Es kann sogar gefälschte Weine aufspüren und erkennen, woher ein bestimmter Saft kommt.
Wissenschaftler haben einen Algorithmus darauf trainiert, mithilfe künstlicher Intelligenz Daten aus chemischen Tests an Weinen zu verarbeiten, zu analysieren und anschließend deren Herkunft zurückzuverfolgen. Auch die Zahl der Weinbetrüger lässt sich mit diesem Vorgehen einfacher als bisher reduzieren.
Mithilfe künstlicher Intelligenz und maschinellem Lernen sind Forscher in der Lage, Weine anhand von Unterschieden in der Konzentration von Verbindungen zu unterscheiden. Anhand der Messergebnisse können sie auch feststellen, wo der jeweilige Wein hergestellt wurde.
Laut Alexandre Pouget, Professor an der Universität Genf in der Schweiz, betrügen viele Menschen mit Weinen: Sie kennzeichnen billige Produkte und versuchen, sie für Tausende von Dollar zu verkaufen.
Um das Programm zu trainieren, griffen die Wissenschaftler auf die sogenannte Gaschromatographie zurück, mit der sie 80 über 12 Jahre geerntete Weine von sieben verschiedenen Weingütern in der französischen Region Bordeaux analysierten.
Neben chemischen Prozessen spielt auch künstliche Intelligenz eine wichtige Rolle bei der Identifizierung.
Es sucht nicht nach einzelnen Verbindungen in Weinen, sondern nutzt Daten aller im Wein nachgewiesenen Chemikalien, um die zuverlässigste Signatur jeder Verbindung zu entwickeln. Das Programm zeigt die Ergebnisse in einem zweidimensionalen Raster an, in dem Weine mit ähnlichen Signaturen gruppiert werden.
Pouget sagte, dass unabhängig vom Jahrgang das Konzentrationsmuster der Moleküle im Wein typisch für ein bestimmtes Anbaugebiet sei und sich der Herkunftsort des Weins daher anhand der großen Datenmenge praktisch identifizieren ließe.
„Jede davon ist eine Symphonie: Sie zeichnen sich nicht durch eine einzelne Note aus, sondern durch die gesamte Melodie“, fügte der Professor hinzu.
„Die Leistungsfähigkeit des maschinellen Lernens bei dieser Art von Untersuchungen wird mit jeder neuen Anwendung in der Lebensmittel- und Landwirtschaft deutlicher“, sagte David Jeffery, außerordentlicher Professor für Weinchemie an der University of Adelaide.
Die Konzentration der Verbindungen in den Weinen einzelner Schlösser wird von vielen Faktoren beeinflusst, von den Trauben und dem Boden bis hin zum Mikroklima und dem Weinherstellungsprozess.
Während das Programm die Weine mit einer Genauigkeit von 99 Prozent auf ihre jeweiligen Schlösser zurückführte, hatte es bereits Schwierigkeiten, die Jahrgänge zu unterscheiden, und erreichte bestenfalls eine Genauigkeit von 50 Prozent.
Laut einer in der Fachzeitschrift Communications Chemistry veröffentlichten Studie kann maschinelles Lernen bestätigen, ob ein Wein seinem Etikett gerecht wird, und so Betrüger aufspüren.
In Europa, wo gepanschte Getränke jährlich 3 Milliarden Euro an Einnahmeverlusten verursachen, haben jüngste Fälle das Ausmaß der in der Branche tätigen kriminellen Syndikate deutlich gemacht.
Anfang des Jahres wurden Mitglieder einer Bande verurteilt, weil sie spanische Tafelweine in Tanklastwagen nach Frankreich transportiert und als französischen Wein ausgegeben hatten.
Der Betrug dauerte Jahre und es wird angenommen, dass fast 5 Millionen Flaschen verkauft wurden, von denen einige als Bordeaux-Wein gekennzeichnet waren.
Obwohl die Betrugserkennung laut Pouget das offensichtlichste Einsatzgebiet des Programms ist, wird der Ansatz auch zur Qualitätskontrolle in der Weinindustrie eingesetzt.
„Jeder Wein ist eine Symphonie: Nicht eine einzige Note zeichnet sie aus, sondern die ganze Melodie“
Quelle: Pixabay-com
