied zwischen genauer und ungenauer Sprachprotokollierung hängt fast ausschließlich davon ab, wie man die Mahlzeit beschreibt — nicht von der Technologie selbst. Im Folgenden finden Sie die vollständigen Ergebnisse jeder getesteten Mahlzeit, was die KI richtig und falsch gemacht hat und wie Sie Ihre Mahlzeiten für maximale Genauigkeit beschreiben sollten.

So haben wir diesen Test durchgeführt

Wir haben 50 Mahlzeiten in einer kontrollierten Küchensituation zubereitet. Jedes Ingredient wurde auf einer kalibrierten Küchenwaage mit einer Genauigkeit von 1 Gramm gewogen. Die Gesamtkalorien für jede Mahlzeit wurden anhand der Referenzwerte von USDA FoodData Central berechnet. Anschließend haben wir jede Mahlzeit in Nutrola's Sprachprotokollierungsfunktion in natürlicher, gesprächiger Sprache eingegeben — so, wie ein echter Nutzer beschreiben würde, was er gerade gegessen hat. Keine speziellen Formulierungen, kein Lesen von einem für die KI optimierten Skript.

Jede Mahlzeit wurde in eine von fünf Spezifitätsstufen kategorisiert:

1. Einfach mit Mengen — einfache Mahlzeiten mit klaren Portionen (z. B. "zwei Rühreier")
2. Komplex mit Mengen — Gerichte mit mehreren Zutaten und angegebenen Mengen (z. B. "Hühnchenpfanne mit 200 g Hühnchen, einer Tasse Brokkoli, einer halben Tasse Reis, zwei Esslöffeln Teriyakisauce")
3. Einfach ohne Mengen — einfache Mahlzeiten ohne angegebene Portion (z. B. "Rühreier")
4. Vage Beschreibungen — minimale Details, keine Portionen (z. B. "Mittagessen vom Thai-Laden")
5. Nicht-englische Lebensmittelnamen — Gerichte, die mit ihrem ursprünglichen Namen beschrieben werden (z. B. "pad see ew mit Tofu")

Die vollständigen Testergebnisse von 50 Mahlzeiten

Kategorie 1: Einfache Mahlzeiten mit Mengen (10 Mahlzeiten)

#	Gesprochene Beschreibung	KI-Interpretation	KI-Kalorien	Tatsächliche Kalorien	Genauigkeit
1	"Zwei Rühreier mit Butter"	2 Rühreier, 1 EL Butter	214	220	97,3 %
2	"Eine Tasse Haferflocken mit einem Esslöffel Honig"	1 Tasse gekochte Haferflocken, 1 EL Honig	218	230	94,8 %
3	"200 Gramm gegrillte Hähnchenbrust"	200 g gegrillte Hähnchenbrust, ohne Haut	330	330	100 %
4	"Eine mittelgroße Banane"	1 mittelgroße Banane (118 g)	105	105	100 %
5	"Drei Scheiben Vollkorntoast mit Erdnussbutter"	3 Scheiben Vollkornbrot, 3 EL Erdnussbutter	555	520	93,3 %
6	"150 Gramm griechischer Joghurt mit Heidelbeeren"	150 g ungesüßter griechischer Joghurt, 50 g Heidelbeeren	148	155	95,5 %
7	"Ein großer Apfel"	1 großer Apfel (223 g)	116	116	100 %
8	"Zwei Reiswaffeln mit 30 Gramm Mandelbutter"	2 ungesüßte Reiswaffeln, 30 g Mandelbutter	264	258	97,7 %
9	"Eine Dose Thunfisch in Wasser, abgetropft"	1 Dose (142 g) Thunfisch in Wasser, abgetropft	179	179	100 %
10	"300 ml Vollmilch"	300 ml Vollmilch	183	186	98,4 %

Durchschnittliche Genauigkeit Kategorie 1: 97,7 %

Kategorie 2: Komplexe Mahlzeiten mit Mengen (10 Mahlzeiten)

