Welche Lebensmittel werden von der KI-Fotografie am häufigsten falsch erkannt? (Und wie man jedes Problem behebt)

Saucen, Suppen, Smoothies, eingewickelte Lebensmittel, dunkle Speisen in dunklen Schalen, gemischte Reisgerichte und überlappende Beläge sind die sieben Lebensmittelkategorien, bei denen die KI-Fotografie am häufigsten Fehler macht — bei einigen Artikeln sinkt die Genauigkeit auf 35-50 %. Die gute Nachricht ist, dass es für jedes dieser Problem-Lebensmittel eine einfache Lösung gibt, die weniger als 10 Sekunden in Anspruch nimmt und die Genauigkeit wieder über 85 % bringt. Hier erfahren Sie, warum die KI bei jeder Kategorie Schwierigkeiten hat und wie Sie jedes Problem beheben können.

Warum die KI-Fotografie Schwächen hat

Die Lebensmittelerkennung durch KI funktioniert, indem visuelle Merkmale — Form, Farbe, Textur und Größe — analysiert werden, um zu bestimmen, was auf Ihrem Teller liegt und wie viel davon vorhanden ist. Dieser Ansatz funktioniert bemerkenswert gut bei sichtbaren, separierten Lebensmitteln. Ein gegrilltes Hähnchenbrustfilet neben Brokkoli und Reis auf einem weißen Teller kann mit über 90 % Genauigkeit identifiziert und portioniert werden.

Aber Lebensmittel sind nicht immer sichtbar, separiert oder ganz. Einige Lebensmittel sind in anderen versteckt. Manche sind so stark püriert, dass sie nicht mehr erkennbar sind. Wieder andere haben die gleiche Farbe wie das Geschirr, auf dem sie serviert werden. Diese Probleme sind keine klassischen KI-Fehler — sie sind physikalische Herausforderungen. Eine Kamera kann durch eine Tortilla nicht sehen, genau wie Ihre Augen das nicht können.

Zu verstehen, welche Lebensmittel in diese Problemkategorien fallen, ermöglicht es Ihnen, die Probleme vorherzusehen und schnell zu handeln, bevor der Fehler in Ihr Lebensmittelprotokoll gelangt.

Problem 1: Saucen und Dressings

Warum die KI Schwierigkeiten hat: Saucen verursachen gleichzeitig zwei Probleme. Erstens verdecken sie das darunterliegende Essen — ein Hähnchenbrustfilet, das mit Teriyaki-Sauce überzogen ist, sieht aus wie eine braune Masse, was es der KI erschwert, das Hähnchen zu identifizieren und die Größe abzuschätzen. Zweitens ist es extrem schwierig, die Menge der Sauce anhand eines Fotos zu quantifizieren. Ist das ein Esslöffel Caesar-Dressing oder drei Esslöffel? Der visuelle Unterschied ist kaum wahrnehmbar, wenn es über einen Salat verteilt ist.

Die Kalorien sind hoch. Ein Esslöffel Olivenöl fügt 119 Kalorien hinzu. Zwei Esslöffel Ranch-Dressing bringen 146 Kalorien. Drei Esslöffel Erdnusssauce fügen 195 Kalorien hinzu. Schätzfehler bei Saucen von nur einem Esslöffel können die Kalorienzahl einer Mahlzeit um 50-200 Kalorien verändern.

Wie man es behebt: Fotografieren Sie Ihr Essen, bevor Sie die Sauce hinzufügen. Fotografieren Sie dann entweder die Sauce separat in ihrem Behälter oder loggen Sie die Menge per Sprachbefehl. In Nutrola können Sie ein Foto des Tellers machen und dann sagen: „Füge zwei Esslöffel Ranch-Dressing hinzu“ mit der Sprachprotokollierungsfunktion. Der KI-Diätassistent kombiniert beide Eingaben zu einem einzigen genauen Mahlzeiteintrag.

Wenn die Sauce bereits auf dem Essen ist, nutzen Sie die Schnellbearbeitungsfunktion, um die Art und die ungefähre Menge der Sauce manuell anzugeben.

