Zijn AI-voedingsschema's nauwkeurig? Calorieën, macro's en de praktijk

Je vult je gegevens in een app in en dertig seconden later heb je een volledige week aan maaltijden, compleet met calorieën en macro's. Het oogt precies. Of het ook nauwkeurig is, is een andere vraag, en het eerlijke antwoord luidt: nauwkeurig genoeg voor de meeste doelen, maar met foutmarges die niemand op het scherm zet. In dit artikel lees je waar die fouten vandaan komen, hoe groot ze echt zijn en hoe je een AI-voedingsschema controleert voordat je er drie maanden op vertrouwt.

Hoe AI-voedingsplanning echt werkt

Onder de motorkap doen de meeste AI-planners drie dingen. Eerst schatten ze je caloriebehoefte, meestal met een formule als Mifflin-St Jeor vermenigvuldigd met een activiteitsfactor. Daarna verdelen ze die calorieën over macro's op basis van je doel, bijvoorbeeld 1,6 tot 2,2 g eiwit per kg lichaamsgewicht voor mensen die trainen. Tot slot vullen ze het schema met voedingsmiddelen uit een voedingsdatabase, afgemeten om de doelen te halen.

Merk op dat geen van deze stappen magie is. Het AI-deel bepaalt vooral welke voedingsmiddelen je combineert en hoe het schema zich aanpast als je maaltijden ruilt of iets anders logt. De rekensom eronder is dezelfde die een coach met de hand zou maken. Dat is belangrijk, want het betekent dat een AI-schema elke bekende beperking van die rekensom erft.

Foutlaag 1: het caloriedoel zelf

Voorspellingsformules schatten het rustmetabolisme bij de meeste volwassenen tot op zo'n 10%, en de activiteitsfactor voegt daar nog onzekerheid aan toe. Is je echte onderhoudsbehoefte 2600 kcal, dan is een AI-schema op basis van een schatting van 2400 of 2800 kcal heel normaal. Dat is geen fout van AI. Een menselijke coach die dezelfde formule gebruikt, begint met dezelfde gok. Het verschil zit in wat er daarna gebeurt: een goede coach, en een goede app, past het doel aan op basis van hoe je gewicht zich werkelijk ontwikkelt.

Foutlaag 2: gaten in de voedingsdatabase

De calorieën bij elke maaltijd komen uit een database, en databases zijn rommeliger dan ze lijken. Algemene items zijn een gemiddelde van veel producten, door gebruikers ingevoerde items kunnen ronduit fout zijn en merkproducten veranderen hun recept zonder dat het ergens wordt bijgewerkt. Zelfs het referentiepunt waar iedereen op vertrouwt, het voedingsetiket, heeft wettelijke speelruimte.

Een maaltijd van 500 kcal op papier kan in werkelijkheid wettelijk 600 kcal zijn. Gekookt eten voegt nog een laag toe: rijst en pasta nemen water op, vlees verliest vet in de pan en bakolie wordt vaak helemaal niet gelogd. Niets hiervan is uniek voor AI-planners, maar AI presenteert getallen met zelfverzekerde decimalen, waardoor mensen de onzekerheid eronder vergeten.

Foutlaag 3: porties en menselijke logging

De grootste foutbron is niet het algoritme. Het is het verschil tussen wat het schema zegt en wat er op je bord belandt. Mensen zijn berucht slecht in het inschatten van porties, en de richting van de fout is voorspelbaar: inname wordt onderschat, activiteit overschat.

Dat onderzoek betreft een extreme groep, maar grotere onderzoeken vinden steeds weer dat zelfgerapporteerde inname 20 tot 30% onder de werkelijkheid ligt. Een AI-schema dat aanneemt dat je precies 150 g kip en 80 g rijst at, rekent met invoer die vaak een kwart naast zit. Eten wegen lost het meeste hiervan op, en daarom werken de schema's het best die AI-doelen combineren met minstens een paar weken een keukenweegschaal.

Hoe nauwkeurig is calorieën loggen via foto's?

