KI-Extraktion im Test: fünf Verfahren, sechs Quellen, ein deutliches Ergebnis

Rezepte speichern klingt nach einer einfachen Sache: Du findest online ein Rezept, du legst es in einer App ab. Nur heißt „online” heute ein TikTok-Video, ein Instagram-Reel, die abfotografierte Rezeptkarte, die dir deine Tante geschickt hat, ein Screenshot aus einer Facebook-Gruppe – und manchmal eben auch noch ein Foodblog. Was einen ordentlich gebauten Blogbeitrag mühelos verarbeitet, verschluckt sich an 45 Sekunden Kochvideo. Was ein Foto lesen kann, kommt mit einer Webseite nicht klar.

Wir haben fünf verschiedene Verfahren gegen sechs typische Quellen antreten lassen, um zu sehen, was tatsächlich etwas liefert und was dich am Ende doch wieder abtippen lässt. Das war keine Trockenübung: echte Rezepte aus echten Quellen, und protokolliert wurde, was hinten herauskam.

Was sich seit diesen Tests geändert hat (Nachtrag vom 7. Oktober 2026). Die Tests unten stammen aus dem Frühjahr 2026 und vergleichen Verfahren, nicht die aktuellen Versionen bestimmter Apps. Wiederholt haben wir sie nicht. Seitdem sind etliche Apps in eine andere Kategorie gewandert: ReciMe, Honeydew und Deglaze schreiben inzwischen die Tonspur eines Videos mit; Deglaze gibt zudem an, eingeblendeten Text Bild für Bild zu lesen (ähnlich wie Pluck); Mela und Pestle werten Bildunterschriften per maschinellem Lernen direkt auf dem Gerät aus; Recipe Keeper hat OCR-Scan sowie Import aus Instagram und TikTok dazubekommen; CopyMeThat speichert Beiträge aus Instagram und Facebook; und Paprika 4 (seit dem 28. September 2026 in der offenen Beta) bringt Foto-Scan und Social-Media-Import mit. Wo dieser Beitrag also sagt, ein „klassischer Clipper“ oder eine „Text-KI“ scheitere an einem Social-Media-Video, beschreibt das das Verfahren – nicht unbedingt die App, die du heute nutzt. Wo jede App inzwischen steht, zeigt unser Ratgeber Rezepte-App mit KI.

Die fünf Verfahren

Bevor es an die Ergebnisse geht, hier die Kandidaten:

1. Klassisches Web-Clipping (DOM- und Regex-Auswertung)

Das älteste Verfahren, im Einsatz bei Apps wie Paprika 3 und CopyMeThat (das inzwischen auch Beiträge aus Instagram und Facebook speichert). Der Clipper durchsucht das HTML einer Seite nach strukturierten Rezeptdaten: JSON-LD, Microdata oder wiedererkennbare HTML-Muster wie Zutaten in <ul> und Schritte in <ol>. KI ist nicht im Spiel. Das Werkzeug gleicht Muster im DOM ab und nimmt mit, was in die erwartete Form passt.

2. Browser-Erweiterung

Manche Rezepte-Apps bieten eine Browser-Erweiterung an, die im Prinzip dasselbe tut, aber enger mit der Seite verzahnt ist. Sie klinkt sich in die geöffnete Seite ein, sucht nach Rezept-Markup oder nach bekannten Plugin-Formaten (WP Recipe Maker, Tasty und so weiter) und übernimmt die strukturierten Daten. Manche legen eine Schicht Heuristik darüber und raten, welche Textblöcke Zutaten und welche Arbeitsschritte sind, wenn Markup fehlt.

3. KI für Text

Eine jüngere Gattung schickt den Textinhalt einer Seite durch ein Sprachmodell. Statt nach HTML-Struktur zu suchen, liest die KI den Rohtext und erkennt die Bestandteile eines Rezepts, weil sie natürliche Sprache versteht. Mit unsauberer Formatierung und unstrukturierten Seiten kommt das deutlich besser zurecht als eine DOM-Auswertung – bleibt aber auf Text beschränkt. Steckt das Rezept in einem Video, in einem Bild oder in gesprochenen Sätzen, hat eine reine Text-KI nichts in der Hand.

4. KI für Bild und OCR

Einige Apps verarbeiten Bilder – Fotos von Rezeptkarten, Kochbuchseiten, Screenshots – mit Texterkennung plus KI. Das System liest die Schrift im Bild und bringt sie anschließend in Rezeptform. Für Papier und Screenshots ist das ein echter Fortschritt, für Video, Ton und laufende Webseiten hilft es nicht.

