Körperfett per Smartphone: Googles PhotoScan-KI zeigt geringe Abweichung im Test

Google Research erprobt eine KI, die den Körperfettanteil und die Fettverteilung aus Smartphone-Aufnahmen abschätzen soll. In der Studie lag die Abweichung beim Körperfett gegenüber einer DXA-Referenzmessung im Mittel bei gut zwei Prozentpunkten. Noch ist PhotoScan allerdings ein Forschungsprototyp – und von einer Funktion für Android, Pixel oder Fitbit keine Rede.

Mountain View, 21. August 2026. Körperfett bestimmen, ohne Körperanalysewaage, Wearable oder Untersuchung mit einem speziellen medizinischen Gerät: Google-Forscher arbeiten an einem Verfahren, das dafür die Kamera eines Smartphones nutzen soll. PhotoScan analysiert Körperaufnahmen mit künstlicher Intelligenz und leitet daraus Werte zur Körperzusammensetzung ab.

Das klingt zunächst nach einer Messung per Foto. Technisch ist die Sache komplizierter. Die Smartphone-Kamera misst den Körperfettanteil nicht direkt. Ein trainiertes Modell erkennt Merkmale der Körperform und schätzt daraus, wie hoch der Körperfettanteil ist und wie sich das Fett verteilt. Zusätzlich berücksichtigt das Verfahren weitere Angaben.

Nach Angaben von Google Research soll der Ansatz eine vergleichsweise leicht zugängliche Möglichkeit schaffen, Informationen über die Körperzusammensetzung zu gewinnen. Die bisher veröffentlichten Ergebnisse fallen vielversprechend aus. Sie stammen jedoch aus einer Forschungsstudie – nicht aus dem alltäglichen Einsatz einer fertigen Smartphone-App.

Google trainiert PhotoScan mit Daten von mehr als 35.000 Menschen

Die Grundlage bildet die Forschungsarbeit „Beyond BMI: Smartphone Body Composition Phenotyping for Cardiometabolic Risk Assessment“. Sie wurde Ende März 2026 als Preprint veröffentlicht. Im August stellte Google Research das Projekt ausführlicher vor.

Für das Vortraining des Modells nutzten die Forscher Daten von 35.323 Teilnehmerinnen und Teilnehmern der UK Biobank. Zur Verfügung standen unter anderem Körperdarstellungen aus MRT-Daten und Referenzwerte zur Körperzusammensetzung. An diesem Material sollte die KI Zusammenhänge zwischen äußerer Körperform und unterschiedlichen Merkmalen der Fettverteilung lernen.

Danach folgte der entscheidende Schritt in Richtung Smartphone: Das Modell musste mit tatsächlichen Kameraaufnahmen umgehen können. Dafür verwendete das Team einen zusätzlichen Datensatz von 677 Erwachsenen. Eine unabhängige Überprüfung erfolgte anschließend mit Daten von weiteren 132 Personen.

Ein wichtiges Detail relativiert dabei die Vorstellung von der unkomplizierten Körperfettanalyse per Schnappschuss. PhotoScan wurde nicht dafür getestet, aus irgendeinem beliebigen Selfie einen verlässlichen Körperfettwert zu errechnen. Die Forschungsarbeit beschreibt Körperaufnahmen aus definierten Perspektiven sowie unterschiedliche Kamerahöhen und Körperhaltungen.

Wie genau die Google-KI den Körperfettanteil schätzt

Als Referenz für die Körperzusammensetzung diente die Dual-Röntgen-Absorptiometrie, kurz DXA. Dieses Verfahren ermöglicht eine vergleichsweise genaue Analyse der Körperzusammensetzung. Die mit PhotoScan errechneten Werte konnten so mit einer etablierten Referenz verglichen werden.

Beim prozentualen Körperfett erreichte die Google-KI in dem Datensatz mit Smartphone-Aufnahmen einen mittleren absoluten Fehler von 2,15 Prozentpunkten gegenüber den DXA-Werten. In der unabhängigen Testgruppe lag die Abweichung mit 2,13 Prozentpunkten auf einem ähnlichen Niveau.

Die Forscher stellten PhotoScan außerdem einem Verfahren auf Grundlage der bioelektrischen Impedanzanalyse gegenüber. BIA kommt in unterschiedlichen Geräten zur Bestimmung der Körperzusammensetzung zum Einsatz. Für das konkret in der Studie untersuchte BIA-Verfahren nennt Google beim Körperfett einen mittleren Fehler von 2,91 Prozentpunkten.

Der Vergleich ist bemerkenswert, sollte aber eng an die Studie gebunden bleiben. Er bedeutet nicht, dass Smartphone-Fotos grundsätzlich präziser sind als jedes Wearable oder jede Körperanalysewaage. Getestet wurden bestimmte Verfahren mit bestimmten Datensätzen. Eine allgemeine Rangliste der verfügbaren Methoden lässt sich daraus nicht ableiten.

PhotoScan analysiert auch die Verteilung des Körperfetts

Beim Google-Projekt geht es zudem um mehr als einen einzelnen Prozentwert. PhotoScan soll erkennen, wie sich Körperfett verteilt. Neben dem gesamten Körperfettanteil schätzt das Modell deshalb zwei weitere Kennzahlen: das Verhältnis von androidem zu gynoidem Fett und das Verhältnis von viszeralem zu subkutanem Fett im Bauchbereich.

