Geruchsmischungen: Der Schlüssel lag in den Wörtern — GrassAccord liest die Studie „Die Distanz zwischen Geruchsmischungen vorhersagen“

Stellen Sie sich zwei Duftstreifen direkt unter Ihrer Nase vor. Auf dem einen ist eine Geruchsmischung aus 10 Molekülen. Auf dem anderen ebenfalls, doch die beiden Mischungen haben kein einziges Molekül gemeinsam. Trotzdem riechen sie für die menschliche Nase recht ähnlich.

Wie kann das sein? Und lässt sich das Ergebnis schon vor dem Mischen vorhersagen? Eine im August in den Proceedings of the National Academy of Sciences (PNAS) erschienene Studie hält fest, wie sich 26 Forschungsteams aus aller Welt gemeinsam an diese alte Frage gewagt haben.

Das Ergebnis überraschte. Der beste Schlüssel zur Vorhersage des Geruchs einer Mischung bestand nicht darin, die Form der Moleküle direkt zu lesen. Am genauesten waren die Vorhersagen, wenn sie einen Umweg machten: über die Wörter, mit denen wir Gerüche benennen, etwa „fruchtig“ oder „grasig“.

Wenn Sie gerade mit dem Parfümieren begonnen haben, kennen Sie vielleicht diese Fragen:

• Bringt es wirklich etwas, einen Duft in Worte zu fassen?
• Zwei Düfte wirkten gestern ähnlich und heute verschieden. Stimmt etwas mit meiner Nase nicht?
• Wird künstliche Intelligenz bald die Akkorde für mich komponieren?

Diese Studie gibt zu allen drei Fragen Hinweise. Im ersten Teil stellen wir vor, was das Team getan und herausgefunden hat. Im zweiten Teil ergänzen wir unseren Kommentar dazu, wie Menschen, die Parfümieren lernen, diese Ergebnisse an der Duftorgel nutzen können. Unbekannte Begriffe sind ganz am Ende erklärt, lesen Sie also ganz entspannt.

Zuerst: Um was für eine Studie geht es?

• Titel: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (ein gemeinsames Modell, das über die Bedeutung von Wörtern die Distanzen zwischen Geruchsmischungen fein abstimmt)
• Autorinnen und Autoren: Ein großes Gemeinschaftsteam um Vahid Satarifard und Pablo Meyer. Beteiligt waren Einrichtungen aus mehreren Ländern, darunter die Yale University, die Rockefeller University, das Monell Chemical Senses Center, das Weizmann-Institut und IBM Research. Auch die für ihre Geruchsforschung bekannten Leslie B. Vosshall, Noam Sobel und Joel D. Mainland gehören zu den Mitautoren.
• Erschienen in: Proceedings of the National Academy of Sciences (PNAS), Band 123, Heft 32, veröffentlicht am 4. August 2026. Die Studie wurde von der Fachzeitschrift begutachtet.
• Original lesen: doi.org/10.1073/pnas.2611057123 – für alle kostenlos zugänglich (auf Englisch).
• Bitte beachten: Die Studie befasst sich mit Molekülmischungen für die Forschung, nicht mit Parfums. Auch die Autoren nennen die Parfumentwicklung nur als eine von mehreren künftigen Anwendungen.

Warum haben wir diese Studie gewählt?

In unserer ersten Studienvorstellung haben wir rund 170.000 Parfums aus der Vogelperspektive der Zahlen betrachtet. Das war eine Karte von Markt und Kultur. Diesmal gehen wir genau in die andere Richtung und schauen auf die Nase eines Menschen, der vor zwei Duftstreifen sitzt.

Parfümieren ist am Ende die Kunst des Mischens. Doch die Regeln, die es für Augen und Ohren gibt, fehlen für die Nase noch. Rot, Grün und Blau erzeugen die Farben eines Bildschirms, und Schall lässt sich in Frequenzen zerlegen und so beschreiben. Für den Geruchssinn gibt es dem Forschungsteam zufolge noch keinen vergleichbaren Rahmen. Darum verlassen sich Parfümeure seit jeher auf Erfahrung und Nase.

Diese Studie schlägt über diese Lücke erstmals eine ziemlich stabile Brücke. Fertig ist diese Brücke nicht. Doch weil sie ehrlich zeigt, wie weit man gekommen ist und wo sie abbricht, ist sie ein gutes Lernmaterial für alle, die Parfümieren lernen.

