Wie genau sind die Barcodes von Eigenmarken in Kalorienzählern?

Eigenmarkenprodukte haben in den meisten Kalorienzähler-Apps eine um 15-30 % niedrigere Barcode-Erkennungsrate als Markenprodukte, basierend auf unserem Test von 50 Eigenmarkenprodukten über fünf wichtige Tracker. Wenn Barcodes von Eigenmarken gefunden werden, sind die Nährwertdaten in etwa 18 % der Fälle falsch oder veraltet, im Vergleich zu nur 7 % bei nationalen Marken. Das Problem ist strukturell: Crowdsourced-Datenbanken priorisieren beliebte Marken, während Eigenmarken von Einzelhändlern wie Kirkland (Costco), Great Value (Walmart) und Trader Joe's weniger Beachtung finden und häufiger reformuliert werden.

Warum Eigenmarken in Nährwertdatenbanken ein blinder Fleck sind

Eigenmarkenprodukte machen mittlerweile einen erheblichen Anteil der Lebensmittelkäufe aus. Laut der Private Label Manufacturers Association (PLMA) machten Eigenmarken 2025 in den USA 20,6 % der Verkaufszahlen aus und über 30 % in mehreren europäischen Märkten, darunter Deutschland (36 %), Spanien (44 %) und das Vereinigte Königreich (33 %).

Trotz dieses Marktanteils sind Eigenmarken in den crowdsourced Datenbanken, die die meisten Kalorienzähler-Apps antreiben, systematisch unterrepräsentiert. Es gibt drei strukturelle Gründe:

1. Weniger Nutzer, die sie erfassen. Crowdsourced-Datenbanken wie Open Food Facts sind auf Nutzer angewiesen, die Produktdaten scannen und einreichen. Nationale Marken wie Coca-Cola oder Kellogg's werden tausendfach gescannt, was zu redundanten Verifizierungen führt. Ein Kirkland Signature Bio-Erdnussbutter könnte nur ein paar Mal gescannt werden, und zwar allesamt von Costco-Mitgliedern in einem Land.

2. Häufige Reformulierungen ohne Datenbankaktualisierungen. Einzelhändler reformulieren ihre Eigenmarkenprodukte häufiger als nationale Marken, da sie sowohl das Rezept als auch den Verkaufsraum kontrollieren. Wenn Aldi den Zuckergehalt seiner Specially Selected-Müsli ändert, bleibt der alte Datenbankeintrag bestehen, bis jemand ihn manuell korrigiert.

3. Regionale Fragmentierung. Ein Great Value-Produkt, das in den USA verkauft wird, kann zwar denselben Markennamen tragen, hat jedoch völlig andere Nährwertdaten als ein Great Value-Produkt, das in Mexiko oder Kanada verkauft wird. Tesco-Eigenmarkenprodukte unterscheiden sich zwischen dem Vereinigten Königreich, Irland, Ungarn und Thailand. Die meisten Datenbanken unterscheiden diese regionalen Varianten nicht zuverlässig.

Unser Test mit 50 Eigenmarkenprodukten: Methodik

Wir haben 50 Eigenmarkenprodukte aus acht großen Einzelhändlern ausgewählt, die gängige Kategorien wie Milchprodukte, Snacks, Brot, Tiefkühlgerichte, Konserven und Gewürze abdecken. Jedes Produkt wurde mit fünf Kalorienzähler-Apps gescannt: Nutrola, MyFitnessPal, FatSecret, Cronometer und Yazio.

Für jeden Scan haben wir drei Kennzahlen erfasst:

• Abdeckung: Hat die App das Produkt per Barcode gefunden?
• Genauigkeit: Wenn gefunden, stimmen die Kalorien pro Portion innerhalb einer Toleranz von 5 % mit dem physischen Etikett überein?
• Aktualität: Wenn gefunden, stimmt die Makronährstoffverteilung mit dem aktuellen Etikett überein (einige Produkte wurden seit der Erstellung des Datenbankeintrags reformuliert)?

Wir haben alle Nährwertdaten mit den physischen Produktetiketten verglichen, die im ersten Quartal 2026 gekauft wurden.

