KI-Assistent von NYT Cooking im Praxistest: Zuverlässig beim Abendessen, riskant bei präzisen Backrezepten

Die wichtigsten Punkte

• Neues KI-Feature für Abonnenten: NYT Cooking testet einen generativen KI-Assistenten in seiner iOS-App, der zahlenden Nutzern bei Rezeptanpassungen, Mengenumrechnungen und Zutatensubstitutionen hilft.
• Erfolg bei flexiblen Gerichten: Bei der Zubereitung eines schnellen Hühnchengerichts unter der Woche passte der Assistent Garzeiten und alternative Zutaten aus dem Kühlschrank zuverlässig und schmackhaft an.
• Gefahrenquelle Backstube: Beim komplexeren Backen, speziell bei der Umrechnung eines Zimtschnecken-Bundt-Kuchens in Muffins, lieferte die KI fehlerhafte Portions- und Zutatenwerte.
• Kontextverwirrung als Risiko: Die KI verwechselte Mengenmaße für Butter zwischen dem Originalrezept und der modifizierten Version, was beinahe das gesamte Dessert verdorben hätte.
• Menschliche Kontrolle bleibt Pflicht: Das Tool eignet sich hervorragend als Ideengeber, erfordert jedoch insbesondere bei exakten Mengenverhältnissen strikte Plausibilitätsprüfungen durch den Anwender.

Analyse

Alltagstest am Feierabend: Flexible Improvisation beim Hühnchengericht

Viele Hobbyköche kennen das wiederkehrende Dilemma am Feierabend: Der Blick in den Kühlschrank offenbart unvollständige Vorräte, während die Zeit drängt und die Motivation für aufwendiges Einkaufen fehlt. Genau an diesem Schmerzpunkt setzt der neue KI-Assistent der New York Times in der App NYT Cooking an. Im Praxistest der Journalistin Jennifer Pattison Tuohy von The Verge sollte die Software ein bestehendes Rezept für ein Ein-Topf-Gericht mit Hühnchen und Ingwerreis an die tatsächlich vorhandenen Lebensmittel anpassen.

Die Testerin verfügte nicht über alle im Originalrezept geforderten Komponenten: Statt Hähnchenschenkeln lagen lediglich Hähnchen-Innenfilets (Chicken Tenders) bereit, Mangold und Koriander fehlten komplett. Auf die Eingabe der vorhandenen Alternativen schlug der KI-Assistent vor, grüne Bohnen, rote Zwiebeln und Thai-Basilikum einzusetzen. Bemerkenswert war hierbei die verfahrenstechnische Anpassung der Anleitung: Das System wies darauf hin, dass die zarteren Hähnchenfilets eine deutlich kürzere Anbratzeit benötigten, um nicht trocken zu werden. Zudem empfahl die KI, die roten Zwiebeln direkt mit dem Fleisch anzubraten und die grünen Bohnen erst im letzten Dämpfschritt des Reises hinzuzugeben. Auf die Rückfrage bezüglich des Korianderersatzes erläuterte das System nachvollziehbar die geschmacklichen Unterschiede von Thai-Basilikum. Das Endergebnis überzeugte geschmacklich und bewies, dass generative Sprachmodelle bei fehlertoleranten Kochvorgängen eine enorme Entlastung bieten können.

Kritischer Kontrollverlust: Wenn Algorithmen beim Backen scheitern

Völlig anders gestaltete sich das Bild, als der Assistent für ein Backprojekt herangezogen wurde. Kochen verzeiht oft intuitive Abweichungen, während Backen eine exakte chemische Wissenschaft darstellt, bei der Verhältnisse von Fett, Flüssigkeit, Triebmitteln und Mehl exakt stimmen müssen. Die Testerin unternahm den Versuch, einen aufwendigen Zimtschnecken-Bundt-Kuchen mithilfe der KI in handliche Muffins umzuwandeln und die Gesamtmenge zu halbieren.

