Assistent für Rezepte, Speiseplanung und Ernährung

„Was kochen wir heute Abend?“ ist eine der häufigsten Entscheidungen im Haushalt. Ein KI-Assistent macht aus dem Inhalt des Kühlschranks, einem Ernährungsprofil und einem Budget Rezepte, einen Wochenplan und eine Einkaufsliste, passt Rezepte an (vegan, glutenfrei, halbe Portionen) und kann die Schritte vorlesen, während die Nutzerin oder der Nutzer kocht. Es ist ein Werkzeug für Komfort und Inspiration, keine medizinische Ernährungsberatung: Kalorien- und Nährwertangaben sind Schätzungen, und Entscheidungen, bei denen Allergien eine Rolle spielen, müssen beim Menschen bleiben.

Problem & Nutzen

• Heute: Menschen stöbern auf Rezeptseiten voller Werbung, kopieren Zutaten von Hand, vergessen, was im Kühlschrank ist, werfen Essen weg und wiederholen dieselben fünf Gerichte. Haushalte mit Allergien, Unverträglichkeiten, religiös oder ethisch begründeten Ernährungsweisen oder einer medizinischen Diät (Diabetes, Zöliakie, Nieren- erkrankung) wenden erheblichen Aufwand für die Anpassung von Rezepten auf.
• KI-Nutzen: eine Dialogoberfläche für Ideenfindung, Anpassung, Planung und Listenerstellung; liest Rezepte aus Fotos oder Links; verringert Lebensmittelverschwendung, indem um den Vorrat herum geplant wird; behält Abwechslung und Budget im Blick.
• Belege: Der Food Waste Index des UNEP zeigt, dass Haushalte die größte Quelle von Lebensmittelabfällen sind; Planung ist also ein relevanter Hebel [1]. Behandeln Sie Einsparversprechen von Anbietern als unbewiesen, bis sie gemessen sind.

Varianten

• Alltagskochen: „koche mit dem, was ich habe“ per Kühlschrankfoto, schnelle Abendessen unter der Woche.
• Wochenplaner: Plan für 7 Tage, Familie mit 4 Personen, zweimal pro Woche vegetarisch, 80 EUR Budget, Vorkochen und Verwertung von Resten.
• Spezielle Diäten und Allergien: glutenfrei, laktosefrei, vegan, halal/koscher, Low-FODMAP; Allergenfilter gegen die 14 im EU-Lebensmittelinformationsrecht genannten Allergene [2].
• Ernährungstracking: Erfassung von Mahlzeiten per Foto oder Text mit geschätzten Kalorien/Makronährstoffen; Verknüpfung mit Fitnesszielen (PERS-002).
• Medizinische Diäten: nur als Unterstützung neben einer Ernährungsberaterin oder einem Arzt.
• Sprache und smarte Küche: freihändiges Vorlesen der Schritte und Timer.

So funktioniert es

1. profile (diet, allergies, dislikes, household, budget, equipment) + inputs (fridge/pantry photo, receipt scan, recipe URL/screenshot, free text)
2. ingredient recognition & normalisation (VLM / OCR
3. canonical ingredient list)
4. recipe retrieval or generation (own recipe base via RAG + LLM adaptation)
5. constraint check (allergens, diet rules, budget, time, equipment)
6. nutrition estimation (food-composition database lookup, not LLM guess)
7. weekly plan + merged shopping list (pantry stock subtracted)
8. output: app/chat, voice guidance, optional push to grocery service

• Erkennung von Zutaten und Gerichten: Ein Vision-Language-Modell erkennt Artikel auf Fotos; Mengen und Portionsgrößen sind die Schwachstelle und sollten von der Nutzerin oder dem Nutzer bestätigt werden.
• Erzeugung und Anpassung von Rezepten: Ein LLM skaliert, ersetzt und schreibt um; die Suche (Retrieval) über die gespeicherten Rezepte der Nutzerin oder des Nutzers hält Vorschläge persönlich und fundiert.
• Nährwertangaben: Bewährt ist, das LLM nur Zutaten und Gramm extrahieren zu lassen und die Nährstoffe per deterministischem Abgleich in einer Lebensmittel-Zusammensetzungstabelle zu berechnen (z. B. Bundeslebensmittelschlüssel BLS in Deutschland, USDA FoodData Central, Open Food Facts für verpackte Produkte) [3][4].
• Planung: Für die meisten Fälle genügt ein LLM; ein kleiner Solver (Kosten, Abwechslung, Nährstoffe) ist zuverlässiger.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Nutzerin oder der Nutzer bestätigt die Zutatenliste, die Portionen und jede Allergen- aussage; die App sollte die Quelle jedes Nährwerts und eine deutliche Kennzeichnung „Schätzung“ zeigen.

