Innosuisse-Projekt: Personalisierte Kaffeeröstung in der Gastronomie

3. Dezember 2019
4/2019
Wollten Sie nicht schon immer das sensorische Profil Ihres Kaffees, ganz so, wie Sie es lieben, im Restaurant vorgeben können? Eine leichte frische Säure, fruchtige Noten von roten Beeren, wenig Bitter­noten? Das Projekt «Coffee Roasting Intelligence – personalisierte Kaffeerös­tung in der Gastronomie per digitaler Intelligenz» hat dies zum Ziel.

Das digitale Herz

Mit chemischen, physikalischen und sensorischen Analysen, gepaart mit Machine Learning, werden die Eigenschaften von Roh­kaffeebohnen, der Röstprozess sowie das Geschmackserlebnis in einzelne relevante Datenpunkte zerlegt und Korrelationen identifiziert. «Diese Vernetzungen bilden mit dem zu entwickelnden Algorithmus die Innovation», sagt Chahan Yeretzian, Leiter des Coffee Excellence Centers der ZHAW. Die Röstintelligenz ist das digitale Herz des Innosuisse-Projekts im Umfang von 1,2 Millionen Franken. Es ist auf zweieinhalb Jahre angelegt.

Frisch und günstiger

In Zukunft sollen Gastrobetriebe die grünen Kaffeebohnen direkt beim Farmer bestellen und in ihrem Unternehmen nach eigenen Präferenzen rösten können. Mit dem  digital vernetzten Angebot des Start­ups mikafi (Röstmaschine, Plattform und Röstintelligenz) wird das Rösten ohne Expertenwissen möglich. Dabei könnte die Wertschöpfungs­kette um bisherige Röster und Retailer verkürzt werden. Die heutigen Kosten für Kaffee könnten sich um bis zu 40 Prozent reduzieren, und die Kunden erhalten einen frisch gerösteten Kaffee mit ihrem persönlichen Wunschprofil.

Personalisierte Kaffeeröstung in der Gastronomie per digitaler Intelligenz

Ein sensorisches Wunschprofil wird in die Wahl einer passenden grüne Kaffeebohne und einem Röstprofil übersetzt, welche das von Ihnen gewünschte sensorische Profile in der Tasse ergibt (Abbildung oben). Mit chemischen, physikalischen und sensorischen Analysen, gepaart mit Machine-Learning, werden die Eigenschaften von Rohkaffeebohnen, der Röstprozess sowie das Geschmackserlebnis in einzelne relevante Datenpunkte aufgebrochen und Korrelationen identifiziert (Abbildung unten).