KI übertrifft menschliche Verkoster beim Erkennen von Aromen

Eine kürzlich in der Zeitschrift Communications Chemistry veröffentlichte Studie untersucht das Potenzial von Algorithmen des maschinellen Lernens, menschliche Verkoster bei der Erkennung von Aromaprofilen in Whisky zu übertreffen. Diese Forschungsarbeit kombiniert fortschrittliche chemische Analysen mit Computermodellen und eröffnet neue Möglichkeiten für die alkoholische Getränkeindustrie.

Die chemische Analyse, mit der Aromen und Geschmacksstoffe aufgeschlüsselt und untersucht werden können, hat in der Branche ein erhebliches Potenzial gezeigt. Anfang dieses Jahres entwickelten Forscher der Heriot-Watt University in Edinburgh eine Technik zur Erstellung von "Fingerabdrücken" von Geschmacksstoffen in Gin, um gefälschte Spirituosen zu bekämpfen. Dieser Durchbruch bildete die Grundlage für die jüngste Studie, die ähnliche Methoden auf Whisky anwendet, indem sie chemische Daten mit Algorithmen der künstlichen Intelligenz verbindet.

In der Studie wurden 16 Proben amerikanischer und schottischer Whiskys mit Hilfe der Gaschromatographie-Massenspektrometrie analysiert. Auf der Grundlage dieser Analysen wurde ein Modell des maschinellen Lernens eingesetzt, um die wichtigsten Verbindungen zu identifizieren und sie mit spezifischen aromatischen Deskriptoren in Verbindung zu bringen. Zu den bemerkenswerten Ergebnissen gehört, dass in amerikanischen Whiskys Karamellaromen vorherrschen, während in schottischen Whiskys Apfel-, Phenol- und Lösungsmittelnoten zu finden sind. Menthol und Citronellol wurden als Schlüsselverbindungen in amerikanischen Whiskys identifiziert, während Methyldecanoat und Heptansäure bei der Klassifizierung schottischer Whiskys eine größere Rolle spielten.

Das Computermodell wurde mit einem Gremium von 11 professionellen Verkostern getestet, die sich schwer taten, einen Konsens über die fünf wichtigsten Noten für jede Probe zu erzielen, und daher einen Durchschnitt ihrer Bewertungen benötigten. Laut den Studienautoren Satnam Singh und Doris Schicker von der Friedrich-Alexander-Universität Erlangen-Nürnberg, Deutschland, zeigte der Algorithmus im Vergleich eine höhere Konsistenz bei der Vorhersage der aromatischen Eigenschaften der Proben.

Der Algorithmus erwies sich bei der Identifizierung chemischer Profile und der zugehörigen Deskriptoren als konsistenter als menschliche Panelisten, doch die Forscher betonten, dass das Ziel nicht darin besteht, menschliche Experten zu ersetzen. Vielmehr soll die Technologie deren Arbeit ergänzen, indem sie ein schnelles und zuverlässiges Werkzeug zur Vorhersage von Aromen in komplexen Gemischen bereitstellt. Dies könnte den Zeit- und Arbeitsaufwand für industrielle sensorische Bewertungen erheblich reduzieren.

Die Studie zeigt auch die Grenzen von Algorithmen auf. Sie können zwar chemische Verbindungen identifizieren und Aromen beschreiben, aber sie können die Qualität oder den Genuss eines Whiskys nicht subjektiv bewerten. Unterschiede in den Verkostungsnotizen der Jurymitglieder sind nach wie vor ein wesentlicher Bestandteil des Verkostungsprozesses und bereichern die Gesamtperspektive des Produkts.

Diese Entwicklung ist ein wichtiger Schritt zur Integration künstlicher Intelligenz in die Spirituosenindustrie. In naher Zukunft könnten solche Tools die Analyse und Klassifizierung von Produkten revolutionieren, wobei der Endverbraucher mit seinen von Emotionen und persönlichem Geschmack geprägten Vorlieben immer ein Mensch bleibt.