Das Experiment Chefkoch 2.0
Um die Zukunft von Chefkoch zu simulieren, haben wir die bestehende Plattform komplett nachgebaut und radikal "AI-First" gedacht. Das Experiment sollte zeigen, ob generative KI die klassische Rezeptsuche vollständig ersetzen kann.
Die zentrale Hypothese: Nutzer wollen maximale kreative Freiheit und emotionale Ansprache durch virtuelle Stars. Die KI soll nicht nur Werkzeug sein, sondern Inspirationsquelle und persönlicher Koch-Mentor.
Die Kern-Features des Prototyps
- Generierung statt SucheAnstatt eine Datenbank zu durchsuchen, generierte die KI komplett neue Rezepte basierend auf einem vereinfachten Prompt-Interface. Der Nutzer beschrieb, was er kochen wollte, und die KI erfand ein passendes Rezept von Grund auf.
- Health Coach ExtensionEine Chrome-Erweiterung, die beliebige Webseiten analysiert und automatisch Kalorien sowie Nährwerte trackt. Die Vision: nahtlose Integration in den digitalen Alltag.
- AI MentorenVier Persönlichkeiten - Jamie Oliver, Gordon Ramsay, Oma Gülseren und Yotam Ottolenghi - gaben personalisiertes Feedback zu Rezepten und sollten emotionale Bindung schaffen.
Der vollständige Prototyp ist unter lahlulli.cloud/content/projekte/chefkoch weiterhin einsehbar. Wir empfehlen einen Besuch, um die beschriebenen Probleme selbst zu erleben.
Nutzerfeedback: UX & Logik
Wir haben den Prototypen einem qualitativen Nutzertest unterzogen. Die Ergebnisse zeigen gravierende Mängel in der reinen KI-Logik, die weit über "kleine Bugs" hinausgehen - sie offenbaren fundamentale Probleme des Ansatzes.
Die drei Hauptprobleme
Nutzer berichteten von falschen Deklarationen. Ein Gericht namens "Chocolate Dream" enthielt keine Schokolade, "High Protein Bowls" wurden fälschlicherweise als "Süßigkeit" klassifiziert. Die KI verstand den semantischen Zusammenhang zwischen Name und Inhalt nicht - ein fundamentales Problem für eine Plattform, die Vertrauen aufbauen muss.
Auf die Anfrage nach einem Tofu-Rezept antwortete der Jamie-Bot mit Tipps zur Herstellung einer Fleisch-Lasagne und gab kryptische Code-Schnipsel aus. Dies ist nicht nur ärgerlich - für Vegetarier oder Allergiker kann es gefährlich sein. Eine Rezeptplattform, die Fleisch statt Tofu empfiehlt, verliert jegliches Vertrauen.
Ladebildschirme zeigten irritierende Sprüche wie "Jesiden essen keinen Kopfsalat" oder "Kaffee wurde von Ziegen entdeckt". Diese vermeintlich witzigen Fun-Facts wurden von Nutzern als grotesk, unprofessionell und teilweise beleidigend empfunden.
Nutzer:innen beschrieben ein diffuses Unbehagen: Die KI wirkt menschlich, aber irgendwie "falsch". Dieses Uncanny-Valley-Gefühl erzeugt Skepsis und emotionale Ablehnung - vielleicht die größte Hürde für KI-Akzeptanz. Eine mögliche Lösung: Community-Features wie Kommentarfunktionen und echte Nutzer-Bewertungen könnten das Vertrauen stärken.
"Die Website lässt mich ratlos zurück." - Nutzerfeedback. Der "KI-Ick" in einem Satz.
Das "Slop"-Problem: Emotionalität ohne Nutzen
Die AI-Mentoren wurden nicht als hilfreich, sondern als "geschwätzig" und "schwülstig" wahrgenommen. Statt praktischer Tipps lieferten sie leere Phrasen - ein Phänomen, das in der KI-Community als "Slop" bekannt ist.
Beispiel: Der Ottolenghi-Bot
Auf die einfache Bitte eines Nutzers, den Zuckergehalt in einem Rezept zu reduzieren, antwortete der Ottolenghi-Bot:
"Der Ahornsirup tanzt wie ein sanftes Licht auf der Zunge... spüre deine kraftvolle Absicht, die Natur pur zu ehren." - Ottolenghi-Bot. Praktischer Nutzen dieser Antwort: Null.
Der Nutzer wollte wissen, ob er den Zucker halbieren kann oder welchen Ersatz er verwenden sollte. Stattdessen erhielt er Lyrik. Diese Art von "Slop Content" zerstört das Vertrauen in KI-Assistenten nachhaltig.