5. Volle multimodale KI (Pluck)

Pluck kombiniert fünf Wege der Extraktion: Auswertung der Einzelbilder, Mitschrift der Tonspur, Texterkennung im Bild (OCR), Lesen von Bildunterschriften und Untertiteln sowie Auswertung der Metadaten. Für Fotos kommt Bilderkennung dazu, für Webseiten liest Pluck strukturierte Daten und Fließtext gleichermaßen. Die KI gleicht alle verfügbaren Signale gegeneinander ab, fügt sie zu einem strukturierten Rezept zusammen und vergibt einen Konfidenzwert, damit du weißt, wie viel du dem Ergebnis abnehmen darfst.

Der Test: sechs Quellen, fünf Verfahren

Getestet wurde gegen sechs Quellen, die abbilden, wo Menschen ihre Rezepte tatsächlich herhaben.

Quelle 1: Foodblog mit Rezept-Markup

Ein gewöhnlicher Blogbeitrag mit WordPress-Rezept-Plugin, JSON-LD und den üblichen 2.000 Wörtern Vorspann vor dem eigentlichen Rezept.

Klassisches Web-Clipping: Exzellent. Genau dafür wurden diese Werkzeuge gebaut. Paprika und Verwandte holen aus einem Foodblog nahezu fehlerfrei ein sauberes Rezept heraus – Zutaten, Schritte, Garzeiten, Portionen, alles korrekt.

Browser-Erweiterung: Genauso gut. Solche Erweiterungen kommen mit ausgezeichneten Blogrezepten zuverlässig klar.

KI für Text: Funktioniert, greift aber manchmal in den Vorspann oder in die Seitenleiste. Die KI muss entscheiden, wo die Geschichte über den Toskana-Urlaub aufhört und das Rezept anfängt, und trifft das nicht immer.

KI für Bild und OCR: Entfällt. Das Verfahren ist für Bilder gedacht, nicht für Webseiten.

Multimodale KI (Pluck): Exzellent. Liegt JSON-LD vor, nimmt Pluck es direkt und erreicht damit den höchsten Konfidenzwert. Zusätzlich liest Pluck den Seiteninhalt als Rückfallebene, kommt also mit Foodblogs mit wie ohne Rezept-Plugin zurecht.

Urteil: Der Heimvorteil der klassischen Clipper. Sie haben Jahre gehabt, um das zu perfektionieren. Alle anderen Verfahren funktionieren auch – aber wenn ausgezeichnete Foodblogs deine einzige Quelle sind, tut ein klassischer Clipper treue Dienste.

Quelle 2: Instagram-Reel

Ein 60-sekündiges Kochvideo, in dem die Person das Rezept über Bilder vom Kochen erzählt, Mengen kurz eingeblendet werden und in der Bildunterschrift eine halbe Zutatenliste steht.

Klassisches Web-Clipping: Scheitert vollständig. Instagram gibt kein Rezept-Markup heraus, und das Rezept verteilt sich über Bild, Ton, Einblendungen und Bildunterschrift. Da ist keine HTML-Struktur zum Auswerten.

Browser-Erweiterung: Scheitert genauso. Erweiterungen kommen an den Videoinhalt nicht heran und lesen Bildunterschriften nicht strukturiert.

KI für Text: Teilweise. Wenn die App an die Bildunterschrift kommt, holt sie heraus, was dort steht. Nur sind die meisten Reel-Bildunterschriften unvollständig: Zutaten ohne Mengen, oder die Schritte fehlen ganz, weil sie ja im Video zu sehen sind.

KI für Bild und OCR: Entfällt bei Videoinhalten.

Multimodale KI (Pluck): Stark. Pluck sieht sich das Video an, hört der Erzählung zu, liest die Einblendungen und wertet die Bildunterschrift aus. Ein Rezept, das über vier Quellen verteilt ist, wird zu einer einzigen Struktur zusammengesetzt. Mengen, die gesprochen werden, landen bei den Zutaten, die im Bild gezeigt werden. Die Bildunterschrift füllt auf, was im Video fehlt. Das ist der Fall, in dem sich multimodale Auswertung bezahlt macht.

Urteil: Wer regelmäßig Rezepte aus sozialen Netzwerken speichert, kommt mit klassischen Clippern in eine Sackgasse. Dafür braucht es eine KI, die mit Video und unstrukturiertem Text umgehen kann.

Quelle 3: TikTok-Video

Ein hektisch geschnittenes 30-Sekunden-Video ohne Einblendungen, mit einer Stimme aus dem Off, die Zutaten und grobe Schritte nennt, und einem Trend-Sound im Hintergrund.

