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.

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 und CopyMeThat. 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

Apps wie Recipe Keeper arbeiten über eine Erweiterung, 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. Recipe Keeper und ähnliche 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. Multimodale KI ist das einzige Verfahren, das aus einem TikTok-Rezept, das nur gesprochen wird, überhaupt etwas Verwertbares macht.

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 schlagen sich die fünf Verfahren über alle sechs Quellen:

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 klassische Clipper wie Paprika und Recipe Keeper verlässlich, ausgereift und günstig. Sie machen das seit Jahren, und sie machen es gut. Brauchst du mehr als Web-Clipping, übernimmt eine moderne Paprika-Alternative wie Pluck auch die sozialen Netzwerke, die Videos und die Fotos, an die Paprika gar nicht herankommt. 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. Aus Instagram- und Facebook-Beiträgen kommt Halbfertiges, aus videolastigen Plattformen wie TikTok fast nichts.

Speicherst du von überall – Foodblogs, Instagram, TikTok, YouTube, Fotos von Familienrezepten, Screenshots aus dem Chat –, brauchst du multimodale Auswertung. 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. Die meisten sind Einmalkäufe unter $10. KI-Auswertung verursacht laufende Rechenkosten, weshalb Pluck eine Gratis-Version für den gelegentlichen Gebrauch anbietet und Premium-Funktionen für alle, die viel speichern.

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. Preplo ist öffentlich bisher nicht erschienen, aber nach der Wettbewerbsdemo zu urteilen ist es eine elegante Umsetzung der Idee, und der Sieg ist eine verdiente Bestätigung, dass dieses Problem zählt.

Wo steht Preplo in unserem Raster? Nach allem, was wir gesehen haben, am nächsten an Verfahren 3: KI für Text. Preplo verarbeitet Transkripte und Beschreibungen zu strukturierten Rezepten. Unterstützt werden YouTube-, TikTok- und Instagram-Links, und die Demo zeigt hübsch gemachte Umschalter für Anpassungen (vegan, kohlenhydratarm) sowie einen geführten Kochmodus mit Zeitmarken zum Video.

Nur teilt Preplo die Grenze aller textbasierten Verfahren: Wo das Rezept nirgends geschrieben steht, läuft eine reine Transkript-Auswertung gegen die Wand. Jemand auf TikTok, der das Rezept erzählt und nichts einblendet. Ein stilles ASMR-Kochvideo. Ein Instagram-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-Gruppen, 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: Nach der Demo sieht Preplo wie ein solider Extraktor für ein Verfahren aus, 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 (auf Englisch) steht, was als Nächstes ansteht.