Problem 2: Suppen und Eintöpfe

Warum die KI Schwierigkeiten hat: Opake Flüssigkeiten sind eine visuelle Barriere. Eine Schüssel Hühner-Tortilla-Suppe, die von oben fotografiert wird, sieht aus wie eine rötlich-braune Oberfläche mit einigen sichtbaren Garnierungen. Die KI kann die Farbe der Brühe und alle schwimmenden Beläge (Sauerrahm, Tortillastreifen, Koriander) erkennen, aber sie kann das Hähnchen, die Bohnen, den Mais oder andere Zutaten, die unter der Oberfläche verborgen sind, nicht sehen.

Das führt zu systematischen Unterbewertungen. Die KI protokolliert, was sie sehen kann — die Brühe und die Beläge — und übersieht die kaloriendichten Proteine und Kohlenhydrate, die darunter liegen. Eine Schüssel Hühner- und Gemüseeintopf könnte 450 Kalorien enthalten, aber die KI könnte sie nur mit 200-250 Kalorien basierend auf den sichtbaren Komponenten protokollieren.

Wie man es behebt: Beschreiben Sie die Zutaten per Sprachbefehl. Nachdem Sie die Suppe fotografiert haben, sagen Sie der KI, was darin ist: „Das ist Hühner-Tortilla-Suppe mit etwa 115 Gramm zerkleinertem Hähnchen, einer halben Tasse schwarzen Bohnen, Mais und zwei Esslöffeln Sauerrahm obendrauf.“ Die Sprachprotokollierung von Nutrola erfasst die Zutaten, die das Foto nicht zeigen kann, und der KI-Diätassistent kombiniert die visuellen und verbalen Informationen für eine vollständige Schätzung.

Für Dosen- oder Restaurant-Suppen mit bekannten Nährwertdaten können Sie den Barcode scannen (bei Dosen) oder den Restaurantnamen in der verifizierten Nutrola-Datenbank suchen, um genaue Kalorienangaben ohne Foto zu erhalten.

Problem 3: Smoothies und Pürierte Getränke

Warum die KI Schwierigkeiten hat: Das Pürieren zerstört alle visuellen Hinweise, auf die die KI angewiesen ist. Ein Smoothie aus Banane, Spinat, Proteinpulver, Erdnussbutter und Mandelmilch sieht identisch aus wie ein Smoothie aus Banane, Grünkohl und Wasser — doch der erste enthält etwa 480 Kalorien und der zweite etwa 150 Kalorien. Allein die Farbe kann die Zutaten nicht unterscheiden, und der Pürierprozess beseitigt Form, Textur und Trennung.

Das macht Smoothies zu einer der Lebensmittelkategorien mit der niedrigsten Genauigkeit bei der Fotografie, wobei die ungestützte Foto-Genauigkeit manchmal unter 40 % fällt.

Wie man es behebt: Loggen Sie das Rezept per Sprachbefehl, anstatt das Endprodukt zu fotografieren. Vor oder nach dem Pürieren sagen Sie: „Smoothie mit einer Banane, einem Messlöffel Whey-Protein, einem Esslöffel Erdnussbutter, einer Tasse Mandelmilch und einer Handvoll Spinat.“ Dies gibt der KI genaue Zutaten und Mengen. In Nutrola können Sie Ihre Lieblingssmoothie-Rezepte erstellen und speichern, sodass Sie sie bei wiederholten Gelegenheiten mit einem Fingertipp protokollieren können.

Alternativ können Sie die Zutaten vor dem Pürieren fotografieren. Das funktioniert gut, da jedes Element separat und sichtbar ist.

Problem 4: Dunkle Lebensmittel in dunklen Schalen

Warum die KI Schwierigkeiten hat: Die Lebensmittelerkennung durch KI hängt vom Kontrast zwischen dem Essen und seinem Behälter ab, um Kanten, Grenzen und Portionsgrößen zu bestimmen. Wenn dunkle Lebensmittel (schwarze Bohnen, dunkle Schokolade, Rindereintopf, Gerichte auf Sojasaucenbasis, schwarzer Reis) in dunklen Schalen oder Tellern serviert werden, nähert sich der visuelle Kontrast dem Nullpunkt. Die KI kann nicht erkennen, wo das Essen endet und die Schale beginnt, was zu erheblichen Fehlern bei der Portionsschätzung führt.

