AI calorieën tellen in Nederland: waarom Nederlands eten een eigen app nodig heeft

Je fotografeert je lunch met een calorie tracking app. De AI analyseert het beeld. Het resultaat: "Fried meat roll — 280 calories." Je at een kroket. De AI heeft er nog nooit een gezien.

Dit scenario speelt zich dagelijks duizenden keren af bij Nederlanders die Amerikaanse AI calorie tracking apps gebruiken. De AI is getraind op hamburgers, taco's en mac and cheese. Hij heeft geen idee hoe boerenkoolstamppot eruitziet. Hij kan een bitterbal niet onderscheiden van een hush puppy. Hij denkt dat hagelslag "chocolate cake topping" is.

Dit is geen klein ongemak. Het is een fundamenteel probleem dat AI calorieën tellen onbetrouwbaar maakt voor miljoenen Nederlanders.

Waarom falen Amerikaanse AI calorie trackers in Nederland?

Het probleem is niet dat AI calorieën tellen niet werkt. Het werkt prima — voor Amerikaans eten. Het probleem is dat de Nederlandse eetcultuur wezenlijk anders is, en AI-modellen die op Amerikaanse datasets zijn getraind dat verschil niet kunnen overbruggen.

1. Het trainingsdataprobleem

AI-voedselherkenning werkt door te leren van honderdduizenden gelabelde voedselafbeeldingen. Het model ziet 50.000 foto's van hamburgers, leert hoe een hamburger eruitziet en kan vervolgens nieuwe hamburgerfoto's herkennen die het nooit eerder heeft gezien.

Het probleem: de overgrote meerderheid van voedselafbeeldingsdatasets is Amerikaans of westers-generiek. Een systematische review uit 2023 toonde aan dat AI-voedingsbeoordelingstools die op westerse voedseldatabases zijn getraind de energie-inname overschatten voor niet-westerse diëten, omdat de trainingsdata lokale bereidingswijzen en ingrediënten niet vertegenwoordigt [1]. CalAI, een toonaangevende AI calorie tracker, is gebouwd in San Francisco en voornamelijk getraind op Amerikaans eten. Het model heeft duizenden afbeeldingen van pancakes gezien (de dikke Amerikaanse soort), maar waarschijnlijk nul afbeeldingen van pannenkoeken (de dunne Nederlandse variant). Het kan een burrito binnen seconden herkennen, maar heeft nog nooit een broodje kroket gezien.

Dit is geen beperking die met een simpele database-update kan worden opgelost. Het AI-model zelf moet op Nederlands eten worden getraind om het nauwkeurig te herkennen. Onderzoek naar Centraal-Aziatische keuken heeft al aangetoond dat het creëren van regiospecifieke voedselafbeeldingsdatasets de herkenningsnauwkeurigheid voor lokale gerechten drastisch verbetert [2].

2. Het databaseprobleem

Zelfs als de AI correct herkent wat je eet, moet het de voedingswaarden opzoeken in een database. En hier ontstaat het tweede probleem.

Amerikaanse calorie trackers gebruiken Amerikaanse databases. De USDA FoodData Central database bevat voedingsgegevens voor Amerikaanse producten. Een "cheese sandwich" in de USDA-database gebruikt Amerikaanse kaas, Amerikaans brood en Amerikaanse portiegroottes. Die zijn anders dan een Nederlandse boterham met kaas.

Enkele concrete verschillen:

De USDA heeft voor veel Nederlandse producten niet eens een vermelding. Stamppot, hagelslag, kroket, bitterballen, frikandel, vla, ontbijtkoek — geen van deze bestaan in de Amerikaanse database.

3. Het portiegrootteprobleem

Nederlandse en Amerikaanse portiegroottes zijn fundamenteel anders. Een standaard Amerikaanse restaurantportie kan twee tot drie keer groter zijn dan een Nederlandse portie. Wanneer een AI calorieën schat op basis van Amerikaanse portieaannames, overschat hij consequent voor Nederlandse maaltijden.

Een Nederlandse lunch bestaat doorgaans uit twee boterhammen met kaas — ongeveer 450 calorieën. Een Amerikaanse "lunch" in de trainingsdata van de AI kan een footlong sub sandwich zijn van 800 tot 1.200 calorieën. De portieschatting van de AI is gekalibreerd voor het verkeerde land.

Wat maakt de Nederlandse eetcultuur uniek?

Nederland heeft een van de meest onderscheidende eetculturen in West-Europa. Begrijpen waarom Nederlands eten anders is, helpt verklaren waarom het een eigen calorie tracking-oplossing nodig heeft.

1. Het broodmaaltijdsysteem

Nederlanders behoren tot de weinige volkeren die koude broodmaaltijden eten bij zowel ontbijt als lunch. De gemiddelde Nederlander eet vier tot vijf sneetjes brood per dag, belegd met een verscheidenheid aan beleg dat typisch Nederlands is.

