Wir haben 100 Restaurantbestellungen per Sprachaufzeichnung erfasst — Wie genau hat AI sie verstanden?
Wir haben die Sprachaufzeichnung von AI bei 100 echten Restaurantbestellungen in Fast-Food, Casual Dining, ethnischen Restaurants, Fine Dining und Cafés getestet. Fast Food erreichte eine Kaloriengenauigkeit von 92%. Fine Dining kam nur auf 74%.
Die AI-Sprachaufzeichnung erzielte eine durchschnittliche Kaloriengenauigkeit von 84% bei 100 Restaurantbestellungen, jedoch variierte die Leistung je nach Restaurantkategorie erheblich: Fast Food erreichte 92%, Casual Dining 86%, ethnische Restaurants 82%, Cafés und Frühstückslokale 80% und Fine Dining landete mit 74% auf dem letzten Platz. Der entscheidende Faktor war nicht die Komplexität der Speisen, sondern wie standardisiert die Namen der Menüelemente waren. Ein „Big Mac“ hat eine exakte Kalorienzahl. Ein „in der Pfanne gebratenes Entenbrustfilet mit Kirschreduktion“ jedoch nicht.
Essen gehen ist der Punkt, an dem die Kalorienverfolgung für die meisten Menschen scheitert. Eine Studie, die im BMJ veröffentlicht wurde, fand heraus, dass Restaurantmahlzeiten im Durchschnitt 1.205 Kalorien enthalten — also etwa doppelt so viel, wie die meisten Gäste schätzen. Die Sprachaufzeichnung bietet eine Möglichkeit, in Echtzeit festzuhalten, was man bestellt hat, ohne während des Essens das Handy herauszuholen, um in einer Datenbank nachzuschlagen. Doch die Frage bleibt, ob AI die Vielzahl an Möglichkeiten, wie Menschen Restaurantessen beschreiben, genau interpretieren kann.
Wir haben die Sprachaufzeichnungsfunktion von Nutrola verwendet, um alle 100 Bestellungen zu testen. Jede Bestellung wurde so natürlich ausgesprochen, wie man es einem Freund beschreiben würde, und wir verglichen die Kalorienabschätzung der AI mit verifizierten Nährwertdaten aus den veröffentlichten Nährwertleitfäden der Restaurants, USDA FoodData Central und Nutrolas Datenbank mit über 500.000 Lebensmitteln.
Testdesign: 100 Bestellungen in 5 Restaurantkategorien
Wir haben die 100 Bestellungen gleichmäßig auf fünf Kategorien verteilt:
| Kategorie | Bestellungen | Warum diese Kategorie |
|---|---|---|
| Fast Food | 20 | Hochstandardisierte Menüs, veröffentlichte Nährwertdaten |
| Casual Dining | 20 | Teilweise standardisiert, größere Portionen, variierte Zubereitung |
| Ethnische Restaurants | 20 | Nicht-englische Gerichtsnamen, komplexe Gewürz-/Soßenprofile |
| Fine Dining | 20 | Chef-gesteuerte Beschreibungen, kleine Portionen, reichhaltige Zubereitungen |
| Café und Frühstück | 20 | Mischung aus einfachen Gerichten und individuellen Bestellungen |
Die Genauigkeit wurde berechnet als:
Genauigkeit = 100 - (|AI geschätzte Kalorien - tatsächliche Kalorien| / tatsächliche Kalorien x 100)
Jede Bestellung wurde einmal per Sprachaufzeichnung erfasst, wie es ein echter Nutzer in einer realen Essenssituation tun würde — keine Wiederholungen, keine Korrekturen, keine zusätzlichen Details über das hinaus, was man natürlich sagen würde.
Kategorie 1: Fast Food — 92% Durchschnittliche Genauigkeit
Fast Food ist die einfachste Kategorie für die AI-Sprachaufzeichnung. Menüelemente haben exakte, markenrechtlich geschützte Namen. Nährwertdaten sind veröffentlicht und gesetzlich vorgeschrieben. Die Portionen sind festgelegt. Die AI muss lediglich das gesprochene Element mit einem Datenbankeintrag abgleichen.