Zunächst passte das System die Backzeit von den ursprünglichen drei Stunden auf 50 Minuten an und verteilte den Teig rechnerisch auf zwei Muffinbleche mit je zwölf Mulden. Als die Nutzerin die Anweisung gab, das Rezept weiter auf lediglich zwölf Muffins zu reduzieren, errechnete der Assistent für die zuvor fünf Eier eine neue Menge von drei Eiern. Die gravierendste Fehlerquelle offenbarte sich jedoch beim Wechsel der Benutzeroberfläche: Als die Testerin zur Ansicht des Originalrezepts zurückkehrte und sich nach der benötigten Buttermenge erkundigte, nannte die KI die reduzierte Menge der Muffin-Variante (sechs Esslöffel) anstelle der im Originalrezept geforderten Dreivierteltasse (3/4 Cup). Hätte die Köchin diesen Widerspruch nicht eigenständig bemerkt, wäre der gesamte Kuchen durch das falsche Fett- und Feuchtigkeitsverhältnis ruiniert worden. Der Fall demonstriert eindringlich das Problem des Kontextverlusts in Multi-Turn-Dialogen, wenn Algorithmen zwischen verschiedenen Rezeptversionen hin- und herspringen müssen.

Bedeutung für die KI-Branche

Der Praxistest von NYT Cooking wirft ein schlagendes Licht auf die aktuelle Reifephase von Consumer-AI-Anwendungen. Große Medienhäuser und Verlage suchen intensiv nach Wegen, generative Modelle in ihre Bezahlschranken-Angebote einzubinden, um Abonnements aufzuwerten. Die Bereitstellung dynamischer Rezeptanpassungen direkt auf dem Smartphone stellt einen logischen Schritt dar, verdeutlicht aber zugleich die technischen Hürden.

In der Praxis zeigt sich eine klare Trennlinie zwischen zwei Aufgabenkategorien: Einerseits glänzen Large Language Models bei kombinatorischen Aufgaben wie der Resteverwertung oder geschmacklichen Substitutionen. Hier wirkt die KI wie eine intelligente Zusammenfassung von Kochtipps und Forenkommentaren. Andererseits scheitern KI-Assistenten nach wie vor an streng deterministischen Berechnungen und der verlässlichen Trennung von Zuständen (State Tracking). Wenn ein Modell zwischen einem unveränderten Ausgangsdokument und einer dynamisch generierten Ableitung wechselt, neigt es zu Halluzinationen oder fehlerhaften Zuweisungen. Für Entwickler und Produktmanager unterstreicht dieser Vorfall die Notwendigkeit robuster Leitplanken (Guardrails). Reine Textgenerierung genügt in spezialisierten Domänen nicht; sie muss mit mathematischen Validierungsregeln und strikter Kontextisolierung gekoppelt werden, um kostspielige oder frustrierende Anwendungsfehler auf Nutzerseite zu verhindern.

Häufig gestellte Fragen

Für wen ist der KI-Assistent von NYT Cooking derzeit verfügbar?

Der generative Assistent steht zahlenden Abonnenten von NYT Cooking zur Verfügung und wird gegenwärtig innerhalb der mobilen Anwendung auf Apple iOS getestet.

Welche Funktionen deckt der NYT Cooking KI-Assistent ab?

Das Tool unterstützt Nutzer dabei, fehlende Zutaten durch vorhandene Lebensmittel zu ersetzen, Rezepte auf abweichende Portionsgrößen umzurechnen, Maßeinheiten anzupassen und Anweisungen für alternative Küchengeräte oder Backformen umzuformulieren.

Warum birgt der Einsatz der KI beim Backen besondere Risiken?

Backrezepte basieren auf präzisen chemischen Verhältnissen, die wenig Spielraum für Ungenauigkeiten lassen. Im Test zeigte sich zudem, dass die KI Mengenangaben zwischen dem modifizierten Rezept und der Originalvorlage verwechselte, was bei unkritischer Übernahme zum Misslingen des Teigs führen kann.