Testdaten aus der Forschung zur Lebensmittelerkennung zeigen, dass Kombinationen mit niedrigem Kontrast zwischen Lebensmittel und Behälter die Portionsschätzgenauigkeit um 15-25 Prozentpunkte im Vergleich zu denselben Lebensmitteln auf einer hochkontrastierenden (weißen oder hellen) Oberfläche reduzieren.

Wie man es behebt: Verwenden Sie helle Teller und Schalen. Dies ist die einfachste und effektivste Lösung in dieser gesamten Liste. Ein weißer Teller bietet maximalen Kontrast für nahezu alle Lebensmitteltypen. Wenn Sie in einem Restaurant sind und das Geschirr nicht kontrollieren können, legen Sie eine weiße Serviette neben die Schale als Referenzpunkt oder ergänzen Sie das Foto mit einer Sprachnotiz, die die ungefähre Portionsgröße beschreibt.

Problem 5: Eingewickelte Lebensmittel (Burritos, Wraps, Frühlingsrollen, Teigtaschen)

Warum die KI Schwierigkeiten hat: Eine Tortilla, Reispapier, Wonton-Hülle oder Pita-Tasche ist visuell opak. Die KI kann erkennen, dass Sie einen Burrito essen, hat aber keine Möglichkeit zu bestimmen, was sich darin befindet — Hähnchen oder Carnitas, schwarze Bohnen oder refried beans, mit oder ohne Guacamole, mit oder ohne Sauerrahm. Der Kalorienunterschied zwischen einem Burrito mit Hähnchen und Gemüse (ca. 450 Kalorien) und einem Burrito mit Carnitas, Guacamole, Käse und Sauerrahm (ca. 900+ Kalorien) ist enorm, doch äußerlich sehen sie fast identisch aus.

Wie man es behebt: Beschreiben Sie den Inhalt per Sprachbefehl, nachdem Sie fotografiert haben. Sagen Sie: „Hähnchen-Burrito mit schwarzen Bohnen, Reis, Salat, Salsa und Guacamole.“ Sie können auch ein Foto des Burritos machen, der halbiert ist, um den Querschnitt zu zeigen, was der KI deutlich mehr Informationen über die Füllung gibt. In Nutrola verwendet der KI-Diätassistent sowohl das Foto als auch die Sprachbeschreibung, um ein vollständiges Nährstoffprofil des eingewickelten Artikels zu erstellen.

Für Restaurant-Burritos und Wraps von Kettenrestaurants (Chipotle, Taco Bell, Subway usw.) kann die Suche nach dem Restaurantnamen in der verifizierten Nutrola-Datenbank oft genaue Nährwertdaten für Ihre spezifische Bestellung liefern.

Problem 6: Gemischte Reisgerichte

Warum die KI Schwierigkeiten hat: Reisgerichte sind visuell mehrdeutig. Gebratener Reis, Biryani, Paella und Risotto können alle wie ein Haufen ähnlich gefärbter Körner mit verstreuten Belägen aussehen. Die KI könnte gebratenen Reis (in Öl mit Ei und Gemüse gekocht, etwa 230 Kalorien pro Tasse) fälschlicherweise als einfachen gedämpften Reis (etwa 200 Kalorien pro Tasse) identifizieren — aber die 2-3 Esslöffel Öl, die beim Braten verwendet wurden, übersehen.

Biryani stellt eine ähnliche Herausforderung dar. Der Reis wird mit Ghee, Gewürzen und oft mit Fleisch geschichtet, das von oben nicht sichtbar ist. Eine Tasse Hühner-Biryani enthält etwa 290-350 Kalorien, aber die KI könnte sie als einfachen Reis mit Hähnchen oben drauf schätzen und den Fettgehalt völlig übersehen.

