KI in der Ernährung: Optimierung gesunder Ernährung mit Computer Vision

Sich gesund zu ernähren und fit zu bleiben ist ein Ziel, das viele von uns anstreben. Einer Umfrage zufolge wollen 70 % der Menschen gesünder leben, und für 50 % von ihnen hat eine gesündere Ernährung oberste Priorität. Gelegentlich verlassen wir uns vielleicht auf den Rat von Ärzten und Ernährungsberatern. Dies kann jedoch zeitaufwändig sein und Termine sowie das Erfassen von Mahlzeiten erfordern. Insbesondere das Tracking von Mahlzeiten kann mühsam und fehleranfällig sein.

KI und Computer Vision können eine gesunde Ernährung einfacher und zugänglicher machen. Sie können dabei helfen, das, was du isst, zu analysieren, deine Nährwerte zu verfolgen und sogar Rezepte basierend auf deinen gesundheitlichen Zielen vorzuschlagen. Diese Technologien können zudem dabei helfen, Allergene zu erkennen, um die Essensplanung für Menschen mit Ernährungseinschränkungen einfacher und sicherer zu machen. In diesem Artikel werfen wir einen genaueren Blick darauf, wie diese Technologien für Aufgaben wie das Nährstoff-Tracking und das Vorschlagen von Rezepten eingesetzt werden können. Wir werden auch sehen, wie KI in der Ernährung die Gesundheitsbranche beeinflusst. Fangen wir an!

Abb. 1. Verwendung von KI zum Zählen der Kalorien in einer Mahlzeit.

Computer Vision beim Tracking der Ernährung und der Analyse von Lebensmitteln#

Durch eine falsche Ernährung können verschiedene gesundheitliche Komplikationen entstehen. Forscher haben herausgefunden, dass der übermäßige oder unzureichende Konsum bestimmter Lebensmittel und Nährstoffe das Risiko für Herzerkrankungen und Schlaganfälle erhöhen kann. Deshalb ist es sehr wichtig, deine Nährstoffaufnahme im Blick zu behalten. Traditionell bedeutet das Tracking der Ernährung das manuelle Aufzeichnen der gegessenen Lebensmittel, das Schätzen von Portionsgrößen und das Nachschlagen von Nährwertinformationen – ein zeitaufwendiger Prozess, der oft mit Fehlern behaftet ist. Mit KI und Computer Vision ist das Tracking der Ernährung heute einfacher denn je.

Wenn du dich zum Essen hinsetzt, kannst du ein Foto von deiner Schüssel oder deinem Teller machen, und Computer-Vision-Modelle können das Bild analysieren, um die verschiedenen Lebensmittel zu identifizieren. Das KI-System kann dann Portionsgrößen einschätzen und detaillierte Nährwertangaben liefern. Zum Beispiel können Computer-Vision-Systeme mithilfe von Objekterkennung Lebensmittel auf deinem Teller präzise identifizieren.

Abb. 2. Verwendung des Ultralytics YOLOv8 Computer-Vision-Modells zur Erkennung von Erdbeeren.

Diese identifizierten Lebensmittel können dann mit einer umfangreichen Datenbank mit Nährwertinformationen abgeglichen werden. Fortgeschrittene Algorithmen wie die Tiefenschätzung können dabei helfen, Portionsgrößen zu bestimmen. Sobald die Lebensmittel identifiziert und die Portionsgrößen geschätzt sind, kann das System Kalorien, Makronährstoffe (wie Proteine, Fette und Kohlenhydrate) sowie Mikronährstoffe (wie Vitamine und Mineralien) berechnen, um dir eine detaillierte Nährwertaufschlüsselung deiner Mahlzeit zu geben.

Apps zum Tracking der Ernährung mit Computer Vision#

Eine der beliebtesten Anwendungen von Computer Vision beim Tracking der Ernährung sind mobile Apps. Werfen wir einen kurzen Blick auf einige spannende KI-Optionen zur Mahlzeitenerfassung.

SnapCalorie ist eine App, die Computer Vision nutzt, um den Kaloriengehalt und Makronährstoffe anhand eines Fotos zu schätzen. Trainiert mit 5.000 Mahlzeiten reduziert sie Fehler bei der Kalorienschätzung auf unter 20 % und übertrifft damit die meisten Menschen. Die Ergebnisse können in einem Ernährungstagebuch protokolliert oder in Fitnessplattformen wie Apple Health exportiert werden.