#	Gesprochene Beschreibung	KI-Interpretation	KI-Kalorien	Tatsächliche Kalorien	Genauigkeit
11	"Hühnchenpfanne mit 200 g Hähnchenbrust, einer Tasse Brokkoli, einer halben Tasse Paprika, einer Tasse weißem Reis und zwei Esslöffeln Teriyakisauce"	Alle Zutaten korrekt erfasst	628	645	97,4 %
12	"Spaghetti Bolognese mit 100 g trockenen Nudeln, 150 g Hackfleisch, einer halben Tasse Marinara und einem Esslöffel Parmesan"	Alle Zutaten erfasst; verwendetes 80/20 Hackfleisch	702	735	95,5 %
13	"Lachsfilet 180 g in einem Esslöffel Olivenöl gebraten mit 200 g Süßkartoffel und einer Tasse gedämpftem Spargel"	Alle Zutaten korrekt erfasst	658	670	98,2 %
14	"Zwei-Ei-Omelette mit 30 g Cheddar-Käse, 50 g Champignons und 30 g Spinat in Butter gebraten"	Alle Zutaten erfasst; 1 EL Butter angenommen	384	395	97,2 %
15	"Truthahnsandwich auf Sauerteigbrot mit Salat, Tomate, 100 g geschnittenem Truthahn, einer Scheibe Schweizer Käse und Senf"	Alle Zutaten korrekt erfasst	418	430	97,2 %
16	"Smoothie mit einer Banane, einer Tasse gefrorenen Erdbeeren, einem Messlöffel Whey-Protein, 200 ml Mandelmilch und einem Esslöffel Chiasamen"	Alle Zutaten korrekt erfasst	372	365	98,1 %
17	"Burrito-Bowl mit 150 g Hühnchen, einer halben Tasse schwarze Bohnen, einer halben Tasse braunem Reis, einem Viertel Tasse Salsa, 50 g Avocado und Sauerrahm"	Alle Zutaten erfasst; 2 EL Sauerrahm angenommen	648	680	95,3 %
18	"200 g Rinderfilet mit 250 g Röstkartoffeln in einem Esslöffel Olivenöl und 150 g gedämpftem Brokkoli"	Alle Zutaten korrekt erfasst	692	705	98,2 %
19	"Acai-Bowl mit einem Päckchen Acai, einer Banane, 100 ml Orangensaft, garniert mit 30 g Granola und 20 g Kokosflocken"	Alle Zutaten korrekt erfasst	445	460	96,7 %
20	"Taco-Teller mit drei Maistortillas, 120 g gemahlenem Truthahn, zerrissenem Salat, gewürfelter Tomate, 40 g geriebenem Käse und Salsa"	Alle Zutaten korrekt erfasst	525	540	97,2 %

Durchschnittliche Genauigkeit Kategorie 2: 97,1 %

Kategorie 3: Einfache Mahlzeiten ohne Mengen (10 Mahlzeiten)

#	Gesprochene Beschreibung	KI-Interpretation	KI-Kalorien	Tatsächliche Kalorien	Genauigkeit
21	"Rühreier"	2 große Rühreier (Standardannahme)	182	274 (3 Eier)	66,4 %
22	"Eine Schüssel Haferflocken"	1 Tasse gekochte Haferflocken	154	230 (1,5 Tassen + Honig)	67,0 %
23	"Hähnchenbrust"	1 mittelgroße Hähnchenbrust (170 g), gegrillt	281	330 (200 g)	85,2 %
24	"Ein Toast mit Erdnussbutter"	2 Scheiben Weißbrot, 2 EL Erdnussbutter	378	520 (3 Scheiben Vollkorn + 3 EL PB)	72,7 %
25	"Griechischer Joghurt mit Obst"	170 g griechischer Joghurt, 75 g gemischte Beeren	168	210 (200 g Joghurt + Banane)	80,0 %
26	"Ein Proteinshake"	1 Messlöffel Whey-Protein, 250 ml Wasser	120	365 (Whey + Banane + PB + Milch)	32,9 %
27	"Reis und Hähnchen"	1 Tasse gekochter Reis, 150 g Hähnchenbrust	440	530 (1,5 Tassen Reis + 200 g Hähnchen + Öl)	83,0 %
28	"Ein Salat"	Gemischter grüner Salat (200 g) mit leichtem Dressing	85	350 (Caesar mit Croutons, Käse, Dressing)	24,3 %
29	"Ein Sandwich"	Truthahnsandwich auf Weißbrot	320	480 (Doppeltes Fleischclub mit Mayo)	66,7 %
30	"Pasta"	1 Tasse gekochte Spaghetti mit Marinara	310	735 (200 g trockene Pasta + Bolognese)	42,2 %

