Um einen umfassenden Datensatz über den Biergeschmack zu generieren, wurden 250 kommerzielle belgische Biere aus 22 verschiedenen Bierstilen ausgewählt. Das Datenset umfasste sowohl nicht-alkoholische als auch alkoholarme Biere mit einem Alkoholgehalt von ≤ 4,2% Vol. Blonds und Tripels machten einen signifikanten Teil des Datensatzes aus, während Lagerbiere weniger vielfältig waren. Seltene Stile wie Brut oder Faro machten nur einen kleinen Teil des Datensatzes aus, da sie spezifische Eigenschaften in Bezug auf Geschmack und chemische Zusammensetzung aufweisen.
Für jedes Bier wurden 226 verschiedene chemische Eigenschaften gemessen, darunter Alkoholgehalt, Iso-Alpha-Säuren, pH-Wert, Zuckerkonzentration und über 200 Aromastoffe. Die Verbindungen wurden nach ihrer Herkunft gruppiert (Hopfen, Hefe, Malz, wilde Flora) und deren Korrelationen analysiert. Innerhalb verschiedener Bierstile zeigten sich charakteristische Muster für bestimmte Aromaverbindungen. Die sensorischen Analysen bestätigten typische Merkmale spezifischer Bierstile.
Die Entwicklung prädiktiver Modelle, die chemische Daten mit sensorischen Merkmalen verknüpfen, erfolgte mithilfe verschiedener maschineller Lernmodelle. Die Gradient Boosting Regression (GBR) Modelle zeigten die beste Leistung bei der Vorhersage sensorischer Reaktionen aus chemischen Informationen. Ethylacetat wurde als wichtigstes Prädiktionsmerkmal für Biergeschmack identifiziert, gefolgt von Ethanol, Proteingehalt und Milchsäure.
Um die Validität der Modelle zu überprüfen, wurden Experimente durchgeführt, bei denen die Konzentrationen der wichtigsten prädiktiven Verbindungen in schwach geschätzten Bieren erhöht wurden. Diese Experimente führten zu einer signifikanten Verbesserung der sensorischen Wahrnehmung und insbesondere der Gesamtappretiation durch geschulte Verkoster.
Zusammenfassend stellen die prädiktiven Modelle auf Basis von chemischen Daten und sensorischen Merkmalen ein nützliches Werkzeug dar, um Einblicke in Biergeschmack und -wahrnehmung zu gewinnen und bestehende Produkte zu verbessern. Die Kombination von Expertenbewertungen und Verbraucherdaten kann zu fundierten Entscheidungen in der Getränkeindustrie beitragen.