Ähnlich verhält es sich mit einer interessanten Innovation, die das KI-Ernährungstracking vorantreibt: der LogMeal API. Sie verwendet Deep-Learning-Algorithmen, die anhand großer Datensätze von Lebensmittelbildern trainiert wurden, um Lebensmittel präzise zu erkennen und zu identifizieren. Die Modelle von LogMeal erreichen eine Genauigkeit von 93 % bei 1.300 Gerichten und bieten detaillierte Nährwertanalysen, Zutatenidentifizierung sowie Schätzungen der Portionsgröße. Die LogMeal API kann problemlos in Apps integriert werden, um Mahlzeiten-Tracking-Lösungen für Restaurants, Selbstbedienungskioske, Food-Tech-Start-ups, Gesundheitsdienstleister und andere Verbraucher zu erstellen.

Abb. 3. Identifizierung von Lebensmitteln mit Logmeal.

KI zur Rezeptempfehlung nutzen#

KI kann gesunde Rezepte auf der Grundlage dessen vorschlagen, was du in deiner Küche vorrätig hast. Computer-Vision-Techniken wie die Segmentierung können verschiedene Zutaten auf einem Bild deines Kühlschranks oder Vorratsschranks erkennen. Basierend darauf kann ein Large Language Model (LLM) wie ChatGPT dann Rezepte unter Verwendung von generativer KI vorschlagen. Da du ein LLM mit Prompts steuern kannst, hast du auch die Möglichkeit, Ernährungseinschränkungen wie vegan, glutenfrei oder kohlenhydratarm anzugeben, woraufhin das KI-System Rezeptvorschläge zusammenstellt, die deinen Kriterien entsprechen.

Abb. 4. Erkennen von Zutaten mithilfe von Computer Vision.

"Sous Chef", eine angepasste Version von ChatGPT, ist ein hervorragendes Beispiel für diese Technologie. Sie kann Rezepte basierend auf dem vorschlagen, was du zur Hand hast. Du kannst entweder die Zutaten per Text eingeben oder ein Bild von dem machen, was sich in deinem Kühlschrank befindet.

Du fragst dich vielleicht, ob wir ein solches System wirklich brauchen? KI-Rezeptempfehlungssysteme bieten viele Vorteile, wie die Reduzierung von Lebensmittelverschwendung durch die sinnvolle Nutzung vorhandener Zutaten und eine größere Mahlzeitenvielfalt mit Gourmetgerichten. Sie können dir auch helfen, eine ausgewogene Ernährung beizubehalten. Beispielsweise können personalisierte Ernährungspläne, die von einem KI-Rezeptgenerator vorgeschlagen werden, dich beim Erreichen deiner Fitnessziele unterstützen. Diese Systeme können das Kochen zudem viel unterhaltsamer und kreativer gestalten.

Startups, die mit KI in der Ernährungsbranche innovativ sind#

In der Lebensmittel- und Ernährungsindustrie wird derzeit intensiv und faszinierend mit KI gearbeitet. Werfen wir einen Blick auf einige Startups, die KI in die Lebensmittel integrieren, die wir täglich zu uns nehmen.

Journey Foods, ein in den USA ansässiges Start-up, bietet Zutaten-Intelligence zur Entwicklung und Markteinführung neuer verpackter Lebensmittelprodukte an. Ihre Data-Science-Plattform JourneyAI analysiert Millionen von Zutaten und Lieferkettendaten, um die ideale Zutat für jedes Produkt zu finden. Sie sammelt und speichert riesige Datenmengen zu Chemikalien und Nährstoffen, um die besten Rezepturen für Lebensmittelprodukte zu erstellen. Die Plattform ermöglicht es Herstellern verpackter Lebensmittel außerdem, gesamte Produktlebenszyklen durch datengestützte Lebensmittelrecherche besser zu verwalten.

Ein weiteres innovatives Start-up in der Ernährungsbranche ist Viome. Viome nutzt künstliche Intelligenz und mRNA-Sequenzierungstechnologie, um personalisierte Ernährungs- und Wellness-Empfehlungen anzubieten. Sie stellen Heimtests zur Verfügung, die das Mikrobiom und die Genexpression analysieren, um präzise Einblicke in die Gesundheit des Einzelnen zu geben. Diese Einblicke helfen dabei, die zugrundeliegenden Ursachen für mikrobielle Ungleichgewichte und Entzündungen zu identifizieren. Basierend auf diesen Informationen verschreibt Viome maßgeschneiderte Nahrungsergänzungsmittel und Ernährungsempfehlungen, die auf die einzigartige Biochemie jeder Person abgestimmt sind. Indem es sich auf die Prävention chronischer Krankheiten und die Behebung gesundheitlicher Grundursachen konzentriert, macht Viome ein fortschrittliches Gesundheitsmanagement zugänglich und personalisiert.

