Internationaler DLG-Sensorik Award 2024 verliehen an Finn Ehlerding (HAW-Hamburg)

Preis der deutschen Lebensmittelsensorik für Nachwuchswissenschaftler – Hohe Praxisrelevanz – Auszeichnung im Rahmen des DLG-Lebensmitteltags Sensorik

Finn Ehlerding von der Hochschule für angewandte Wissenschaften (HAW) Hamburg ist mit dem Internationalen Sensorik Award 2024 der DLG (Deutsche Landwirtschafts-Gesellschaft) ausgezeichnet worden. Dieser mit 2.500 Euro dotierte Nachwuchs-Forschungspreis wird jährlich für herausragende Arbeiten der deutschsprachigen Sensorikwissenschaften vergeben. Ehlerdings Forschungsarbeit über den „Aufbau einer sensorischen/techno-funktionellen Datenbank für die gezielte Auswahl von Proteinzutaten für die Entwicklung von Lebens- und Futtermitteln“ überzeugte durch wissenschaftliche Qualität und hohe Praxisrelevanz.

Das Forschungsprojekt „Nachhaltige Proteinzutaten“ ist Bestandteil des Innovationsraumes „NewFoodSystems“ und wird unterstützt vom Bundesministerium für Bildung und Forschung (BMBF). Im Rahmen des Projekts wurden Proteinpräparate von der HAW Hamburg sensorisch unter der Leitung von Prof. Dr. Andrea Bauer, Department Ökotrophologie, charakterisiert. Anschließend wurden diese sensorischen Daten mit weiteren techno-funktionellen Parametern des Fraunhofer Instituts für Verfahrenstechnik und Verpackung (IVV) zusammengeführt und den Nutzern (Produktentwicklern von Lebens- und Futtermitteln) in Form einer Datenbank zur Verfügung gestellt. Diese erleichtert den Anwendern die Auswahl von passenden Präparaten für ihren Entwicklungsprozess. Eine sensorische Herausforderung im Projekt war die Erzielung eines hohen Probendurchsatzes, wobei diese von unterschiedlicher Herkunft ein breites Spektrum von Deskriptoren erforderten, um zuverlässige sensorische Profile für die Datenbank zu erstellen. Um dieser Herausforderung zu begegnen, wurde die Schnellmethode RATA (Rate-all-that-apply) mit geschulten Panelisten angewandt.

Material & Methoden

Es wurde ein sensorisches Lexikon für 56 kommerzielle Proteinproben aus 13 verschiedenen Quellen entwickelt, das 76 Attribute inkl. Definitionen umfasst. Die Proben wurden als wässrige Dispersion (2 % w/w) mithilfe einer 5-Punkt Skale via RATA analysiert. Die Probendarreichung erfolgte randomisiert und in zweifacher Wiederholung. Varianzanalysen (ANOVA) und Hauptkomponentenanalysen (HKA) wurden für die Daten der Proben in wässriger Dispersion angewandt, um den sensorischen Produktraum zu untersuchen.

Ergebnisse und Diskussion

Die HKA sämtlicher Proben und aller Attribute zeigt, dass Proben bestimmter Präparatquellen (z.B. Soja, Kartoffel, Insekten, Reis) eigene Subgruppen bilden, welche anhand von probenspezifischen Merkmalseigenschaften zu differenzieren sind. Die Berechnung einer ANOVA von Erbsenpräparaten (n=11) ergibt, dass 11 von 29 sensorischen Eigenschaften signifikant zwischen den Proben differenzieren. Die mit den signifikant differenzierenden Attributen gerechnete HKA zeigt, dass sich die Proben insbesondere nach ihrer Textur (Hauptkomponente (HK) 1) und Off-Noten bzw. Bitterkeit (HK 2) im Probenraum auftrennen.

Schlussfolgerungen & Empfehlungen

Die Rahmen des Projektes durchgeführten Applikationsversuche werden fortgeführt. Daneben erfolgen fortlaufend weitere Datenanalysen zur Untersuchung der Beziehung zwischen techno-funktionalen und sensorischen Eigenschaften und zur Erklärung von Mustern innerhalb des sensorischen Produktraums. Darüber wird zu einem späteren Zeitpunkt berichtet. Insgesamt erleichtert die Datenbank Anwendern u. a. in der Produktentwicklung von Lebens- und Futtermitteln die Auswahl von passenden Zutaten für ihr Rezepturmanagement im Entwicklungsprozess rund um den Einsatz alternativer Proteinquellen.