Wie Foto-Tracking Mahlzeiten erfasst, die ein Barcode nie erfassen wird

Öffne fast jede Nährwertdatenbank, und du wirst feststellen, dass es sich eigentlich um eine Datenbank für abgepackte Lebensmittel handelt. Müslipackungen, Proteinriegel, Fertiggerichte, Restaurantketten-Artikel mit UPC-Code — alles einmal von jemandem eingetragen, danach von allen anderen gescannt. Das funktioniert gut, bis du selbst etwas kochst.

Eine Pfanne mit drei Gemüsesorten, einer Marinade, die du nach Augenmaß angerührt hast, und einer Menge Öl, die tatsächlich in der Pfanne gelandet ist, hat keinen Barcode. Ein Salat, den du aus dem gemacht hast, was gerade im Kühlschrank war, auch nicht, ebenso wenig ein Topf Chili, der jedes Mal ein wenig anders ausfällt. Diese Mahlzeiten machen einen riesigen Teil dessen aus, was Menschen tatsächlich essen, und genau sie bringen das suchbasierte Erfassen zum Scheitern.

Der übliche Workaround ist, sich anzunähern: nach etwas Ähnlichem suchen, die nächstbeste Übereinstimmung wählen und hoffen, dass die geschätzte Portionsgröße nicht zu weit daneben liegt. Macht man das dreimal am Tag, summieren sich die Fehler schnell — nicht weil eine einzelne Schätzung völlig falsch wäre, sondern weil es keinen Bezugspunkt zu der Mahlzeit gibt, die tatsächlich vor einem steht.

Die fotobasierte Schätzung dreht den Ausgangspunkt um. Statt nach einem Ersatz zu suchen, fotografierst du den tatsächlichen Teller, und das Modell schließt aus dem, was es sieht: die sichtbaren Zutaten, ihr ungefähres Volumen im Verhältnis zum Teller, und wie sich das auf typische Makronährstoffverhältnisse für diese Art von Gericht überträgt. Es liest kein Etikett, weil es keines gibt — es schätzt aus denselben Informationen, die eine Person nutzen würde, wenn man sie bäte zu raten.

Dieser Unterschied ist wichtiger, als er klingt. Eine Person, die deine Pfanne betrachtet, könnte dir sagen, dass es sich wahrscheinlich um ein Hähnchen-Gemüse-Gericht mit leichter Sauce handelt, etwa anderthalb Teller Essen, vermutlich 500–650 Kalorien. Sie bräuchte dafür keinen UPC-Code, und sie läge wahrscheinlich näher dran als eine grobe Datenbanksuche nach "Hähnchenpfanne", die ein völlig anderes Verhältnis von Eiweiß zu Gemüse zu Öl annimmt.

Nichts davon macht die Foto-Schätzung perfekt. Sie weiß nicht genau, wie viel Butter in deinem Kartoffelpüree steckt oder ob die Sauce mit Sahne oder Brühe gemacht wurde. Was sie liefert, ist eine vernünftige Spanne für Mahlzeiten, für die es vorher überhaupt keine gute Tracking-Option gab — Mahlzeiten, die vorher entweder ausgelassen, wild geraten oder als etwas völlig anderes eingetragen wurden, weil das die einzige Übereinstimmung in der Datenbank war.

Die beiden Systeme sollen zusammenarbeiten, nicht konkurrieren. Ein Barcode-Scan liefert exakte Zahlen für abgepackte Lebensmittel, weil exakte Zahlen existieren. Ein Foto liefert eine brauchbare Schätzung für alles andere, weil bei hausgemachtem Essen eine schnelle, halbwegs genaue Zahl besser ist als eine langsame, scheinbar präzise. An den meisten Tagen nutzt man am Ende beides — der Joghurt wird gescannt, das Abendessen fotografiert — und zusammen spiegelt das Tagesprotokoll tatsächlich wider, was gegessen wurde, statt der nächstbesten Übereinstimmung in einer Datenbank.

Der größere Punkt betrifft den eigentlichen Zweck von Tracking. Wenn das Ziel ein Trend über Wochen und Monate ist, schlägt eine leicht unperfekte Schätzung heute, die man morgen tatsächlich wieder einträgt, eine technisch präzise Zahl, für die man fünf Minuten gebraucht hat und die man beim nächsten Mal auslässt, weil sich der Aufwand nicht gelohnt hat. Foto-Tracking existiert, weil hausgemachtes Essen üblich ist, reines Datenbank-Tracking es schlecht bewältigt, und die Lösung keine größere Datenbank ist — sondern eine andere Art, auf den Teller zu schauen.