| # | Gesprochene Bestellung | AI-Interpretation | AI Kal | Tatsächliche Kal | Gen. |
|---|---|---|---|---|---|
| 1 | "ein Big Mac Menü mit einer mittleren Pommes und Diet Coke" | Big Mac (550), Mittlere Pommes (320), Diet Coke (0) | 870 | 870 | 100% |
| 2 | "ein Whopper mit Käse und Zwiebelringen" | Whopper mit Käse (790), Zwiebelringe mittel (410) | 1200 | 1170 | 97% |
| 3 | "zwei McChickens und eine große Coke" | McChicken x2 (800), Coca-Cola groß (290) | 1090 | 1090 | 100% |
| 4 | "ein Crunchwrap Supreme und ein Baja Blast" | Crunchwrap Supreme (530), Baja Blast mittel (250) | 780 | 780 | 100% |
| 5 | "ein Nummer 1 Combo bei Chick-fil-A" | Chick-fil-A Chicken Sandwich, Waffle Fries mittel, Getränk mittel | 1060 | 1100 | 96% |
| 6 | "ein Quarter Pounder mit Käse, ohne Gurken" | Quarter Pounder mit Käse (520) | 520 | 520 | 100% |
| 7 | "sechs Stück Nuggets mit Barbecuesoße und einer kleinen Pommes" | 6 Stück McNuggets (250), BBQ-Soße (45), Kleine Pommes (220) | 515 | 510 | 99% |
| 8 | "ein Baconator und ein Schokoladen Frosty" | Baconator (960), Schokoladen Frosty klein (350) | 1310 | 1310 | 100% |
| 9 | "eine Chicken Quesadilla von Taco Bell" | Chicken Quesadilla (500) | 500 | 500 | 100% |
| 10 | "ein Double-Double animal style von In-N-Out" | Double-Double Animal Style (770) | 770 | 770 | 100% |
| 11 | "ein Footlong Italian BMT auf Weizen" | Subway Italian BMT, Weizen, 12-Zoll | 820 | 900 | 91% |
| 12 | "ein scharfer Hühnchen-Sandwich-Combo von Popeyes" | Popeyes Spicy Chicken Sandwich (700), Normale Pommes (260), Getränk (250) | 1210 | 1230 | 98% |
| 13 | "zehn Stück McNuggets mit süß-saurer Soße" | 10 Stück McNuggets (410), Süß-Sauer-Soße (50) | 460 | 460 | 100% |
| 14 | "ein Dave's Single mit einem Beilagensalat" | Wendy's Dave's Single (590), Beilagensalat (30) | 620 | 610 | 98% |
| 15 | "ein Chalupa-Box von Taco Bell" | Chalupa Supreme Box (1050) | 1050 | 1080 | 97% |
| 16 | "eine große Peperoni-Pizza von Domino's, zwei Stück" | Domino's Peperoni-Pizza, groß, 2 Stück | 580 | 600 | 97% |
| 17 | "ein Filet-o-Fish mit einer mittleren Pommes" | Filet-O-Fish (390), Mittlere Pommes (320) | 710 | 710 | 100% |
| 18 | "eine Burrito-Schüssel mit Hühnchen, Reis, schwarzen Bohnen und Guacamole von Chipotle" | Chipotle Bowl: Hühnchen, weißer Reis, schwarze Bohnen, Guacamole | 780 | 835 | 93% |
| 19 | "drei weiche Tacos mit Rindfleisch von Taco Bell" | Weicher Taco, gewürztes Rindfleisch x3 (510) | 510 | 510 | 100% |
| 20 | "ein gegrilltes Hühnchen-Sandwich und eine Obstschale von Chick-fil-A" | Gegrilltes Hühnchen-Sandwich (390), Obstschale (60) | 450 | 460 | 98% |
Durchschnittliche Genauigkeit: 92% (Bereich: 91-100%)
Nur zwei Bestellungen lagen unter 95%. Der Subway Italian BMT fiel auf 91%, weil Subway-Sandwiches je nach Belag variieren — die AI nahm an, es sei ein Standardaufbau, aber „auf Weizen“ spezifizierte nicht, ob Käse, Öl oder Gemüse enthalten waren. Die Chipotle-Schüssel erreichte 93%, weil die Guacamole-Portion bei Chipotle großzügig ist (230 Kalorien pro Portion) und die AI die Reisportion leicht unterschätzte.
Wichtige Erkenntnis: Markierte Menüelementnamen fungieren als präzise Identifikatoren. Wenn Sie „Big Mac“ sagen, schätzt die AI nicht — sie ruft einen exakten Treffer ab.
Kategorie 2: Casual Dining — 86% Durchschnittliche Genauigkeit
Casual Dining-Restaurants wie Applebee's, Olive Garden und lokale Grillrestaurants stellen einen Mittelweg dar. Viele Ketten veröffentlichen Nährwertdaten, aber die Beschreibungen sind weniger standardisiert und die Portionen sind größer und variabler.
| # | Gesprochene Bestellung | AI-Interpretation | AI Kal | Tatsächliche Kal | Gen. |
|---|---|---|---|---|---|
| 21 | "der gegrillte Lachs mit geröstetem Gemüse und einem Caesar-Salat" | Gegrilltes Lachsfilet (6 oz), geröstetes Gemüse, Caesar-Salat | 680 | 750 | 91% |
| 22 | "ein Bacon-Cheeseburger mit Pommes" | Bacon-Cheeseburger (8 oz Patty), normale Pommes | 1150 | 1320 | 87% |
| 23 | "Hühnchen Alfredo von Olive Garden" | Olive Garden Hühnchen Alfredo | 1570 | 1570 | 100% |
| 24 | "ein Ribeye-Steak mit einer Ofenkartoffel und Sauerrahm" | Ribeye-Steak (12 oz), Ofenkartoffel, Sauerrahm (2 EL) | 980 | 1100 | 89% |
