Nährwerte auf der Speisekarte: So versteht KI Ihre Gerichte

Wenn ein Gast heute nach „high protein Restaurant München“ oder „kalorienarmes Mittagessen“ sucht, entscheidet nicht mehr nur die Qualität Ihrer Küche über die Sichtbarkeit – sondern ob Suchmaschinen und KI-Systeme Ihre Gerichte überhaupt als relevant erkennen können. Während traditionelle Speisekarten nur Text für menschliche Augen bieten, brauchen moderne Restaurant-Websites strukturierte Nährwertdaten, die Maschinen verstehen.

Warum Nährwerte auf der Speisekarte immer wichtiger werden

Der Wandel im Suchverhalten ist eindeutig messbar: Google Trends zeigt ein Wachstum von über 40% bei ernährungsbezogenen Restaurant-Suchanfragen in den letzten drei Jahren. Begriffe wie „keto restaurant“, „glutenfreie Speisekarte“ oder „diabetikerfreundlich essen gehen“ werden täglich tausendfach gesucht.

Dieses gestiegene Gesundheitsbewusstsein verändert die Gastro-Landschaft fundamental. Gäste wollen informierte Entscheidungen treffen – nicht erst beim Blick auf die Speisekarte im Restaurant, sondern bereits bei der Restaurant-Wahl zu Hause. Wer heute ein Restaurant sucht, fragt nicht mehr nur „Was gibt es?“, sondern „Passt das zu meiner Ernährung?“

Restaurants, die ihre Nährwerte digital verfügbar machen, gewinnen damit einen entscheidenden Vorteil: Sie werden bei spezifischen Ernährungsanfragen überhaupt erst gefunden. Ein Steakhouse ohne Protein-Angaben bleibt bei der Suche nach „high protein dinner“ unsichtbar – unabhängig davon, wie proteinreich das Angebot tatsächlich ist.

Schema.org NutritionInformation erklärt

Hier kommt das NutritionInformation Schema von Schema.org ins Spiel – der internationale Standard für strukturierte Nährwertdaten. Dieser Standard bietet präzise Felder für alle relevanten Nährwerte:

• calories – Energiegehalt pro Portion in kcal
• proteinContent – Proteingehalt in Gramm
• fatContent – Fettgehalt in Gramm
• carbohydrateContent – Kohlenhydrate in Gramm
• fiberContent – Ballaststoffe in Gramm
• sodiumContent – Natriumgehalt in Milligramm
• sugarContent – Zuckergehalt in Gramm

Das Besondere: Diese Nährwertdaten werden über eine eindeutige @id mit dem entsprechenden MenuItem verknüpft. Google kann dann ein Gericht nicht mehr nur als „Speise für 18,90€“ verstehen, sondern als „Gericht mit 450 kcal, 32g Protein, glutenfrei, laktosefrei“. Erst diese strukturierte Verknüpfung macht Gerichte für ernährungsspezifische Suchanfragen sichtbar.

Die Implementierung erfolgt als JSON-LD Code im Head-Bereich der Website – unsichtbar für Besucher, aber perfekt lesbar für Suchmaschinen und KI-Systeme.

BLS-Datenbank: Die wissenschaftliche Basis

Die Qualität von Nährwertangaben steht und fällt mit der Datengrundlage. Hier kommt der Bundeslebensmittelschlüssel (BLS) ins Spiel – Deutschlands offizielle Nährwertdatenbank mit über 15.000 wissenschaftlich erfassten Lebensmitteln.

Der BLS wird vom Max Rubner-Institut, dem Bundesforschungsinstitut für Ernährung und Lebensmittel, gepflegt und ist die Referenz für alle offiziellen Nährwertberechnungen in Deutschland. Jeder Wert basiert auf Laboranalysen echter Lebensmittelproben, nicht auf Schätzungen oder veralteten Tabellenwerten.

ChinaYung nutzt diese BLS-Daten, um Nährwerte pro Gericht präzise zu berechnen – basierend auf den tatsächlich verwendeten Zutaten und Mengen aus Ihren Einkaufsrechnungen. Für Naturprodukte wie Gemüse, Obst, Fleisch oder Getreide sind BLS-Werte die wissenschaftliche Referenz, die keine EAN-Nummer oder Herstellerangaben benötigt.

Der Gesundheits-Trend: Suchanfragen die Nährwerte brauchen

Die Vielfalt ernährungsspezifischer Suchanfragen zeigt, wie differenziert moderne Gäste ihre Restaurants auswählen:

„Keto restaurant Frankfurt“ – hier suchen User nach Gerichten mit weniger als 20g Kohlenhydraten pro Portion. Ohne carbohydrateContent im Schema bleibt selbst das ketofreundlichste Restaurant unsichtbar.

„High protein lunch München“ – die Zielgruppe will Gerichte mit mindestens 30g Protein pro Portion finden. Nur mit strukturierten proteinContent Daten kann KI diese Anfrage sinnvoll beantworten.

„Kalorienarmes Abendessen Berlin“ – hier geht es um Gerichte unter 500 kcal pro Portion. Restaurants ohne calories Schema fallen bei dieser Suche komplett weg.

„Diabetikerfreundliches Restaurant Hamburg“ – eine komplexere Anfrage, die Daten zu Zucker, Kohlenhydraten und Ballaststoffen benötigt (sugarContent, carbohydrateContent, fiberContent).