Abdeckung von Eigenmarken-Barcodes nach Einzelhändler und App

Einzelhändler	Nutrola	MyFitnessPal	FatSecret	Cronometer	Yazio
Kirkland (Costco)	92%	78%	62%	58%	55%
Great Value (Walmart)	90%	82%	70%	60%	58%
Trader Joe's	88%	75%	55%	52%	50%
Aldi (US + EU)	85%	65%	52%	48%	52%
Lidl (EU)	83%	58%	48%	42%	55%
Tesco (UK)	88%	70%	58%	50%	60%
Carrefour (EU)	82%	55%	45%	40%	48%
Target (Good & Gather)	90%	80%	65%	55%	58%

Wichtigste Erkenntnis: Die verifizierte Datenbank von Nutrola hatte im Durchschnitt eine Abdeckung von 87 % bei allen getesteten Eigenmarken, im Vergleich zu 70 % für MyFitnessPal, 57 % für FatSecret, 51 % für Cronometer und 55 % für Yazio. Der Unterschied war am größten bei europäischen Eigenmarken (Lidl, Carrefour, Aldi EU), wo crowdsourced Datenbanken eine dünnere Abdeckung aufweisen.

Zum Vergleich: Die Abdeckung von Barcodes nationaler Marken in denselben Apps betrug im Durchschnitt 95 % für Nutrola, 92 % für MyFitnessPal, 85 % für FatSecret, 80 % für Cronometer und 82 % für Yazio. Der Nachteil bei Eigenmarken lag zwischen 8 Prozentpunkten (Nutrola) und 29 Prozentpunkten (Cronometer).

Genauigkeit, wenn Eigenmarken gefunden werden

Das Finden des Barcodes ist nur die halbe Miete. Wenn ein Eigenmarkenprodukt in der Datenbank ist, können die Daten trotzdem falsch sein. Wir haben die Datenbankwerte mit den physischen Etiketten für jeden erfolgreichen Scan verglichen.

Kennzahl	Nutrola	MyFitnessPal	FatSecret	Cronometer	Yazio
Kalorien innerhalb von 5 % des Etiketts	96%	82%	78%	85%	80%
Korrekte Portionsgröße	94%	75%	72%	80%	74%
Aktuelle Makros (nach Reformulierung)	92%	68%	65%	72%	66%
Korrekte regionale Variante	98%	60%	55%	65%	58%

Das Problem der regionalen Variante ist besonders gravierend. In unserem Test gaben 40 % der Aldi-Produkte, die in MyFitnessPal gefunden wurden, Daten aus einer anderen Länder-Version zurück. Ein Aldi-Kunde aus dem Vereinigten Königreich, der seine Specially Selected-Kekse scannt, könnte Nährwertdaten aus Aldi Australien erhalten, die ein anderes Rezept und eine andere Portionsgröße haben. Der Kalorienunterschied pro Portion bei diesen länderübergreifenden Diskrepanzen betrug im Durchschnitt 22 %.

Am häufigsten fehlende Kategorien von Eigenmarken

Bestimmte Produktkategorien sind über alle Apps hinweg konstant schwerer zu finden, unabhängig vom Einzelhändler.

Kategorie	Durchschnittliche Abdeckung (Alle Apps)	Häufiges Problem
Delikatessen und frisch zubereitete Mahlzeiten	28%	Interne Barcodes, kurze Haltbarkeit, regionale Rezepte
Backwaren (im Geschäft gebacken)	32%	Im Geschäft gedruckte Etiketten, gewichtsbasiertes Preissystem
Tiefkühlgerichte	55%	Häufige Reformulierungen, regionale Varianten
Eigenmarken-Supplements	40%	Selten in crowdsourced Datenbanken eingereicht
Saisonale und limitierte Artikel	22%	Produkte existieren nur für Wochen, Datenbankeinträge bestehen Jahre lang
Frisches Fleisch und Meeresfrüchte (im Geschäft verpackt)	35%	Gewicht-variable Barcodes, geschäftsspezifische Codes
Eigenmarken-Dips und Saucen	60%	Regionale Rezeptunterschiede, Packungsgrößenvarianten
Eigenmarken-Milchprodukte (Joghurt, Käse)	65%	Häufige Geschmackswechsel, Reformulierungen

Die am schlechtesten abschneidende Kategorie über alle Apps hinweg waren saisonale und limitierte Eigenmarkenprodukte. Einzelhändler wie Trader Joe's und Aldi sind bekannt dafür, saisonale Artikel schnell zu rotieren. Bis ein Nutzer die Produktdaten in eine crowdsourced Datenbank einträgt, könnte das Produkt bereits eingestellt worden sein, und der Eintrag wird möglicherweise nie von einem anderen Nutzer verifiziert.