Klassisches Web-Clipping: Scheitert. TikTok-Seiten enthalten kein Rezept-Markup.

Browser-Erweiterung: Scheitert.

KI für Text: Kaum brauchbar. TikTok-Beschreibungen bestehen meist aus Hashtags und enthalten kaum Rezeptinhalt. Ohne Zugriff auf die Tonspur bekommt ein reines Textverfahren fast nichts.

KI für Bild und OCR: Entfällt.

Multimodale KI (Pluck): Der härteste Fall im Test, und das zeigt sich. Pluck schreibt die Tonspur mit, filtert die Hintergrundmusik heraus und holt das gesprochene Rezept hervor. Ohne Einblendungen hängt viel an der Tonspur und an der Auswertung der Einzelbilder. Das Ergebnis ist brauchbar, kann aber einen niedrigeren Konfidenzwert bekommen. Eine Angabe wie „ordentlich Olivenöl” wird so mitgeschrieben, wie sie fällt, statt zu „2 EL” erfunden zu werden. Pluck markiert solche Stellen mit einem niedrigeren Wert, damit du nachsiehst.

Urteil: Daran kommt kein klassisches Werkzeug heran. Von den fünf getesteten Verfahren hat nur die multimodale KI aus einem TikTok-Rezept, das ausschließlich gesprochen wird, etwas Verwertbares gemacht.

Nachtrag (Oktober 2026): Ein Verfahren aus „Bildunterschrift plus Transkript der Tonspur“, wie es inzwischen mehrere Apps nutzen (ReciMe, Honeydew, Deglaze), haben wir nicht getestet. Vom Prinzip her würde es eine gesprochene Zutatenliste wie diese erfassen; wie gut, haben wir nicht gemessen.

Quelle 4: YouTube-Kochvideo

Ein zwölf Minuten langes Video mit klarer Sprache, eingeblendeter Zutatenliste und dem vollständigen Rezept in der Videobeschreibung.

Klassisches Web-Clipping: Scheitert am Videoinhalt. Manche Clipper greifen den Beschreibungstext ab, können ihn aber nicht in ein Rezept überführen, weil er unformatiert ist.

Browser-Erweiterung: Wie beim klassischen Clipping. Bekommt vielleicht die Beschreibung, bringt sie aber nicht in Form.

KI für Text: Besser. Eine KI, die die Beschreibung liest, holt daraus oft ein ordentliches Rezept, weil YouTube-Beschreibungen häufig vollständige Zutatenlisten enthalten. Alles, was nur im Video vorkommt, geht verloren: Kniffe, Zeitangaben nebenbei, Tipps, die gesagt und nie geschrieben werden.

KI für Bild und OCR: Entfällt.

Multimodale KI (Pluck): Das beste Ergebnis bei Videos. Die Beschreibung liefert das Gerüst, die Auswertung des Videos ergänzt, was nur gesprochen oder eingeblendet wird. Die KI gleicht geschriebene Beschreibung und gesprochene Anleitung gegeneinander ab und kommt so auf das vollständigste Ergebnis. Wenn in der Beschreibung „Mehl” steht und im Video „anderthalb Tassen Weizenmehl Type 550” gesagt wird, hat die multimodale Auswertung Menge und Sorte.

Urteil: Wer nur das Grundgerüst braucht und auf gründliche Beschreibungen trifft, kommt mit Text-KI durch. Für Rezepte, die alles aus dem Video mitnehmen, braucht es multimodale Auswertung. Mehr dazu steht in Kann KI Rezepte aus Videos extrahieren?

Quelle 5: Foto einer handgeschriebenen Rezeptkarte

Das Foto einer handgeschriebenen Karte, leicht vergilbt, in Schreibschrift, mit ein paar Flecken und den üblichen Abkürzungen (EL, TL, Msp., Pk.).

Klassisches Web-Clipping: Entfällt. Clipper arbeiten auf Webseiten, nicht auf Bildern.

Browser-Erweiterung: Entfällt.

KI für Text: Entfällt bei Bildern.

KI für Bild und OCR: Funktioniert, hängt aber an der Lesbarkeit der Handschrift. Klare Druckschrift wird gut erkannt. Schreibschrift mit Abkürzungen ist schwerer – „Pk.” kann ein Päckchen Backpulver oder Vanillezucker sein, und die Texterkennung muss das aus dem Zusammenhang schließen. Apps mit reiner OCR ohne KI-Schicht liefern dann eine wörtliche Abschrift samt Fehlern statt eines Rezepts.