Dit beleg — hagelslag (chocoladehagel), vlokken (chocoladevlokken), pindakaas (in een typisch Nederlandse samenstelling), filet americain (tartaar), leverworst — staat in geen enkele Amerikaanse database.

2. De stamppottraditie

Stamppot (aardappelpuree gemengd met groenten) is het nationale wintergerecht. Er bestaan tientallen varianten: boerenkoolstamppot, hutspot, andijviestamppot, zuurkoolstamppot. Elk heeft andere caloriewaarden afhankelijk van de groente, de hoeveelheid boter en het type vlees dat erbij wordt geserveerd.

Geen enkele Amerikaanse AI is getraind om deze gerechten te herkennen, laat staan onderscheid te maken tussen boerenkool en andijvie in een aardappelpureemengsel.

3. De snackcultuur

De Nederlandse snackbar is een cultureel instituut. Frikandellen, kroketten, bitterballen, kaassoufflés, bamischijven — deze gefrituurde snacks zijn typisch Nederlands. Een Amerikaanse AI herkent misschien "gefrituurd voedsel", maar kan het verschil niet zien tussen een kroket en een croqueta, die heel verschillende voedingsprofielen hebben. Een kroket bevat 190 kcal per stuk, terwijl een Spaanse croqueta 60 tot 120 kcal kan bevatten afhankelijk van grootte en vulling [3].

4. De NEVO-database

Nederland heeft iets wat de meeste landen niet hebben: een wetenschappelijk geverifieerde nationale voedselcompositiedatabase. De NEVO-database, onderhouden door het RIVM (Rijksinstituut voor Volksgezondheid en Milieu), bevat gedetailleerde voedingsgegevens voor 2.389 Nederlandse voedingsmiddelen, met 136 voedingsstoffen gemeten per product [4].

Deze data is gebaseerd op chemische analyse, niet op gebruikersinvoer. Het is de gouden standaard voor Nederlandse voedingsdata, gebruikt door diëtisten, onderzoekers en het Voedingscentrum.

Hoe ziet het huidige calorie tracking-landschap eruit?

Het huidige calorie tracking-landschap voor Nederlandse gebruikers ziet er als volgt uit:

Apps met AI-herkenning maar zonder Nederlandse data.

• CalAI. Uitstekende AI, maar getraind op Amerikaans eten, geen Nederlandse database.
• Andere AI-first apps. Dezelfde beperking.

Apps met Nederlandse data maar zonder AI.

• Mijn Eetmeter. Gebruikt NEVO-data, maar alleen handmatige invoer, verouderde interface.
• Voedingscentrum caloriechecker. Alleen web, geen app-functionaliteit.

Apps met noch Nederlandse AI noch Nederlandse data.

• MyFitnessPal. Door gebruikers ingevoerde data (vaak onbetrouwbaar), geen AI, afnemend Nederlands gebruikersbestand.
• YAZIO. Duits-gericht, gedeeltelijke Nederlandse data, beperkte AI.

Geen enkele bestaande app combineert AI-voedselherkenning met een uitgebreide Nederlandse voedseldatabase. Dat is het gat in de markt.

Wat heeft een Nederlands-specifieke AI calorie tracker nodig?

Een calorie tracker gebouwd voor de Nederlandse markt heeft verschillende dingen nodig die huidige apps missen.

1. AI getraind op Nederlands eten

Het model moet pannenkoeken herkennen, geen pancakes. Het moet onderscheid kunnen maken tussen boerenkoolstamppot en hutspot. Het moet weten dat de bruine cilinder op een broodje een kroket is, geen loempia.

Dit vereist trainingsdata met duizenden afbeeldingen van Nederlandse maaltijden, gefotografeerd in Nederlandse huiskamers, restaurants en kantines.

2. De NEVO-database als fundament

De voedingsgegevens moeten afkomstig zijn van de NEVO-database — wetenschappelijk geverifieerd, niet door gebruikers ingevoerd. Dit zorgt ervoor dat wanneer de AI een kroket herkent, het caloriegetal (190 kcal) gebaseerd is op chemische analyse en consistent is bij elk gebruik [3].

3. Nederlandse supermarktproducten

Naast de 2.389 generieke producten in NEVO moet de app specifieke Nederlandse supermarktproducten kennen. De Albert Heijn huismerkyoghurt, de Jumbo granola, de Lidl-proteïnereep. Dit vereist integratie met Nederlandse productdatabases.

4. Nederlandstalige interface

Dit lijkt vanzelfsprekend, maar de meeste calorie trackers zijn Engels-eerst met een Nederlandse vertaling eroverheen geplakt. De zoekfunctie, productnamen en AI-beschrijvingen moeten in de basis Nederlands zijn.

5. EU-dataopslag

Gezondheidsgegevens zijn gevoelige data onder de AVG. Nederlandse gebruikers verwachten terecht dat hun voedingsdagboek binnen de EU wordt opgeslagen, onder Europese gegevensbeschermingswetgeving. De meeste Amerikaanse apps slaan data op op Amerikaanse servers onder Amerikaanse jurisdictie [5].

Hoe groot is de kans?

