Hent appen

Trackeren er gratis. Alle betalte abonnementer starter med en gratis prøveperiode.

Hent TrainRec i App StoreTrainRec nu på Google Play

En mand, der skriver på sin telefon ved et cafébord ved siden af sin frokost.AI-genereret billede

Guides · Mad og ernæring · Opdateret 2026-10-28

Hvordan tæller jeg kalorier med AI?

Fortæl en AI, hvad du har spist, eller send den et billede af din tallerken eller næringsdeklarationen, så regner den kalorier og makroer ud for dig. At beskrive maden med omtrentlige mængder giver som regel det mest præcise skøn, og en næringsdeklaration er nøjagtig. En almindelig chatbot er ikke lavet til at føre kostdagbog, så brug den sammen med en app, der gemmer hvert måltid og lægger din dag sammen.

Fire måder at logge mad med AI

Måde Hvor præcist Bedst til
Beskriv det ("to æg og en skive ristet brød") Godt, hvis du giver omtrentlige mængder Hjemmelavet mad og alt, hvor du kender indholdet
Billede af tallerkenen Groft alene, bedre med en sætning til Restaurantmad og mad, du ikke selv har lavet
Billede af deklarationen Nøjagtigt efter deklarationen, du siger bare hvor meget Alt emballeret
Billede af et menukort Lige så godt som menukortets tal Restaurantkæder, der oplyser kalorier

Beskriv det

Skriv eller sig, hvad du har spist, som du ville fortælle en ven det: "Burrito bowl med kylling, ris og bønner, uden ost." AI'en anslår hver del og lægger dem sammen. Mængder hjælper mest. "Cirka en kop ris" er bedre end "ris".

Vores guide til at logge mad ved at tale med AI har flere eksempler.

Send et billede

Et billede er den hurtigste måde at logge en tallerken, du ikke selv har lavet. I et studie fra 2025 anslog ChatGPT-5 kalorier ud fra kun et billede med en afvigelse på i gennemsnit omkring 31%. En kort beskrivelse bragte det ned på omkring 24%, og en liste over ingredienserne med mængder bragte det ned på omkring 14%. Et billede plus én sætning er altså det bedste kompromis.

AI gætter ofte for lavt på store portioner og på mad i skåle. Mere i kan du tælle kalorier med bare et billede?

Det, en chatbot ikke gør

En almindelig chatbot som ChatGPT eller Claude er god til at anslå et måltid. Den er dog ikke lavet til at være en kostdagbog. En chat lægger ikke din uge sammen og viser ikke din tendens ved siden af din vægt.

To måder at løse det på:

  • Kopiér hvert skøn over i en kalorieapp. Det virker, men det er to trin ved hvert måltid.
  • Forbind din assistent med en kalorieapp, så det, du fortæller den, bliver gemt i en rigtig log, du kan se og redigere.

Sådan holder du fast

  1. Log, mens du spiser, ikke sidst på dagen. Et billede før første bid tager fem sekunder.
  2. Tilføj én sætning med mængder og det, man ikke kan se, som olie eller dressing.
  3. Tjek dit ugegennemsnit, ikke enkelte dage. Hvis din vægttendens ikke bevæger sig, som du vil, efter to uger, så justér dit kaloriemål en smule.
  4. Vej maden i en uge, hvis du går i stå. Så ser du, om dine sædvanlige portioner er større, end du tror.

Andre spørger også

Kan ChatGPT tælle mine kalorier?

Den kan anslå kalorierne i et måltid, du beskriver eller tager billede af. Den er ikke lavet til at holde en løbende total over flere dage, så forbind den med en kostdagbog, eller kopiér hvert måltid over i en kalorieapp.

Hvad er den mest præcise måde at tælle kalorier med AI?

Tag et billede af næringsdeklarationen på emballeret mad, fordi AI'en læser de nøjagtige tal. Til alt andet er et billede plus en sætning om, hvad der er i, og hvor meget, bedre end et billede alene.

Er en AI-kalorietæller præcis nok til at tabe sig?

For de fleste, ja. Skønnene rammer lidt ved siden af ved hvert måltid, men at logge stabilt og holde øje med din vægttendens uge for uge betyder mere end noget enkelt tal.

Har jeg stadig brug for en køkkenvægt?

Nej. En vægt hjælper i en uge eller to til at lære, hvordan dine portioner ser ud, og derefter kan de fleste skønne godt nok med øjemål.

Kilder

  1. Rodríguez-Jiménez et al. (2025), Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5, Cross-Source Evaluation Across Escalating Context Scenarios
  2. Fridolfsson et al. (2025), Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images