Laut diesem Computermodell haben Bordeaux-Wein-Snobs Recht

Dank maschinellem Lernen versuchen Wissenschaftler, das wolkige Konzept des Terroirs chemisch zu definieren. Diese Modelle könnten bei der Aufdeckung von Betrug im Zusammenhang mit Wein nützlich sein.

In der Region Bordeaux im Südwesten Frankreichs verarbeiten viele Weingüter missratene Trauben zu kräftigen Rotweinmischungen. Einige Flaschen werden für Tausende von Dollar pro Stück verkauft. Prestigeträchtige Schlösser rühmen sich des Bodens, des Mikroklimas und der traditionellen Methoden, die ihren eigenen Wein zu etwas Besonderem machen, einer undurchdringlichen Mischung, die als Terroir bekannt ist.

„Das ist einer dieser Begriffe, die die Weinindustrie mag.“ um ein wenig Geheimnis zu bewahren, das Teil der Magie des Weins ist“, sagte Alex Pouget, ein Computerneurowissenschaftler an der Universität Genf.

Dr. Pouget versucht, auf dieses gewisse Etwas chemische Präzision anzuwenden. In einer am Dienstag in der Fachzeitschrift Communications Chemistry veröffentlichten Studie beschrieben er und seine Kollegen ein Computermodell, das allein anhand seiner chemischen Zusammensetzung identifizieren konnte, welches Weingut in Bordeaux einen Wein produzierte. Das Modell sagte auch das Jahr, in dem der Wein hergestellt wurde, den sogenannten Jahrgang, mit einer Genauigkeit von etwa 50 % voraus.

Obwohl Weinkenner oft behaupten, zwischen For unterscheiden zu können Bei Weinen von größeren Weingütern würden sie selten blinde Geschmackstests durchführen, sagte er. „Menschen machen diese Behauptungen seit Jahrzehnten, aber wir hatten nie einen objektiven Beweis dafür, dass das wahr ist“, sagte er.

Dr. Pouget wuchs in Paris in einer Familie auf, die nur Bordeaux trank („Man tut so, als gäbe es Burgund nicht“, sagte er). Als junger Neurowissenschaftler untersuchte er Ende der 1980er Jahre das Gehirn mithilfe von maschinellem Lernen, einer Art künstlicher Intelligenz, die Muster in großen Datensätzen erkennt. Er dachte, diese Methoden könnten für die Weinindustrie nützlich sein, aber er hatte weitere 30 Jahre lang keine Zeit, diese Idee zu testen.

Er steht in Verbindung mit Stéphanie Marchand von das Institut des Sciences de la Vigne et du Vin de Bordeaux, das eine Datenbank mit 80 Weinen verschiedener Jahrgänge aus sieben Châteaux zusammengestellt hatte. Die Datenbank enthielt die chemischen Signaturen jedes Weins, die durch Gaschromatographie gewonnen wurden, einer alten und kostengünstigen Methode zur Zerlegung von Substanzen in molekulare Komponenten.

Die Forscher trainierten einen Algorithmus für die Suche Gemeinsame Muster im chemischen Fingerabdruck von Weinen. Sie waren von den Ergebnissen schockiert: Das Modell gruppierte die Weine entsprechend ihrer geografischen Lage in der Region Bordeaux in verschiedene Cluster. Dies zeigte, dass die Besonderheiten jedes Weinguts die Chemie der dort produzierten Weine maßgeblich beeinflusst hatten, so wie es Winzer seit Jahrhunderten behauptet hatten.

Die Anwesen erteilten den Forschern die Erlaubnis, ihre Weine zu untersuchen Weine unter der Bedingung, dass sie nicht namentlich genannt werden. Dr. Pouget sagte, dass alle Weine Teil der berühmten Bordeaux-Klassifizierung von 1855 seien, einer von Napoleon III. eingeführten Klassifizierung zur Förderung der besten Weine von Bordeaux.

Dr. Pouget war überrascht, dass die Winzer ihre Namen nicht preisgeben wollten, denn die Studienergebnisse bestärkten die Vorstellung, dass ihre Weine etwas Besonderes seien. „Ich habe wissenschaftliche Beweise dafür, dass es sinnvoll ist, Menschen Geld zu verlangen, weil sie etwas Einzigartiges produzieren“, sagte er lachend.

Unabhängige Forscher sagten, die Studie sei Teil davon einer Welle neuerer Forschungen, die maschinelles Lernen nutzen, um das Terroir zu entschlüsseln. „Das ist die Richtung, in die sich das Feld bewegt, und das muss man tun, um die Fülle an Daten zu verstehen“, sagte David Jeffery, Weinchemie-Experte an der University of Adelaide in Australien.

Zum Beispiel nutzte er maschinelles Lernen, um Shiraz-Weine aus dem australischen Barossa Valley zu klassifizieren.

Beim Ansatz geht es laut Dr. Jeffery „nicht nur darum, was chemisch ist macht einen guten Wein. Die Modelle könnten den Erzeugern auch dabei helfen, ihre Anbau- und Weinherstellungspraktiken so anzupassen, dass ihr Produkt erhalten bleibt.“...