ADI und Moët Hennessy setzen KI in der Weinherstellung ein

Analog Devices (ADI), Moët Hennessy und die University of California, Davis (UC Davis) sind eine Partnerschaft eingegangen, um KI-gestützte Technologie zur Erkennung chemischer Signaturen in Weinbau und Kellerwirtschaft einzusetzen. Die auf früherer Forschung des Massachusetts Institute of Technology (MIT) basierende Sensorplattform von ADI analysiert volatile chemische Signaturen, die von Rebstöcken, Most und Wein abgegeben werden. Diese Technologie verschafft Winzern frühzeitig Einblicke in biologische Prozesse, sodass sie Qualitätsrisiken proaktiv antizipieren können, anstatt erst zu reagieren, wenn ein Defekt bereits vollständig aufgetreten ist.

Vorhersage des „Fresh Mushroom Aroma“
Der erste große Meilenstein der Kooperation widmet sich dem Fresh Mushroom Aroma (FMA), einem komplexen Qualitätsdefekt in der Weinindustrie. Anhand einer umfassenden Probendatenbank, die von Forschern im Forschungszentrum Robert-Jean de Vogüé von Moët Hennessy zusammengestellt wurde, trainierte das Team Algorithmen des maschinellen Lernens darauf, die spezifischen chemischen Signaturen zu erkennen, die mit FMA einhergehen. Die Plattform identifizierte Proben mit einem erhöhten Risiko für die Ausbildung dieses Defekts erfolgreich lange bevor herkömmliche Erkennungsmethoden darauf aufmerksam geworden wären. Durch kontinuierliches Lernen aus komplexen chemischen Daten deckt die KI Muster auf, die auf entstehende Qualitätsrisiken hinweisen, ohne sich ausschließlich auf vordefinierte Bedingungen zu verlassen.

Zukünftige Anwendungen im Weinbau
Über die FMA-Erkennung hinaus beabsichtigen die Partner, die Plattform für eine breitere Analyse lebender Systeme in der Wein- und Traubenindustrie zu skalieren. Laufende Forschungsarbeiten untersuchen zusätzliche Anwendungen, darunter die Früherkennung von Rebkrankheiten, umfassende Bodenanalysen sowie die Identifizierung von Weinfehlern im Zusammenhang mit Klimaphänomenen wie Rauchgeschmack durch Waldbrände. Die Technologie fungiert als Entscheidungshilfe, die das Fachwissen von Winzern und Önologen ergänzt. ADI plant, die zugrundeliegende Technologie breit für industrielle Anwendungen verfügbar zu machen, während Moët Hennessy und die UC Davis evaluieren, inwiefern gemeinsame Referenzbibliotheken der gesamten Branche zugutekommen können.

Zusätzlicher Kontext: Echtzeit-VOC-Detektion versus traditionelle Laboranalytik
Dieser Abschnitt beschreibt technische Spezifikationen und die Wettbewerbsanalyse, die in der ursprünglichen Pressemitteilung nicht enthalten sind.

In der modernen Önologie werden Weinfehler wie das Fresh Mushroom Aroma (oft verbunden mit Verbindungen wie 1-Octen-3-on oder 1-Octen-3-ol) oder Rauchkontamination (flüchtige Phenole) traditionell durch menschliche Verkostungskomitees (Sensorik-Panels) oder zeitverzögerte Laboranalysen mittels Gaschromatographie-Massenspektrometrie (GC-MS) identifiziert. Obwohl hochentwickelt, erfordert die GC-MS teure Tischgeräte, akribische Probenvorbereitung und erhebliche Bearbeitungszeiten, was ein Eingreifen in Echtzeit während einer aktiven Weinlese erschwert. KI-gestützte Edge-Sensorplattformen nutzen Arrays aus miniaturisierten chemischen Sensoren (die als „elektronische Nase“ fungieren), um das Vorhandensein flüchtiger organischer Verbindungen (VOCs) in Echtzeit zu erkennen. Durch die Ausführung von Algorithmen des maschinellen Lernens direkt an der Kante (Edge) können diese Systeme komplexe, mehrdimensionale Sensordaten sofort mit etablierten Defektbibliotheken abgleichen, sodass Produktionsbetriebe kontaminierten Most isolieren oder Gärungsparameter unmittelbar nach der Erkennung anpassen können.

Bearbeitet von dem Industrieredakteur Lekshman Ramdas mit KI-Unterstützung.

www.analog.com