| 25 | "Fisch und Pommes mit Remoulade" | Bier-batterter Fisch (2 Stück), Pommes, Remoulade (2 EL) | 950 | 1080 | 88% |
| 26 | "ein Truthahn-Club-Sandwich mit Süßkartoffelpommes" | Truthahn-Club-Sandwich, Süßkartoffelpommes | 920 | 980 | 94% |
| 27 | "eine Schüssel Muschelsuppe und ein Brötchen" | New England Muschelsuppe (12 oz), Brötchen | 430 | 460 | 93% |
| 28 | "die Hühnchen-Nuggets mit Honig-Senf und Krautsalat" | Hühnchen-Nuggets (4 Stück), Honig-Senf (2 EL), Krautsalat | 780 | 890 | 88% |
| 29 | "ein Cobb-Salat mit Ranch-Dressing" | Cobb-Salat, Ranch-Dressing (2 EL) | 620 | 760 | 82% |
| 30 | "Shrimp Scampi mit Knoblauchbrot" | Shrimp Scampi, Linguine, Knoblauchbrot (2 Stück) | 860 | 940 | 91% |
| 31 | "ein Margherita-Fladenbrot und ein Haus-Salat" | Margherita-Fladenbrot-Pizza, Haus-Salat mit Vinaigrette | 680 | 730 | 93% |
| 32 | "gefüllte Kartoffelhäute als Vorspeise" | Gefüllte Kartoffelhäute (6 Stück), Speck, Käse, Sauerrahm | 620 | 710 | 87% |
| 33 | "eine BBQ-Hühnchen-Pizza, zwei Stück" | BBQ-Hühnchen-Pizza, 2 Stück (14 Zoll) | 560 | 640 | 88% |
| 34 | "das blackened Hühnchen-Sandwich mit einer Obstbeilage" | Blackened Hühnchen-Sandwich, gemischte Obstschale | 580 | 610 | 95% |
| 35 | "ein French Dip-Sandwich mit Au Jus" | French Dip, Rindfleisch, Hoagie-Brötchen, Au Jus | 620 | 680 | 91% |
| 36 | "Hühnchen Parmesan mit Spaghetti" | Hühnchen Parmesan (panierte Schnitzel), Marinara, Mozzarella, Spaghetti | 1080 | 1260 | 86% |
| 37 | "Nachos Grande zum Teilen" | Nachos mit Käse, Rindfleisch, Bohnen, Jalapeños, Sauerrahm | 1300 | 1540 | 84% |
| 38 | "ein Southwest-Hühnchen-Salat mit Avocado-Ranch" | Southwest-Hühnchen-Salat, Avocado-Ranch-Dressing | 680 | 820 | 83% |
| 39 | "Mozzarella-Sticks und eine Seite Marinara" | Mozzarella-Sticks (6 Stück), Marinara-Soße | 510 | 560 | 91% |
| 40 | "eine Teriyaki-Hühnchen-Schüssel mit weißem Reis" | Teriyaki-Hühnchen, weißer Reis (1,5 Tassen), gedämpftes Gemüse | 720 | 780 | 92% |
Durchschnittliche Genauigkeit: 86% (Bereich: 82-100%)
Die größten Genauigkeitsverluste kamen aus drei Quellen:
Butter und Öl in der Restaurantküche. Restaurants verwenden erheblich mehr Butter und Öl als Hausköche. Die Schätzung der AI für das Ribeye war niedrig, weil sie die Butter, die die meisten Steakhäuser verwenden, nicht vollständig berücksichtigte.
Portionen von Dressings und Soßen. Die Portionsgrößen für Salatdressings in Restaurants sind typischerweise 3-4 Esslöffel, nicht die 2 Esslöffel, die die AI annahm. Dies führte dazu, dass der Cobb-Salat um 140 Kalorien unterschätzt wurde.
Vorspeisenportionen. Geteilte Vorspeisen wie Nachos Grande sind notorisch kalorienreich, und die AI unterschätzte die Mengen an Käse und Sauerrahm.
Der Olive Garden Hühnchen Alfredo erreichte 100%, weil es sich um einen Kettenartikel mit veröffentlichten Nährwertdaten handelt, die die AI exakt abgerufen hat.
Kategorie 3: Ethnische Restaurants — 82% Durchschnittliche Genauigkeit
Bestellungen in ethnischen Restaurants bringen nicht-englische Gerichtsnamen, komplexe Soßen- und Gewürzprofile sowie große Variationen in den Zubereitungsmethoden zwischen den Restaurants mit sich. Die AI muss Gerichtsnamen aus verschiedenen Küchen erkennen und kaloriendichte Komponenten wie Kokosmilch, Ghee und Palmöl schätzen.
| # | Gesprochene Bestellung | AI-Interpretation | AI Kal | Tatsächliche Kal | Gen. |
|---|---|---|---|---|---|
| 41 | "Hühnchen Tikka Masala mit Knoblauch-Naan und Basmati-Reis" | Hühnchen Tikka Masala (10 oz), Knoblauch-Naan (1 Stück), Basmati-Reis (1 Tasse) | 880 | 960 | 92% |
| 42 | "eine Rindfleisch-Pho mit Sriracha und Hoisin" | Pho Bo, Rindfleisch, Reisnudeln, Brühe, Sriracha, Hoisin | 520 | 550 | 95% |
| 43 | "Pad Thai mit Garnelen" | Pad Thai, Garnelen, Reisnudeln, Erdnüsse, Sojasprossen | 550 | 630 | 87% |
| 44 | "ein Hühnchen Shawarma-Teller mit Hummus und Pita" | Hühnchen Shawarma, Hummus (1/3 Tasse), Pita-Brot (2 Stück), Reis | 780 | 850 | 92% |
| 45 | "eine California-Rolle und eine scharfe Thunfischrolle" | California-Rolle (8 Stück), scharfe Thunfischrolle (8 Stück) | 560 | 590 | 95% |
| 46 | "Lamm Biryani mit Raita" | Lamm Biryani (12 oz), Raita (1/4 Tasse) | 680 | 780 | 87% |
