Ernährungstracking neu gedacht

Stell Dir vor, Du möchtest eine Woche lang festhalten, was Du isst. Klingt machbar. Aber wer es tatsächlich probiert hat, kennt das Muster: Am ersten Tag läuft es gut. Am zweiten wird geschätzt. Am dritten fehlt das Mittagessen. Und am vierten liegt das Tagebuch in der Schublade.

Diese Erfahrung ist kein Einzelfall. Ernährungstracking scheitert selten an der Motivation. Es scheitert an der Methode. Und genau dort setzt eine neue Generation von Technologien an, die das Erfassen von Mahlzeiten grundlegend vereinfacht.

Ernährungserfassung ist in der Forschung und in der Praxis ein bekanntes Problem. Die gängigsten Methoden haben alle spezifische Schwächen.

Handschriftliche Ernährungsprotokolle gelten als einfach, sind aber fehleranfällig. Studien zeigen, dass Menschen dazu neigen, Portionsgrößen systematisch falsch einzuschätzen, Snacks und Getränke zu vergessen und sozial unerwünschte Lebensmittel seltener zu dokumentieren. Hinzu kommt der sogenannte Reaktivitätseffekt: Allein das Aufschreiben verändert das Essverhalten, was die Daten verfälscht.

Kalorienzähler-Apps wie MyFitnessPal oder Yazio haben das Tracking digitalisiert, aber nicht grundlegend vereinfacht. Das Grundproblem bleibt: Jedes Lebensmittel muss manuell gesucht, die Menge in Gramm eingegeben werden. Bei zusammengesetzten Gerichten wird das schnell aufwendig. Was genau steckt in der Bolognese vom Mittag? Wie viel Öl war in der Pfanne? Die meisten Menschen schätzen oder runden, was die Genauigkeit deutlich reduziert.

24-Stunden-Rückerinnerungen (24h-Recalls) sind in der Ernährungsforschung ein Standardinstrument. Dabei setzt man sich mit einer geschulten Fachperson zusammen und rekonstruiert alles, was in den letzten 24 Stunden gegessen und getrunken wurde. Die Methode liefert bessere Daten als Selbstprotokolle, ist aber zeitintensiv (30 bis 60 Minuten pro Interview) und im Alltag kaum selbstständig durchführbar.

Das zentrale Problem bei all diesen Methoden: Sie erfordern erheblichen manuellen Aufwand. Und je aufwendiger eine Methode ist, desto kürzer halten Menschen durch.

Dabei wäre Durchhalten entscheidend. Eine Studie von Singh und Kollegen (2025) untersuchte, wie viele Tage kontinuierliches Tracking nötig sind, um für die meisten Nährstoffe ein verlässliches Bild zu erhalten. Das Ergebnis: Bereits 3 bis 4 Tage können ausreichen, vorausgesetzt, die Erfassung ist vollständig und konsistent. Die Methode muss also so einfach sein, dass sie über diesen Zeitraum wirklich durchgehalten wird.

Genau hier setzen moderne Systeme an, die auf Künstlicher Intelligenz (KI) basieren. KI bezeichnet Software, die aus großen Mengen an Beispielen Muster erkennen und daraus Entscheidungen ableiten kann. Im Kontext von Ernährungstracking bedeutet das: Ein System, das gelernt hat, Lebensmittel zu erkennen, Mengen zu schätzen und Mahlzeiten zu strukturieren.

Das Besondere an unserem Ansatz bei essen-messen: Die Erfassung funktioniert multimodal. Das heißt, es gibt nicht nur einen Weg, sondern mehrere, die je nach Situation flexibel genutzt werden können.

Der einfachste Weg: Ein Foto der Mahlzeit. Das System analysiert das Bild, erkennt die einzelnen Bestandteile und schätzt die Portionsgrößen. Von einer einfachen Scheibe Brot bis zu einem komplexen Teller mit mehreren Komponenten.

Bildbasierte Ernährungserfassung ist ein aktives Forschungsfeld. Studien wie MealMeter (Arefeen et al., 2025) zeigen, dass die Kombination aus Bilderkennung und maschinellem Lernen inzwischen Ergebnisse liefert, die für den Alltagsgebrauch ausreichend genau sind. Die Technologie ist nicht perfekt, aber sie entwickelt sich schnell weiter.

Manchmal reicht ein Foto allein nicht aus. Was genau in der Sauce steckt, ob es Hafermilch oder Kuhmilch im Kaffee war, ob der Salat ein Dressing hatte: Solche Details sind auf Fotos schwer zu erkennen.

Deshalb kann zusätzlich eine kurze Textbeschreibung eingegeben werden. Kein ausführliches Protokoll, sondern Stichworte oder ein kurzer Satz: „Pasta mit Pesto und Parmesan, dazu Salat mit Olivenöl." Das System versteht natürliche Sprache und strukturiert die Angaben automatisch.

Der dritte Weg ist besonders alltagstauglich: eine Sprachnachricht. Einfach kurz einsprechen, was gegessen wurde. „Heute Mittag gab es Vollkornbrot mit Butter und Käse, dazu einen großen Cappuccino mit Hafermilch."