Das vernichtende Urteil
Die Gesamtbewertung des Prototyps lag bei 1 von 5 Sternen. Das Nutzerfazit bringt das Problem auf den Punkt:
"Beim Betrachten dieser Website fühlte ich mich, als hätte ich unter starkem Cannabiseinfluss ein Kochbuch gelesen, das durchs Wasser gezogen wurde." - Anonymes Nutzerfeedback aus dem qualitativen Test
Forschungsmaterialien
Die vollständigen Fragebögen und Ergebnisse unseres Nutzertests:
Die Wende: Nicht erfinden, sondern finden
Was wir gelernt haben: Eine KI, die Rezepte komplett neu erfindet, ist zu riskant. Beim Kochen will niemand Überraschungen - man will, dass es schmeckt.
Ein ausgedachtes Rezept kann nicht nur danebengehen - für Allergiker kann es sogar gefährlich werden.
Unsere Idee: Die KI soll nichts mehr erfinden. Stattdessen sucht sie aus den 370.000 echten Rezepten das Passende heraus.
| Was? | Vorher (2.0) | Besser (3.0) |
|---|---|---|
| Was macht die KI? | Erfindet neue Rezepte | Sucht passende Rezepte raus |
| Vergleich | Koch, der improvisiert | Bibliothekar, der das Richtige findet |
| Risiko | Kann Quatsch rauskommen | Alles wurde schon gekocht |
| Vertrauen | Eher niedrig | Hoch - echte Rezepte von echten Leuten |
Die KI wird zum Bibliothekar: Sie weiß, wo welches Rezept steht, und findet das Passende - aber sie erfindet nichts Neues.
Das Problem: Warum Chefkoch unter Druck steht
Chefkoch ist mit 20 Millionen Nutzern die größte Rezeptplattform im deutschsprachigen Raum. Doch das klassische Modell gerät unter Druck:
- AdblockerImmer mehr Nutzer blenden Werbung aus - die Haupteinnahmequelle schrumpft.
- AufmerksamkeitJüngere Zielgruppen bevorzugen Kochvideos auf TikTok und Instagram.
- KonkurrenzSamsung integriert KI-Rezeptvorschläge direkt in Kühlschränke.
Wenn der Kühlschrank selbst Rezepte vorschlägt, verliert die Website ihre Daseinsberechtigung.
Die Lösung: Der Datenschatz
Der entscheidende Punkt: Chefkoch besitzt etwas, das weder ChatGPT noch Samsung haben.
370.000 Rezepte + Millionen Bewertungen = unkopierbarer Vorteil
Eine KI, die auf diesen Daten aufbaut, kann Rezepte empfehlen, die tatsächlich funktionieren - weil echte Menschen sie gekocht, bewertet und kommentiert haben.
Anders formuliert: Während andere KI-Systeme Rezepte aus dem Nichts generieren, könnte Chefkoch eine KI bauen, die wie ein erfahrener Bibliothekar arbeitet - sie kennt jeden Winkel des Archivs und findet genau das Rezept, das zur Situation passt.
Das Community-Wissen - "Ich nehme immer etwas weniger Salz" oder "Funktioniert auch ohne Ei" - macht den Unterschied zwischen einem theoretischen Rezept und einem, das in der Praxis gelingt.
Die Möglichkeiten
Basierend auf diesem Datenschatz haben wir verschiedene Anwendungen identifiziert:
Intelligente Rezeptfindung
"Ich habe Nudeln, Tomaten und Käse" - die KI durchsucht das Archiv und findet passende, bewährte Rezepte.
Geschmacksprofil
Die App merkt sich Vorlieben: mag keinen Koriander, kocht sonntags aufwendiger, achtet auf Zucker.
Bildgenerierung für alte Rezepte
Viele Rezepte aus den 2000ern haben keine ansprechenden Fotos. KI-generierte Bilder könnten sie wieder attraktiv machen.
Nährwert-Erkennung
Teller fotografieren, KI erkennt das Gericht und zeigt Kalorien an - abgeglichen mit der Rezeptdatenbank.
Spaß und Nutzen trennen
Aus dem Feedback haben wir gelernt: Absurde KI-Ergebnisse stören beim Kochen, aber unterhalten auf Social Media. Daraus ergeben sich zwei Modi:
Der Spielplatz
Für Experimente und Social Media - "Sushi aus Leberwurst". Bewusst als Spielerei gekennzeichnet.
Der Assistent
Das eigentliche Werkzeug - basiert nur auf verifizierten Rezepten, verlässlich für Allergiker.
Die Infrastruktur existiert. Die Community existiert.
Es geht nicht darum, etwas komplett Neues zu bauen - sondern darum, das Vorhandene intelligent zu erschließen.