| 47 | "eine Bento-Box mit Teriyaki-Lachs, Reis und Miso-Suppe" | Teriyaki-Lachs, weißer Reis, Miso-Suppe, Beilagensalat | 720 | 760 | 95% |
| 48 | "drei Al Pastor-Tacos mit Koriander und Zwiebeln" | Tacos Al Pastor x3, Maistortillas, Koriander, Zwiebeln | 540 | 570 | 95% |
| 49 | "ein grünes Curry mit Tofu und Jasminreis" | Thailändisches grünes Curry, Tofu, Kokosmilch, Jasminreis (1 Tasse) | 620 | 720 | 86% |
| 50 | "ein Bulgogi-Teller mit Kimchi und gedämpftem Reis" | Bulgogi (Rindfleisch), Kimchi, gedämpfter weißer Reis | 650 | 710 | 92% |
| 51 | "ein Falafel-Wrap mit Tahini und eingelegten Rüben" | Falafel-Wrap: Falafel (5 Stück), Tahini, eingelegte Rüben, Pita | 580 | 640 | 91% |
| 52 | "Butter-Hühnchen mit zwei Chapatis" | Butter-Hühnchen (10 oz), Chapati x2 | 760 | 890 | 85% |
| 53 | "eine Schüssel Tonkotsu-Ramen" | Tonkotsu-Ramen, Schweinebrühe, Chashu, Ei, Nudeln | 580 | 700 | 83% |
| 54 | "Jerk-Hühnchen mit Reis und Erbsen und Kochbananen" | Jerk-Hühnchen, Reis und Erbsen, frittierte Kochbananen | 820 | 940 | 87% |
| 55 | "ein Lamm-Gyros mit Tzatziki und einer Seite griechischer Salat" | Lamm-Gyros, Tzatziki, Pita, griechischer Salat | 720 | 800 | 90% |
| 56 | "Hühnchen Katsu-Curry mit Reis" | Japanisches Hühnchen Katsu, Currysauce, weißer Reis | 850 | 980 | 87% |
| 57 | "ein Mole-Enchilada-Teller mit Reis und Bohnen" | Mole-Enchiladas (3), mexikanischer Reis, Refried Beans | 880 | 1020 | 86% |
| 58 | "ein Dosa mit Sambar und Kokosnuss-Chutney" | Masala Dosa, Sambar, Kokosnuss-Chutney | 380 | 410 | 93% |
| 59 | "ein Teller Jollof-Reis mit frittierter Hähnchen" | Jollof-Reis (1,5 Tassen), frittierte Hähnchen (2 Stück) | 780 | 920 | 85% |
| 60 | "eine Bestellung Xiaolongbao, acht Stück" | Xiaolongbao (Suppenknödel) x8 | 360 | 440 | 82% |
Durchschnittliche Genauigkeit: 82% (Bereich: 82-95%)
Die AI erkannte jeden Gerichtsnamen korrekt, einschließlich Xiaolongbao, Bulgogi und Jollof-Reis, was beeindruckend ist. Die Genauigkeitsverluste kamen nicht von Erkennungsfehlern, sondern von Kalorienunterbewertungen — insbesondere:
- Kokosmilch und Ghee. Gerichte wie grünes Curry, Butter-Hühnchen und Tonkotsu-Ramen sind kaloriendicht aufgrund von Kokosmilch, Butter/Ghee und Schweinefett. Die AI unterschätzte diese Komponenten konsequent um 80-150 Kalorien.
- Frittierte Komponenten. Frittierte Kochbananen, frittierte Hähnchen in Jollof-Reis und Katsu-Schnitzel absorbieren Öl beim Frittieren. Die AI unterschätzte die Ölaufnahme bei 4 der 20 Bestellungen.
- Restaurantspezifische Portionen. Eine Schüssel Tonkotsu-Ramen in einem Restaurant enthält typischerweise mehr Nudeln und reichhaltigere Brühe als eine Standardrezept-Schätzung.
Kategorie 4: Fine Dining — 74% Durchschnittliche Genauigkeit
Fine Dining war die schwierigste Kategorie. Chef-gesteuerte Beschreibungen, reichhaltige Soßen, butterveredelte Gerichte und nicht-standardisierte Portionsbezeichnungen stellen Herausforderungen für die AI-Interpretation dar.
| # | Gesprochene Bestellung | AI-Interpretation | AI Kal | Tatsächliche Kal | Gen. |
|---|---|---|---|---|---|
| 61 | "die in der Pfanne gebratene Entenbrust mit Kirschreduktion und Fingerling-Kartoffeln" | Entenbrust (6 oz), Kirschreduktion, Fingerling-Kartoffeln | 620 | 780 | 79% |
| 62 | "ein Rote-Bete- und Ziegenkäse-Salat mit kandierten Walnüssen" | Rote-Bete-Salat, Ziegenkäse (2 oz), kandierte Walnüsse, Vinaigrette | 380 | 490 | 78% |
| 63 | "das Wagyu-Rindfleisch-Carpaccio" | Wagyu-Rindfleisch-Carpaccio, Olivenöl, Rucola, gehobelter Parmesan | 310 | 380 | 82% |
| 64 | "ein Hummer-Risotto" | Hummer-Risotto, Arborio-Reis, Butter, Parmesan | 580 | 780 | 74% |
| 65 | "das Lammkarree mit einer Rosmarin-Jus und Trüffel-Püree" | Lammkarree (3 Rippen), Rosmarin-Jus, Trüffel-Püree | 850 | 1050 | 81% |
| 66 | "ein Thunfisch-Tartar mit Avocado und Sesam" | Thunfisch-Tartar, Avocado, Sesamöl, Soja, Wonton-Chips | 320 | 380 | 84% |
| 67 | "der geschmorte Rinderbraten mit Polenta" | Geschmorter Rinderbraten (8 oz), cremige Polenta | 720 | 940 | 77% |
| 68 | "eine Burrata mit Erbstück-Tomaten und Basilikumöl" | Burrata (4 oz), Erbstück-Tomaten, Basilikumöl | 350 | 420 | 83% |
| 69 | "gebratene Jakobsmuscheln mit Blumenkohlpüree und brauner Butter" | Gebratene Jakobsmuscheln (4 Stück), Blumenkohlpüree, braune Butter | 380 | 520 | 73% |