Multimodale KI (Pluck): Stark. Plucks Bilderkennung liest die Handschrift und ordnet sie ein. Sie versteht, dass „1 Pk. Backpulver” ein Päckchen Backpulver ist, dass „mittlere Hitze” um die 180 °C meint und dass die Liste oben auf der Karte die Zutaten sind, während der Absatz darunter die Zubereitung ist. Schwierige Handschriften wollen weiterhin geprüft werden, gängige Rezeptkarten sitzen zuverlässig.

Urteil: OCR bringt dich ein Stück weit. Bilderkennung mit Rezeptwissen bringt dich den Rest des Weges.

Quelle 6: Screenshot eines Rezepts

Ein Bildschirmfoto vom Telefon, auf dem ein Rezept von einer Webseite zu sehen ist. Die Browserleiste ist mit drauf, unten ist das Rezept abgeschnitten, und ein Werbebanner liegt über der Zutatenliste.

Klassisches Web-Clipping: Entfällt bei Bildern. (Hast du die Adresse noch, kommt ein Clipper mit der Originalseite natürlich zurecht.)

Browser-Erweiterung: Entfällt.

KI für Text: Entfällt.

KI für Bild und OCR: Funktioniert ordentlich. Die Texterkennung liest, was sichtbar ist, und die meisten Apps ignorieren Browserleiste und Werbebanner. Die Grenze ist das Abgeschnittene: Du bekommst, was im Bild steht, mehr nicht.

Multimodale KI (Pluck): Ähnlich wie bei OCR, aber besser im Umgang mit Störendem – Werbung, Bedienelemente, halbe Sätze. Die KI unterscheidet Rezepttext von Oberfläche. Bei angeschnittenen Screenshots weist sie darauf hin, dass das Rezept unvollständig sein könnte, statt einen abgeschnittenen Text als ganzes Rezept auszugeben.

Urteil: Screenshots liegen OCR wie multimodaler KI. Der Vorsprung der multimodalen Auswertung liegt im Filtern des Beiwerks und in der Ehrlichkeit über Lücken.

Die Tabelle

So haben sich die fünf Verfahren in unseren Tests vom Frühjahr 2026 über alle sechs Quellen geschlagen (Verfahren, nicht bestimmte Apps; siehe den Nachtrag oben):

Quelle	Klassisches Clipping	Browser-Erweiterung	KI für Text	KI für Bild/OCR	Multimodale KI (Pluck)
Foodblog-Adresse	Exzellent	Exzellent	Gut	Entfällt	Exzellent
Instagram-Reel	Scheitert	Scheitert	Teilweise	Entfällt	Stark
TikTok-Video	Scheitert	Scheitert	Minimal	Entfällt	Gut
YouTube-Kochvideo	Scheitert	Scheitert	Mäßig	Entfällt	Stark
Handgeschriebene Karte	Entfällt	Entfällt	Entfällt	Mäßig	Stark
Screenshot eines Rezepts	Entfällt	Entfällt	Entfällt	Gut	Stark

Was das für die Wahl einer Rezepte-App heißt

Das richtige Werkzeug hängt daran, woher deine Rezepte kommen.

Speicherst du ausschließlich von Foodblogs, sind etablierte Clipper wie Paprika 3 und Recipe Keeper verlässlich, ausgereift und günstig. Sie machen das seit Jahren, und sie machen es gut (Recipe Keeper scannt außerdem Fotos per OCR, und die Beta von Paprika 4 bringt Social-Media-Import mit). Brauchst du mehr als Web-Clipping, übernimmt eine moderne Paprika-Alternative wie Pluck Videos aus sozialen Netzwerken, Karussells und handgeschriebene Fotos mit KI. Unser Vergleich der Rezepte-Apps zeigt den vollen Funktionsumfang dieser Apps über die Extraktion hinaus.

Speicherst du gemischt, von Blogs und aus sozialen Netzwerken, hilft KI für Text – lässt aber Lücken. In unseren Tests kam aus Instagram- und Facebook-Beiträgen Halbfertiges, aus videolastigen Plattformen wie TikTok fast nichts. Apps, die zusätzlich die Tonspur mitschreiben, schließen einen guten Teil dieser Lücke.

Speicherst du von überall – Foodblogs, Instagram, TikTok, YouTube, Fotos von Familienrezepten, Screenshots aus dem Chat –, brauchst du eine Extraktion, die das Video genauso liest wie den Text. Genau dafür wurde Pluck gebaut. Die fünf Wege greifen ineinander, damit die KI ein Rezept lesen, ansehen, anhören oder alles zugleich kann, egal wo es liegt und in welcher Form.