Die Spracherkennung wandelt das Gesagte in Text um. Anschließend strukturiert das System die Mahlzeit genauso, als hätte man sie schriftlich eingegeben. Das macht die Erfassung besonders niedrigschwellig, zum Beispiel direkt nach dem Essen oder unterwegs.

Alle drei Eingabewege führen zum selben Ergebnis: Das System erkennt die einzelnen Lebensmittel und ordnet ihnen realistische Mengen zu.

Dafür nutzen wir ein spezialisiertes KI-Modell, das mit Hunderttausenden von Mahlzeitbeschreibungen und Lebensmittelbildern trainiert wurde. Es hat gelernt, typische Lebensmittel zu identifizieren, Portionsgrößen visuell oder kontextuell einzuschätzen und zusammengesetzte Gerichte in ihre Bestandteile zu zerlegen.

Wie genau ist die Mengenschätzung?

Keine Schätzung ist perfekt, weder die eines Menschen noch die einer Software. Aber für die Erkennung von Ernährungsmustern über mehrere Tage ist eine ungefähre Erfassung deutlich wertvoller als gar keine Erfassung. Auch in der Forschung gilt: Eine konsistente Annäherung liefert über mehrere Tage ein verlässlicheres Bild als eine einzelne exakte Messung.

Studien wie NutriBench (Hua et al., 2024) evaluieren gezielt, wie gut große Sprachmodelle Nährstoffmengen aus Mahlzeitbeschreibungen schätzen können. Die Ergebnisse zeigen, dass die Technologie bereits praxistaugliche Genauigkeit erreicht und sich stetig verbessert.

Unsere molekulare Analyse macht einen Teil dieser Dunklen Materie sichtbar und damit nutzbar für personalisierte Ernährungsempfehlungen.

Ernährung ist nur die eine Seite. Um individuelle Zusammenhänge zu erkennen, braucht es eine zweite Information: Wie fühlst Du Dich?

Deshalb lassen sich in unserer App auch Symptome und Befinden erfassen, ebenfalls per Text oder Sprache. Zum Beispiel:

• „Bauchschmerzen nach dem Mittagessen"
• „Morgens träge trotz genug Schlaf"
• „Heute besonders konzentriert und energiegeladen"

Das System erkennt automatisch, um welches Symptom es sich handelt, wann es aufgetreten ist und wie stark es beschrieben wird. Es sind keine medizinischen Fachbegriffe nötig. Die Eingabe funktioniert in natürlicher Alltagssprache.

Warum Symptomtracking wichtig ist: Viele Menschen bemerken gar nicht bewusst, dass bestimmte Mahlzeiten regelmäßig mit bestimmten Beschwerden zusammenhängen. Erst wenn Ernährungs- und Symptomdaten über mehrere Tage systematisch zusammengeführt werden, lassen sich solche Muster erkennen.

Die größte Stärke entfaltet das Tracking, wenn alle verfügbaren Datenquellen zusammenkommen.

Ernährungsdaten zeigen, was der Körper bekommt, nicht nur in Kalorien, sondern auf molekularer Ebene.

Symptomdaten zeigen, wie sich der Mensch fühlt, subjektiv, aber über die Zeit systematisch auswertbar.

Wearable-Daten liefern objektive, kontinuierliche Messwerte: Schlafqualität, Herzfrequenz, Herzfrequenzvariabilität, Bewegung, teils Hauttemperatur. Diese Daten erfassen den physiologischen Kontext, in dem Ernährung wirkt (mehr dazu in unserem Blogartikel zu Wearables und passiver Datenerhebung).

Aus der Kombination dieser drei Quellen können über die Zeit individuelle Muster sichtbar werden. Zum Beispiel:

• Bestimmte Mahlzeiten führen regelmäßig zu erhöhter nächtlicher Herzfrequenz.
• Nach Tagen mit wenig Schlaf fallen Blutzuckerreaktionen stärker aus.
• Bestimmte Lebensmittelkombinationen korrelieren mit Symptomen wie Müdigkeit oder Blähungen.

Solche Muster sind hochindividuell. Sie lassen sich nicht aus allgemeinen Empfehlungen ableiten, sondern nur aus den eigenen Daten.

Das eigentliche Ziel ist nicht das Tracking selbst. Es ist der Schritt danach.

Wenn das System genug über Deine Ernährung, Dein Befinden und Deine Körperreaktionen weiß, können daraus personalisierte Empfehlungen abgeleitet werden. Nicht auf Basis statistischer Durchschnitte, sondern auf Basis Deiner eigenen Daten.

Das können konkrete Hinweise sein:

• Welche Mahlzeiten für Dich besonders gut funktionieren.
• Zu welcher Tageszeit bestimmte Lebensmittel bei Dir besser oder schlechter ankommen.
• Welche Rezepte zu Deinem individuellen Profil passen.

Der Weg dorthin beginnt mit einem einfachen Schritt: dem Erfassen der eigenen Ernährung. Und genau das soll so einfach sein, dass es wirklich jeder durchhält.