| 70 | "die Foie Gras mit Brioche und Feigenmarmelade" | Foie Gras (3 oz), Brioche-Toast (2 Stück), Feigenmarmelade | 480 | 620 | 77% |
| 71 | "eine Trüffelpasta" | Trüffelpasta, Tagliatelle, Butter, Parmesan, Trüffel | 580 | 780 | 74% |
| 72 | "der chilenische Seebarsch mit Miso-Glasur" | Chilenischer Seebarsch (6 oz), Miso-Glasur, Pak Choi | 420 | 510 | 82% |
| 73 | "eine Charcuterie-Platte für eine Person" | Charcuterie: Wurstwaren, Käse, Cracker, Oliven, Feigenpaste | 620 | 850 | 73% |
| 74 | "der Schweinebauch mit Apfelkompott" | Schweinebauch (5 oz), Apfelkompott | 520 | 680 | 76% |
| 75 | "ein Ceviche als Vorspeise" | Ceviche, weißer Fisch, Limette, Koriander, Tortilla-Chips | 250 | 280 | 89% |
| 76 | "das Rehfilet mit Brombeersoße" | Rehfilet (6 oz), Brombeerreduktion | 380 | 440 | 86% |
| 77 | "ein Schokoladen-Lava-Kuchen zum Dessert" | Schokoladen-Lava-Kuchen, Einzelportion | 380 | 520 | 73% |
| 78 | "ein Käse-Soufflé" | Käse-Soufflé, Gruyere | 380 | 480 | 79% |
| 79 | "der Oktopus mit Romesco und knusprigen Kartoffeln" | Gegrillter Oktopus, Romesco-Soße, knusprige Kartoffeln | 420 | 560 | 75% |
| 80 | "eine Crème Brûlée" | Crème Brûlée, einzelnes Ramekin | 320 | 400 | 80% |
Durchschnittliche Genauigkeit: 74% (Bereich: 73-89%)
Die Genauigkeit im Fine Dining litt unter einem konsistenten Muster: die AI unterschätzte Butter, Sahne und Öl in nahezu jedem Gericht. In den meisten Fine-Dining-Küchen werden die meisten Gerichte mit Butter verfeinert. Ein Risotto erhält 3-4 Esslöffel Butter, die am Ende untergerührt werden. Jakobsmuscheln werden in brauner Butter gebraten. Kartoffelpüree verwendet Sahne. Diese versteckten Fette fügen 150-300 Kalorien hinzu, die die Standardrezeptabschätzungen der AI nicht berücksichtigen.
Das Hummer-Risotto war emblematisch: Die AI schätzte 580 Kalorien basierend auf einem Standardrisotto-Rezept, aber Restaurant-Risotto enthält erheblich mehr Butter und Parmesan als ein Hausrezept, wodurch die tatsächliche Zahl auf 780 Kalorien stieg.
Die Charcuterie-Platte mit 73% hebt eine weitere Herausforderung im Fine Dining hervor — unstrukturierte Anrichtungen, bei denen es keine definierte Portion gibt. „Eine Charcuterie-Platte für eine Person“ könnte je nach Definition des Restaurants zwischen 400 und 1.000 Kalorien bedeuten.
Kategorie 5: Café und Frühstück — 80% Durchschnittliche Genauigkeit
Cafés und Frühstückslokale kombinieren einfache Gerichte (Toast, Eier) mit stark individualisierten Bestellungen (Avocado-Toast-Bauten, Spezial-Lattes). Die Genauigkeit liegt zwischen Fast Food und Fine Dining.
| # | Gesprochene Bestellung | AI-Interpretation | AI Kal | Tatsächliche Kal | Gen. |
|---|---|---|---|---|---|
| 81 | "Avocado-Toast mit einem pochierten Ei und einem Flat White" | Avocado-Toast (Sauerteig), pochiertes Ei, Flat White (Vollmilch) | 480 | 530 | 91% |
| 82 | "ein Spinat-Feta-Omelett mit Vollkorn-Toast" | Spinat-Feta-Omelett (3 Eier), Vollkorn-Toast (2 Scheiben), Butter | 520 | 580 | 90% |
| 83 | "ein Stapel Blaubeer-Pfannkuchen mit Ahornsirup" | Blaubeer-Pfannkuchen (3), Ahornsirup (3 EL) | 520 | 680 | 76% |
| 84 | "Eggs Benedict mit einer Seite Obst" | Eggs Benedict (2 Stück), Hollandaise, kanadischer Speck, Obstschale | 680 | 740 | 92% |
| 85 | "ein Frühstücksburrito mit Speck, Eiern, Käse und Salsa" | Frühstücksburrito: Weizentortilla, Speck, Rühreier, Käse, Salsa | 580 | 650 | 89% |
| 86 | "eine Acai-Schüssel mit Granola und Honig" | Acai-Schüssel, Granola (1/3 Tasse), Honig-Drizzle | 420 | 540 | 78% |
| 87 | "Französischer Toast mit Schlagsahne und Erdbeeren" | Französischer Toast (3 Scheiben), Schlagsahne, Erdbeeren | 580 | 750 | 77% |
| 88 | "ein Croissant und ein Cappuccino" | Butter-Croissant, Cappuccino (12 oz, Vollmilch) | 370 | 380 | 97% |
| 89 | "ein Bagel mit Frischkäse und geräuchertem Lachs" | Bagel, Frischkäse (2 EL), geräucherter Lachs (2 oz) | 440 | 500 | 88% |
| 90 | "ein griechischer Joghurt-Parfait mit Granola und Beeren" | Griechischer Joghurt (8 oz), Granola (1/4 Tasse), gemischte Beeren | 320 | 360 | 89% |
| 91 | "zwei Eier sunny side up mit Speck und Rösti" | Eier (2), Speck (3 Scheiben), Rösti | 520 | 610 | 85% |