Wo die multimodale Auswertung Luft nach oben hat

Fair bleiben heißt, die Abstriche zu benennen. Multimodale Auswertung kostet mehr Rechenzeit als eine DOM-Auswertung. Auf einem sauber gebauten Foodblog dauert es ein paar Sekunden länger als beim klassischen Clipper, weil die KI auch dann mehr tut, wenn die Antwort schon dasteht. Konfidenzwerte gibt es, weil das Verfahren nicht unfehlbar ist: verrauschter Ton, unleserliche Handschrift und hektischer Schnitt drücken die Genauigkeit.

Klassische Clipper sind zudem kostenlos oder billig; Paprika 3 kostet auf dem Handy einmalig $4.99. KI-Auswertung verursacht laufende Rechenkosten. Deshalb enthält Plucks kostenloser Plan 3 Extraktionen im Monat, und die bezahlten Pläne beginnen bei $2.99 im Monat (Light), Plus kostet $6.99 im Monat und Pro $11.99 im Monat.

Das sind Abwägungen, keine Ausschlusskriterien. Die Frage ist, ob das Werkzeug deine Rezepte verarbeitet. Kommen sie von ausgezeichneten Foodblogs, reicht ein Clipper für $5. Kommen sie von dort, wo die meisten Menschen 2026 tatsächlich Rezepte finden – aus sozialen Netzwerken, aus Videos und aus den unordentlichen Ecken des Internets –, brauchst du etwas, das sehen, hören und lesen kann.

Und Preplo?

Seit der ersten Fassung dieses Beitrags ist Preplo dazugekommen und hat den RevenueCat Shipyard Creator Contest 2026 mit einer App gewonnen, die aus Kochvideo-Links Rezepte macht. Seit März 2026 ist Preplo fürs iPhone im App Store (Android ist angekündigt), das letzte Update (Version 1.0.3) stammt allerdings vom 26. März 2026. Es ist eine elegante Umsetzung der Idee, und der Sieg ist eine verdiente Bestätigung, dass dieses Problem zählt.

Wo steht Preplo in unserem Raster? Am nächsten an Verfahren 3: KI für Text. Preplo liest bei YouTube das Transkript und bei TikTok und Instagram die Beschreibung und macht daraus strukturierte Rezepte. Unterstützt werden YouTube-, TikTok- und Instagram-Links, es gibt eine kostenlose Stufe mit einer einzigen Extraktion, und dazu kommen hübsch gemachte Umschalter für Anpassungen (vegan, kohlenhydratarm), ein geführter Kochmodus im Vollbild und Einkaufslisten mit Preisschätzung.

Nur teilt Preplo die Grenze textbasierter Verfahren: Was nicht in dem Text steht, den es liest, kann es nicht erfassen. Auf TikTok und Instagram heißt das: jemand, der das Rezept erzählt. Auf jeder Plattform: ein stilles ASMR-Kochvideo oder ein Reel, in dem die Zutaten nur im Bild auftauchen. Das sind die Fälle, für die es multimodale Auswertung braucht, also eine KI, die tatsächlich hinsieht und zuhört statt nur zu lesen.

Dazu kommt: Preplo deckt drei Plattformen ab (YouTube, TikTok, Instagram). Rezepte aus Facebook, von Foodblogs und aus Fotos fallen damit heraus. Ohne Bildverarbeitung gibt es auch keine Kochbuchseiten und keine handgeschriebenen Familienrezepte.

Den ausführlichen Vergleich Pluck gegen Preplo haben wir separat geschrieben. Die Kurzfassung: Preplo ist ein solider Extraktor für ein Verfahren, gut geeignet für Videoplattformen mit brauchbaren Textdaten. Kommen deine Rezepte von mehr Orten oder stecken sie im Video selbst statt in der Beschreibung, stößt du wahrscheinlich an seine Grenzen.

Wie einzelne Apps abschneiden, steht in unseren Gegenüberstellungen Pluck vs Preplo, Pluck vs Inspo (zwei KI-Apps für Rezepte aus sozialen Netzwerken) und Pluck vs Flavorish (Text-KI gegen multimodale KI). Den größeren Überblick über KI in Rezepte-Apps gibt Rezepte-App mit KI. Selbst ausprobieren? Pluck gibt es für iOS und Android, bei Google Play laden. Auch für iOS. Auf unserer Roadmap steht, was als Nächstes ansteht.