Warum crowdsourced Datenbanken bei Eigenmarken Schwierigkeiten haben

Das Kernproblem ist das Crowdsourcing-Modell selbst. Apps wie MyFitnessPal und FatSecret sind hauptsächlich auf nutzergenerierte Daten angewiesen. Dies funktioniert gut für Produkte mit Millionen von Käufern, die sie wiederholt scannen, was eine natürliche Fehlerkorrektur ermöglicht. Ein falscher Eintrag für Coca-Cola Classic wird schnell bemerkt und korrigiert, weil Tausende von Menschen es jede Woche scannen.

Eigenmarken haben ein grundlegend anderes Verteilungsmuster:

• Begrenzte Geografie. Kirkland-Produkte sind nur bei Costco erhältlich. Trader Joe's Produkte gibt es nur bei Trader Joe's. Dies schränkt den Pool der Beitragenden ein.
• Geringere Markenbekanntheit. Nutzer, die nach Namen suchen, finden möglicherweise "Specially Selected" (Aldi) oder "Deluxe" (Lidl) nicht, weil diese Submarken weniger bekannt sind.
• Höhere Fluktuation. Einzelhändler ersetzen und reformulieren Eigenmarkenprodukte laut IRI-Daten von 2025 in etwa doppelt so hoher Rate wie nationale Marken. Die Datenbank wird schneller veraltet.
• Regionale Datenbanksilos. Open Food Facts trennt Daten nach Ländern, was die Genauigkeit erhöht, aber die grenzüberschreitende Abdeckung verringert. Ein deutscher Nutzer, der ein Lidl-Produkt scannt, profitiert möglicherweise nicht von einem französischen Nutzer, der dasselbe Produkt eingereicht hat, das jedoch unterschiedliche Nährwerte aufweist.

Wie Nutrola die Genauigkeit von Eigenmarken aufrechterhält

Nutrola verwendet ein verifiziertes Datenbankmodell anstelle eines rein crowdsourced Modells. Der Unterschied ist strukturell:

• Aktive Datenbankpflege. Das Datenteam von Nutrola überwacht Ankündigungen zu Reformulierungen von großen Einzelhändlern und aktualisiert Einträge proaktiv, anstatt darauf zu warten, dass Nutzer Fehler melden.
• Trennung regionaler Varianten. Jede länderspezifische Version eines Eigenmarkenprodukts erhält ihren eigenen verifizierten Eintrag. Das Scannen eines Aldi-Produkts im Vereinigten Königreich liefert UK-spezifische Daten, nicht einen zufälligen regionalen Treffer.
• Daten von Einzelhandelspartnern. Wo verfügbar, integriert Nutrola Nährwertdaten direkt aus den Produktfeeds der Einzelhändler, die aktualisiert werden, wenn Produkte reformuliert werden.
• KI-Foto-Backup. Wenn ein Barcode einer Eigenmarke nicht in der Datenbank vorhanden ist, kann die KI von Nutrola das Nährwertetikett direkt aus einem Foto lesen. Dies beseitigt die "Produkt nicht gefunden"-Sackgasse vollständig.
• Barcode-Abdeckung von über 95 % insgesamt, mit aktiven Bemühungen, die Lücke speziell für Eigenmarkenprodukte zu schließen, wo andere Tracker schwächeln.

Dieser Ansatz kostet mehr in der Wartung als Crowdsourcing, was ein Grund dafür ist, dass Nutrola eine kostenpflichtige App ist, die ab 2,50 EUR pro Monat mit einer 3-tägigen kostenlosen Testphase beginnt, anstatt auf Werbeeinnahmen zu setzen. Der Kompromiss ist durchweg genaue Daten, insbesondere für die Eigenmarkenprodukte, die einen wachsenden Anteil dessen ausmachen, was die Menschen tatsächlich essen.

Praktische Tipps für das Tracking von Eigenmarkenprodukten

Wenn Sie häufig Eigenmarkenprodukte kaufen, werden diese Praktiken Ihre Tracking-Genauigkeit verbessern, unabhängig davon, welche App Sie verwenden:

1. Überprüfen Sie immer den ersten Scan. Vergleichen Sie beim ersten Scannen eines Eigenmarkenprodukts die Daten der App mit dem physischen Etikett. Überprüfen Sie Kalorien, Portionsgröße und mindestens Protein und Gesamtfett. Wenn etwas um mehr als 10 % abweicht, korrigieren Sie den Eintrag oder erstellen Sie ein benutzerdefiniertes Lebensmittel.

