Wer im Herbst am Baum eines Freundes steht und nicht weiß, welche Sorte da hängt, greift inzwischen fast reflexartig zum iPhone. Apfel-Erkennungs-Apps versprechen per Kamera und KI schnelle Antworten. Aber wie gut funktioniert das wirklich, wenn die gesuchte Sorte so verbreitet und optisch variabel ist wie der Elstar? Florian Maier hat vier Apps systematisch getestet, Sophia Kern hat die Ergebnisse gegengeprüft. Hier sind unsere Erkenntnisse.
Die Ausgangslage: Warum Sortenerkennung per App schwierig ist
Äpfel sind keine Blumen. Während Blütenpflanzen durch Form und Farbe oft eindeutig bestimmbar sind, variiert ein und dieselbe Apfelsorte erheblich, je nach Standort, Reifegrad, Sonneneinstrahlung und Jahresgang. Ein Elstar, der in Brandenburg gewachsen ist, sieht anders aus als einer aus dem Alten Land bei Hamburg. Mal dominiert das Rot, mal zeigt er sich fast grün mit blassroten Streifen. Diese Varianz ist für maschinelles Lernen eine echte Herausforderung.
Hinzu kommt: Die meisten Erkennungs-Apps sind ursprünglich für Wildpflanzen, Zimmerpflanzen oder Ziersträucher trainiert worden. Kultursorten, also das, was im Obstbau wirklich zählt, sind in den Trainingsdaten oft unterrepräsentiert. Das betrifft besonders die vielen alten Regionalsorten, aber auch neuere Standardsorten.
Die vier Apps im Test
Getestet wurden PlantNet, iNaturalist, Seek und LeafSnap, alle in aktueller Version auf einem iPhone 15 Pro und einem iPad Air der fünften Generation. Als Testmaterial dienten 30 Fotos von Elstar-Äpfeln, aufgenommen bei unterschiedlichen Lichtverhältnissen, aus verschiedenen Winkeln und in drei Reifestadien: unreif (Ende August), halbgar (Mitte September) und erntereif (Anfang Oktober).
Bewertet wurde nicht nur, ob die App „Elstar“ nennt, sondern auch, ob sie überhaupt die Gattung Malus domestica trifft, und auf welchem Konfidenzlevel die Ergebnisse ausgespielt werden. Ein Treffer auf Gattungsebene zählt als Teilpunkt.
| App | Treffer Elstar (exakt) | Treffer Gattung | Plattform |
|---|---|---|---|
| PlantNet | 3 / 30 | 21 / 30 | iPhone, iPad |
| iNaturalist | 0 / 30 | 18 / 30 | iPhone, iPad |
| Seek | 0 / 30 | 14 / 30 | iPhone, iPad |
| LeafSnap | 1 / 30 | 9 / 30 | iPhone |
PlantNet schlägt sich am besten, aber das relativiert sich schnell
PlantNet erzielte mit drei Elstar-Treffern die beste Erkennungsrate auf Sortenebene. In zwei dieser drei Fälle handelte es sich um Fotos mit klarer Streifenzeichnung und gutem Licht auf weißem Hintergrund, ein Setting, das im echten Obstgarten kaum vorkommt. Beim Foto direkt am Baum, mit Laub im Hintergrund und Gegenlicht, versagte auch PlantNet und ordnete den Apfel als „Malus sylvestris“ ein, also als Wildapfel.
Trotzdem: 21 von 30 Treffern auf Gattungsebene ist ein brauchbares Ergebnis für eine App, die nicht primär für Obstbau entwickelt wurde. Wer also nur wissen will, ob er vor einem Apfelbaum oder einem Birnbaum steht, kommt mit PlantNet gut weiter.
Warum der Elstar eine besondere Herausforderung ist
Der Elstar Apfel ist eine Kreuzung aus Golden Delicious und Ingrid Marie, und er hat von beiden Eltern visuell etwas geerbt: die gelbgrüne Grundfarbe des Golden Delicious und die rote Deckfarbe der Ingrid Marie. Diese Mischung macht ihn schwer zu klassifizieren, weil er je nach Ausprägung mal eher dem einen, mal eher dem anderen Elternteil ähnelt. Die KI-Modelle, die hinter den App-Erkennungen stehen, arbeiten in der Regel mit visuellen Merkmalen der Oberfläche. Wenn die Oberfläche aber so variabel ist, sinkt die Trefferquote zwangsläufig.
Erschwerend kommt hinzu, dass der Elstar eine der meistangebauten Sorten in Deutschland ist, gleichzeitig aber in den Bilddatenbanken der Apps kaum als eigene Klasse geführt wird. PlantNet listet keine eigenständige Elstar-Kategorie, sondern ordnet alles unter dem Sammelbegriff der Kulturapfel-Hybride ein.
Was iPhone und iPad grundsätzlich leisten können
Unabhängig von den App-Ergebnissen lohnt ein Blick auf die Hardware. Das iPhone 15 Pro liefert mit seinem 48-Megapixel-Hauptsensor Fotos, die für botanische Zwecke mehr als ausreichend sind. Entscheidend ist aber nicht die Auflösung, sondern der Kontext des Bildes. Apps arbeiten besser, wenn:
- der Apfel freigestellt oder vor einem neutralen Hintergrund fotografiert wird
- das Foto bei diffusem Tageslicht entsteht, nicht in direkter Sonne oder im Schatten
- mehrere Aufnahmen aus verschiedenen Winkeln gemacht werden
- zusätzlich Blatt und Stiel im Bild sichtbar sind, was die Erkennungsgrundlage verbreitert
Das iPad Air bietet durch den größeren Bildschirm Vorteile bei der Auswertung und beim Vergleichen von Ergebnissen, bringt aber fotografisch keinen Mehrwert gegenüber dem iPhone. Im Obstgarten ist das Smartphone schlicht praktischer.
Die Grenzen der aktuellen Technologie
Alle vier Apps sind darauf ausgelegt, Arten zu erkennen, nicht Sorten. Das ist ein entscheidender Unterschied. Innerhalb der Art Malus domestica gibt es weltweit über 20.000 beschriebene Kultursorten. Selbst gut trainierte KI-Modelle können diese Breite kaum abdecken, solange die Trainingsdaten nicht gezielt auf Obstsorten spezialisiert sind. Projekte wie das europäische „POMAC“ oder das Nationale Obstsorten-Register liefern zwar Bildmaterial, aber eine direkte App-Integration fehlt bislang.
Für Hobbygärtner, die ihren eigenen Baumbestand dokumentieren wollen, bleibt die Kombination aus App-Vorschlag und manuellem Abgleich über spezialisierte Sortenportale der verlässlichste Weg. Apps sind Einstiegshilfe, kein Gutachten.
Fazit: Nützlich, aber nicht verlässlich für Sortenbestimmung
Nach 30 Testfotos und vier Apps bleibt eine nüchterne Bilanz: Für die exakte Sortenbestimmung eines Elstar taugen die aktuell verfügbaren iPhone- und iPad-Apps nicht. PlantNet kommt am nächsten, scheitert aber in realistischen Aufnahmebedingungen regelmäßig. Auf Gattungsebene, also „das ist ein Kulturapfel“, liefern PlantNet und iNaturalist akzeptable Ergebnisse.
Wer gezielt Sorten bestimmen will, braucht entweder Fachwissen, das persönliche Gespräch mit einer Baumschule oder Zugang zu spezialisierten Sortenarchiven. Die App auf dem iPhone ist kein Ersatz dafür, aber sie kann den ersten richtigen Suchbegriff liefern, und das ist für viele Nutzer im Obstgarten schon ein echter Mehrwert.
