Der entscheidende Unterschied ist die Genauigkeit. Erst sie macht eine Kohlenhydrat-Schätzung wirklich nützlich. Carbetic verbindet KI mit Mathematik und echten Messdaten und ist dadurch deutlich genauer als normale KI-Tools oder Kalorienzähler-Apps.
Ein allgemeiner KI-Chatbot schätzt eine Mahlzeit meist anhand eines einzelnen Fotos. Carbetic vermisst sie. Beispiele, warum Carbetic genauer ist:
3D-Rekonstruktion statt Einzelfoto. Aus drei Aufnahmen erstellt Carbetic ein 3D-Modell der Mahlzeit. Daraus ergeben sich die Abmessungen und das Volumen jeder Komponente. Volumen mal Dichte ergibt das Gewicht, und daraus berechnet die App die Nährwerte.
Geprüfte Nährwertquellen. Die Carbetic-Datenbank führt mehrere Referenzdatenbanken zusammen: FoodData Central des US-Landwirtschaftsministeriums (USDA), Nährwertangaben der Hersteller, offizielle Websites und weitere geprüfte Quellen. Für jedes Lebensmittel nutzt Carbetic die passendste Quelle: Durchschnittswerte für generische Produkte wie ein Burger-Brötchen, die offiziellen Angaben der Kette, wenn verfügbar.
Sensoren des Smartphones. Auf Geräten mit LiDAR-Tiefensensor bezieht Carbetic dessen Messdaten ein, wenn sie die Genauigkeit verbessern. Das Gyroskop erfasst Lage und Neigung des Geräts bei jeder Aufnahme. Zusätzlich leitet Carbetic aus der IP-Adresse einen groben Standort ab, etwa das Land, denn Menüs und Rezepturen von Fast-Food-Ketten unterscheiden sich von Land zu Land.
Dazu kommen eine Oberfläche, die auf schnelles Erfassen ausgelegt ist statt auf einen Chatverlauf, sowie Rezept-Analyse und Spracheingabe.
Quelle: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov