Was KI-Ernährungsschätzungen leisten können – und was nicht

Wie aus einem Foto eine Nährwertschätzung wird

Ein fotobasiertes System muss im Allgemeinen Lebensmittelregionen erkennen, sichtbare Elemente benennen, die Portionsgröße ableiten, jedes Element mit Daten zur Lebensmittelzusammensetzung abgleichen und geschätzte Kalorien und Nährstoffe berechnen. Bei jedem Schritt kann Unsicherheit auftreten.

Das Bild verdeckt möglicherweise einen Teil der Mahlzeit. Ein korrekter Lebensmittelname kann immer noch mit der falschen Zubereitung gepaart sein. Für ein Familienrezept ist möglicherweise kein passender Datenbankeintrag vorhanden. USDA FoodData Central macht diese Variation durch Datensätze sichtbar, die aus unterschiedlichen Quellen und für unterschiedliche Kontexte erstellt wurden. ^[4]

1. Erkennen Sie Lebensmittel oder Lebensmittelbereiche im Bild.
2. Sichtbaren Elementen Namen zuweisen.
3. Ermitteln Sie die Portionsgröße oder das Gewicht.
4. Ordnen Sie jedes Element den Daten zur Lebensmittelzusammensetzung zu.
5. Berechnen Sie die geschätzten Kalorien und Nährstoffe.

Eine praktische Fähigkeitskarte

Gemischte Gerichte zeigen die Grenzen deutlich auf. Bei einem Vergleich kommerzieller Lebensmittelerkennungs-Apps im Jahr 2024 erkannten einige Systeme viele sichtbare Komponenten, erzeugten aber dennoch große Unterschiede bei den Energieschätzungen. Erkennung, Portionsableitung und Nährstoffschätzung sollten als separate Aufgaben betrachtet werden. ^[5]

Warum eine genau aussehende Zahl immer noch eine Schätzung ist

Schnittstellen zeigen oft einen einzelnen Wert an, da dieser einfacher zu lesen ist als ein Bereich. „547 kcal“ scheint daher sicherer zu sein, als die Beweise belegen. Lesen Sie es als Ergebnis sichtbarer Lebensmittel sowie Annahmen zu Portion, Zubereitung und Datenabgleich.

Das KI-Risikomanagement-Framework von NIST behandelt Gültigkeit, Zuverlässigkeit, Transparenz, Erklärbarkeit, Datenschutz und das Management schädlicher Vorurteile als eigenständige Teile vertrauenswürdiger KI. Genauigkeit allein reicht nicht aus und Transparenz macht ein System nicht automatisch präzise. ^{[1], [2]}

Unabhängige Tests zeigen dasselbe. In einer vorläufigen NIH-Studie, die auf der NUTRITION 2026 vorgestellt wurde, haben die Fotofunktionen von MyFitnessPal, Lose It!, Cal AI und Appediet 102 sorgfältig zubereitete Mahlzeiten im Durchschnitt um etwa 250 bis 345 kcal – etwa ein Drittel – und Fett um etwa 30 Gramm unterschätzt. Die Forscher bezeichnen die Ergebnisse als vorläufig, bis eine von Experten begutachtete Arbeit veröffentlicht wird. ^[7]

Anhand der sichtbaren Lebensmittel, der angenommenen Portion, der angenommenen Zubereitung und ausgewählter Datenbankeinträge erstellte dieses System eine Schätzung.

• Label schätzt eindeutig.
• Machen Sie wichtige Annahmen überprüfbar.
• Korrekturen zulassen.
• Vermeiden Sie universelle Genauigkeitsansprüche.
• Verwenden Sie menschliches Urteilsvermögen, wenn ein Fehler Schaden anrichten könnte.

Verwenden Sie die Schätzung entsprechend dem Einsatz

Für eine persönliche Erinnerung an eine Mahlzeit kann eine grobe Schätzung ausreichen. Bei breiten Mustern ist Konsistenz möglicherweise wichtiger als Genauigkeit.

Für medizinische Ernährungstherapie, Insulindosierung, Nierenerkrankungen, schwere Allergien, Schwangerschaftskomplikationen, Behandlung von Essstörungen oder andere klinische Entscheidungen ist ein Kostenvoranschlag mit einem Verbraucherfoto kein ausreichender Ersatz für Etiketten, gemessene Informationen und professionelle Beratung. Je höher die Konsequenz eines Fehlers ist, desto stärker sollten die Beweise und die menschliche Kontrolle sein.

Essensfotos sind personenbezogene Daten

Ein Essensfoto kann Gesichter, Spiegelbilder, Medikamente, Post, eine Adresse, einen Arbeitsplatz, eine Schule, ein Zuhause, einen Reisehinweis, eine kulturelle Praxis, einen Bildschirm oder ein Dokument offenbaren. Zeit- und Routinemuster können auch entstehen, wenn Fotos mit der Tagebuchgeschichte kombiniert werden.