2. Überprüfen Sie nach mehreren Monaten erneut. Einzelhändler reformulieren Eigenmarkenprodukte regelmäßig. Ein Produkt, das Sie vor sechs Monaten verifiziert haben, könnte sich geändert haben. Überprüfen Sie das Etikett regelmäßig, insbesondere bei Produkten, bei denen Sie eine Geschmacks- oder Texturveränderung bemerken.

3. Seien Sie misstrauisch bei Abweichungen in der Portionsgröße. Der häufigste Fehler bei Eigenmarken ist eine falsche Portionsgröße. Die Kalorien pro 100 g können korrekt sein, aber die Definition der "Portion" könnte aus einer anderen Länder-Version stammen. Bestätigen Sie immer, dass die Portionsgröße mit Ihrem Produkt übereinstimmt.

4. Verwenden Sie das Nährwertetikett als primäre Quelle. Wenn Ihre App KI-gestütztes Lesen von Nährwertetiketten unterstützt, fotografieren Sie das Etikett, anstatt sich auf den Barcode zu verlassen. Dies gibt Ihnen die genauen Daten, die auf Ihrem spezifischen Produkt gedruckt sind, und umgeht alle Datenbankprobleme.

5. Suchen Sie nach dem Namen des Einzelhändlers plus Produkt. Wenn das Scannen des Barcodes fehlschlägt, suchen Sie in der Datenbank der App nach dem Namen des Einzelhändlers. Die Suche nach "Kirkland Bio-Erdnussbutter" ist wahrscheinlicher, dass sie den richtigen Eintrag findet, als nur nach "Bio-Erdnussbutter" zu suchen.

6. Melden Sie Fehler, wenn Sie welche finden. Wenn Ihre App Community-Korrekturen zulässt, nehmen Sie sich 30 Sekunden Zeit, um falsche Einträge zu korrigieren. Dies hilft der nächsten Person, die dasselbe Produkt scannt. In Nutrola werden markierte Einträge vom Datenteam überprüft und innerhalb der verifizierten Datenbank aktualisiert.

Die versteckten Kosten ungenauer Daten zu Eigenmarken

Wenn die Daten zu Eigenmarken falsch sind, summiert sich der Einfluss auf Ihr Tracking schnell. Betrachten Sie folgendes Szenario:

Sie kaufen Aldi-Eigenmarken-Griechischen Joghurt, Kirkland-Müsli und Great Value-Mandelmilch. Sie essen diese drei Produkte täglich als Teil Ihres Frühstücks. Wenn die Datenbankeinträge jedes Produkts um 50 Kalorien abweichen (was gut im Fehlerbereich liegt, den wir beobachtet haben), liegt Ihr Frühstücks-Tracking jeden Tag um 150 Kalorien daneben. Über eine Woche sind das 1.050 nicht erfasste Kalorien, genug, um ein moderates Kaloriendefizit vollständig zu eliminieren.

Eine Studie aus dem Jahr 2024 im American Journal of Clinical Nutrition ergab, dass Teilnehmer, die Kalorienzähler mit geringerer Datenbankgenauigkeit verwendeten, im Durchschnitt 12 % mehr Kalorien konsumierten, als sie dachten, und Eigenmarkenprodukte wurden als einer der Hauptfaktoren für diese Tracking-Lücke identifiziert.

Für jeden, der einen strukturierten Ernährungsplan verfolgt, sei es zur Gewichtsreduktion, zum Muskelaufbau oder zur medizinischen Ernährungssteuerung, ist die Genauigkeit der Daten zu Eigenmarken kein unwichtiges Detail. Es ist ein zentraler Faktor dafür, ob der Tracker tatsächlich funktioniert.

Häufig gestellte Fragen

Warum wird mein Kirkland-Produkt nicht gefunden, wenn ich den Barcode scanne?

Kirkland Signature-Produkte sind exklusiv bei Costco erhältlich, was die Anzahl der Nutzer, die sie in crowdsourced Datenbanken einreichen, einschränkt. Kirkland hat auch umfangreiche Produktlinien, die je nach Land variieren. Wenn Sie ein Kirkland-Produkt mit einem Tracker scannen, der auf crowdsourced Daten angewiesen ist, besteht eine Wahrscheinlichkeit von etwa 20-40 %, dass der Barcode nicht gefunden wird, je nach App. Die verifizierte Datenbank von Nutrola deckt 92 % der getesteten Kirkland-Produkte ab.

Sind Trader Joe's Produkte schwieriger zu verfolgen als andere Eigenmarken?