Wie man es behebt: Nutzen Sie die Schnellbearbeitungsfunktion, um den genauen Typ des Reisgerichts anzugeben, nachdem die KI ihre erste Identifikation vorgenommen hat. In Nutrola tippen Sie auf den protokollierten Artikel und wählen die richtige Sorte aus der verifizierten Datenbank aus. Die Angabe von „Hühnchen gebratener Reis“ anstelle der generischen Identifikation „Reis“ kann einen Fehler von 100-200 Kalorien pro Portion korrigieren.

Für hausgemachte Reisgerichte ist es am genauesten, die Kochmethode per Sprachbefehl zu protokollieren: „Eine Tasse gebratener Reis, zubereitet mit zwei Esslöffeln Sesamöl, zwei Eiern und gemischtem Gemüse.“

Problem 7: Überlappende Lebensmittel und verborgene Schichten

Warum die KI Schwierigkeiten hat: Pizza ist das klassische Beispiel. Von oben fotografiert zeigt ein Stück Pizza Beläge — Peperoni, Champignons, Paprika — aber der Käse unter den Belägen und die Sauce unter dem Käse sind teilweise oder vollständig verborgen. Eine dünne Margherita und eine tiefgebackene Fleischliebhaber-Pizza können ähnliche sichtbare Oberflächen haben, sich aber um 300+ Kalorien pro Stück unterscheiden.

Dieses Problem erstreckt sich auch auf geschichtete Gerichte wie Lasagne (wo die Anzahl der inneren Schichten unsichtbar ist), belegte Nachos (wo Chips am Boden unter Belägen begraben sind) und Schalen, in denen das Grundgetreide unter Proteinen und Gemüse verborgen ist.

Wie man es behebt: Geben Sie den Gerichtstyp und die Größe per Sprachbefehl oder Schnellbearbeitung an. Für Pizza sagen Sie „zwei Stücke tiefgebackene Peperoni-Pizza“, anstatt sich nur auf das Foto zu verlassen. Für geschichtete Gerichte beschreiben Sie, was Sie über die Schichten wissen. Der KI-Diätassistent von Nutrola kann kontextuelle Informationen — „tiefgebacken“ versus „dünner Boden“, „belegte Nachos“ versus „einfache Chips mit Salsa“ — nutzen, um die Kalorienabschätzungen erheblich anzupassen.

Die vollständige Referenztabelle für Problemlebensmittel

Diese Tabelle umfasst 15 häufige Problemlebensmittel, erklärt, warum die KI Schwierigkeiten hat, bietet die schnelle Lösung und zeigt die Genauigkeitsverbesserung, die Sie erwarten können.