Datenaufbereitung

Privatnutzer brauchen vor allem ihre eigene Rezeptsammlung und ihre Präferenzen. Ein KMU (Kantine, Caterer, Lebensmittelhändler, Kochbox-Shop) braucht weit mehr: Rezepte und Produktionsblätter in Excel oder Word, Produktstammdaten und Allergeninformationen im ERP- oder Shop-System, Preislisten und Lieferantenspezifikationen als PDFs. Typische Lücken sind uneinheitliche Einheiten und Zutatennamen, fehlende Allergen- und Nährwertangaben, doppelte Rezepte, Fotos von Kochbuchseiten und Wissen, das im Kopf der Köchin oder des Kochs steckt. Vorbereitungsschritte: Rezepte in ein einheitliches strukturiertes Format überführen (Zutat, Menge, Einheit, Schritt), Zutaten Artikelnummern und Nährwertdatenbanken zuordnen, die 14 Allergene je Rezept kennzeichnen und von einer verantwortlichen Person prüfen lassen, eine Synonymliste anlegen (Tomate, Paradeiser) und Papierrezepte per OCR scannen oder fotografieren. Allergendaten müssen von einem Menschen geprüft werden, niemals aus dem Modell stammen. Der Aufwand ist für ein KMU mittel bis hoch, etwa 40-50 Prozent des Gesamtaufwands, und bei privater Nutzung klein. Verwandte Themen sind PREP-011 für aufgeräumte Tabellen, PREP-015 für Terminologielisten, PREP-006 für das Scannen von Kochbüchern, PREP-005 für ERP-Exporte und PREP-013 für eine kuratierte Rezeptbasis.

Umsetzungswege

Welcher Weg für wen

• Privat: A - Rezept- und Speiseplan-Apps sind ausgereift und günstig, und Haushaltsdaten bergen geringes Risiko.
• Entwickler: C - Mealie oder Tandoor mit einem kleinen lokalen Modell auf HW1 bietet eine kontrollierbare Basis für eigene Erweiterungen.
• KMU: B - ein Lebensmittelhändler, eine Kantine oder ein Caterer braucht einen Assistenten, der das eigene Sortiment, die eigenen Rezepte, Allergendaten und das Shop-System nutzt, und kein Standardprodukt deckt das ab; Cloud-APIs in einer EU-Region plus eigene Daten passen am besten.

Weg A — Kaufen (Standardsoftware) (empfohlen für Privatnutzer)

• Allgemeine Assistenten: ChatGPT, Claude, Gemini, Microsoft Copilot und Mistral Le Chat liefern Rezeptideen, Ersatzzutaten und Speisepläne aus einem Prompt; Fotoeingabe funktioniert für den Kühlschrankinhalt.
• Rezept- und Planungs-Apps: Samsung Food (früher Whisk), Mealime, Yazio (DE), Kitchen Stories (DE), Chefkoch (DE), Cookidoo für Thermomix (Vorwerk, DE), Bring! (CH, Einkaufslisten), Cronometer und MyFitnessPal fürs Ernährungstracking. Prüfen Sie die Datenschutzerklärung, das Hosting in der EU und was an Werbetreibende weitergegeben wird.
• A wählen, wenn: Sie Ergebnisse heute ohne technischen Aufwand wollen und den Umgang des Anbieters mit Daten akzeptieren.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: jedes multimodale Spitzenmodell per API (Claude, Gemini, GPT, Mistral — Mistral ist ein EU-Anbieter) mit strukturierten Ausgaben (JSON-Schema) für Zutatenlisten, Schritte und Allergenhinweise.
• Daten: Open Food Facts API für verpackte Produkte und Allergenkennzeichnungen, USDA FoodData Central, BLS für deutsche Werte; Retrieval über eine persönliche Rezeptsammlung (das Parsen von schema.org/Recipe JSON-LD wird von den meisten Rezeptseiten unterstützt).
• Orchestrierung: n8n oder eine kleine Web-/Mobil-App; Tool-Aufrufe für den Nährwertabgleich und den Export der Einkaufsliste (z. B. nach Bring!, Todoist oder in eine Händler-API, wo verfügbar).
• B wählen, wenn: Sie einen individuellen Familienplaner, eine Nischen-Diät-App oder ein Produkt für eine Community wollen. Nutzen Sie EU-Regionen und einen Auftragsverarbeitungsvertrag, wenn Sie andere Nutzer bedienen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Open-Weight-LLMs wie Qwen3, Llama, Gemma oder Varianten von Mistral Small (quantisiert) über Ollama oder llama.cpp; offene VLMs (Qwen-VL-Familie, Gemma multimodal) für Fotos; Whisper für Spracheingabe; offene TTS zum Vorlesen der Schritte.
• Apps: Mealie und Tandoor Recipes (selbst betriebene Rezeptverwaltungen mit Speiseplänen und Einkaufs- listen, mit Import aus URLs) [5][6]; Anbindung an ein lokales LLM für Import, Bereinigung und Vorschläge.
• Hardware: HW1 (Mini-PC oder Laptop); eine GPU mit 16 GB hilft beim Bildverständnis. Siehe PERS-005.
• C wählen, wenn: Gesundheitsdaten der Familie zu Hause bleiben müssen.