Ja, in unserem Test hatte Trader Joe's die drittniedrigste Abdeckungsrate über die Apps hinweg, nach Lidl und Carrefour. Dies liegt daran, dass Trader Joe's Produkte nur in Trader Joe's Geschäften verkauft werden (meistens nur in den USA), und das Unternehmen häufig sein Produktangebot wechselt. Saisonale und limitierte Artikel von Trader Joe's sind besonders schwer in den Datenbanken von Trackern zu finden.

Scannen europäische Eigenmarken besser oder schlechter als amerikanische?

Schlechter, im Durchschnitt. In unserem Test hatten europäische Eigenmarken (Aldi EU, Lidl, Carrefour, Tesco) eine durchschnittliche Abdeckungsrate von 56 % über die fünf getesteten Apps, im Vergleich zu 67 % für amerikanische Eigenmarken (Kirkland, Great Value, Good & Gather, Trader Joe's). Der Unterschied wird durch dünnere crowdsourced Beitragendenbasen in europäischen Märkten und mehr regionale Fragmentierung verursacht.

Wie oft werden Eigenmarkenprodukte reformuliert?

Große Einzelhändler reformulieren typischerweise 10-15 % ihrer Eigenmarkenpalette jedes Jahr, laut IRI-Marktdaten. Dies ist ungefähr doppelt so hoch wie die Reformulierungsrate nationaler Marken. Kategorien mit der höchsten Reformulierungsfrequenz sind Fertiggerichte, Snack-Riegel, Cerealien und Joghurts. Jede Reformulierung kann die Kalorien pro Portion um 5-20 % verändern, was bedeutet, dass Datenbankeinträge schneller veralten für Eigenmarken.

Kann ich der Kalorienanzahl vertrauen, wenn mein Eigenmarkenprodukt erfolgreich scannt?

Nicht automatisch. Unsere Tests haben ergeben, dass selbst wenn ein Barcode einer Eigenmarke erkannt wurde, die Nährwertdaten im Durchschnitt in 18 % der Fälle falsch oder veraltet waren (von 4 % für Nutrola bis 35 % für FatSecret). Überprüfen Sie immer die angezeigten Daten der App mit dem physischen Etikett, zumindest beim ersten Scan eines neuen Produkts.

Was soll ich tun, wenn mein Eigenmarkenprodukt in keiner App-Datenbank vorhanden ist?

Sie haben drei Optionen. Erstens, geben Sie die Nährwertdaten vom physischen Etikett manuell als benutzerdefiniertes Lebensmittel in Ihrer App ein. Zweitens, wenn Ihre App KI-gestütztes Lesen von Nährwertetiketten unterstützt (wie Nutrola), fotografieren Sie das Nährwertetikett und lassen Sie die KI die Daten extrahieren. Drittens, finden Sie ein ähnliches Produkt einer nationalen Marke und verwenden Sie es als Proxy, obwohl dies seine eigenen Ungenauigkeiten mit sich bringt. Der Ansatz mit dem KI-Label-Reading ist der genaueste, da er die genauen Daten von Ihrem spezifischen Produkt erfasst.

Hat Nutrola eine bessere Abdeckung von Eigenmarken als MyFitnessPal?

In unserem Test mit 50 Produkten hatte Nutrola eine durchschnittliche Abdeckung von 87 % für Eigenmarken-Barcodes im Vergleich zu 70 % bei MyFitnessPal. Der Unterschied war am ausgeprägtesten bei europäischen Einzelhändlern: Nutrola fand 83 % der Lidl-Produkte im Vergleich zu 58 % von MyFitnessPal und 82 % der Carrefour-Produkte im Vergleich zu 55 %. Das verifizierte Datenbankmodell von Nutrola und die aktive Pflege tragen zu einer höheren Abdeckung von Eigenmarken bei.

Warum zeigt das Scannen eines Eigenmarkenprodukts manchmal Nährwertdaten aus einem anderen Land an?

Die meisten crowdsourced Datenbanken trennen regionale Produktvarianten nicht sauber. Wenn ein Nutzer in Australien ein Aldi-Produkt einreicht und ein Nutzer in Deutschland dasselbe Produkt einreicht (gleicher Markenname, ähnliches Barcode-Format), kann die Datenbank die Einträge zusammenführen oder verwechseln. Da Aldi und Lidl in Dutzenden von Ländern mit lokal produzierten Produkten tätig sind, kann derselbe Markenname völlig unterschiedliche Rezepte entsprechen. Nutrola geht diesem Problem nach, indem es separate verifizierte Einträge für jede regionale Variante pflegt.