Heute stand ich in der Kantine bei der Arbeit vor den drei Displays mit den Tagesmenüs. Zur Auswahl standen unter anderem Fried Rice, Calamares im Backteig und Rinds-Stroganoff.
Normalerweise entscheide ich in solchen Situationen hauptsächlich nach Appetit und Bauchgefühl. Mein Favorit war dieses Mal ziemlich schnell klar: das Fried Rice. Trotzdem kam mir beim Blick auf die Displays spontan ein anderer Gedanke:
Was sagt eigentlich NutriScan AI dazu?
Ein etwas anderer Scan
Bisher habe ich NutriScan AI hauptsächlich dafür genutzt, Zutatenlisten von Produkten zu analysieren. Dafür wurde die App ursprünglich auch entwickelt. Eine Menütafel in einer Kantine ist etwas anderes.
Es gibt keine vollständige Zutatenliste, keine Nährwertangaben und keine genauen Mengen. Auf dem Display stehen lediglich der Name des Gerichts und eine kurze Beschreibung. Dazu kommen ein Bild und der Preis.
Ich wollte deshalb einfach ausprobieren, ob meine App auch damit zurechtkommt.
Ich fotografierte nacheinander die kompletten Menüanzeigen und liess sie von NutriScan AI analysieren. Das Fotografieren ging schnell und die Analyse dauerte jeweils nur ein paar Sekunden – wobei das natürlich auch von der Internetverbindung vor Ort abhängt.
Zu meiner positiven Überraschung erkannte die App trotz Bild, Beschreibung und Preis die relevanten Informationen und konnte die Gerichte meinen persönlichen Zielen gegenüberstellen.
Mein Favorit: Fried Rice
Noch vor dem Scan hätte ich mich für das Fried Rice entschieden. Ich mag das Gericht und hatte das Gefühl, dass es von den verfügbaren Menüs am besten zu meinen Zielen passen könnte.
In meinem NutriScan-AI-Profil habe ich unter anderem die Ziele Ausdauer und zuckerarm hinterlegt. Als Triathlet trainiere ich für Wettkämpfe, weshalb die Ernährung für mich auch unter dem Gesichtspunkt meiner Ausdauer eine Rolle spielt. Bei „zuckerarm“ achte ich vor allem auf industriell zugesetzten Zucker.
Genau dieser persönliche Kontext ist für mich bei NutriScan AI wichtig. Ich möchte nicht einfach wissen, ob ein Lebensmittel oder Gericht pauschal „gesund“ oder „ungesund“ ist. Mich interessiert vielmehr die Frage:
Wie gut passt es zu meinen persönlichen Zielen?
Beim Fried Rice bestätigte die Analyse meine eigene Einschätzung. Besonders die komplexen Kohlenhydrate wurden im Hinblick auf mein Ausdauerziel positiv eingeordnet.
Meine Entscheidung stand eigentlich schon vor dem Scan fest. Die Analyse hat mich darin aber zusätzlich bestärkt. Wäre die Einschätzung überraschend schlecht ausgefallen, hätte ich meine Wahl vermutlich noch einmal überdacht.
Also blieb es beim Fried Rice.
Interessanter als nur ein Score
Natürlich habe ich mir auch die anderen Menüs angesehen. Bei den Calamares im Backteig war ich beispielsweise davon ausgegangen, dass das Frittieren eher negativ ins Gewicht fallen würde. Das Rinds-Stroganoff hätte ich aus meinem Bauchgefühl heraus wiederum besser eingeschätzt.
Gerade dabei wurde mir aber auch bewusst, dass der reine Score bei solchen Analysen für mich gar nicht das Entscheidende ist.
Ohne Zutatenliste muss NutriScan AI Annahmen treffen. Die App weiss beispielsweise nicht, wie ein Gericht tatsächlich zubereitet wurde, wie viel Öl oder Butter verwendet wurde oder wie gross die Portion am Ende ist.
Deshalb lese ich bei solchen Scans vor allem den Text zur Bewertung. Dort kann ich besser nachvollziehen, auf welchen Annahmen die Einschätzung basiert, und das Ergebnis entsprechend einordnen.
Für mich ist die Analyse deshalb keine Entscheidung, die mir die App abnimmt. Sie ist eher ein zusätzlicher Denkanstoss.
Damit hatte ich nicht gerechnet
Die für mich interessanteste Erkenntnis dieses kleinen Experiments war am Ende gar nicht, welches Menü am besten abgeschnitten hat.
Ich war vor allem positiv überrascht, dass NutriScan AI mit den Menübeschreibungen überhaupt relativ gut umgehen konnte.
Die App wurde ursprünglich nicht für diesen Anwendungsfall entwickelt. Trotzdem konnte ich einfach das komplette Display inklusive Menübeschreibung, Bild und Preis fotografieren und bekam eine Einschätzung, die ich in den Kontext meiner persönlichen Ziele setzen konnte.
Natürlich ist das keine exakte Nährwertanalyse. Ohne vollständige Zutatenliste, Nährwertangaben und Portionsgrössen bleibt ein Teil der Bewertung eine KI-basierte Einschätzung. Entsprechend würde ich meine Entscheidung in der Kantine auch künftig nicht vollständig davon abhängig machen.
Aber wenn mir NutriScan AI bei einem Gericht eine deutlich negative Einschätzung anzeigen würde, würde ich vermutlich zweimal darüber nachdenken und mir zumindest die Begründung genauer ansehen.
Mein Fazit nach dem Kantinen-Experiment
Ich werde NutriScan AI bei Gelegenheit wieder nutzen, wenn ich vor den Menüs in der Kantine stehe. Nicht, damit mir die App sagt, was ich essen soll, sondern um meine eigene Einschätzung zu überprüfen und vielleicht auf Aspekte aufmerksam zu werden, an die ich selbst nicht gedacht hätte.
Für mich hat dieses spontane Experiment vor allem eines gezeigt: NutriScan AI funktioniert nicht nur mit exakten Zutatenlisten aus dem Supermarkt. Auch eine einfache Menübeschreibung kann ausreichen, um eine interessante Einschätzung zu meinen persönlichen Zielen zu bekommen.
Wie weit das funktioniert, möchte ich weiter ausprobieren.
Vielleicht fotografiere ich beim nächsten Experiment gar keine Menütafel mehr, sondern direkt das fertige Gericht auf meinem Teller – und schaue, was NutriScan AI daraus macht.