Digital Farming bei Streuspanne Podcast des Fraunhofer ITWM
PRESSEMITTEILUNG
Neue Podcast-Folge untersucht, ob Algorithmen Weinqualität vorhersagen können
Postdoc Marcel Hensel gemeinsam mit dem Fraunhofer ITWM-Team auf methodischer Spurensuche
In der Episode 31 der Reihe „Streuspanne – Statistik und ihre Kuriositäten“ mit dem Titel „Wein, Daten, Wahrheit – Was Algorithmen wirklich schmecken“ nehmen die Gastgeber Jochen Fiedler und Esther Packullat vom Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (ITWM) gemeinsam mit dem Gast Marcel Hensel, Postdoc am Lehrstuhl Digital Farming der Rheinland-Pfalz Technischen Universität Kaiserslautern-Landau (RPTU), eine wissenschaftliche Studie unter die Lupe, die verspricht, Weinqualität anhand von Inhaltsstoffen mithilfe von Machine Learning vorhersagen zu können.
Darin diskutieren sie, warum die Idee zunächst vielversprechend klingt – Laborwerte wie Aromastoffe, Farbstoffe oder pH-Wert werden systematisch erhoben und mit Algorithmen ausgewertet. Doch der kritische Blick zeigt: Die methodischen Ansätze der Studie weisen erhebliche Mängel auf.
Zentrale Themen der Folge:
- Gibt es überhaupt eine objektiv messbare Weinqualität – und wie kann sie wissenschaftlich erfasst werden?
- Welche methodischen Schwächen zeigen viele KI-Studien, etwa willkürliche Klassifikationen oder zu kleine Datensätze?
- Warum ist eine belastbare Datenbasis entscheidend, damit Machine-Learning-Modelle wirklich belastbare Ergebnisse liefern?
- Welche Verantwortung tragen Forschende und Reviewer bei der Bewertung solcher Arbeiten?
Verfügbarkeit:
Die Episode steht auf allen gängigen Podcast-Plattformen (Spotify, Apple Podcasts, Deezer u. a.) sowie direkt auf der Website des Fraunhofer ITWM bereit.
👉 Zur Podcast-Folge
Kontakt
Jochen Fiedler – Fraunhofer ITWM
Fraunhofer-Platz 1, 67663 Kaiserslautern
✉️ jochen.fiedler(at)itwm.fraunhofer.de
☎ +49 631 31600-4771
Esther Packullat – Medienarbeit/Online-Redaktion
✉️ esther.packullat(at)itwm.fraunhofer.de
☎ +49 631 31600-4867