Problem-Lebensmittel	Warum die KI Schwierigkeiten hat	Schnelle Lösung	Genauigkeit ohne Lösung	Genauigkeit mit Lösung	Typischer Kalorienfehler ohne Lösung
Salat mit Dressing	Kann gegossenes Dressing nicht quantifizieren	Foto vor Dressing, Sprachprotokoll der Menge	52 %	88 %	+/- 150 kcal
Cremige Pastasauce	Sauce verdeckt die Menge der darunterliegenden Pasta	Sprachbeschreibung von Pasta- und Sauce-Mengen	55 %	87 %	+/- 180 kcal
Hühnersuppe	Opake Brühe verbirgt untergetauchte Zutaten	Sprachbeschreibung aller Zutaten	48 %	86 %	+/- 200 kcal
Rindereintopf	Dunkle Flüssigkeit, unsichtbares Fleisch und Gemüse	Sprachliste der Zutaten und Mengen	45 %	85 %	+/- 230 kcal
Grüner Smoothie	Pürieren zerstört alle visuellen Hinweise	Sprachprotokoll des Rezepts vor dem Pürieren	35 %	90 %	+/- 250 kcal
Proteinshake	Opake Flüssigkeit, unsichtbares Proteinpulver	Sprachprotokoll oder Rezept speichern für Ein-Klick-Logging	38 %	92 %	+/- 200 kcal
Schwarze Bohnen in dunkler Schale	Nahezu null Kontrast zum Behälter	Verwenden Sie eine weiße Schale oder Sprachbeschreibung der Portion	58 %	86 %	+/- 120 kcal
Sojasauce-Pfanne in dunklem Teller	Dunkle Sauce auf dunkler Oberfläche	Verwenden Sie einen hellen Teller, Sprachprotokoll der Sauce-Menge	55 %	84 %	+/- 160 kcal
Burrito (intakt)	Tortilla verbirgt die gesamte Füllung	Sprachbeschreibung der Füllung oder Foto halbiert	40 %	85 %	+/- 280 kcal
Frühlingsrollen	Reispapier verbirgt den Inhalt	Sprachbeschreibung der Füllungszutaten	42 %	84 %	+/- 180 kcal
Gebratener Reis	Sieht aus wie einfacher Reis mit Belägen	Schnellbearbeitung zur Angabe von "gebratenem Reis" mit Öl	60 %	88 %	+/- 150 kcal
Hühner-Biryani	Fett- und Gewürzgehalt unsichtbar im Reis	Biryani in Schnellbearbeitung angeben, nicht einfachen Reis	55 %	87 %	+/- 170 kcal
Tiefgebackene Pizza	Beläge verdecken Käse, Tiefe des Bodens unsichtbar	Sprachspezifizierung von Bodentyp und Größe	50 %	86 %	+/- 250 kcal
Belegte Nachos	Untere Chips unter Belägen begraben	Sprachbeschreibung der Schichten und ungefähren Portion	48 %	83 %	+/- 220 kcal
Lasagne	Anzahl der inneren Schichten unsichtbar von oben	Portionsgröße angeben (z. B. "ein großes Stück")	52 %	85 %	+/- 200 kcal

Die 10-Sekunden-Regel: Wann man ein Foto ergänzen sollte

Eine einfache Faustregel: Wenn Sie nicht alle Zutaten Ihrer Mahlzeit sehen können, indem Sie auf den Teller schauen, kann die KI das auch nicht. In solchen Fällen sollten Sie 10 Sekunden investieren, um das Foto mit einer Sprachnotiz oder einer Schnellbearbeitung zu ergänzen.

Dies gilt für:

• Verborgene Zutaten: Alles, was bedeckt, eingewickelt oder untergetaucht ist
• Kochmethode: Gebraten versus gebacken versus gedämpft (unsichtbar von einem Foto, aber verändert die Kalorienzahl erheblich)
• Saucen und Öle: Mengen sind visuell nahezu unmöglich zu schätzen
• Tiefe der Portion: Lebensmittel in Schalen, bei denen das Volumen von oben nicht sichtbar ist

Der kombinierte Ansatz von Nutrola — KI-Fotografie, Sprachprotokollierung und eine verifizierte Datenbank mit über 1 Million Lebensmitteln — ist speziell dafür ausgelegt. Der KI-Diätassistent betrachtet das Foto als Ausgangspunkt und nutzt Ihre Sprachdaten, um die Lücken zu füllen, die die Kamera nicht erfassen kann.

Lebensmittel, die die KI-Fotografie fast immer richtig erkennt

Zur Einordnung hier die Lebensmittelkategorien, bei denen die Fotografie sehr zuverlässig ist und selten eine Ergänzung benötigt:

• Ganze Früchte: Äpfel, Bananen, Orangen — unverwechselbare Formen und Farben, 90-95 % Genauigkeit
• Gegrillte Proteine ohne Sauce: Hähnchenbrust, Steak, Lachsfilet — 85-92 % Genauigkeit
• Getrennte Gemüse: Brokkoli, Karotten, grüne Bohnen sichtbar angeordnet — 88-94 % Genauigkeit
• Brot und Backwaren: Toastbrot, Brötchen, Croissants — unverwechselbare Formen, 85-90 % Genauigkeit
• Eier (sichtbar): Spiegelei, Rührei oder gekochte Eier auf einem Teller — 88-93 % Genauigkeit
• Einzelne Snackzutaten: Eine Handvoll Mandeln, ein Käse-Stick, ein Müsliriegel (unverpackt) — 82-88 % Genauigkeit

Wenn Ihre Mahlzeit hauptsächlich aus diesen sichtbaren, separierten Elementen besteht, ist in der Regel ein einziges Foto ausreichend.

