KI verändert, wie Alkoholhersteller Getränke entwickeln

Künstliche Intelligenz zieht im Geschäft mit alkoholischen Getränken vom Backoffice in den Verkostungsraum ein: Brauereien, Weingüter und Spirituosenhersteller nutzen Datentools, um Aromen zu formen, die Produktentwicklung zu beschleunigen und jüngere Trinker zu erreichen, die ihren Alkoholkonsum verändern.

Getrieben wird dieser Wandel von einer Mischung aus Marktdruck und verändertem Konsumverhalten. Produzenten sehen sich in einigen etablierten Kategorien mit geringerem Wachstum konfrontiert, zugleich steigt die Nachfrage nach Ready-to-drink-Produkten sowie das Interesse von Gen Z und Millennials an alkoholarmeren Optionen, funktionalen Zutaten und neuen Geschmacksprofilen. Branchenberichte und Unternehmensbeispiele, auf die Getränkeforscher verweisen, zeigen, dass KI inzwischen eingesetzt wird, um Verbraucherdaten auszuwerten, Trends vorherzusagen, Rezepturen zu entwickeln und sogar Verpackung und Marketing zu bestimmen, noch bevor ein Produkt in den Handel kommt.

Beim Bier stammt eines der klarsten Beispiele aus Belgien: Dort nutzten Forscher der KU Leuven Machine Learning, um 250 kommerzielle Biere und mehr als 200 chemische Eigenschaften je Probe zu analysieren. Diese Laborarbeit kombinierten sie mit Sensorikpanels und Hunderttausenden Verbraucherbewertungen, um Modelle zu trainieren, die vorhersagen können, wie Menschen den Geschmack eines Bieres bewerten würden. Die Studie ergab, dass Algorithmen chemische Zusammenhänge erkennen können, die menschlichen Verkostern oft entgehen – darunter Fälle, in denen Verbindungen, die normalerweise als Fehler gelten, bei der richtigen Balance positiv beitragen können. Dieselbe Forschung wurde genutzt, um alkoholfreies Bier zu verbessern, indem fehlende Verbindungen identifiziert wurden, die mit Körper und Aroma zusammenhängen.

Auch große Brauereikonzerne haben schnell reagiert. Carlsberg hat gemeinsam mit Microsoft und Partnern aus dem Hochschulbereich an einem sogenannten Beer-Fingerprinting-Projekt gearbeitet und dabei Sensoren sowie Machine Learning eingesetzt, um aus Rohstoffen und Hefestämmen das Geschmacksprofil vorherzusagen. AB InBev setzte generative KI in Projekten mit limitierter Auflage ein, darunter Beck’s Autonomous – ein Bier, dessen Rezeptur, Name, Logo und Kampagnenmaterial mit KI-Tools entwickelt wurden. Kleinere Unternehmen folgten mit Systemen, die über Apps oder QR-Codes Rückmeldungen von Konsumenten sammeln und künftige Chargen dann anhand der geäußerten Wünsche anpassen.

Weinhersteller setzen ähnliche Werkzeuge ein, um ein anderes Problem zu lösen: Wie lässt sich eine stark subjektive Kategorie so aufbereiten, dass sie für Käufer leichter zugänglich wird? Tastry, ein auf Weinanalytik spezialisiertes Unternehmen aus Kalifornien, nutzt chemische Profile, um für Weine eine sogenannte FlavorMatrix und für Verbraucher eine PalateMatrix zu erstellen. Käufer beantworten kurze Präferenzfragen, oft per QR-Code oder über Displays im Handel; das System empfiehlt dann Flaschen, die zu ihrem Geschmack passen. Nach Angaben des Unternehmens können seine Modelle die Reaktion der Verbraucher schon vor der Markteinführung prognostizieren und Weingütern helfen, Bulk-Bestände in Cuvées für bestimmte Zielgruppen umzuwandeln.

Dieser Ansatz ist wichtiger geworden, weil sich der Weinabsatz unter jüngeren Erwachsenen in einigen Märkten abgeschwächt hat. Handelskampagnen etwa in Paso Robles haben KI-gestützte Entdeckungstools eingesetzt, um den Weinkauf für Gen Z und Millennials weniger einschüchternd zu machen – für Konsumenten also, die auf traditionelle Begriffe wie Terroir oder Appellation womöglich nicht ansprechen. Statt Käufer dazu zu bringen, technische Verkostungsnotizen zu entschlüsseln, versuchen die Systeme sie direkt mit Weinen zusammenzubringen, die ihnen eher gefallen dürften.