Durchschnittliche Genauigkeit Kategorie 3: 62,0 %

Kategorie 4: Vage Beschreibungen (10 Mahlzeiten)

#	Gesprochene Beschreibung	KI-Interpretation	KI-Kalorien	Tatsächliche Kalorien	Genauigkeit
31	"Mittagessen vom Thai-Laden"	Konnte nicht erfasst werden — nach Details gefragt	N/A	780	N/A
32	"Das, was ich gestern hatte"	Konnte nicht erfasst werden — nach Details gefragt	N/A	550	N/A
33	"Ein großes Frühstück"	Schätzung für großes Frühstücksgericht	650	920 (Full English)	70,7 %
34	"Restessen vom Abendessen"	Konnte nicht erfasst werden — nach Details gefragt	N/A	610	N/A
35	"Etwas von Starbucks"	Nach Spezifizierung des Getränks/Lebensmittels gefragt	N/A	420	N/A
36	"Ein paar Snacks"	Konnte nicht erfasst werden — nach Details gefragt	N/A	340	N/A
37	"Fast-Food-Kombinationsgericht"	Generische Schätzung für Fast-Food-Burger-Kombination	980	1.150 (Wendy's Baconator-Kombination)	85,2 %
38	"Ein bisschen Pizza"	2 Scheiben Käsepizza (geschätzt)	540	880 (3 große Peperoni-Scheiben)	61,4 %
39	"Eine gesunde Bowl"	Schätzung für Getreide-Bowl (Quinoa, Gemüse, Hähnchen)	450	620 (Sweetgreen Harvest Bowl)	72,6 %
40	"Baressen und Biere"	Geschätzte Barmahlzeit mit 2 Bieren	1.050	1.480 (Wings, Pommes, 3 IPAs)	70,9 %

Durchschnittliche Genauigkeit Kategorie 4: 54,3 % (außer unverständliche Einträge, bei denen Nutrola korrekt um Klarstellung bat)

Kategorie 5: Nicht-englische Lebensmittelnamen (10 Mahlzeiten)

#	Gesprochene Beschreibung	KI-Interpretation	KI-Kalorien	Tatsächliche Kalorien	Genauigkeit
41	"Pad see ew mit Tofu"	Pad see ew (thailändische gebratene Nudeln) mit Tofu, 1 Portion	410	440	93,2 %
42	"Chicken Tikka Masala mit Naan"	Chicken Tikka Masala (1 Portion) + 1 Naan	620	680	91,2 %
43	"Bibimbap mit Rindfleisch"	Koreanisches Bibimbap mit Rindfleisch, 1 Schüssel	550	590	93,2 %
44	"Pho bo"	Vietnamesische Rindfleisch-Pho, 1 große Schüssel	480	520	92,3 %
45	"Shakshuka mit zwei Eiern"	Shakshuka (Tomaten-Paprika-Sauce) + 2 Eier	310	340	91,2 %
46	"Tonkatsu mit Reis"	Paniertes Schweinekotelett (Tonkatsu) + 1 Tasse Reis	680	750	90,7 %
47	"Dal Makhani mit Roti"	Dal Makhani (1 Tasse) + 2 Roti	430	485	88,7 %
48	"Ceviche"	Fisch-Ceviche, 1 Portion (200 g)	180	210	85,7 %
49	"Gulasch"	Rindergulasch, 1 Portion	350	410	85,4 %
50	"Feijoada"	Brasilianischer schwarzer Bohneneintopf mit Schweinefleisch, 1 Portion	480	570	84,2 %

