"CSI-Food" - AG Prof. Schwarzinger

Echtheit und Qualität von Lebensmitteln und Materialien - „CSI-Food Bayreuth“

Qualitativ hochwertige Lebensmittel haben höhere Preise. Vor allem, wenn sie aus einer speziellen Region kommen oder gar einen gesundheitlichen Mehrwert aufweisen (health claims). Das gilt nicht nur für Verbraucherpreise sondern entlang der gesamten Wertschöpfungskette, also auch für Erzeuger, Verarbeiter und Veredler, Abfüller und Händler. Oft stimmen aber die Angaben über Herkunft und Qualität nicht – oder werden gar bewusst falsch angegeben um höhere Erlöse zu erzielen. Man spricht dann von ökonomisch motiviertem Lebensmittelbetrug. Schaden nehmen in solchen Fällen nicht nur die Verbraucher, sondern auch betroffene Händler, Verarbeiter, Abfüller, usw.

Unser Labor beschäftigt sich daher mit der Entwicklung von Analysemethoden um Lebensmittelbetrug vorzubeugen und um Sicherheit und Fairness entlang der Wertschöpfungskette sicherzustellen. 

Methoden
Weil die Qualität und Echtheit von Lebensmitteln in der Regel nicht von einem Prüfparameter abhängt und weil Fälscher ihre Manipulationen oft bewusst maskieren arbeiten wir mit Methoden, die rasch eine Vielzahl von Prüfparametern erfassen können: Wir digitalisieren quasi Lebensmittel und erstellen Fingerabrücke ihrer Inhaltsstoffe. So erhalten wir rasch, innerhalb von wenigen Minuten, einen ersten Gesamteindruck der analysierten Probe. Die Methoden sind breit anwendbar (siehe breite Anwendbarkeit).

Es gibt in der Regel auch nicht eine einzelne Methode die Sicherheit in allen Belangen schaffen kann – dafür ist die Natur zu divers und die Lebensmittel zu komplex zusammengesetzt. Daher verwenden wir in unserer Gruppe verschiedene multi-Parameter Methoden, insbesondere die NMR-Spektroskopie, die Massenspektrometrie und optische, Infrarot-(IR)-basierte Methoden. Aber auch mikroskopische Bilder werden hier eingesetzt. Oft kombinieren wir unsere multi-Parameter Methoden mit weiteren klassischen Referenzverfahren (siehe Geräteliste), um die Validität der neu entwickelten Screening-Verfahren zu gewährleisten. Dieses Setup - eine Probe systematisch (zunächst ungerichtet) mehreren Untersuchungen zu unterziehen - bezeichnen wir als Analytisches Ecosystem: Die Kombination einer begrenzten Zahl analytischer Technologien bzw. analytischer Methoden in Verbindung mit einer entsprechenden Datenanalysesoftware bietet einen signifikanten Mehrwert gegenüber isolierten Verfahren.  

Chemometrie
... ist eine vergleichsweise neue Disziplin in der Chemie. Im Wesentlichen geht es darum, Zusammenhänge zwischen komplexen chemischen Analysedaten und bestimmten Sachverhalten, wie etwa einer bestimmten regionalen Herkunft oder der Anbaumethode, herzustellen. Dabei ist in der Regel zunächst unbekannt, welche Komponenten den Ausschlag für eine Unterscheidung (Klassifizierung) oder eine Regression bilden. Man spricht hier von nicht-gerichteter (oder ungerichteter) Analytik. Im Detail werden Probendaten (z.B., aus chemischen, spektroskopischen oder mikroskopischen Untersuchungen) mittels Verfahren des maschinellen Lernens (ML, einschl. Verfahren der künstlichen Intelligenz, KI) mit bekannten Informationen in Bezug gesetzt. Das Ergebnis wird als chemometrisches Modell bezeichnet (heutzutage auch oft schlicht als KI … hier eben auf Basis chemischer, biologischer und/ oder physikalischer Messdaten).