Gerade diese Fettverteilung spielt für die Forschungsfrage eine wichtige Rolle. Google untersucht nicht lediglich, ob sich eine Körperanalysewaage durch die Smartphone-Kamera ersetzen lässt. Die Wissenschaftler wollen herausfinden, ob sich aus der fotografisch geschätzten Körperzusammensetzung zusätzliche Hinweise auf kardiometabolische Risiken gewinnen lassen.

Dazu wurden die PhotoScan-Werte in einem Modell zur Klassifikation von Insulinresistenz verwendet. Ein Basismodell mit Alter, Geschlecht und BMI erreichte nach Angaben von Google Research eine AUROC von 0,692. Ergänzten die Forscher die von PhotoScan geschätzten Werte zur Körperzusammensetzung, stieg dieser Wert auf 0,760. Mit den entsprechenden DXA-Daten wurden 0,773 erreicht.

Das ist keine Diagnose per Smartphone-Foto. Die Werte beschreiben die Leistung eines statistischen Klassifikationsmodells innerhalb der Untersuchung. Ob eine Person tatsächlich unter einer Insulinresistenz leidet, lässt sich daraus nicht einfach per Kamera feststellen.

Für die Körperfett-Schätzung reicht das Foto allein nicht

Auch an anderer Stelle lohnt der Blick auf die Details. PhotoScan gewinnt seine Ergebnisse nicht ausschließlich aus den Pixeln eines Bildes. Nach der Forschungsarbeit fließen neben den Bildmerkmalen weitere Angaben in das Modell ein, darunter Geschlecht, Körpergröße und Gewicht. Daraus wird intern auch der BMI berechnet.

Die Google-KI ist damit keine optische Körperfettmessung im klassischen Sinn. Die Kamera liefert Informationen über die Körperform; das Modell verknüpft sie mit weiteren Daten und errechnet daraus seine Schätzung.

Neu ist die Idee einer Körperfettanalyse per Smartphone grundsätzlich nicht. Bereits 2022 erschienen wissenschaftliche Untersuchungen, in denen Computer-Vision- und Machine-Learning-Verfahren die Körperzusammensetzung anhand von Smartphone-Aufnahmen abschätzten. PhotoScan führt diese Forschungsrichtung weiter. Das Google-Projekt verbindet ein umfangreiches Vortraining mit der Analyse verschiedener Arten der Fettverteilung und untersucht zusätzlich deren Nutzen für die Einschätzung kardiometabolischer Risiken.

Eine PhotoScan-App für Android gibt es bislang nicht

So greifbar die Technik klingt, so weit ist sie noch vom regulären Smartphone-Alltag entfernt. Google Research bezeichnet PhotoScan als Forschungsprototyp. Eine öffentlich verfügbare Anwendung ist bislang nicht angekündigt. Dass die Funktion in Android, Pixel-Smartphones, Fitbit-Geräte oder eine Pixel Watch integriert wird, ist ebenfalls nicht bekannt.

Vor einer möglichen Nutzung im großen Maßstab wären zudem Fragen zu klären, die sich aus einer kontrollierten Studie nur eingeschränkt beantworten lassen. Dort können Kameraposition, Körperhaltung und Auswahl der Aufnahmen vorgegeben werden. Im Alltag wechseln Lichtverhältnisse, Kleidung, Kameras, Aufnahmeabstände und Perspektiven. Die bisherigen Ergebnisse belegen nicht, dass die Körperfett-Schätzung unter beliebigen Bedingungen dieselbe Genauigkeit erreicht.

Auch der wissenschaftliche Status setzt eine Grenze. Die Arbeit liegt derzeit als Preprint vor. Die Methode und ihre Ergebnisse sind damit öffentlich dokumentiert, sollten aber nicht mit einer bereits abgeschlossenen Begutachtung durch ein wissenschaftliches Fachjournal gleichgesetzt werden.

Wearables dürften nicht einfach überflüssig werden

Die Vorstellung „Smartphone statt Wearable“ trifft den Forschungsstand deshalb nur teilweise. Zwar zeigt die Studie, dass sich der Körperfettanteil unter den untersuchten Bedingungen erstaunlich präzise aus Smartphone-Aufnahmen und ergänzenden Daten abschätzen lässt. Google beschreibt aber keine Strategie, mit der Wearables grundsätzlich ersetzt werden sollen.

Die weitere Forschungsrichtung deutet sogar in eine andere Richtung. Google nennt die Kombination der Bildanalyse mit kontinuierlichen Wearable-Daten, Glukosewerten und Blut-Biomarkern als möglichen nächsten Schritt. Smartphone-Kamera und Sensoren am Körper wären dann keine Konkurrenten, sondern unterschiedliche Quellen für ein umfassenderes Bild der Körperzusammensetzung und des Stoffwechsels.

Vorerst bleibt PhotoScan genau das, was Google Research selbst daraus macht: ein Forschungsprojekt. Seine Ergebnisse zeigen, was moderne Bilderkennung inzwischen aus standardisierten Körperaufnahmen ableiten kann. Sie zeigen noch nicht, dass eine Smartphone-Kamera eine DXA-Untersuchung ersetzt oder dass Nutzer künftig auf Körperanalysewaagen und Wearables verzichten können.

Der interessante Punkt liegt an anderer Stelle. Eine Information, für die bislang zusätzliche Sensorik oder medizinische Messtechnik nötig war, lässt sich in der Studie mit einer ohnehin weit verbreiteten Hardware zumindest annähern: der Smartphone-Kamera. Ob daraus irgendwann eine alltagstaugliche Körperfettanalyse entsteht, muss PhotoScan erst noch beweisen.