Projekte

Hier finden Sie eine vollständige Übersicht aller Forschungsprojekte der Universität Hohenheim – durchsuch- und filterbar nach Themen, Fördergebern, Start- und Enddaten oder Verantwortlichen, um gezielt die gewünschten Informationen zu finden.

Informationen für Uni-Angehörige

Hinweise zur Bearbeitung Ihrer Daten finden Sie auf der Infoseite Forschungsportal (Intranet).

Aktuelle Entwicklungen in der Lebensmittelindustrie konzentrieren sich zunehmend auf pflanzliche Alternativen und die Reduktion von Zucker-, Salz- und Fettgehalt, getrieben durch Gesundheitsbewusstsein und Nachhaltigkeitsziele. Damit diese Veränderungen jedoch langfristig zu einer Umstellung der Ernährungsgewohnheiten führen, müssen pflanzliche Alternativen die sensorischen Erwartungen der Verbraucher erfüllen. Die Wahrnehmung eines Lebensmittelaromas, wie zum Beispiel bei Milch, hängt von verschiedenen Parametern ab, die sowohl mit den Aromastoffen als auch mit der Lebensmittelmatrix zusammenhängen. Es ist besonders wichtig, die Interaktionen zwischen repräsentativen Aromastoffen und der Zusammensetzung von Lebensmitteln (z. B. Fett und Protein) zu verstehen, da diese das Freisetzen von Aromastoffen und somit die sensorische Wahrnehmung des Lebensmittels signifikant beeinflussen. Die Verteilung von Aromaverbindungen zwischen der Matrix und dem über dem Lebensmittel befindlichen Kopfraum wird durch den Kmg-Wert quantifiziert, der das Gleichgewicht in einem verschlossenen Produkt widerspiegelt. Aromastoffe interagieren nicht-kovalent mit Lebensmittelkomponenten wie Fetten und Proteinen. Änderungen in Art oder Gehalt an Fetten und Proteinen können daher die Bindung der Aromastoffe und deren Freisetzung in den Kopfraum beeinflussen. Der Kmg-Wert kann verwendet werden, um das Ausmaß der Freisetzung von Aromastoffen aus Lebensmittelmatrices unterschiedlicher Zusammensetzung in den Kopfraum widerzuspiegeln. Dieses Projekt zielt darauf ab, die Auswirkungen von Änderungen in der Matrixzusammensetzung auf die Bindung und Freisetzung von Aromastoffen besser zu verstehen. Zunächst wird die Verteilung von Aromaverbindungen in gut untersuchten Milchmatrices modelliert, gefolgt von einer Analyse mit maschinellem Lernen (ML), um die Schlüsselfaktoren für die Freisetzung von Aromen zu identifizieren und die Modellanpassung auf pflanzliche Systeme zu erleichtern. Zu diesem Zweck wird eine ML-Methode entwickelt, die den Kmg-Wert von Aromastoffen in veganen Milchalternativen mit unterschiedlicher Zusammensetzung vorhersagen kann. Die Forschungsergebnisse sind für etablierte Molkereiunternehmen von Bedeutung, da sie es ermöglichen, dem wachsenden Bedarf an veganen Alternativen mit kürzeren Entwicklungszyklen gerecht zu werden und sich auf bevorstehende Veränderungen in der Lebensmittelproduktion vorzubereiten oder diese aktiv mitzugestalten. Ein vertieftes Verständnis der Aromaverteilung in Lebensmittelmatrices kann eine effiziente Reformulierung unterstützen, unerwünschte Off-Noten (z. B. grüne oder bohnenartige Aromen in pflanzlichen Milchprodukten) reduzieren und KMUs befähigen, der Nachfrage nach hochwertigen veganen Produkten gerecht zu werden. Die Erkenntnisse würden vor allem KMUs und die sehr aktive Start-up-Szene unterstützen, unterstützen, da die im Projekt generierten ML-Modelle für die Analyse in einfach anzuwendende Open Source Software integriert werden kann.

Laufzeit: 01.04.2026 – 30.09.2028
Projektbeteiligte: Dana Jox (Projektleitung)
Fg. Lebensmittelinformatik (150l)

Dana Jox (Wiss. Mitarbeiter:in)
Fg. Lebensmittelinformatik (150l)

Jun.-Prof. Dr. Christian Krupitzer (Projektleitung)
Fg. Lebensmittelinformatik (150l)

Ruotong Nie (Wiss. Mitarbeiter:in)
Fg. Aromachemie (150h)

Caroline Pottgießer (Wiss. Mitarbeiter:in)
Fg. Aromachemie (150h)

Prof. Dr. Yanyan Zhang (Projektleitung)
Fg. Aromachemie (150h)
Sprache: deutsch
Fachgebiet(e): Angewandte Informatik
Mittel