Forscher der Universität Genf (UNIGE) in Zusammenarbeit mit dem Institut für Weinbau und Önologie der Universität Bordeaux erfolgreichdent. Diese Errungenschaft stellt einen bedeutenden Fortschritt in der Önologie dar und verbindet traditionelle Methoden mit modernen Verfahren der künstlichen Intelligenz (KI).
Das komplexe Mosaik der Weinchemie
Die Zusammensetzung des Weins, eine feine Mischung aus Tausenden von Molekülen, wird von vielen Faktoren beeinflusst. Bodenbeschaffenheit, Rebsorte und Weinherstellungsmethoden sind entscheidend für das einzigartige Profil eines Weins. Diese Variablen bilden ein komplexes Mosaik, das es traditionell schwierig machte, die Herkunft eines Weins allein anhand des Geschmacks zu bestimmen. Angesichts der zunehmenden Probleme des Klimawandels, sich wandelnder Verbraucherpräferenzen und der steigenden Weinfälschungen besteht in der Branche jedoch ein dringender Bedarf an ausgefeilterendent.
Professor Alexandre Pouget von UNIGE sprach über die historischen Herausforderungen der Weinbranche und betonte die Komplexität traditioneller Methoden wie der Gaschromatographie. Diese Technik, die ein 30 Meter langes Rohr und ein Massenspektrometer verwendet, war grundlegend für die Trennung unddentder molekularen Bestandteile von Wein. Aufgrund der schieren Anzahl an Molekülen im Wein gleicht die Erstellung einer umfassenden Analyse jedoch der Suche nach der Nadel im Heuhaufen.
KI trifft auf Önologie
Der Durchbruch gelang durch die innovative Integration von Chromatogrammen und KI-Werkzeugen. Das Forschungsteam um Professorin Stéphanie Marchand aus Bordeaux analysierte Chromatogramme von 80 Rotweinen aus zwölf Jahrgängen (1990–2007) von sieben Weingütern aus Bordeaux. Mithilfe von maschinellem Lernen, einem Teilgebiet der KI, das sich auf die Mustererkennung in Datensätzen konzentriert, wandelten sie die umfangreichen und komplexen Chromatogramme in handhabbare Daten um.
Michael Schartner, ein ehemaliger Postdoktorand an UNIGE, erläuterte ihren Ansatz. Anstatt spezifische Molekülpeaks zu isolieren, nutzte das Team Dimensionsreduktion, um große Datensätze zu vereinfachen. Mit dieser Methode konnten sie das Chromatogramm jedes Weins, das bis zu 30.000 Datenpunkte umfasste, auf nur zwei Koordinaten, X und Y, reduzieren und so unnötige Variablen effektiv herausfiltern.
Die Ergebnisse waren verblüffend. In einem Diagramm dargestellt, bildeten die Weine jedes Weinguts sieben deutlich voneinander abgegrenzte Gruppen, basierend auf chemischen Ähnlichkeiten. Dieses Muster bestätigte, dass jeder Wein eine einzigartige chemische Signatur besitzt und offenbarte geografische Zusammenhänge. Die Weine von drei Weingütern gruppierten sich auf einer Seite des Diagramms, während die von vier weiteren auf der gegenüberliegenden Seite angeordnet waren. Dies spiegelte die geografische Verteilung dieser Weingüter entlang der beiden Ufer der Garonne wider.
Diese Entdeckung ist ein Quantensprung im Verständnis derdentund der sensorischen Eigenschaften von Wein. Sie unterstreicht, dass die chemischedenteines Weins nicht allein durch wenige Moleküle, sondern durch ein breites Spektrum chemischer Verbindungen defiwird. Die praktischen Auswirkungen dieser Forschung sind weitreichend. Für die Weinindustrie bedeutet dies fundiertere Entscheidungen und verbesserte Möglichkeiten zur Bekämpfung von Fälschungen. Für Verbraucher verspricht es mehr Sicherheit hinsichtlich Authentizität und Qualität.
Eine Zukunft, geprägt von Wissenschaft und Tradition
Die Forscher betonten abschließend das Potenzial ihrer KI-gestützten Methode zurdentder geografischen Herkunft von Weinen mitdentGenauigkeit. Diese Synergie zwischen traditioneller Weinwissenschaft und modernster KI-Technologie eröffnet neue Wege für Qualitätssicherung und Authentizität in der Weinbranche. Sie setzt einendent für andere Sektoren, in denen Produktherkunft und Authentizität von entscheidender Bedeutung sind.
In der sich ständig wandelnden Welt der Weinwissenschaft beweist diese Forschung die Stärke interdisziplinärer Zusammenarbeit und verbindet die Kunst der Weinherstellung mit der Präzision künstlicher Intelligenz. Angesichts neuer Herausforderungen und Chancen werden solche innovativen Ansätze die Zukunft der Branche zweifellos prägen und Traditionen bewahren, während sie gleichzeitig die Fortschritte moderner Technologien nutzen.