Schauen Sie vor dem Hochladen über den Tellerrand hinaus. Ein enger Ausschnitt und ein schlichter Hintergrund können sowohl die Erkennbarkeit als auch die Privatsphäre verbessern. Wenn ein Foto etwas enthält, das Sie nicht absichtlich in das Tagebuch schreiben würden, nehmen Sie es erneut auf oder schneiden Sie es zu.

Fünf Datenschutzfragen, die Sie jeder Food-App stellen sollten

„KI-gestützte“ sagt Ihnen nicht, wo die Verarbeitung stattfindet, wer die Daten erhält oder wie lange sie verfügbar bleiben. Direkte Antworten finden Sie in der aktuellen Datenschutzerklärung.

Gehen Sie nicht davon aus, dass HIPAA jede Wellness-App abdeckt

In den Vereinigten Staaten gilt HIPAA für bestimmte abgedeckte Unternehmen und deren Geschäftspartner – nicht automatisch für jedes Produkt, das gesundheitsbezogene Informationen speichert.

Offizielle HHS-Verbraucherrichtlinien erklären, dass HIPAA-Schutzmaßnahmen gelten, wenn Gesundheitsinformationen von einem versicherten Gesundheitsdienstleister oder Krankenversicherer gespeichert werden, aber nicht automatisch Informationen folgen, die an eine Organisation weitergegeben werden, die nicht durch HIPAA abgedeckt ist. Die Fakten und Zusammenhänge sind wichtig. Dies sind allgemeine Informationen, keine Rechtsberatung. ^[3]

Was bling aktuell zu Fotos und Daten sagt

blings veröffentlichte Datenschutzrichtlinie besagt, dass Essensfotos an seine Server gesendet und von automatisierter und KI-gestützter Technologie verarbeitet werden, um Lebensmittel zu identifizieren und den Nährwert abzuschätzen. Die Ergebnisse können vor dem Speichern überprüft und bearbeitet werden. ^[6]

Die Richtlinie beschreibt auch Dienstanbieter für Authentifizierung, Cloud-Hosting und -Speicherung sowie KI-Lebensmittelerkennung; gibt an, dass personenbezogene Daten nicht zu Werbezwecken verkauft oder weitergegeben werden; beschreibt Bearbeitung, Löschanfragen, Verschlüsselung während der Übertragung und Zugriffskontrollen; und erklärt, dass keine Speicher- oder Übertragungsmethode garantiert absolut sicher ist. ^[6]

Dies sind produktspezifische Aussagen, keine Versprechen für jede Food-App. Datenschutzpraktiken können sich ändern. Überprüfen Sie daher die aktuelle Richtlinie, wenn die Entscheidung wichtig ist.

Ein sichererer Arbeitsablauf im Alltag

Bequemlichkeit und Vorsicht können nebeneinander bestehen. Das Ziel besteht nicht darin, jeder Schätzung zu misstrauen; Es geht darum, zu verstehen, welche Beweise dafür erbracht wurden und welche Informationen Sie ausgetauscht haben, um sie zu erhalten.

1. Rahmen Sie das Essen ein, nicht den Raum.
2. Entfernen Sie nicht verwandte sensible Details.
3. Laden Sie es nur hoch, wenn Sie mit der angegebenen Verarbeitung zufrieden sind.
4. Überprüfen Sie die Namen und Portionen der Lebensmittel.
5. Richtige Annahmen, von denen Sie wissen, dass sie falsch sind.
6. Behandeln Sie das Ergebnis als Schätzung.
7. Verwenden Sie die dokumentierten Löschoptionen, wenn Sie nicht mehr möchten, dass berechtigte Daten aufbewahrt werden.

Fragen, die es wert sind, beantwortet zu werden

Quellenbuch

Quellen und weiterführende Literatur

1. KI-Risikomanagement-FrameworkNationales Institut für Standards und Technologie
2. Vertrauenswürdige und verantwortungsvolle KI-EigenschaftenNIST KI-Ressourcenzentrum
3. HIPAA für VerbraucherUSA Ministerium für Gesundheit und menschliche Dienste, ASTP/ONC
4. FoodData Central DatendokumentationUSDA
5. Evaluierung kommerzieller Anwendungen zur LebensmittelerkennungNährstoffe über PMC
6. Datenschutzerklärungbling
7. Fotobasierte Kalorien-Tracking-Apps unterschätzen möglicherweise die Energie in MahlzeitenAmerikanische Gesellschaft für Ernährung über EurekAlert!

Sehen Sie etwas, das korrigiert werden muss? Lesen Sie unsere redaktionellen Richtlinien oder senden Sie eine E-Mail an team@bling.best.