Wie man die Gewohnheit zur Fehlerbehebung aufbaut

Der effektivste Ansatz besteht nicht darin, sich eine Liste von Problemlebensmitteln einzuprägen. Stattdessen sollten Sie eine einzige Gewohnheit entwickeln: Fragen Sie sich nach jedem Lebensmittel-Foto für einen Moment: „Kann die Kamera alles sehen, was ich gleich essen werde?“ Wenn die Antwort nein ist, fügen Sie eine kurze Sprachnotiz hinzu.

In Nutrola ist der Workflow nahtlos:

1. Machen Sie ein Foto Ihrer Mahlzeit
2. Wenn etwas verborgen ist, tippen Sie auf das Mikrofon und beschreiben Sie, was sich darin befindet, darunter oder vermischt ist
3. Der KI-Diätassistent kombiniert beide Eingaben und erstellt eine vollständige Nährwertanalyse

Das dauert insgesamt weniger als 15 Sekunden und beseitigt die Genauigkeitslücken, die die Lebensmittel-Fotografie bei bestimmten Mahlzeiten unzuverlässig machen.

Häufig gestellte Fragen

Warum hat die KI-Fotografie bei Flüssigkeiten mehr Schwierigkeiten als bei festen Lebensmitteln?

Flüssigkeiten beseitigen die Form-, Textur- und Trennungsmerkmale, auf die die KI zur Identifizierung angewiesen ist. Eine feste Hähnchenbrust hat eine erkennbare Form und Textur. Hähnchen, das in einer Suppe aufgelöst ist, hat keine dieser Eigenschaften — es wird Teil einer opaken Flüssigkeit. Zudem ist es sehr schwierig, das Volumen von Flüssigkeiten anhand eines Fotos von oben zu schätzen, da die Fläche nicht zuverlässig auf die Tiefe hinweist. Eine breite, flache Schüssel und eine schmale, tiefe Tasse können die gleiche Fläche zeigen, aber sehr unterschiedliche Volumina halten.

Kann die KI-Fotografie verwendete Kochöle während der Zubereitung erkennen?

Nein. Kochöle werden während der Zubereitung in die Lebensmittel aufgenommen und hinterlassen keinen zuverlässigen visuellen Hinweis in einem Foto. Die KI kann nicht zwischen einer in 1-2 Esslöffeln Öl gebratenen Hähnchenbrust (die 120-240 Kalorien hinzufügt) und einer trocken gegrillten Hähnchenbrust allein anhand eines Fotos unterscheiden. Protokollieren Sie immer die Öle per Sprachbefehl oder fügen Sie sie manuell hinzu. Dies ist eine der häufigsten Quellen für versteckte Kalorien in der Lebensmittel-Fotografie.

Wie genau ist die KI-Fotografie bei Restaurantgerichten im Vergleich zu hausgemachten Gerichten?

Restaurantgerichte sind in der Regel schwieriger für die KI, genau zu scannen, da Restaurants mehr Öl, Butter und Sauce verwenden als die meisten Hausgerichte, und diese Zusätze in Fotos unsichtbar sind. Studien zeigen, dass die Genauigkeit der KI-Fotografie bei Restaurantgerichten im Durchschnitt 5-15 Prozentpunkte niedriger ist als bei hausgemachten Gerichten mit denselben Lebensmitteln. Für Kettenrestaurants ist die Verwendung der veröffentlichten Nährwertdaten des Restaurants (in der verifizierten Nutrola-Datenbank durchsuchbar) erheblich genauer als die Fotografie.

Verbessert das Schneiden von Lebensmitteln in Stücke vor dem Fotografieren die Genauigkeit der KI?