Der Großteil unserer Forschung beschäftigt sich mit der Frage wie solche Modelle effizient und bestmöglich erstellt werden und wie sicher die für neue Proben erzielten Aussagen sind (prädiktive Leistungsfähigkeit). Wir betrachten dabei den gesamten Workflow der Modellerstellung, der neben Auswahl der Proben, der Probenvorbereitung und den Details der Datenakquise (sogenannte Wet-Lab Komponente der Modellerstellung), auch die Datenvorbehandlung, die Auswahl eines geeigneten Algorithmus und den Validierungsprozess (zusammen die sog. Dry-Lab Komponente der Modellbildung) umfasst. Um Daten, die mit verschiedenen analytischen Verfahren erzeugt wurden (vgl. analytisches Ecosystem), auch kombinieren zu können – ja, wir machen Big-Data noch größer – entwickelt unsere Gruppe ein einzigartiges Softwaretool, AI(OMICS)^n (auf GitLab öffentlich verfügbar). Unter anderem sind wir damit in der Lage die effizienteste Methodenkombinationen zu identifizieren, um bestimmte Fragestellungen zu lösen, die sich mit einer Methode alleine nicht beantworten lassen. Dazu gehören oft Fragen zur geographischen Herkunft oder zur Anbaumethode, also bio oder nicht-bio. Chemometrische, insbesondere nicht-gerichtete ML/KI-basierte Verfahren sind in ihrer Anwendung aber nicht auf die Lebensmittelanalytik beschränkt ...

Breite Anwendbarkeit:
​Wir forschen aktuell intensiv an Honig, Getreide (Projekt AgrOr), Speiseölen, Kakao, Getränken (u.a. Energy-Drinks), Fisch & Fleisch sowie anderen vorwiegend pflanzlichen Lebensmitteln. Routinemäßig werden Machbarkeitsstudien zu neuen Lebensmitteln durchgeführt. Unsere spektroskopischen Verfahren sind aber nicht auf Lebensmittel beschränkt. So untersuchen wir Körperflüssigkeiten wie Urin, um beispielsweise Effekte bestimmter Diäten oder von sportlicher Betätigung auf den menschlichen Stoffwechsel feststellen zu können (Kooperation mit Prof. Dr. Walter Schmidt und Prof. Dr. Othmar Moser). Auch in der Umweltanalytik finden vermehrt nicht-gerichtete chemometrische Verfahren Anwendung. Neben NMR und LC-MS können insbesondere die IR-basierten optischen Methoden können sehr effizient in der Materialforschung/ Materialprüfung eingesetzt werden. Sogar anorganische Materialien, wie z.B. Edelsteine, können auf Echtheit geprüft werden ...

Videos

• Die Kunst des Honig-Shoppings: Darauf solltest du bei dem süßen Lebensmittel achten (Galileo - ProSieben, 2023)
  
  
• Und wie gut ist der gelobte Manuka-Honig? Honig gegen Erkältung? Was macht guten Honig aus? (Extra - RTL, 2023)
  
  
• O Die Tricks: Die Tricks mit Honig (NDR, Mai 2022)
  
  
• Gut zu wissen: Schnelltest für Olivenöle (BR/ARD, 2021)
  
  
• Nano: Honig Fake (alpha, 2021, ab Minute 10)
  
  
• Terra Xpress: Hilfe, was essen wir da? (ZDF, 2021, ab Minute 15)
  
  
• Fake Food – Die Tricks der Lebensmittelfälscher (ZDF, 2019)
  
  
• DLD: Food-Fingerprinting (DLD-Campus Bayreuth, 2018)
  
  
• Campus Talks: Lebensmittelfälschern auf der Spur (BR-Alpa, 2018)
  
  
• Markt-Check (SWR): Mit Sirup gestreckt? Wie echt ist Honig aus dem Supermarkt? (SWR, 2018)
  
  
• Campus-DLD 2018: Food-Fingerprinting – Digitalisierung von Lebensmitteln
  
  
• Woher kommt eigentlich unser Honig? (Galileo – ProSieben, 2017)
  
  
• Ernährung: Unser Essen in der Zukunft – Teil 3 (BR – Alpha, 2015)
  
  

   
​Veröffentlichungen

1. S. Schwarzinger (2023): Food authenticity and quality screening. NMR, MS, IR - what is the best technology? Wiley Analytical Science. GIT Labor-Fachzeitschrift (03/2023)
   