Abb. 5. Lebensmittelempfehlungen basierend auf KI und Genomsequenzierung.

Die Nachteile von KI-Ernährungsberatern abwägen#

Während KI-gestützte Ernährungssysteme viele Vorteile bieten, müssen wir uns auch einiger Nachteile bewusst sein. Ein großes Problem ist der Datenschutz und die Sicherheit. Diese Systeme benötigen Zugriff auf sensible persönliche Gesundheits- und Ernährungsdaten. Wenn diese Daten nicht gut geschützt sind, könnten sie missbraucht oder gestohlen werden.

Zudem gibt es Bedenken hinsichtlich von Bias in KI-Algorithmen. Wenn die Trainingsdaten nicht divers genug sind, sind die Empfehlungen möglicherweise nicht für jeden genau, was potenziell zu schlechten Ratschlägen für bestimmte Personengruppen führen kann. Ein weiteres Problem ist das Risiko, zu stark von Technologie abhängig zu werden. KI kann hilfreiche Erkenntnisse liefern, aber sie sollte die Expertise menschlicher Ernährungsberater und Gesundheitsdienstleister nicht ersetzen.

Die Auswirkungen auf die Medizinbranche#

KI-gestützte Ernährungstracking- und Ernährungsberatungssysteme werden die medizinische Branche verändern und die Rollen menschlicher Ernährungsberater und Gesundheitsfachkräfte wandeln. Sie geben der Öffentlichkeit auch mehr Möglichkeiten, wenn es darum geht, Ratschläge zur Nährstoffaufnahme einzuholen. Rund 40 % der Menschen halten es nicht für notwendig, vor der Einnahme eines Nahrungsergänzungsmittels im Rahmen ihrer täglichen Routine mit ihrem Arzt zu sprechen. KI erleichtert es, eine Expertenmeinung einzuholen, und kann die Öffentlichkeit dazu ermutigen, vor Änderungen ihrer Nährstoffaufnahme mehr Input einzuholen.

Es ist wahrscheinlich, dass eine KI-Transformation die Handhabung von Ernährung und Ernährungsmanagement grundlegend verändern kann. Alexandra Kaplan, eine Ernährungsberaterin bei Core Nutrition mit Sitz in Westchester, New York, erklärt: „Unter der Annahme, dass sie genau ist (die KI), könnte sie sehr nützlich sein, da sie mir helfen würde, die genaue Portion dessen zu kennen, was auf dem Teller ist, und dann, was in dem Lebensmittel enthalten ist, sodass es für Patienten hilfreich sein könnte zu wissen, was sie bei dieser Mahlzeit zu sich nehmen.“

Anstatt menschliche Ernährungsberater zu ersetzen, kann KI als mächtiges Werkzeug dienen, das deren Expertise ergänzt. KI kann datengestützte Erkenntnisse liefern, die klinische Entscheidungsfindungen unterstützen und es Ernährungsberatern ermöglichen, effektivere Behandlungspläne zu entwickeln. Beispielsweise kann KI Muster in den Ernährungsgewohnheiten eines Patienten identifizieren, die zu chronischen Krankheiten beitragen, und es Ernährungsberatern ermöglichen, früher und effektiver einzugreifen.

Zusammenfassung: KI in der Ernährung#

Computer Vision und KI können es wesentlich einfacher machen, unsere Ernährung zu verfolgen, und können sogar als dein persönlicher Ernährungsberater fungieren. Diese Technologien können dazu genutzt werden, die Patientengesundheit durch präzises Monitoring und maßgeschneiderte Ernährungspläne zu verbessern und gleichzeitig die Kosten im Gesundheitswesen zu senken, indem die kompliziertesten Prozesse der Ernährungsberatung effizienter gestaltet werden. Obwohl KI einige Einschränkungen hat, wie Genauigkeitsprobleme und das Fehlen der menschlichen Komponente, können KI-Innovationen menschliches Fachwissen ergänzen und die allgemeine Ernährungsversorgung verbessern. Wir sind vielleicht noch weit entfernt von den "Food Replicators" aus Star Trek, aber KI in der Ernährung gestaltet die Zukunft bereits neu.

Lass uns gemeinsam innovativ sein! Erkunde unser GitHub-Repository, um unsere Beiträge zur KI zu sehen. Entdecke, wie wir Branchen wie die Fertigung und das Gesundheitswesen mit modernster KI-Technologie neu definieren. 🚀