Durchschnittliche Genauigkeit Kategorie 5: 89,6 %

Zusammenfassung: Genauigkeit nach Spezifitätsstufe

Kategorie	Beschreibung	Getestete Mahlzeiten	Durchschnittliche Genauigkeit	Bereich
1	Einfache Mahlzeiten mit Mengen	10	97,7 %	93,3 – 100 %
2	Komplexe Mahlzeiten mit Mengen	10	97,1 %	95,3 – 98,2 %
3	Einfache Mahlzeiten ohne Mengen	10	62,0 %	24,3 – 85,2 %
4	Vage Beschreibungen	10	54,3 %*	61,4 – 85,2 %
5	Nicht-englische Lebensmittelnamen	10	89,6 %	84,2 – 93,2 %
Insgesamt (alle 50 Mahlzeiten)		50	80,1 %	24,3 – 100 %
Mit angegebenen Mengen (Kat 1+2)		20	97,4 %	93,3 – 100 %

*Kategorie 4 schließt 6 Einträge aus, bei denen die KI korrekt um Klarstellung bat — was selbst ein genaues Verhalten darstellt.

Die 5 häufigsten Fehlinterpretationen

Zu verstehen, wo die Sprachprotokollierung schiefgeht, hilft Ihnen, diese Fehler zu vermeiden:

Fehlinterpretation	Warum es passiert	Kalorienauswirkung	Wie man es behebt
Standardannahme von 2 Eiern, wenn Sie 3 hatten	"Rühreier" ohne Zahl löst die Standardportion aus	-90 kcal Unterzählung	Immer die Anzahl der Eier angeben
Annahme eines wasserbasierten Proteinshakes	"Proteinshake" ohne Extras wird als Pulver + Wasser angenommen	-245 kcal Unterzählung	Jedes Ingredient auflisten: "Whey, Banane, Milch, Erdnussbutter"
Generischer Salat vs. voller Salat	"Ein Salat" wird als einfacher grüner Salat mit leichtem Dressing angenommen	-265 kcal Unterzählung	Den Salattyp benennen: "Caesar-Salat mit Croutons und Parmesan"
Unterschätzung der Pastaportion	Standardportion ist 1 Tasse gekocht; viele Menschen essen 2-3 Tassen	-200 bis -425 kcal Unterzählung	Trockengewicht oder Tassenmaß der gekochten Pasta angeben
Fehlende Kochöle in der Pfanne	KI kann Zutaten protokollieren, geht aber von keinem zusätzlichen Fett aus	-120 kcal Unterzählung	Sagen Sie "in einem Esslöffel Öl gekocht" oder "in Butter gebraten"

Was diese Ergebnisse für die praktische Anwendung bedeuten

Die Daten zeigen ein klares Muster: Die Genauigkeit der Sprachprotokollierung hängt von der Spezifität der Eingaben ab, nicht von der KI-Einschränkung. Wenn Nutzer Mengen angeben — selbst grobe — erreicht Nutrola's KI eine Genauigkeit von über 97 %. Das ist vergleichbar mit der manuellen Datenbanksuche und -auswahl, die in unseren internen Tests eine Genauigkeit von 95-98 % je nach Vertrautheit des Nutzers mit Lebensmittelgewichten aufweist.

Die entscheidende Erkenntnis ist, dass die Kategorien 3 und 4 — Mahlzeiten, die ohne Mengen beschrieben werden — kein wirkliches Problem der Sprachprotokollierung sind. Es handelt sich um ein Bewusstseinsproblem bezüglich der Portionen. Wenn Sie "ein Salat" in eine Textsuchleiste eingeben würden, würden Sie mit derselben Mehrdeutigkeit konfrontiert. Die Sprachprotokollierung macht einfach bestehende Lücken in der spezifischen Wahrnehmung von Lebensmitteln sichtbar.

Nutrola's Ansatz zur Handhabung vager Eingaben ist bemerkenswert: Anstatt stillschweigend zu raten (was die ungenauen Zahlen in Kategorie 4 hervorgebracht hätte), fordert die KI Sie zur Klarstellung auf. Sechs der zehn vagen Beschreibungen lösten eine Nachfragen aus — "Was haben Sie im Thai-Laden bestellt?" oder "Was für Snacks?" Dies ist genauer als Raten und stellt den verantwortungsvollen Umgang mit mehrdeutigen Eingaben dar.

7 Tipps für maximale Genauigkeit bei der Sprachprotokollierung

Basierend auf unserem Test mit 50 Mahlzeiten sind hier die Praktiken, die konsequent die genauesten Protokolle erzeugen:

1. Mengen in beliebigen Einheiten angeben — Gramm, Tassen, Esslöffel, Scheiben, Stücke. "200 g Hähnchen" und "eine Tasse Reis" funktionieren beide. Die KI übernimmt automatisch die Umrechnungen.

