Französische Wissenschaftler nutzen maschinelles Lernen, um die Herkunft von Champagner und Burgunder mit 100%iger Genauigkeit zu bestimmen

Französische Forscher haben eine neue Methode entwickelt, um die Herkunft von Schaumweinen mithilfe von maschinellem Lernen und geochemischen Fingerabdrücken zu authentifizieren. Die Studie, die von Wissenschaftlern der Universität Sorbonne durchgeführt und in der Zeitschrift npj Science of Food veröffentlicht wurde, konzentrierte sich auf 75 Schaumweinproben aus der Champagne und Burgund. Das Team kombinierte Isotopen- und Elementaranalysen mit fortschrittlichen Algorithmen des maschinellen Lernens, um zwischen Weinen aus diesen beiden renommierten französischen Regionen zu unterscheiden.

Die Forschung befasst sich mit einem wachsenden Problem auf dem globalen Weinmarkt: der Fälschung von Weinen. Hochwertige Weine, insbesondere solche, die als Champagner oder Burgunder gekennzeichnet sind, sind häufig Ziel von Betrügereien. Herkömmliche Methoden zur Überprüfung der Herkunft von Wein beruhen auf der Dokumentation der Lieferkette und geografischen Angaben, die jedoch manipuliert oder gefälscht werden können. In der Vergangenheit wurden analytische Verfahren wie die kernmagnetische Resonanzspektroskopie und die Massenspektrometrie eingesetzt, aber ihre hohen Kosten und ihre Komplexität haben die breite Anwendung eingeschränkt.

In dieser Studie haben die Forscher das Strontiumisotopenverhältnis (87Sr/86Sr) in jeder Weinprobe gemessen. Dieses Verhältnis wird von der Geologie des Weinbergsbodens beeinflusst und lässt sich bei der Weinherstellung nur schwer fälschen oder verändern. Mit Hilfe der logistischen Regression, einem transparenten Modell des maschinellen Lernens, erreichten sie eine 100-prozentige Genauigkeit bei der Klassifizierung der Herkunft der Weine auf der Grundlage dieses Isotopenmarkers.

Um den hohen Kosten der Isotopenanalyse - etwa 300 Euro pro Probe - zu begegnen, testete das Team auch, ob Elementkonzentrationen als zuverlässige Alternativen dienen könnten. Sie fanden heraus, dass allein die Rubidium (Rb)-Konzentration eine Klassifizierungsgenauigkeit von über 90 % bietet und gleichzeitig die Analysekosten um 75 % reduziert. Dadurch wird die routinemäßige Authentifizierung für Hersteller und Aufsichtsbehörden praktikabler.

Die Forscher verwendeten einen Datensatz von 66 Champagnerproben und 9 Burgunderproben. Um trotz dieses Ungleichgewichts robuste Ergebnisse zu erzielen, wendeten sie synthetisches Minoritäts-Oversampling (SMOTE) und wiederholte Kreuzvalidierung an. Sie verglichen drei maschinelle Lernmodelle: logistische Regression, Random Forest und Support Vector Machines. Die logistische Regression schnitt am besten ab, mit einem durchschnittlichen F1-Score von 0,93.

Die Analyse von Einzelmerkmalen zeigte, dass das Strontium-Isotopenverhältnis das stärkste Unterscheidungsmerkmal zwischen den Regionen war, dicht gefolgt von der Rubidiumkonzentration. Durch die Kombination beider Merkmale wurde die Klassifizierungsleistung weiter verbessert. Die Studie untersuchte auch Korrelationen zwischen verschiedenen Elementen und Isotopen und stellte fest, dass einige Kombinationen einzigartige Aspekte der Weinzusammensetzung in Verbindung mit der regionalen Geologie erfassen.

Die praktischen Auswirkungen sind für die Weinindustrie von großer Bedeutung. Durch die Verwendung von Rubidium als Ersatz für teurere Isotopenmessungen können Weinkellereien und Aufsichtsbehörden groß angelegte Authentifizierungsprogramme zu geringeren Kosten durchführen. Die Methode ist außerdem transparent und interpretierbar, was für die Akzeptanz durch die Behörden wichtig ist.

Die Autoren weisen darauf hin, dass ihr Ansatz auf andere hochwertige und fälschungsanfällige Lebensmittel wie Olivenöl, Honig oder Kaffee ausgeweitet werden könnte. Sie räumen einige Einschränkungen ein: Der aktuelle Datensatz deckt nur zwei französische Regionen ab, und Faktoren wie Klimaschwankungen zwischen den Jahrgängen können die geochemischen Signaturen beeinflussen. Für eine breitere Anwendung werden standardisierte Protokolle und Referenzmaterialien benötigt.

Die Probenentnahme erfolgte unter strengen Reinraumbedingungen in Frankreich. Die Elementanalyse wurde mit Quadrupol-Massenspektrometrie mit induktiv gekoppeltem Plasma (Q-ICP-MS) durchgeführt, während die Isotopenverhältnisse mit Multikollektor-ICP-MS (MC-ICP-MS) gemessen wurden. Der Arbeitsablauf umfasste einen Probenaufschluss, eine Matrixreinigung mit Ionenaustauscherharz zur Entfernung von Interferenzen und eine Kalibrierung mit zertifizierten Standards.

Die Studie wurde durch das Programm Horizon Europe der Europäischen Union unterstützt und umfasste eine Zusammenarbeit mit Moët et Hennessy, um Zugang zu authentischen Weinproben zu erhalten. Die Ergebnisse bieten eine skalierbare Lösung für den Schutz der Integrität von Bezeichnungen in einer Branche, in der das Vertrauen der Verbraucher eng mit Herkunftsangaben verbunden ist.

Da der Online-Verkauf zunimmt und die Gefahr von Fälschungen weltweit wächst, bietet diese Forschung eine wissenschaftliche Grundlage für eine sicherere Authentifizierung von Wein. Durch die Integration von analytischer Chemie und maschinellem Lernen haben französische Wissenschaftler einen Schritt unternommen, um sicherzustellen, dass das, was als Champagner oder Burgunder bezeichnet wird, auch wirklich aus diesen geschichtsträchtigen Regionen stammt.