Så lägger AI grunden för bättre sensorisk analys
Vinprovning är inte längre bara en konst, det är också high-tech tack vare elektroniska näsor och tungor som mäter aromer och smaker med precision. Med hjälp av AI kan vinmakare dessutom förutspå jäsningsförlopp, upptäcka defekter och analysera vinkonsumenternas preferenser. Framför oss har vi snabbare, säkrare och mer objektiv vinanalys.
Vinprovning handlar inte enbart om att smaka, utan om en metod som används för att förstå vinets karaktär och kvalitet. Traditionellt har beskrivningar av vin innehållit ord som “elegant”, “rund” eller “kraftfull” – ord som ger känsla, men som kan vara svåra att jämföra mellan olika provare. Här kommer forskningen in med nya metoder som gör språket mer enhetligt och mätbart.
För att skapa resultat som kan jämföras globalt har forskare vid Baskiens universitet (UPV/EHU)*, i samarbete med INCAVI (Institut Català de la Vinya i el Vi)** och IRTA (Institut de Recerca i Tecnologia Agroalimentàries)*** utvecklat ett standardiserat protokoll för sensorisk analys. Protokollet omfattar rekrytering, träning, kalibrering och validering av paneler.
|
Traditionellt ord |
Objektiv definition |
|
Rund |
Medelhög alkohol, mjuka tanniner, balanserad syra |
|
Elegant |
Subtil aromintensitet, låg alkohol, fin struktur |
|
Livlig |
Hög syra, spritsighet, gröna frukttoner |
|
Generös |
Hög aromintensitet, fyllig kropp, ekfatkaraktär |
|
Stram |
Hög tanninstruktur, låg restsötma |
|
Frisk |
Hög syra, låg alkohol, citrusaromer |
|
Kraftfull |
Hög alkohol, markerad tannin, koncentrerad frukt |
|
Fruktig |
Tydliga aromer av bär eller frukt |
|
Kryddig |
Aromer av kryddor (peppar, nejlika), ofta från ekfat |
|
Mineralig |
Krita, flinta, sten – kopplas till låg fruktighet och hög syra |
|
Blommig |
Aromer av blommor (viol, ros) |
|
Smörig |
Diacetyl från malolaktisk jäsning eller autolys vid sur lie-lagring |
|
Fatig |
Vanilj, rostad ek, kaffe från fatlagring |
|
Rostad |
Kaffe, kakao, rostat bröd – ofta från ekfat |
|
Jordig |
Jord, svamp, rotfrukter – kopplas till terroir och tertiära aromer vid lagring |
|
Oxidativ |
Toner av nötter, sherry, torkad frukt – från syrekontakt |
|
Sträv |
Hög tanninintensitet |
|
Söt |
Hög restsockerhalt |
|
Bitter |
Fenoliska komponenter |
|
Lång eftersmak |
Sensorisk dominans >10 sekunder |
|
Kort eftersmak |
Sensorisk dominans klingar av snabbt |
AI och elektroniska sensorer
Elektroniska näsor (e-nose) och tungor (e-tongue) är sensorteknologier som imiterar våra sinnen men med högre precision och snabbhet. De mäter flyktiga aromämnen och smakkomponenter och skapar ett “fingeravtryck” av vinets profil.
En e-nose är en sensorpanel som reagerar på aromämnen i gasfasen. AI-modeller tolkar signalerna och kan avgöra druvsort, ursprung eller upptäcka defekter som korkskada och oxidation. En e-tongue analyserar istället vätskans innehåll – syra, socker, fenoler – och ger en objektiv bild av smakstrukturen.
Det är också möjligt att göra en AI-tolkning där maskininlärning används för att koppla sensoriska mönster till kvalitetsparametrar och konsumentpreferenser.
Ett praktiskt exempel som används i dag är SmartBarrel-systemet som övervakar jäsning i realtid med e-nose och e-tongue och varnar om något avviker. AI kan också utöva kvalitetskontroll genom att snabbt flagga för höga halter av flyktig syra eller Brettanomyces innan vinet når marknaden. Dessutom kan plattformar som Tastry förutspå hur ett vin kommer att tas emot av marknaden, baserat på dess kemiska profil.
Människan får också plats
AI och sensorer frigör tid för vinmakaren och höjer precisionen, men den mänskliga bedömningen är fortfarande central för att tolka helhetsintrycket. Mitt i tekniken finns fortfarande den mänskliga passionen. Det är våra sinnen som ger vinet mening, och det är vår kultur som gör vinupplevelsen unik.
Framtiden handlar inte om att ersätta människor med maskiner, utan om att låta dem samarbeta. AI och sensorer kan ta hand om det tunga analysarbetet, medan människor fortsätter att tolka, skapa och njuta. Resultatet? Bättre förståelse, högre kvalitet och kanske ännu mer njutning i varje glas.
Referenser:
• Vidal et al. (2023). Standardisering av vinpaneler. UPV/EHU, INCAVI, IRTA.
• Lawless & Heymann (2010). Sensory Evaluation of Food.
• Tastry
• Ares & Jaeger (2015). CATA-metodik.
• AWRI (Australian Wine Research Institute). Napping-metoder.
• Kontogiannis (2025). AI i vinproduktion.
• Alfieri (2024). Digitalisering av smakpaneler.
• ISO 8586 & ISO 13299. Internationella standarder för sensorisk analys.
• DOI
* UPV/EHU är ett ledande universitet i Spanien med stark forskning inom livsmedel och sensorik.
** INCAVI är Kataloniens officiella vininstitut, ansvarigt för kvalitetskontroll och ursprungsbeteckningar.
*** IRTA är ett forskningsinstitut för jordbruk och livsmedelsteknik med fokus på innovation och hållbarhet.
Fakta: AI:s 5 nyckelroller i vinanalys
1. Realtidsövervakning av jäsning
AI tolkar sensordata från e-nose och e-tongue för att förutse jäsningsförlopp och varna vid avvikelser.
2. Kvalitetskontroll
AI identifierar defekter som korkskada, oxidation och Brettanomyces innan vinet når marknaden.
3. Aromprofilering och ursprungsverifiering
AI kopplar sensoriska mönster till druvsort, ursprung och typicitet för att säkra kvalitet.
4. Prediktion av vinkonsumenters preferenser
AI analyserar kemiska profiler och förutspår hur vinet kommer att tas emot på olika marknader.
5. Digitalisering av paneldata
AI sammanställer bedömningar i realtid, översätter flerspråkiga kommentarer och skapar visuella aromprofiler.