2. Kochmethode und Fett angeben — "gegrilltes Hähnchen" vs. "frittiertes Hähnchen" macht einen Unterschied von über 100 Kalorien für die gleiche Portion. Immer "in Olivenöl gebraten" oder "ohne Öl gebacken" erwähnen.

3. Die Marke für verpackte Lebensmittel benennen — "Chobani Vanille-Griechischer Joghurt" zieht exakte Nährwertdaten. "Griechischer Joghurt" gibt eine generische Schätzung, die von Ihrem spezifischen Produkt um 20-50 Kalorien abweichen kann.

4. Die Anzahl der Artikel angeben — "drei Eier" nicht "Eier." "Zwei Scheiben Pizza" nicht "ein bisschen Pizza." Selbst ungefähre Zählungen ("ungefähr eine Tasse Reis") sind viel besser als keine Menge.

5. Zusammengesetzte Mahlzeiten nach Komponenten beschreiben — anstatt "Burrito" zu sagen, sagen Sie "Mehl-Tortilla mit Hähnchen, schwarzen Bohnen, Reis, Käse, Sauerrahm und Guacamole." Dies gibt der KI einzelne Zutaten, um sie genau aus der verifizierten Datenbank zu bepreisen.

6. Restaurant- und Menübezeichnungen verwenden — "Chipotle Chicken Burrito Bowl" ist genauer als die gleiche Mahlzeit generisch zu beschreiben, da Nutrola die veröffentlichten Nährwertdaten der Kette direkt abrufen kann.

7. Auf Klarstellungsaufforderungen reagieren — wenn Nutrola eine Nachfragen stellt, beantworten Sie diese. Diese 3 zusätzlichen Sekunden verwandeln eine 55 % genaue Schätzung in ein 95 % genaues Protokoll.

Wie Nutrola's verifiziertes Datenbank die Sprachgenauigkeit verbessert

Ein wesentlicher Faktor für diese Ergebnisse ist die Datenbank, die die KI-Interpretation unterstützt. Nutrola verwendet eine 100 % von Ernährungswissenschaftlern verifizierte Lebensmitteldatenbank anstelle von crowdsourced Einträgen. Das bedeutet, dass, wenn die KI "Chicken Tikka Masala" korrekt identifiziert, die Kaloriendaten, die sie zurückgibt, von Ernährungsexperten überprüft und validiert wurden — nicht von einem zufälligen Nutzer, der möglicherweise falsche Werte eingegeben hat.

Crowdsourced-Datenbanken (die von vielen konkurrierenden Apps verwendet werden) enthalten oft doppelte Einträge mit stark unterschiedlichen Kalorienwerten für dasselbe Lebensmittel. Ein sprachlich protokolliertes "Hähnchenbrust" könnte einem Eintrag zugeordnet werden, der zwischen 165 und 350 Kalorien schwankt, je nachdem, welchen Duplikat der Algorithmus auswählt. Nutrola's verifiziertes Datenbank beseitigt diese Variabilität, sodass die Genauigkeitslücke zwischen Sprachprotokollierung und manueller Protokollierung erheblich verringert wird.

In Kombination mit dem Scannen von Barcodes (über 95 % Erkennungsrate für verpackte Lebensmittel), der KI-Fotoprotoollierung für visuelle Mahlzeiten und der Sprachprotokollierung für freihändige Situationen bietet Nutrola mehrere Eingabemethoden, die alle auf dieselbe verifizierte Datenquelle zugreifen. Pläne beginnen bei €2,50 pro Monat mit einer 3-tägigen kostenlosen Testphase, und jede Funktion — einschließlich unbegrenzter Sprachprotokollierung — ist in allen Tarifen ohne Werbung verfügbar.

Häufig gestellte Fragen

Wie genau ist die Sprachkalorienverfolgung im Vergleich zur manuellen Eingabe?

In unserem Test mit 50 Mahlzeiten erreichte die Sprachprotokollierung mit spezifischen Mengen eine Genauigkeit von 97,4 %, die mit der 95-98 % Genauigkeit der manuellen Datenbanksuche übereinstimmt oder diese übertrifft. Der entscheidende Faktor ist die Spezifität der Beschreibung, nicht die Eingabemethode.

