Wissenschaftler der Penn State University entdecken mit Hilfe von maschinellem Lernen Tannine aus Eichenholz, die den Weingeschmack prägen

Forscher der Penn State University haben eine neue Methode entwickelt, um die spezifischen Tannine aus Eichenfässern zu identifizieren und chemisch zu charakterisieren, die für den Geschmack und das Mundgefühl von Wein verantwortlich sind. Seit Jahrhunderten lassen Winzer Wein in Eichenfässern reifen, die dafür bekannt sind, dass sie Aromen wie Vanille, Gewürze, Karamell und Rauch hervorbringen. Bisher war es für Wissenschaftler jedoch schwierig, herauszufinden, welche Tannine - Verbindungen, die sowohl in der Traubenschale als auch im Eichenholz vorkommen - für diese unterschiedlichen Geschmacksrichtungen verantwortlich sind.

Das Forschungsteam unter der Leitung von Misha Kwasniewski, außerordentlicher Forschungsprofessor für Lebensmittelwissenschaften am College of Agricultural Sciences der Penn State University, verwendete fortschrittliche chemische Analysen in Kombination mit maschinellem Lernen, um den "Fingerabdruck" einzelner Tannine im Wein zu erstellen. Ihre Ergebnisse wurden in der Zeitschrift Food Chemistry veröffentlicht. Der neue Ansatz ermöglicht es den Wissenschaftlern, komplexe Tanninmischungen zu trennen, ihre molekularen Bestandteile zu identifizieren und sie selbst bei niedrigen Konzentrationen zu quantifizieren.

Bei herkömmlichen Methoden zur Identifizierung von Tanninen wurden diese mit Säure aufgespalten, wodurch die Verbindungen oft beschädigt wurden, bevor sie genau gemessen werden konnten. Das Team der Penn State University verwendete stattdessen eine Technik namens In-Source-Fragmentierung mit einem Massenspektrometer. Dieses Gerät zerlegt Tannine in molekulare Fragmente und erkennt die einzigartige chemische Signatur jedes Fragments. Diese Signaturen bilden einen Fingerabdruck, der zwischen Tanninen aus Trauben und solchen aus Eichenholz unterscheiden kann.

Da Tannine auf Milliarden von Arten kombiniert werden können, wandten sich die Forscher an das maschinelle Lernen - eine Form der künstlichen Intelligenz - um die komplexen Daten zu sortieren und festzustellen, welche Kombinationen in verschiedenen Weinen vorhanden sind. Kwasniewskis Labor hat ein maschinelles Lernmodell entwickelt, das seine Fähigkeit, neue Tanninklassen zu erkennen, weiter ausbaut. Ziel ist es, besser zu verstehen, wie diese Verbindungen den Geschmack, die Bioaktivität und die Biochemie der Pflanzen beeinflussen.

Die Studie konzentrierte sich auf hydrolysierbare Tannine - d. h. solche, die durch Wasser abgebaut werden können -, die im Eichenholz vorkommen und während der Fassreifung in den Wein übergehen. Dazu gehören Ellagitannine, die in Eichenholz vorkommen und einen Einfluss auf die Alterung und Struktur des Weins haben, sowie Gallotannine, die sowohl in Holz als auch in Traubenschalen vorkommen und zu Bitterkeit und Adstringenz beitragen.

Die Forschung wurde in Zusammenarbeit mit Gallo durchgeführt, einer kalifornischen Weinkellerei, die einige der 22 untersuchten Rot- und 20 Weißweine zur Verfügung stellte. Das Team experimentierte auch mit 15 handelsüblichen Eichenholzspänen aus französischer, ungarischer und amerikanischer Eiche - den drei Haupttypen, die für Weinfässer verwendet werden. Durch die Zugabe dieser Späne zu Weinproben konnten sie vergleichen, wie sich die verschiedenen Eichen auf den Gehalt an hydrolysierbaren Tanninen auswirkten.

Die Ergebnisse zeigten, dass französische Eiche die höchsten Konzentrationen an Ellagitanninen und Gallotanninen enthielt, gefolgt von ungarischer und amerikanischer Eiche. Die Unterschiede zwischen den einzelnen Eichenarten sind wahrscheinlich auf ihre botanische Herkunft, den natürlichen Tanningehalt und die Böttcherpraktiken wie das Lagern des Holzes oder das Biegen der Dauben mit Feuer oder Dampf zurückzuführen.

Die Forscher untersuchten auch, wie das Toasten - das Erhitzen des Fassinneren - die chemische Zusammensetzung des Holzes verändert. Durch das Toasten werden harte Tannine in weichere Verbindungen umgewandelt und Zucker im Holz karamellisiert, wodurch sich die sensorischen Eigenschaften des Weins verändern.

Yanxin Lin, der vor kurzem an der Penn State in Lebensmittelwissenschaften promoviert hat und jetzt als Postdoktorand an der UC Davis arbeitet, war Erstautor der Studie. Zu den weiteren Autoren gehörten Bruce Pan, Robert "Qiang" Sui und Ping Yu von Gallo. Das Projekt wurde vom Crouch Endowment for Viticulture, Enology, and Pomology Research am College of Agricultural Science der Penn State, der American Vineyard Foundation und dem National Institute of Food and Agriculture des US-Landwirtschaftsministeriums unterstützt.

Diese Forschungsarbeit ist ein bedeutender Schritt in Richtung des Verständnisses, wie spezifische Verbindungen aus Trauben und Eichenfässern das Geschmacksprofil von Wein beeinflussen. Durch den Einsatz von maschinellem Lernen zur Analyse komplexer chemischer Fingerabdrücke hoffen die Wissenschaftler, den Winzern mehr Kontrolle über die Geschmacksentwicklung während der Reifung zu geben.