Weg D — Eigenes Training

Für Privatnutzer selten sinnvoll. Ernährungs-Apps feintunen eventuell die Portionsschätzung aus Essensbildern, was Tausende Mahlzeitenfotos mit gewogenen Referenzwerten erfordert.

Stand der Technik (2026)

• Rezeptkreativität und -anpassung sind stark: Aktuelle Spitzenmodelle ersetzen Zutaten, skalieren Mengen, übersetzen und formatieren Rezepte gut um, und Reasoning-Modelle können mehrere Randbedingungen in einem Wochenplan erfüllen.
• Multimodale Kühlschrank- und Mahlzeitenfotos funktionieren bei offensichtlichen Artikeln; versteckte Zutaten, gemischte Gerichte, Öl, Soßen und Portionsgrößen machen die Kalorienschätzung aus einem einzelnen Foto unzuverlässig. Forschungsprototypen und Apps werden mit Tiefensensoren oder einem Referenzobjekt besser, doch Nutzer sollten die Ausgabe als grobe Schätzung behandeln.
• Werkzeuggestützte Nährwerte (das LLM ruft eine Lebensmittel-Zusammensetzungsdatenbank ab) sind deutlich besser als frei erzeugte LLM-Zahlen, die selbstsicher falsch sein können.
• Fehlerbilder: halluzinierte Garzeiten/Temperaturen, unsichere Hinweise zum Umgang mit Lebensmitteln, übersehene versteckte Allergene („kann Spuren enthalten“), erfundene Mengen, Pläne, die medizinische Erkrankungen ignorieren.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general + vlm): PERS-006, PERS-008 und PERS-018 können ein VLM auf einem Heimserver gemeinsam nutzen (PERS-005).
• PERS-002 Gesundheits- und Fitnesscoach: Kalorienziele und Aktivität fließen in den Plan ein.
• PERS-011 Einkauf und Preisvergleich: macht aus der Einkaufsliste den günstigsten Warenkorb.
• PERS-009 Familienorganisation: gemeinsamer Kalender, wer wann kocht, Kühlschrankinventar.
• VIS-033 Erfassung von Lebensmittelabfällen in Großküchen und OPT-031 Optimierung von Rezepturen: professionelle Verwandte mit denselben Zutaten- und Nährstoffdaten.

Aufwand, Kosten & Kennzahlen

• Weg A: Minuten; kostenlose Stufen bis zu Monatsabonnements.
• Weg B: Prototyp an einem Wochenende; produktive App Wochen bis Monate; die Kosten sind vor allem Entwicklung und Datenlizenzen.
• Weg C: etwa ein Tag für Mealie/Tandoor plus ein lokales Modell; geringer Administrationsaufwand.
• Kennzahlen (persönlich): Anteil der geplanten Mahlzeiten, die gekocht wurden, weggeworfene Lebensmittel, Ausgaben für Lebensmittel pro Woche, Abwechslung (verschiedene Gerichte pro Monat), Zufriedenheit der Haushaltsmitglieder, Einhaltung der Nährstoffziele, wo relevant.

