Der Züchter und Genetiker Marcio Resende von der University of Florida/IFAS will einen „Feinschmecker mit Künstlicher Intelligenz“ schaffen, der den Wissenschaftlern sagt, welche chemischen Verbindungen - d.h. flüchtige Stoffe, Zucker, Säuren und andere chemische Verbindungen - die besten Fruchtaromen hervorbringen, teilt die UF/IFAS mit. Um Erzeuger besser unterstützen zu können, soll der „Connaisseur“ zum Einsatz kommen – zunächst bei Tomaten und Heidelbeeren, später auch bei anderen Kulturen.
„Aus Kostengründen und aufgrund logistischer Einschränkungen setzen Züchter in der Regel keine Verbraucherpanels in ihren Programmen ein. Ideal wäre es, ein großes Verbraucherpanel zu verwenden, das eine Vielzahl potenzieller Verbraucher umfasst. Wir setzen 100 Personen ein, die ein breites Spektrum an Alter und ethnischer Zugehörigkeit abdecken. Dieser Ansatz ist sehr viel repräsentativer für die Käuferpopulation“, so Harry Klee, Professor für Gartenbauwissenschaften an der UF/IFAS.
Für die Studie nutzten die UF/IFAS-Forscher die Daten von Tomaten- und Heidelbeerzuchtprogrammen aus dem vergangenen Jahrzehnt. Sie gaben eine Reihe verschiedener Sorten an Verbraucherpanels im UF-Sensoriklabor und sammelten Bewertungen zu Geschmacksattributen wie „Geschmack“, Süße, Säure, Geschmacksintensität und Umami. Die flüchtigen Bestandteile machten bis zu 56 % der „Gefällt mir“-Bewertungen aus, sie sind laut Resende wichtig, um die Bedeutung des Fruchtgeschmacks zu quantifizieren und einzuschätzen. Darüber hinaus hätten die Ergebnisse gezeigt, dass maschinelle Lernverfahren im Allgemeinen die besten Indikatoren für die Geschmackspräferenzen der Verbraucher, die sogenannte metabolische Selektion, seien. Die Genauigkeit der metabolischen Selektion sei besser als bei Modellen, die stattdessen genomische Daten verwenden, was das Potenzial dieser neuen Methode für die Züchtung unterstreiche, heißt es abschließend.