Een foto van je bord maken en AI de calorieën laten schatten is de snelste manier van loggen die er is, en validatieonderzoeken naar voedingsregistratie via beelden komen doorgaans uit op een fout van zo'n 20 tot 30% per maaltijd. De AI moet vanaf een plat beeld het eten raden, de ingrediënten die je niet ziet, de bereidingswijze en de diepte van de portie. Olie, boter, sauzen en suiker in drankjes zijn de klassieke missers.

Goed gebruikt is die fout geen probleem. Losse maaltijden middelen over een week uit, en een fotolog die je echt bijhoudt, wint van een precieze log die je na vier dagen opgeeft. De AI-fotoscanner voor eten van Trainera is een goed voorbeeld van verstandig gebruik: hij logt de maaltijd in seconden zodat de gewoonte blijft hangen, terwijl het aantal calorieën wordt behandeld als een schatting die in een weektrend meetelt, niet als heilige waarheid. Wil je strakkere getallen tijdens een cutfase, weeg dan je eten en gebruik de foto voor al het andere.

Zo controleer je zelf een AI-voedingsschema

Je hoeft de app niet blind te vertrouwen. Tien minuten met gratis calculators vertelt je of de basis van het schema klopt.

• Haal je gegevens door een TDEE-calculator. De dagelijkse calorieën in het schema moeten voor onderhoud binnen zo'n 10% van je TDEE liggen, voor vetverlies ongeveer 500 kcal eronder en voor een schone spieropbouw zo'n 300 kcal erboven.
• Controleer eiwit met een macro- of eiwitcalculator. Voor actieve mensen wil je ongeveer 1,6 tot 2,2 g per kg lichaamsgewicht. Een schema dat een krachtsporter van 80 kg 90 g eiwit geeft, zakt voor de test.
• Check drie of vier losse maaltijden tegen een betrouwbare database zoals USDA FoodData Central of de Nederlandse NEVO-tabel. Zitten de getallen van het schema steeds 20% of meer ernaast, dan is de database erachter zwak.
• Laat daarna de weegschaal beslissen. Houd twee tot drie weken je ochtendgewicht bij. Past de trend niet bij het doel, pas je inname dan aan met 100 tot 200 kcal, wat een calculator ook zei.

Die laatste stap is de echte oplossing voor nauwkeurigheid. Elke formule, van mens of AI, is een startschatting. Je gewichtstrend is de meting.

Wanneer AI goed genoeg is en wanneer je een diëtist nodig hebt

Voor een gezonde volwassene die wil afvallen, op gewicht wil blijven of spieren wil opbouwen, is een gecontroleerd AI-voedingsschema echt goed genoeg. De foutmarges hierboven gelden net zo goed voor een schema dat een coach in een spreadsheet maakt, en de AI-versie past zich sneller aan als je maaltijden ruilt of je planning verandert. Software is niet meer de juiste keuze zodra voeding en geneeskunde elkaar raken.

• Ga naar een diëtist bij: diabetes, nier- of leverziekte, zwangerschap, maag-darmaandoeningen zoals IBD of coeliakie, een eetstoornis in het verleden, of als iemand onder de 18 op dieet gaat om af te vallen.
• AI is prima voor: gangbare doelen rond vetverlies en spieropbouw, macrodoelen voor recreatieve sport, variatie en structuur in maaltijden, en een voedingslog die je echt volhoudt.
• De middenweg: veel gewicht te verliezen (zeg 20 kg of meer) of plateaus die eerlijk loggen overleven. AI plus een echte menselijke coach die je data bekijkt werkt hier goed.

Nog een eerlijke kanttekening: een AI-planner ziet geen bloedwaarden, wisselwerkingen met medicijnen of een ingewikkelde relatie met eten. Een diëtist kost meer dan een app-abonnement omdat je juist voor dat oordeel betaalt. Is een van de bovenstaande medische situaties op jou van toepassing, dan is de vraag naar nauwkeurigheid al beantwoord voordat ze begint.