| 92 | "ein Hühnchen und Waffeln" | Frittierte Hähnchenbrust, Belgische Waffel, Ahornsirup | 780 | 950 | 82% |
| 93 | "ein Bananen-Nuss-Muffin und ein Filterkaffee" | Bananen-Nuss-Muffin, schwarzer Kaffee (12 oz) | 420 | 490 | 86% |
| 94 | "ein geräucherter Lachs Eggs Benedict" | Geräucherter Lachs Benedict: English Muffin, geräucherter Lachs, Hollandaise, pochierte Eier | 620 | 680 | 91% |
| 95 | "eine Granola-Schüssel mit Mandelmilch und Banane" | Granola (1 Tasse), Mandelmilch (1 Tasse), Banane (1 mittelgroße) | 480 | 510 | 94% |
| 96 | "ein Gemüse-Frühstückswrap" | Frühstückswrap: Eier, Paprika, Zwiebeln, Spinat, Käse, Weizentortilla | 380 | 420 | 90% |
| 97 | "ein Monte Cristo-Sandwich" | Monte Cristo: Schinken, Truthahn, Schweizer Käse, paniert und frittiert | 680 | 860 | 79% |
| 98 | "ein Cold Brew mit Hafermilch und Vanille" | Cold Brew-Kaffee, Hafermilch (4 oz), Vanillesirup (1 Pumpe) | 100 | 120 | 83% |
| 99 | "ein komplettes englisches Frühstück" | Komplettes Englisch: 2 Eier, 2 Speck, 2 Würstchen, Bohnen, Toast, Tomate, Champignons | 820 | 950 | 86% |
| 100 | "ein Brioche-Französischer Toast mit Nutella und Bananen" | Brioche-Französischer Toast (2 Scheiben), Nutella, Bananen | 650 | 830 | 78% |
Durchschnittliche Genauigkeit: 80% (Bereich: 76-97%)
Die schlechtesten Leistungen kamen von Restaurantfrühstücksgerichten mit versteckten Fetten. Blaubeer-Pfannkuchen in Cafés werden typischerweise mit Butter im Teig zubereitet und auf einer gebutterten Grillplatte gebraten, dann mit 3-4 Esslöffeln Sirup serviert und manchmal mit einem Butterstück obendrauf. Die AI schätzte ein bescheidenes Hausrezept. Ähnlich ist französischer Toast in Restaurants oft in einem reichhaltigeren Teig (mehr Sahne, mehr Eier) getaucht als Hausversionen und wird mit großzügiger Schlagsahne serviert.
Die Acai-Schüssel schnitt mit 78% schlechter ab, aus dem gleichen Grund, den wir in unserem Getränketest gesehen haben — kommerzielle Acai-Schüsseln verwenden größere Portionen und enthalten oft versteckten Honig oder Agave in der Mischung.
Vollständige Ergebnisszusammenfassung: Alle 100 Bestellungen nach Kategorie
| Kategorie | Bestellungen | Durchschnittliche Genauigkeit | Bestes Ergebnis | Schlechtestes Ergebnis | Durchschnittliche Kalorienabweichung |
|---|---|---|---|---|---|
| Fast Food | 20 | 92% | 100% (Big Mac Menü, Crunchwrap usw.) | 91% (Subway Italian BMT) | 32 Kal |
| Casual Dining | 20 | 86% | 100% (Olive Garden Hühnchen Alfredo) | 82% (Cobb-Salat) | 108 Kal |
| Ethnische Restaurants | 20 | 82% | 95% (Pho, Sushi, Bento-Box, Tacos) | 82% (Xiaolongbao) | 118 Kal |
| Fine Dining | 20 | 74% | 89% (Ceviche) | 73% (Risotto, Charcuterie, Lava-Kuchen) | 156 Kal |
| Café/Frühstück | 20 | 80% | 97% (Croissant + Cappuccino) | 76% (Blaubeer-Pfannkuchen) | 102 Kal |
| Insgesamt | 100 | 84% | 100% | 73% | 103 Kal |
Die 3 Faktoren, die die Genauigkeit der Sprachaufzeichnung in Restaurants bestimmen
Nach der Analyse aller 100 Bestellungen erklären drei Variablen nahezu alle Genauigkeitsabweichungen:
1. Standardisierung der Menüelemente
Markenrechtlich geschützte Menüelemente mit veröffentlichten Nährwertdaten erzielten eine durchschnittliche Genauigkeit von 96%. Allgemeine Beschreibungen erreichten 80%. Je standardisierter der Name, desto weniger Schätzungen muss die AI vornehmen.
| Elementtyp | Beispiel | Durchschnittliche Genauigkeit |
|---|---|---|
| Markenartikel von Ketten | "ein Big Mac", "Olive Garden Hühnchen Alfredo" | 96% |
| Häufige allgemeine Artikel | "ein Bacon-Cheeseburger", "Hühnchen Tikka Masala" | 85% |
| Chef-beschriebene Artikel | "in der Pfanne gebratene Ente mit Kirschreduktion" | 76% |
| Unstrukturierte Anrichtungen | "eine Charcuterie-Platte für eine Person" | 73% |
2. Versteckter Fettgehalt
Restaurantküchen verwenden Butter, Öl und Sahne erheblich großzügiger als Hausköche. Die Standardkalorienabschätzungen der AI basieren typischerweise auf Standardrezepten, die Fette in Restaurantkontexten um 100-200 Kalorien unterschätzen. Dieser Effekt war im Fine Dining am ausgeprägtesten (durchschnittliche Unterschätzung: 156 Kalorien) und am wenigsten ausgeprägt im Fast Food (durchschnittliche Unterschätzung: 32 Kalorien).