Was passiert, wenn die Sprachprotokollierung nicht versteht, was ich gesagt habe?

Nutrola stellt eine Klarstellungsfrage, anstatt zu raten. In unserem Test lösten 6 von 10 vagen Beschreibungen Nachfragen aus. Dies ist absichtlich so gestaltet — eine genaue "Ich benötige mehr Informationen"-Antwort ist besser als eine stille 500-Kalorien-Schätzung.

Funktioniert die Sprachprotokollierung auch für selbstgemachte Mahlzeiten?

Ja, und sie funktioniert am besten, wenn Sie einzelne Zutaten mit Mengen beschreiben. "Hausgemachtes Chili mit 200 g Rinderhack, einer Dose Kidneybohnen, einer Dose gewürfelten Tomaten und einem Esslöffel Olivenöl" erzielte in unseren Tests eine Genauigkeit von über 96 %. Selbstgemachte Mahlzeiten als Einzelgericht ("Chili") ohne Details zu beschreiben, senkt die Genauigkeit erheblich.

Kann die Sprachprotokollierung nicht-englische Lebensmittelnamen wie Pho, Bibimbap oder Shakshuka verarbeiten?

Ja. Unser Test umfasste 10 nicht-englische Gerichte und erzielte eine durchschnittliche Genauigkeit von 89,6 %. Nutrola's Datenbank enthält internationale Gerichte aus Dutzenden von Küchen. Bekannte Gerichte (pad see ew, tikka masala, bibimbap) erzielten über 90 %. Weniger global verbreitete Gerichte (feijoada, gulasch) erzielten leicht niedrigere Werte von 84-86 %, lagen jedoch immer noch im nützlichen Bereich.

Warum erzielte "ein Salat" nur 24,3 % Genauigkeit?

Weil die Differenz zwischen einem einfachen Beilagensalat (85 Kalorien) und einem voll beladenen Caesar-Salat mit Croutons, Parmesan und cremigem Dressing (350 Kalorien) enorm ist. Die KI ging von einem einfachen Salat aus, was die falsche Annahme für die tatsächliche Mahlzeit war. Wenn Sie "Caesar-Salat mit Croutons und Dressing" gesagt hätten, hätte die Genauigkeit über 90 % betragen.

Ist eine Gesamtgenauigkeit von 80 % gut genug für die Kalorienverfolgung?

Die Gesamtzahl von 80,1 % umfasst absichtlich vage und unverständliche Eingaben. Bei realistischen Anwendungen, bei denen Sie grundlegende Mengen angeben, liegt die Genauigkeit bei 97,4 %. Selbst bei 80 % ist die Sprachprotokollierung genauer als keine Protokollierung — Studien zeigen, dass nicht protokollierte Mahlzeiten effektiv 0 % genau sind, weil sie in Ihrem täglichen Gesamtverbrauch unsichtbar sind. Eine grobe Schätzung ist immer besser als ein fehlender Eintrag.

Wie kann ich meine Genauigkeit bei der Sprachprotokollierung sofort verbessern?

Die größte Veränderung mit dem größten Einfluss ist die Angabe einer Menge. Unsere Daten zeigen, dass die Hinzufügung einer beliebigen Menge — selbst einer Schätzung wie "ungefähr eine Tasse" oder "eine mittlere Portion" — die Genauigkeit von 62 % auf 97 % verbessert. Die zweitgrößte Veränderung ist die Nennung von Kochfetten: "in Olivenöl gekocht" oder "in Butter gebraten."

Verbessert sich die Sprachprotokollierung von Nutrola im Laufe der Zeit mit meinen Gewohnheiten?

Nutrola lernt Ihre kürzlichen Mahlzeiten und häufigen Essgewohnheiten. Wenn Sie die meisten Tage dasselbe Frühstück essen, wird die KI schneller und genauer darin, Ihre Beschreibung zu erfassen. Häufig protokollierte Artikel werden in der Interpretation priorisiert, wodurch die Mehrdeutigkeit für Mahlzeiten, die Sie regelmäßig essen, verringert wird.