Menschen & Veränderung

Beziehen Sie bei privater Nutzung den Haushalt ein: Allergien, Geschmack und Budget gehen alle am Tisch an. In einem KMU entscheidet die Geschäftsleitung über Umfang und Budget; die Abteilungsleitung (Küche, Sortiment) verantwortet Rezepte und Allergenregeln und sollte den Piloten vorantreiben; die IT bindet Shop- oder ERP-Daten an; Lieferanten liefern Spezifikationen; und die bzw. der Datenschutzbeauftragte prüft alle Kundenprofile, da Ernährung und Allergien Gesundheitsinformationen offenbaren können (Art. 9 DSGVO), wodurch Einwilligung, ein Auftragsverarbeitungsvertrag (AVV, Art. 28 DSGVO) und gegebenenfalls eine Datenschutz-Folgenabschätzung (DSFA) relevant werden. Betriebsrat: kommt darauf an. Bedient das Werkzeug nur Kunden, nein; nutzt das Küchenpersonal es und protokolliert es dessen Tätigkeit, gilt § 87 Abs. 1 Nr. 6 BetrVG, und § 90 Abs. 1 Nr. 3 verlangt eine frühzeitige Unterrichtung, wenn Arbeitsabläufe mit KI geplant werden. KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt vom Unternehmen, die KI-Kompetenz der Beschäftigten zu fördern, zum Beispiel durch einen kurzen Workshop zur Prüfung von Allergen-Ausgaben. Typische Sorgen sind die Haftung bei Allergenen und die Angst der Köchinnen und Köche um ihre Arbeitsplätze; begegnen Sie ihnen, indem Allergenangaben von Menschen verifiziert bleiben und das Werkzeug als Planungshilfe positioniert wird. Starten Sie mit einer Kantinenwoche oder einer Produktlinie und einigen Fürsprechern. Menschen entscheiden über jedes veröffentlichte Rezept und jede Allergenkennzeichnung. Siehe GUIDE-004, GUIDE-008 und GUIDE-014.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko für einen Lifestyle-Assistenten für Rezepte und Planung (die KI-Kompetenz nach Art. 4 gilt für Anbieter und professionelle Betreiber). Die Offenlegung gegenüber Chatbot-Nutzern (Art. 50) gilt für Produkte. Behauptet ein Produkt, eine Krankheit zu diagnostizieren, zu behandeln oder zu steuern (z. B. Insulindosierung aus Mahlzeitenfotos), kann es ein Medizinprodukt nach MDR werden und über Anhang I nach der KI-Verordnung hochriskant; halten Sie Wellness- und medizinische Aussagen getrennt [7].
• DSGVO: Ernährung, Allergien, Gewicht und religiös begründete Ernährungsweisen offenbaren Gesundheit oder religiöse Überzeugungen, die besondere Kategorien personenbezogener Daten sind (Art. 9). Anbieter brauchen eine ausdrückliche Einwilligung oder eine andere Grundlage nach Art. 9; bevorzugen Sie Verarbeitung auf dem Gerät oder Hosting in der EU, kein Werbe-Profiling, einfache Löschung. Die Daten eines Haushalts- mitglieds gehören diesem, auch die von Kindern [8].
• Lebensmittelsicherheit und Allergene: Die EU-Lebensmittelinformationsverordnung verlangt die Kennzeichnung von 14 Allergenen; eine KI kann nicht garantieren, dass ein Produkt oder Gericht allergenfrei ist. Lesen Sie stets das Etikett auf der Verpackung [2].
• Gesundheitsschäden: gestörtes Essverhalten, Crash-Diäten, falsche Ratschläge bei chronischen Krankheiten oder in der Schwangerschaft. Gegenmaßnahmen: keine extremen Ziele, Hinweis „keine medizinische Beratung“, Verweis an eine Ernährungsberatung.

Erste Schritte

1. Schreiben Sie ein Haushaltsprofil in einem Absatz (Ernährungsweise, Allergien, Abneigungen, Budget, Ausstattung, Zeit) und speichern Sie es als dauerhafte Anweisung in Ihrem Assistenten oder Ihrer App.
2. Bitten Sie um einen 5-Tage-Plan mit zusammengeführter Einkaufsliste und „zuerst verbrauchen, was im Kühlschrank ist“; prüfen Sie, ob Allergene wirklich ausgeschlossen sind, indem Sie die endgültige Zutatenliste selbst lesen.
3. Importieren Sie 10 Lieblingsrezepte in Mealie oder Tandoor (oder Samsung Food), damit der Assistent auf Ihre eigene Sammlung zurückgreifen kann.
4. Wenn Sie Ihre Ernährung erfassen, wählen Sie eine App, die die Datenquelle zeigt (BLS, USDA, Open Food Facts), statt unerklärter Zahlen.
5. Ziehen Sie nach zwei Wochen Bilanz: Lebensmittelabfälle, Ausgaben, was Sie tatsächlich gekocht haben; passen Sie das Profil an.

Quellen

1. UN Environment Programme — Food Waste Index Report 2024 — https://www.unep.org/resources/publication/food-waste-index-report-2024
2. Regulation (EU) No 1169/2011 on food information to consumers (14 allergens, Annex II) — https://eur-lex.europa.eu/eli/reg/2011/1169/oj
3. USDA FoodData Central — https://fdc.nal.usda.gov/
4. Open Food Facts — API documentation — https://openfoodfacts.github.io/openfoodfacts-server/api/
5. Mealie — self-hosted recipe manager — https://github.com/mealie-recipes/mealie
6. Tandoor Recipes — https://github.com/TandoorRecipes/recipes
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
8. Regulation (EU) 2016/679 (GDPR), Art. 9 — https://eur-lex.europa.eu/eli/reg/2016/679/oj