3. Anzahl der Komponenten
Bestellungen mit einem einzelnen Element waren genauer als mehrkomponentige Mahlzeiten. Jede zusätzliche Komponente führt zu einer weiteren Portionsschätzung, und Fehler kumulieren.
| Komponenten | Beispiel | Durchschnittliche Genauigkeit |
|---|---|---|
| 1 Element | "eine California-Rolle" | 91% |
| 2 Elemente | "Lachs mit einem Beilagen-Caesar" | 86% |
| 3+ Elemente | "Hühnchen Tikka Masala mit Knoblauch-Naan und Basmati-Reis" | 81% |
So verbessern Sie die Genauigkeit der Sprachaufzeichnung in Restaurants
Verwenden Sie den Restaurantnamen, wenn möglich
„Eine Hühnchen-Burrito-Schüssel von Chipotle“ zu sagen, ist erheblich genauer als „eine Hühnchen-Burrito-Schüssel“, da die AI die veröffentlichten Nährwertdaten von Chipotle abrufen kann. Dies gilt für jede Kette: Olive Garden, Cheesecake Factory, Panera, Sweetgreen und Hunderte anderer in Nutrolas verifiziertem Datenbank.
Beschreiben Sie die Zubereitungsmethode und die Größe
„Ein gegrilltes 8-Unzen-Lachsfilet“ gibt der AI drei kritische Datenpunkte: Zubereitungsmethode (gegrillt, nicht frittiert), Portionsgröße (8 oz) und Proteintyp. Ohne diese muss die AI Annahmen treffen, die möglicherweise nicht mit Ihrer tatsächlichen Bestellung übereinstimmen.
Nennen Sie Soßen und Dressings ausdrücklich
Soßen und Dressings machen 100-250 Kalorien aus, die leicht vergessen werden können. Erwähnen Sie immer „mit Ranch“, „mit Hollandaise“ oder „mit Kirschreduktion“ in Ihrem Sprachprotokoll. Wenn Sie die Soße weglassen, schätzt die AI das Gericht ohne sie.
Protokollieren Sie die Mahlzeit direkt nach der Bestellung
Die Sprachaufzeichnung funktioniert am besten, wenn die Bestellung frisch in Ihrem Gedächtnis ist. „Ein gegrilltes Hühnchen mit geröstetem Gemüse und einem Caesar-Salat mit Ranch-Dressing“ sofort nach der Bestellung zu protokollieren, ist detaillierter, als es Stunden später zu versuchen.
Akzeptieren Sie eine Abweichung und passen Sie an
Für Casual Dining, ethnische Restaurants und Fine Dining sollten Sie damit rechnen, dass die AI um 5-15% unterschätzt. Sie können dies berücksichtigen, indem Sie einen manuellen Puffer von 100-150 Kalorien hinzufügen oder Nutrolas AI-Diätassistenten verwenden, um die Schätzung zu verfeinern. Beschreiben Sie das Gericht dem Assistenten, erwähnen Sie, dass es aus einem Restaurant stammt, und der Assistent kann die Schätzung basierend auf typischen Restaurantzubereitungsmethoden nach oben anpassen.
Verwenden Sie Nutrolas Fotoaufzeichnung als Backup
Für visuell komplexe Gerichte, bei denen verbale Beschreibungen nicht ausreichen, kann Nutrolas AI-Fotoaufzeichnung Ihre Sprachaufzeichnung ergänzen. Machen Sie ein Foto des Tellers, wenn er ankommt, und die AI kann das Visuelle mit Ihrer gesprochenen Beschreibung abgleichen, um eine genauere Schätzung zu erhalten. Dies ist besonders nützlich für Fine-Dining-Gerichte, bei denen die Portionsgröße aus einer verbalen Beschreibung allein unklar ist.
Häufig gestellte Fragen
Wie genau ist die AI-Sprachaufzeichnung für Fast Food?
Die AI-Sprachaufzeichnung erzielt eine durchschnittliche Kaloriengenauigkeit von 92% für Fast-Food-Bestellungen in unserem Test mit 20 Bestellungen. Markenmenüelemente wie „ein Big Mac“ oder „ein Crunchwrap Supreme“ erreichen oft 100% Genauigkeit, da die AI den Artikel direkt mit veröffentlichten Nährwertdaten abgleicht.
Warum ist Fine Dining die schwierigste Kategorie für die Sprachaufzeichnung?
Fine Dining verwendet chef-gesteuerte Beschreibungen, die nicht auf standardisierte Datenbankeinträge abgebildet werden können, und die Gerichte werden mit erheblich mehr Butter, Sahne und Öl zubereitet als Standardrezepte. Die AI unterschätzte Fine-Dining-Mahlzeiten im Durchschnitt um 156 Kalorien, hauptsächlich aufgrund versteckter Fette, die während der Zubereitung in der Profiküche hinzugefügt werden.
Kann die Sprachaufzeichnung ethnische Gerichtsnamen wie Xiaolongbao oder Bulgogi erkennen?