Das Muster ist klar: Ohne NutritionInformation Schema kann KEINE KI diese spezifischen Fragen präzise beantworten. Restaurants mit strukturierten Nährwertdaten gewinnen automatisch diese wertvollen, kaufbereiten Suchanfragen.

Vorher/Nachher: Gericht ohne vs. mit Schema

Der Unterschied wird am konkreten Beispiel deutlich. Nehmen wir das Gericht „Gedämpftes Hähnchen mit Shiitake-Pilzen“:

Ohne NutritionInformation Schema sieht Google nur:

"Gedämpftes Hähnchen mit Shiitake-Pilzen, 18,90€"

Mit vollständigem Schema erkennt Google:

{

  "@type": "MenuItem",

  "name": "Gedämpftes Hähnchen mit Shiitake-Pilzen",

  "offers": {"price": "18.90", "priceCurrency": "EUR"},

  "nutrition": {

    "calories": "380 kcal",

    "proteinContent": "42g",

    "fatContent": "8g",

    "carbohydrateContent": "12g"

  },

  "suitableForDiet": ["GlutenFreeDiet", "LowFatDiet"]

}

Welches Gericht wird wohl bei der Suche nach „high protein asiatisch Frankfurt“ von KI-Systemen empfohlen? Die Antwort ist eindeutig: Nur strukturierte Daten machen Gerichte für moderne Suchanfragen überhaupt auffindbar.

ChinaYung: Automatische BLS-Berechnung

Hier schließt sich der Kreis zu einer praktikablen Lösung: ChinaYung automatisiert den kompletten Workflow von der Zutat bis zum Schema-Code.

Einkaufsrechnung hochladen → KI erkennt alle Zutaten und Mengen → BLS-Datenbank liefert Nährwerte pro Zutat → System berechnet Nährwerte pro Gericht → NutritionInformation Schema wird automatisch generiert und in die Website eingebunden.

Kein manuelles Eingeben in Nährwertrechner, keine fehleranfällige Übertragung zwischen verschiedenen Tools. Die Lösung ist so einfach wie präzise: Wissenschaftlich fundierte BLS-Daten treffen auf automatisierte Schema-Generierung.

Bereit für die Zukunft der Speisekarten? ChinaYung macht Ihre Gerichte für KI und Suchmaschinen verständlich – automatisch, präzise, BLS-basiert. Jetzt kostenlos testen und sehen, wie Ihre Nährwerte strukturiert werden.

FAQ

Muss ich Nährwerte auf der Speisekarte angeben?

In der EU gibt es aktuell keine gesetzliche Pflicht zur Nährwertangabe auf Speisekarten in der Gastronomie – anders als bei verpackten Lebensmitteln nach der Lebensmittel-Informationsverordnung (LMIV). Aber der Trend geht klar in diese Richtung: Mehrere EU-Länder diskutieren entsprechende Gesetzesentwürfe, und in den USA sind Nährwertangaben für Ketten mit über 20 Standorten bereits Pflicht. Unabhängig von der rechtlichen Situation erwarten Gäste zunehmend Nährwert-Transparenz, und KI-Systeme bevorzugen eindeutig Restaurants, die diese Daten strukturiert liefern. Wer jetzt anfängt, hat einen entscheidenden Vorsprung – sowohl bei der Gästegewinnung als auch bei der digitalen Sichtbarkeit.

Wie genau sind die berechneten Nährwerte?

ChinaYung berechnet Nährwerte ausschließlich auf Basis des BLS (Bundeslebensmittelschlüssel) – der offiziellen deutschen Referenzdatenbank mit über 15.000 laboranalytisch erfassten Lebensmitteln. Die Genauigkeit hängt primär von der Vollständigkeit der Zutatenliste und der Präzision der Mengenangaben ab. Bei vollständig erfassten Rezepten mit korrekten Portionsgrößen liegt die Abweichung typischerweise unter 10% – ein Wert, der vergleichbar mit Nährwertangaben auf verpackten Lebensmitteln ist. ChinaYung kennzeichnet Berechnungen transparent als „geschätzt“, wenn nicht alle Zutaten exakt erfasst werden konnten oder Mengenangaben interpoliert wurden. Diese wissenschaftliche Präzision unterscheidet BLS-basierte Berechnungen deutlich von ungenauen Online-Rechnern oder veralteten Tabellenwerten.

Zeigt Google Nährwerte in den Suchergebnissen an?

Google testet seit 2024 erweiterte Restaurant-Rich-Snippets mit Nährwertinformationen in ausgewählten Märkten – aktuell vor allem in den USA für Fast-Food-Ketten. In Deutschland sind diese erweiterten Snippets noch nicht flächendeckend sichtbar. Aber unabhängig von der direkten Anzeige in Suchergebnissen nutzt Google die NutritionInformation-Daten bereits heute intern für seinen Knowledge Graph und für KI-generierte Antworten in Google Gemini und Bard. Die strukturierten Daten fließen also auch dann in die Bewertung und Empfehlung von Restaurants ein, wenn sie nicht als sichtbares Snippet erscheinen. Langfristig ist davon auszugehen, dass Nährwerte ähnlich wie Preise und Öffnungszeiten zu den Standard-Informationen in Restaurant-Snippets gehören werden.