Auch Spirituosenhersteller nutzen KI sowohl für die Produktentwicklung als auch zur Trendbeobachtung. Mackmyra, die schwedische Destillerie, die oft als erste gilt, die einen von KI entwickelten Whisky auf den Markt gebracht hat, arbeitete bei der Rezeptgenerierung mit Microsoft und Fourkind zusammen und wählte anschließend eine Formel für die Produktion aus. Circumstance Distillery in Großbritannien setzte später ein KI-System namens Ginette ein, um den Gin Monker’s Garkel zu entwickeln. Bei größeren Unternehmen werden Prognosetools genutzt, um soziale Medien, Suchverhalten und Food-Trends nach frühen Hinweisen auf Geschmacksverschiebungen zu durchsuchen. Diageo erklärte bereits, Datenanalysen zur Steuerung von Innovationen einzusetzen – darunter auch zur Identifizierung eines Interesses an fruchtigen Whiskey-Profilen, das Produkteinführungen wie Buchanan’s Pineapple Scotch unterstützt habe.

Der Aufstieg von Ready-to-drink-Cocktails hat diese Prognosetools noch wertvoller gemacht. RTDs gehören weiterhin zu den am schnellsten wachsenden Segmenten im Bereich alkoholischer Getränke, weil sie zum Konsumverhalten jüngerer Verbraucher passen: bequem soll es sein, ohne auf Geschmacksvielfalt zu verzichten. Unternehmen wie Suntory Global Spirits haben erklärt, mithilfe von Datenmodellen Dosen-Cocktails geschmacklich näher an Drinks von Bartendern heranzuführen und sie zugleich lagerstabil zu halten. Branchenanalysten sagen zudem Varietäts-Packs besonders gute Verkaufszahlen voraus, weil sie dem Wunsch der Verbraucher nach Abwechslung und Entdeckung entsprechen.

Auch der Vertrieb verändert sich. Southern Glazer’s Wine & Spirits hat mit Proof ein digitales Ökosystem aufgebaut, das Händlern rund um die Uhr Bestellzugang, Bestandsübersicht und Preiswerkzeuge bietet und zugleich Verkaufsdaten in Prognosemodelle einspeist. Nach Angaben des Unternehmens helfen diese Systeme dabei, die Nachfrage auf Filialebene vorherzusagen, Out-of-Stock-Situationen zu verringern und die Liefergenauigkeit zu verbessern. Andere Distributoren nutzen ähnliche Werkzeuge zur Routenplanung, zur Steuerung von Lagerabläufen und zur Reduzierung unnötiger Ladenbesuche.

Der Vorstoß in Richtung KI verlief innerhalb der Unternehmen nicht reibungslos. Pernod Ricard berichtete von internem Widerstand unter Mitarbeitern, die befürchteten, Algorithmen könnten Erfahrung überstimmen oder lokale Urteilsfähigkeit schmälern. Das Unternehmen erklärte jedoch, man habe darauf reagiert, indem Werkzeuge schrittweise getestet wurden, ihre Einführung an messbare Ergebnisse geknüpft wurde und Mitarbeiter geschult statt einfach ersetzt wurden. Dieses Muster setzt sich branchenweit zunehmend durch: Führungskräfte wollen schnellere Entscheidungen und niedrigere Kosten – zugleich brauchen sie aber weiterhin Winzerinnen und Winzer sowie Brauer und Blendern dafür interpretieren können müssen , was die Maschinen liefern.

Der Klimawandel liefert einen weiteren Grund für diesen Wandel. Weingüter setzen in den Weinbergen Sensoren und Prognosesoftware ein , um Wasserstress zu überwachen , den Erntezeitpunkt vorherzusagen und Schädlinge im Blick zu behalten , da Wetterlagen immer unberechenbarer werden . In Kalifornien und Europa verlassen sich Produzenten auf diese Systeme , um ihre Ernten vor Hitzespitzen , Bewässerungsausfällen und Krankheitsdruck zu schützen , die die Chemie der Trauben verändern können , noch bevor das Lesegut überhaupt im Keller ankommt .

Das Ergebnis ist eine Branche , in der künstliche Intelligenz längst nicht mehr auf Logistik oder Marketingunterstützung beschränkt ist . Sie ist zunehmend Teil davon , wie Getränke konzipiert , getestet , bepreist und ausgeliefert werden . Für Produzenten , die mit veränderten Geschmäckern , engeren Margen und Klimarisiken Schritt halten wollen , wird die Technologie zu einem praktischen Werkzeug statt einer Spielerei – eines , das vom ersten Rezeptentwurf bis zur Flasche im Regal Einfluss nehmen kann .