   
2. S. Schwarzinger (2023): Echtheits- und Qualitätsscreening von Lebensmitteln. NMR, oder was sonst? Wiley Analytical Science. GIT Labor-Fachzeitschrift (03/2023)
   
   
3. S. Schwarzinger (2022): Battling food fraud using untargeted analytics. J. Consum. Prot. Food Saf. 17, 205-207. doi.org/10.1007/s00003-022-01395-9
   
   
4. S. Schwarzinger, P. Kolb, A. Zeitler, H. Gebhard, F. Brauer, F. Rüll, S. Bindereif, B. Kämpf (2022): Mit KI Lebensmittelbetrug vermeiden - Die analytische Supply-Blockchain für Olivenöl. Laborpraxis, online 28.09.2022.
   
   
5. S. Haupt, T. Niedrist, H. Sourij, S. Schwarzinger, O. Moser* (2022): The Impact of Exercise on Telomere Length, DNA Methylation and Metabolic Foodprints. Cells 11(1):153. DOI 10.3390/cells11010153
   
   
6. S. Bindereif, F. Rüll, P. Kolb, L. Köberle, H. Willms, S. Steidele, S. Schwarzinger*, G. Gebauer* (2021): Impact of Global Climate Change on the European Barley Market Requires Novel Multi-Method Approaches to Preserve Crop Quality and Authenticity. Foods 10(7):1592. DOI 10.3390/foods10071792
   
   
7. S. Schwarzinger*, F. Rüll, F. Brauer, P. Kolb, S. Bindereif, L. Köberle, S. Steidele, P. Rösch (2021): Honig in präzisen Dosen – Studien zur automatisierten Probenvorbereitung. Laborpraxis Vogel2/2021.
   
   
8. S. Bindereif, F. Rüll, S. Schwarzinger, C. Schwarzinger (2020): Chemometric Modeling of Trace Element Data for Origin Determination of Demantoid Garnets. Minerals 10(12):1046. DOI 10.3390/min10121046
   
   
9. S. Rosenfeldt, F. Mickoleit, C. Jörke, J.H. Clement, S. Markert, V. Jérome, S. Schwarzinger, R. Freitag, D. Schüler, R. Uebe, A.S. Schenk* (2020): Towards standardized purification of bacterial magnetit nanoparticles for future in vivo applications, Acta Biomineralica, in press (https://doi.org/10.1016/j.actbio.2020.07.042).
   
   
10. A. Lang* & S. Schwarzinger* (2020): Die technische Trocknung von unreif geernteten Honigen – Eine Auslegung der europäischen Honig-Richtlinie. DLR (Deutsche Lebensmittel-Rundschau) 116. Jg., Nr. 2, 57-62.
    
    
11. A. Dübecke* & S. Schwarzinger* (2020): Honey-Regulations: Where Is the (Reasonable) Limit? Bee World# (98(1): 1-3. DOI 10.1080/0005772X.2020.1838171
    
    
12. APIMONDA Work group "Adulteration" (unter Beteiligung von S. Schwarzinger): APIMONDIA Statement on Honey Fraud. APIMONDIA web site, 2019. 
    
    
13. S. Schwarzinger*, F. Brauer, P. Rösch, B. Schütz, B. Kämpf, G. Beckh, C. Lüllmann, A. Dübecke (2016): Authentische Lebensmittel – Warum ein Analyseparameter nicht genügt. Q & More online.
    
    
14. S. Schwarzinger*, P. Rösch, B. Kämpf (2015): Mit Hightech gegen Honigverfälschung. Deutsches Bienenjournal 2. 2015. 
    
    
15. W. Bachert, L. Köberle, F. Brauer, P. Rösch, S. Schwarzinger* (2014): Mehr als Honig? Q & More 2.14, 36-43.
    
    
16. L. Köberle, F. Brauer, P. Rösch, S. Schwarzinger* mit K. Tröger, K.-H. Schwind, F. Schwägele (2013): Was essen wir? Qualitätsanalytik von Lebensmitteln durch NMR. Q & More, 02.13, 42-47. 

​Hier finden Sie Weitere Veröffentlichungen der AG Prof. Dr. Schwarzinger (Lebensmittel/ Gesundheit und andere Themen) 

​