Food Label Evidence

Messung

Warum Sie eine Portion nicht schätzen können

Der Fehler bei der Portionsschätzung ist groß genug, um die meisten Änderungen, die Menschen an ihrer Ernährung vornehmen möchten, zu überlagern. Das ist das Problem, das Lebensmittel-Scan-Apps lösen sollen.

Aktualisiert 3 min Lesezeit 17 Zitationen Evidenzstärke 4/5

Die Größe des Problems

Eine systematische Übersicht über die Portionsgrößenschätzung [3] und über Erinnerungsfehler [2] findet Fehler, die routinemäßig mehrere Prozent betragen. Entscheidend ist, dass der Fehler verzerrt und nicht zufällig ist: Menschen berichten weniger, und unterberichten mehr, wenn die Aufnahme höher ist und wenn das Essen eines ist, für das sie sich beurteilt fühlen.

Validierung gegen doppelt markiertes Wasser — die Referenzmethode, die auf unserer Metabolismus-Seite behandelt wird — quantifiziert dies direkt. Das ist der Grund, warum ein Ernährungstagebuch, das 1.600 kcal zeigt, ohne Gewichtszunahme in der Regel ein Messproblem und kein metabolisches Problem darstellt.

Fehler bei der Portionsschätzung

Warum es schwierig ist

  • Das Volumenempfinden ist nicht linear. Wenn der Durchmesser einer Schüssel verdoppelt wird, verdoppelt sich der Inhalt mehr als nur doppelt, und Menschen beurteilen nach der Breite.
  • Kochöl ist unsichtbar. Ein Esslöffel hat über 100 kcal und erscheint nicht im Gedächtnis einer Mahlzeit.
  • Verpackungen definieren Portionen. Eine "Portion" ist das, was der Behälter hielt.
  • Referenzobjekte versagen. "Handflächengroß" variiert mit der Handfläche.
  • Das Gedächtnis rekonstruiert. Menschen erinnern sich an das, was sie normalerweise essen, nicht an das, was sie gegessen haben.

Training hilft, und eine systematische Übersicht über die Trainingseffekte [4] zeigt, dass die Verbesserung ohne Verstärkung abnimmt — das übliche Ergebnis für eine Wahrnehmungsfähigkeit.

Kann Technologie das lösen?

Hier kommt die bildbasierte Ernährungsbewertung ins Spiel: Fotografieren Sie die Mahlzeit, lassen Sie ein Modell die Lebensmittel identifizieren und das Volumen schätzen. Validierungsstudien gegen Referenzmethoden existieren, und Augmented Reality wurde als Hilfsmittel zur Schätzung überprüft [1].

Ehrliche Zusammenfassung: bildbasierte Methoden sind unvollkommen und besser als Erinnerungen. Sie entfernen den Gedächtnisschritt, der die größte Fehlerquelle darstellt, und sie erben neue Fehler bei der Tiefenschätzung und versteckten Zutaten. Im Vergleich zu einem Ernährungstagebuch, das aus dem Gedächtnis vor dem Schlafengehen geschrieben wurde, ist das eine klare Verbesserung. Im Vergleich zu einer Küchenwaage ist es das nicht.

Was das für das Tracking bedeutet

Verwenden Sie verfolgte Kalorien als relatives Signal, nicht als absolutes. Wenn Ihre erfasste Aufnahme von Woche zu Woche konsistent ist und Ihr Gewicht sich nicht verändert, ist der nützliche Schritt, etwas zu ändern und den Trend zu beobachten — nicht der Integer zu vertrauen. Die Konsistenz der Methode ist viel wichtiger als die Genauigkeit der Methode, da eine konsistente Verzerrung sich aufhebt, wenn Sie sich selbst vergleichen.

Häufige Fragen

Wie falsch ist mein Ernährungstagebuch?
Systematisch unter, oft um mehrere Prozent, und mehr bei höheren Aufnahmen [2][3].
Sind foto-basierte Apps genau?
Besser als Erinnerungen, schlechter als Wiegen. Sie entfernen den Gedächtnisfehler und fügen Schätzfehler hinzu.
Sollte ich alles wiegen?
Für einige Wochen ist es wirklich lehrreich. Auf unbestimmte Zeit hören die meisten Menschen auf — und eine Methode, die Sie aufgeben, hat eine Genauigkeit von null.
Warum sagt meine App, dass ich 1.500 kcal gegessen habe und ich nicht abnehme?
Fast immer Unterberichterstattung statt Stoffwechsel. Siehe unsere Metabolismus-Seite.