Es kommt darauf an. Das Halbieren eines Burritos, um den Querschnitt zu zeigen, hilft der KI, die Füllung zu sehen, was die Genauigkeit verbessert. Aber das Schneiden einer Hähnchenbrust in kleine Stücke kann die Genauigkeit tatsächlich verringern, da die KI Schwierigkeiten haben könnte, die Gesamtportion aus verstreuten Stücken abzuschätzen. Die allgemeine Regel lautet: Schneiden Sie eingewickelte oder geschichtete Lebensmittel, um verborgene Inhalte zu zeigen, aber lassen Sie sichtbare ganze Lebensmittel beim Fotografieren intakt.

Ist es besser, die Fotografie oder die manuelle Eingabe für gemischte Gerichte wie Aufläufe zu verwenden?

Für gemischte Gerichte, bei denen die Zutaten vollständig püriert oder geschichtet sind, ist die Sprachprotokollierung in der Regel genauer als entweder die Fotografie allein oder die manuelle Suche und Eingabe. Die Sprachprotokollierung ermöglicht es Ihnen, das Gericht natürlich zu beschreiben — „eineinhalb Tassen Hühner- und Brokkoli-Auflauf mit einer Basis aus Champignoncremesuppe“ — und die KI kann dies mit bekannten Rezepten und Kalorienangaben abgleichen. Dies ist schneller als das manuelle Suchen nach jeder Zutat und genauer als ein Foto einer braunen Backoberfläche.

Was soll ich tun, wenn die KI ein Lebensmittel in meinem Foto falsch identifiziert?

Tippen Sie auf das falsch identifizierte Element in Ihrem Lebensmittelprotokoll und verwenden Sie die Schnellbearbeitungs- oder Suchfunktion, um es durch das richtige Lebensmittel zu ersetzen. In Nutrola können Sie auch per Sprachbefehl korrigieren, indem Sie sagen: „Das ist nicht weißer Reis, das ist Kokosreis.“ Die KI lernt aus kontextuellen Korrekturen innerhalb einer Mahlzeit, um ihre Schätzungen für die verbleibenden Elemente zu verbessern. Konsistente Korrekturen helfen auch der App, ihre Erkennung im Laufe der Zeit für Lebensmittel, die Sie regelmäßig essen, zu personalisieren.

Wie geht Nutrola mit Mahlzeiten um, die Fotografie und Sprachkorrekturen kombinieren?

Der KI-Diätassistent von Nutrola behandelt die Fotografie als visuelle Grundlage und die Sprachdaten als ergänzende Informationen. Wenn Sie nach einem Foto zusätzliche Details per Sprachbefehl protokollieren — wie „Füge die Teriyaki-Sauce hinzu, etwa drei Esslöffel“ — kombiniert die KI beide Eingaben zu einem einzigen Mahlzeiteintrag mit kombinierten Nährwertangaben. Sie müssen die Foto- und Sprachdaten nicht als separate Mahlzeiten protokollieren. Das System ist für diesen hybriden Ansatz konzipiert, da es durchweg die genauesten Ergebnisse für alle Lebensmitteltypen liefert.

Wird die Genauigkeit der KI-Fotografie in Zukunft ausreichend verbessert, um diese Problemlebensmittel zu bewältigen?

Die Lebensmittelerkennung durch KI verbessert sich stetig, mit Genauigkeitsgewinnen von 2-5 Prozentpunkten pro Jahr in den meisten Lebensmittelkategorien. Einige Einschränkungen sind jedoch fundamental — keine Kamera kann durch eine Tortilla oder in eine opake Suppe sehen. Die wirkungsvollsten zukünftigen Verbesserungen werden wahrscheinlich aus kontextueller KI (die Ihre Essgewohnheiten und häufigen Mahlzeiten lernt) und multimodalen Eingaben (Kombination von Fotos, Sprache und früheren Daten) resultieren, in die Richtung, in die Nutrola bereits geht. Für den Moment bleibt der Foto-plus-Sprache-Ansatz die genaueste verfügbare Methode.