Das am 15. Oktober 2026 angekündigte Projekt basiert auf einer Technologie, deren erste Entwicklungen aus Forschungsarbeiten am Massachusetts Institute of Technology (MIT) stammen und die von Analog Devices kontinuierlich weiterentwickelt wird.
Die Lösung ermöglicht die Analyse flüchtiger chemischer Signale, die von Reben, Most und Wein abgegeben werden, um frühzeitig Informationen über biologische Prozesse und potenzielle Qualitätsrisiken zu gewinnen.
Früherkennung des Fehlers „Frisches Pilzaroma“: Das erste Ergebnis der Zusammenarbeit konzentriert sich auf die Erkennung des Risikos des Fehlers „Frisches Pilzaroma“ (FMA), der mit einem frischen Pilzgeruch im Wein einhergeht. Forscher des Robert-Jean de Vogüé Forschungszentrums von Moët Hennessy haben eine Bibliothek mit Proben und zugehörigen Daten entwickelt, um Algorithmen des maschinellen Lernens zu trainieren, die die chemischen Signaturen dieses Fehlers erkennen können.
Laut den beteiligten Organisationen ermöglicht die Technologie erstmals die frühzeitige Identifizierung von Proben mit hohem Risiko für die Entwicklung von FMA, noch bevor der Defekt mit Standardverfahren erkannt werden kann. Dieses Ergebnis eröffnet die Möglichkeit, früher in den Weinherstellungsprozess einzugreifen und die Überwachung von Risiken, die die Weinqualität beeinträchtigen können, zu verbessern.
Chemische Sensoren und maschinelles Lernen zur Analyse komplexer Signale:
Die Technologieplattform von Analog Devices kombiniert chemische Detektionssysteme mit Algorithmen für maschinelles Lernen und künstliche Intelligenz. Sie analysiert eine Vielzahl chemischer Informationen und identifiziert die relevantesten Signale, um Muster im Zusammenhang mit biologischen Prozessen und Qualitätsveränderungen zu erkennen. Anstatt lediglich nach vordefinierten Bedingungen zu suchen, nutzt das System maschinelles Lernen aus komplexen chemischen Daten, um Zusammenhänge aufzudecken, die mit anderen Methoden möglicherweise unentdeckt bleiben. Diese Funktion liefert Forschern, Winzern und Weinmachern zusätzliche Informationen über den Zustand von Trauben und Wein.
Zukünftige Anwendungen bei Rebkrankheiten und Bodenanalyse:
Neben der Erkennung von FMA untersuchen die drei Organisationen weitere Anwendungsmöglichkeiten der Technologie im Weinbau und in der Weinherstellung. Zu den untersuchten Möglichkeiten gehören die Früherkennung von Rebkrankheiten, die Bodenanalyse und die Identifizierung anderer Mängel, die die Produktion beeinträchtigen können. Das Projekt umfasst auch die Analyse von Risiken im Zusammenhang mit dem Klimawandel und damit verbundenen Phänomenen wie Waldbränden. Diese Anwendungen befinden sich noch in der Forschungsphase.
Ziel der Zusammenarbeit ist es, Entscheidungshilfen bereitzustellen, ohne dabei die Erfahrung und das Wissen der für den Weinbau und die Weinherstellung verantwortlichen Fachleute zu ersetzen.
Eine Kooperation zwischen Halbleiterindustrie, Weinbau und Forschung:
Das Projekt vereint die Kompetenzen dreier Organisationen mit unterschiedlichen Spezialisierungen. Analog Devices steuert über seine Einheit ADI Health Solutions die Sensorplattform und maschinelles Lernen zur Analyse chemischer Signaturen bei. Moët Hennessy bringt seine Expertise im Weinbau und in der Weinherstellung sowie die in seinem Forschungszentrum gesammelten Daten und Proben ein. Die UC Davis steuert ihrerseits ihr wissenschaftliches Wissen in Weinbau und Önologie bei.
Manuel Reman, Mitglied des Executive Committee von Moët Hennessy und Leiter der Forschungs- und Entwicklungsabteilung, hebt hervor, dass die Technologie die Interpretation chemischer Signale aus Trauben und Wein ermöglicht, um Qualitätsrisiken vorherzusehen, bevor sie sichtbar werden.
Max Shulaker, Leiter von ADI Health Solutions, weist darauf hin, dass das mit FMA erzielte Ergebnis den ersten Fortschritt einer Plattform mit potenziell breiteren Anwendungsmöglichkeiten bei der Untersuchung lebender Systeme darstellt.
Ben Montpetit von der UC Davis betont die Wichtigkeit, neue technologische Hilfsmittel mit der Ausbildung von Fachkräften zu kombinieren, die in der Lage sind, Daten zu interpretieren und sie in ihre Entscheidungen einzubeziehen.
Potenzielle Ausweitung auf weitere industrielle Anwendungen:
Neben ersten Anwendungen in der Weinindustrie Analog Devices , die Verfügbarkeit dieser Technologie auf zukünftige industrielle Anwendungen auszuweiten. Moët Hennessy und die UC Davis untersuchen zudem, wie die Entwicklung gemeinsamer Referenzbibliotheken der gesamten Weinbranche zugutekommen könnte. Die Zusammenarbeit wird die Nutzung chemischer Signaturen und maschinellen Lernens weiter erforschen, um Einblicke in biologische Prozesse zu gewinnen, Risiken frühzeitig zu erkennen und Branchenexperten bei ihren Entscheidungen zu unterstützen.