De helft van de Nederlandse volwassenen heeft overgewicht, volgens de CBS Leefstijlmonitor 2024 — dat zijn meer dan 7 miljoen mensen [6]. Tegelijkertijd laat onderzoek zien dat de meeste mensen die beginnen met voeding bijhouden er binnen weken mee stoppen, voornamelijk omdat de tools te omslachtig zijn. Een studie naar een multidisciplinair obesitasprogramma vond een uitvalpercentage van 21 procent na slechts twee maanden, oplopend tot 68,5 procent na een jaar [7].

Als een calorie tracker de weerstand voldoende kan verlagen om Nederlandse gebruikers betrokken te houden, zou de gezondheidsimpact aanzienlijk zijn. En de enige manier om de weerstand voor Nederlandse gebruikers te verlagen, is iets bouwen dat specifiek voor de Nederlandse markt is gemaakt — met AI die hun eten daadwerkelijk herkent en een database die nauwkeurig weergeeft wat ze eten.

Veelgestelde vragen

Kan ik CalAI in Nederland gebruiken?

Dat kan, maar de resultaten zijn onbetrouwbaar voor Nederlands eten. De AI van CalAI is getraind op Amerikaans eten en de database bevat geen Nederlandse producten. Het werkt goed voor internationale gerechten (pizza, sushi, hamburgers), maar faalt voor stamppot, kroketten en broodjes.

Wat is de beste calorie tracker voor expats in Nederland?

Als je een mix van internationaal en Nederlands eten eet, bedient geen enkele app je momenteel goed. MyFitnessPal heeft de breedste database, maar met onbetrouwbare Nederlandse data. Mijn Eetmeter heeft nauwkeurige Nederlandse data, maar een beperkt aanbod en verouderde interface. Moveno wil dit gat dichten bij de lancering.

Is de NEVO-database beschikbaar in het Engels?

De NEVO-database-interface (nevo-online.rivm.nl) is beschikbaar in het Engels. Productnamen zijn in het Nederlands, maar de voedingsgegevens zelf zijn taalneutraal — getallen zijn getallen.

Hoe nauwkeurig is AI calorieën tellen?

Wanneer de AI het voedsel correct herkent en de database nauwkeurige data heeft, kan AI calorieën tellen binnen 10 tot 15 procent van de werkelijke waarden uitkomen voor eenvoudige, duidelijk opgeschepte gerechten [1]. De belangrijkste variabelen zijn herkenningsnauwkeurigheid en databasekwaliteit. Voor gemengde gerechten of ongebruikelijk eten neemt de nauwkeurigheid af. Dit is precies waarom een lokaal getrainde AI met een lokale database ertoe doet.

Wat is de NEVO-database?

De NEVO-database (Nederlands Voedingsstoffenbestand) is de Nederlandse nationale voedselcompositiedatabase, onderhouden door het RIVM. Het bevat data over 2.389 voedingsmiddelen met 136 gemeten voedingsstoffen per product. In tegenstelling tot door gebruikers gevulde databases zoals MyFitnessPal zijn NEVO-waarden gebaseerd op chemische analyse en worden ze gebruikt door diëtisten, onderzoekers en de Nederlandse overheid [4].

Een calorie tracker gebouwd voor de Nederlandse markt

Nederland verdient een calorie tracker die Nederlands eten begrijpt. Niet een Amerikaanse app met een Nederlandse vertaling, maar iets dat vanaf de grond is opgebouwd voor hoe Nederlanders eten. Lees onze gids over voeding apps om te zien waar je op moet letten bij het kiezen van een app.

Bij Moveno bouwen we precies dat. AI-voedselherkenning getraind op Nederlandse maaltijden, aangedreven door de NEVO-database en duizenden Nederlandse supermarktproducten. Allemaal geverifieerd. Allemaal Nederlands.

Benieuwd? Meld je aan voor de wachtlijst en probeer het als eerste.

Bronnen

1. Amoutzopoulos B, Steer T, Roberts C et al. (2023). AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review. Nutr Rev, 82(8), 1100-1118. PubMed
2. Rukmangadachar LA, Kulbekov A et al. (2023). A Central Asian Food Dataset for Personalized Dietary Interventions. Nutrients, 15(7), 1728. PubMed
3. Voedingscentrum. Caloriechecker. voedingscentrum.nl/caloriechecker
4. RIVM. Nederlands Voedingsstoffenbestand (NEVO). rivm.nl/dutch-food-composition-database
5. Europese Commissie. Gegevensbescherming in de EU. ec.europa.eu/info/law/law-topic/data-protection
6. CBS (2025). Roken en alcoholgebruik afgenomen sinds 2014, overgewicht gelijk gebleven. Leefstijlmonitor 2024. cbs.nl
7. Budillon A, Belfiore A et al. (2022). Two, Six, and Twelve-Month Dropout Rate and Predictor Factors After a Multidisciplinary Residential Program for Obesity Treatment. Int J Environ Res Public Health, 19(12), 7359. PubMed