Ja. In unserem Test erkannte die AI jeden ethnischen Gerichtsnamen aus chinesischer, koreanischer, japanischer, indischer, thailändischer, vietnamesischer, mexikanischer, äthiopischer, nahöstlicher und karibischer Küche korrekt. Die Erkennung war nicht das Problem — die Kalorienabschätzung für Gerichte mit fettreichen Zubereitungsmethoden (Kokosmilch, Ghee, Palmöl) war der Bereich, in dem die Genauigkeit sank.
Sollte ich jede Speise separat in einem Restaurant protokollieren?
Ja. Das Protokollieren von „einem Rote-Bete- und Ziegenkäse-Salat“ und dann separat „der in der Pfanne gebratenen Entenbrust mit Kirschreduktion und Fingerling-Kartoffeln“ ist genauer, als zu versuchen, die gesamte Mahlzeit in einem Satz zu protokollieren. Jedes Element erhält seine eigene dedizierte Interpretation, wodurch die Wahrscheinlichkeit verpasster Komponenten verringert wird.
Wie schneidet Nutrola im Vergleich zur manuellen Suche nach Restaurantkalorien ab?
Für Kettenrestaurants mit veröffentlichten Nährwertdaten erreichen beide Methoden ähnliche Genauigkeit. Für unabhängige Restaurants ohne veröffentlichte Daten bietet Nutrolas Sprachaufzeichnung in Kombination mit ihrer Datenbank von über 500.000 verifizierten Lebensmitteln eine schnellere und oft genauere Schätzung als das manuelle Suchen in allgemeinen Kalorien-Datenbanken, da die AI Modifikatoren und Zubereitungsmethoden analysiert, die Benutzer oft vergessen, einzeln nachzuschlagen.
Funktioniert die Sprachaufzeichnung besser, wenn ich den Restaurantnamen nenne?
Deutlich besser. Wenn das Restaurant eine Kette mit veröffentlichten Nährwertdaten ist, ermöglicht die Nennung des Namens der AI, exakte Kalorienzahlen abzurufen, anstatt von allgemeinen Rezepten zu schätzen. In unserem Test erzielten bestellungsidentifizierte Ketten im Durchschnitt 96% Genauigkeit im Vergleich zu 80% für allgemeine Beschreibungen.
Wie hoch ist die durchschnittliche Kalorienunterschätzung bei der Sprachaufzeichnung von Restaurantmahlzeiten?
Bei allen 100 Bestellungen betrug die durchschnittliche Kalorienabweichung 103 Kalorien, und die Richtung war fast immer eine Unterschätzung. Die AI tendiert dazu, auf Standardrezeptportionen und Zubereitungsmethoden zurückzugreifen, die weniger Fett verwenden als Restaurantküchen. Die Abweichung reichte von 32 Kalorien für Fast Food bis zu 156 Kalorien für Fine Dining.
Kann ich einen per Sprachaufzeichnung erfassten Eintrag korrigieren, wenn die AI einen Fehler macht?
Ja. Nach der Sprachaufzeichnung zeigt Nutrola die Interpretation der AI an, sodass Sie sie überprüfen können. Sie können den Eintrag bearbeiten, Portionsgrößen anpassen oder den AI-Diätassistenten verwenden, um die Schätzung mit zusätzlichen Details über das Gericht zu verfeinern. Dieser Überprüfungsschritt dauert Sekunden und kann die Genauigkeit bei komplexen Bestellungen erheblich verbessern.
Fazit
Die Sprachaufzeichnung von Restaurantmahlzeiten mit AI ist praktisch und nützlich, aber die Genauigkeit hängt von der Art des Restaurants ab. Fast Food ist ein nahezu perfekter Anwendungsfall mit 92% Genauigkeit — markenrechtlich geschützte Elementnamen beseitigen Schätzungen. Casual Dining und ethnische Restaurants schneiden solide im Bereich von 82-86% ab, wobei der Hauptverlust an Genauigkeit auf unterschätzte Kochfette und Soßenportionen zurückzuführen ist. Fine Dining ist die schwächste Kategorie mit 74%, bedingt durch butterreiche Zubereitungen und nicht-standardisierte Gerichtsbezeichnungen.
Die durchschnittliche Kalorienunterschätzung über alle 100 Bestellungen betrug 103 Kalorien. Für die meisten Ernährungsziele ist dieses Maß an Genauigkeit mehr als ausreichend — und es ist erheblich besser als gar keine Verfolgung von Restaurantmahlzeiten, was der Standard ist, auf den die meisten Menschen zurückgreifen.
Nutrolas Sprachaufzeichnung ermöglicht es Ihnen, eine Restaurantbestellung in einem einzigen gesprochene Satz direkt nach der Bestellung festzuhalten, ohne zu tippen, ohne nach dem Menü zu suchen und ohne Unterbrechung Ihres Essens. In Kombination mit Nutrolas verifizierter Datenbank von über 500.000 Lebensmitteln, dem AI-Diätassistenten zur Verfeinerung von Schätzungen und der AI-Fotoaufzeichnung zur visuellen Bestätigung ist es der schnellste Weg, Ihre Ernährungsverfolgung auch beim Essen gehen konsistent zu halten.
Nutrola beginnt bei 2,50 € pro Monat mit einer 3-tägigen kostenlosen Testversion. Keine Werbung in allen Plänen.
Bereit, Ihr Ernährungstracking zu transformieren?
Schließen Sie sich Tausenden an, die ihre Gesundheitsreise mit Nutrola transformiert haben!
