Der Tomaten-Mozzarella-Salat wird zuverlässig erkannt. Ein Druck auf den Auslöser der Handy-Kamera, und wenige Sekunden später ist auf dem Bildschirm neben dem Foto des Gerichts die Angabe von 532 Kalorien zu lesen. Sogar die Zwiebelringe, mit denen der Salat garniert ist, wurden vom Bilderkennungsalgorithmus richtig identifiziert.

Die App, die das Kalorienzählen einfach machen will, heisst Snics. Entwickelt hat sie das österreichische Start-up 360 Factory. Der Name sei eine Zusammensetzung aus den Begriffen «Snacks» und «Pictures», erklärt CEO und Gründer Gerd Sumah. Die App basiert auf einer Bilddatenbank mit Zehntausenden von Gerichten. Mittels künstlicher Intelligenz wird das geknipste Foto analysiert und mit den Bildern der Datenbank abgeglichen, um dem Nutzer die Nährwertinformationen der Speise präsentieren zu können. «Alles, was man machen muss, ist sein Essen zu fotografieren. Der Rest geschieht im Hintergrund», erklärt Sumah.

«Foodporn» wurde zum Trend

An Fotos von Essen mangelt es bekanntlich nicht im Internet. Das Fotografieren von Gerichten ist zu einem Trend geworden und der Begriff «Foodporn» zu einem Modewort. Wenn nun ein Algorithmus die Nährwerte der fotografisch festgehaltenen Gerichte beziffern kann, so lässt sich das bestens mit einem zweiten Trend der digitalen Zeit koppeln: der Selbstvermessung oder «Quantified Self»-Bewegung.

Längst tragen nicht mehr nur Techaffine Armbänder, die Schritte zählen und Schlafphasen analysieren. Mittlerweile bewerben bereits Krankenkassen solche Anwendungen. Wirklich vollzählig sind solche Daten aber nur, wenn man nicht nur weiss, wie viele Kalorien man beim Sport verbrannt, sondern auch wie viele man zu sich genommen hat. Bisher musste der Selbstvermesser diese mühsam von Hand in die App eingeben. Ein Bilderkennungsprogramm wie Snics vereinfacht dies massiv.

Das Curry überfordert die KI

Was beim Tomaten-Mozzarella-Salat verblüffend gut geklappt hat, funktioniert bei der als Hauptgang folgenden Pizza nicht einwandfrei. Der Schinken wird zwar erkannt, die Oliven aber mit Champignons verwechselt. Das Hauptproblem von Snics ist jedoch ein anderes: Die Grösse der Portion wird von der künstlichen Intelligenz nicht erfasst. Egal ob man die ganze Pizza fotografiert oder lediglich ein Stück: Es bleibt bei 873 Kalorien. Die Portionengrösse kann der Nutzer zwar nachjustieren. Dennoch dürfte die Fehlerquelle beträchtlich sein.

Ein weiteres Problem: Die App erkennt nicht, ob es sich um herkömmlichen Mozzarella (100 Gramm enthalten zirka 250 Kalorien) oder die Light-Variante (zirka 160 Kalorien) handelt. Hinter jeder identifizierten Zutat, erklärt Sumah, stecke eine Standardrezeptur, die vom Ernährungsteam des Start-ups vorgegeben werde.

Vollends an die Grenzen stösst die App, als es darum geht, ein indisches Curry-Gericht zu erkennen. Beim ersten Versuch tippte der Algorithmus auf Reis mit Tomatensauce. Einmal mit der Gabel kräftig rumrühren und noch einmal knipsen: Nun vermutete die App ein vegetarisches Curry. Fünf Minuten später wurde dann das vermeintliche Vegi-Gericht dennoch zu «Basmatireis mit geschnetzelter Pute». In diesem Fall wurde aber manuell eingegriffen. «Wird eine Speise von der künstlichen Intelligenz nicht richtig erkannt, kümmert sich im Hintergrund unser Team aus Diätologinnen und Ernährungswissenschafterinnen darum, die Ergebnisse richtigzustellen», sagt Sumah.

Samsungs Assistent rechnet auch

Snics ist nicht die einzige Anwendung, die aufgrund von Fotografien Kalorien errechnen kann. So hat etwa Samsung eine entsprechende Funktion in den persönlichen Assistenten Bixby für seine neunen Smartphones integriert. Und es gibt die App mit dem vielversprechenden Namen Lose it!, die bei unserem kurzen Test aber signifikant schlechtere Ergebnisse geliefert hat als Snics. Auch Google forscht schon seit Jahren an einer solchen Technologie, die einst vorgestellte Applikation Im2Calories hat es bisher aber nicht zur Marktreife gebracht.

Das zeigt, wie schwierig es ist, aufgrund eines fotografierten Gerichts alle darin enthaltenen Lebensmittel zu erkennen. Das dürfte für eine künstliche Intelligenz schwieriger sein, als auf einer computertomografischen Abbildung Hautkrebszellen zu identifizieren. Denn hier schneidet die KI in wissenschaftlichen Tests mehrheitlich besser ab als erfahrene Radiologen.

Doch wie sollte es auch möglich sein, etwa in einem breiartigen Eintopf einzelne Ingredienzen zu erkennen, ohne davon zu kosten? Das menschliche Auge kann das ja auch nicht. Von der KI ist zwar viel zu erwarten, Wunder gehören aber nicht dazu.