Referenzen

Jede untenstehende Zitation führt zum ursprünglichen, peer-reviewed Artikel auf PubMed oder über DOI. Nichts hier ersetzt medizinische Beratung.

  1. Application of Augmented Reality Technology as a Dietary Monitoring and Control Measure Among Adults: A Systematic Review Gonzalez GV, Mao B, Wang R, et al. · Nutrients · 2025 · Systematic review DOIPubMed 41470837Full text
  2. A systematic review of recall errors associated with portion size estimation aids in children de Vlieger NM, Weltert M, Molenaar A, et al. · Appetite · 2020 · Systematic review DOIPubMed 31751634
  3. Validity of image-based dietary assessment methods: A systematic review and meta-analysis Ho DKN, Tseng SH, Wu MC, et al. · Clinical nutrition (Edinburgh, Scotland) · 2020 · Meta-analysis DOIPubMed 32839035
  4. Portion size estimation in dietary assessment: a systematic review of existing tools, their strengths and limitations Amoutzopoulos B, Page P, Roberts C, et al. · Nutrition reviews · 2020 · Systematic review DOIPubMed 31999347
  5. The Role of Various Forms of Training on Improved Accuracy of Food-Portion Estimation Skills: A Systematic Review of the Literature Hooper A, McMahon A, Probst Y · Advances in nutrition (Bethesda, Md.) · 2019 · Systematic review DOIPubMed 30629097Full text
  6. Dietary assessment in minority ethnic groups: a systematic review of instruments for portion-size estimation in the United Kingdom Almiron-Roig E, Aitken A, Galloway C, et al. · Nutrition reviews · 2017 · Systematic review DOIPubMed 28340101Full text
  7. Immersive Virtual Reality Dietitian Improves Portion Control Self-Efficacy and Portion Size Estimation Accuracy Braga BC, Long J, Maksi S, et al. · Journal of nutrition education and behavior · 2025 · Randomised controlled trial DOIPubMed 40019425
  8. An automated image-based dietary assessment application: a pilot study Lee L, Bishop R, Stanley J · Journal of nutritional science · 2025 · Randomised controlled trial DOIPubMed 41321681Full text
  9. Validity and Usability of a Smartphone Image-Based Dietary Assessment App Compared to 3-Day Food Diaries in Assessing Dietary Intake Among Canadian Adults: Randomized Controlled Trial Ji Y, Plourde H, Bouzo V, et al. · JMIR mHealth and uHealth · 2020 · Randomised controlled trial DOIPubMed 32902389Full text
  10. The international food unit: a new measurement aid that can improve portion size estimation Bucher T, Weltert M, Rollo ME, et al. · The international journal of behavioral nutrition and physical activity · 2017 · Randomised controlled trial DOIPubMed 28899402Full text
  11. Portion-size estimation training in second- and third-grade American Indian children Weber JL, Cunningham-Sabo L, Skipper B, et al. · The American journal of clinical nutrition · 1999 · Randomised controlled trial DOIPubMed 10195603
  12. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods Boushey CJ, Spoden M, Zhu FM, et al. · The Proceedings of the Nutrition Society · 2017 · Review DOIPubMed 27938425
  13. Merging dietary assessment with the adolescent lifestyle Schap TE, Zhu F, Delp EJ, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2014 · Review DOIPubMed 23489518Full text
  14. Development and validation of a smartphone image-based app for dietary intake assessment among Palestinian undergraduates Hattab S, Badrasawi M, Anabtawi O, et al. · Scientific reports · 2022 · Journal article DOIPubMed 36104377Full text
  15. Development and evaluation of image-series for portion size estimation in dietary assessment among adults Salvesen L, Engeset D, Øverby NC, et al. · Journal of nutritional science · 2021 · Journal article DOIPubMed 33889386Full text
  16. The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study Lucassen DA, Willemsen RF, Geelen A, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2021 · Journal article DOIPubMed 33761165Full text
  17. Validation of a Smartphone Image-Based Dietary Assessment Method for Pregnant Women Ashman AM, Collins CE, Brown LJ, et al. · Nutrients · 2017 · Journal article DOIPubMed 28106758Full text

Diese Seite wurde automatisch aus dem Englischen übersetzt. Die Zitationen und Zahlen sind unverändert. Lesen Sie das englische Original, wenn etwas seltsam klingt. Lesen Sie das englische Original