Lässt sich der Geruchssinn kartieren?

Bevor es richtig losgeht, schauen wir uns an, warum dieser Wettbewerb überhaupt stattfand.

Den Geruch eines einzelnen Moleküls trifft man inzwischen recht gut

Einen Geruch allein aus der Struktur eines Moleküls abzuleiten, galt lange als berüchtigt schwierige Aufgabe. In den letzten 10 Jahren hat sich das geändert. Der erste DREAM-Geruchswettbewerb zeigte, dass Computer aus der Molekülstruktur Geruchsbeschreibungen wie Knoblauch, süß oder blumig vorhersagen können.

2023 kam ein Modell namens Principal Odor Map (POM) hinzu, eine Karte, die Molekülstrukturen in einem Geruchsraum anordnet. Laut der Studie schnitt dieses Modell bei der Vorhersage von Geruchsbeschreibungen besser ab als eine durchschnittliche Person eines Prüfpanels. Viele Teams dieses Wettbewerbs nutzten genau diese Karte als Zutat.

Doch die meisten Gerüche der Welt sind Mischungen

Das Problem kommt danach. Was wir im Alltag riechen, etwa Kaffee, Blumen oder Parfum, sind meist Mischungen aus Dutzenden oder Hunderten Molekülen. Ein einzelnes Molekül vorherzusagen, nützt in der echten Welt wenig, wenn man nicht vorhersagen kann, was beim Mischen geschieht.

Wenn Sie schon parfümiert haben, kennen Sie diese Schwierigkeit gut. Da mischt man zwei gute Rohstoffe, und heraus kommt ein völlig unerwarteter Duft, oder ein zugegebener Rohstoff scheint zu verschwinden. Es brauchte einen öffentlichen Maßstab für die Vorhersage von Mischungen, und so kam es zu einem Wettbewerb, bei dem viele Teams an derselben Aufgabe antraten.

Wie lief der Wettbewerb der 26 Teams ab?

Verstreute Experimente wurden zusammengeführt

Das Team führte zunächst sechs Datensätze aus drei bisher getrennten Studien zusammen. Das ergab folgenden Umfang.

• 168 Einzelmoleküle
• 731 verschiedene Mischungen
• 507 Messungen, die zwei Mischungen vergleichen

Da die Experimente unterschiedlich angelegt waren, wurden alle Ergebnisse auf eine einzige Skala übertragen. 0 bedeutet, dass sich die beiden Düfte nicht unterscheiden lassen, 1, dass sie unterschiedlicher nicht sein könnten. Das Team nennt diese Zahl die Distanz zwischen Gerüchen. So wie man auf einer Landkarte zwischen zwei Städten misst, misst man hier zwischen zwei Düften.

Drei Monate Wettstreit

Dieser Wettbewerb heißt DREAM Challenge. Dabei messen sich mehrere Teams öffentlich an derselben Aufgabe in ihrer Vorhersagefähigkeit. Die 26 Teams verfeinerten rund drei Monate lang ihre KI-Modelle und traten dann zur Abschlussprüfung mit 46 Mischungspaaren an, deren Lösungen verborgen blieben.

Übungsaufgaben ließen sich bis zu dreimal pro Woche einreichen, und die Punktzahl war einsehbar. Während des Wettbewerbs gingen 159 Übungsvorhersagen ein, und 19 Teams reichten auch die Abschlussprüfung ein.

Eine klare Entscheidung gab es nicht. Die vier Teams D2Smell, UMich CASI, ChemSenSim Lab und belfaction belegten gemeinsam den ersten Platz. Das Forschungsteam geht davon aus, dass sich die Unterschiede bei nur 46 Prüfungspaaren kaum feststellen ließen. Statt ein Team zu küren, baute es daher ein kombiniertes Modell, das die Vorhersagen der sechs besten Modelle mittelt. Dieses kombinierte Modell ist der Hauptdarsteller der Studie.

Zweimal von menschlichen Nasen geprüft

Bewertet wurden die Antworten der KI von menschlichen Nasen. Es gab zwei Prüfungen.

• Erste Prüfung (New York, Rockefeller University) – 34 Personen nahmen teil. 92 Mischungen bildeten 46 Paare, und jede Mischung bestand aus 10 Komponenten, die sich innerhalb eines Paares nicht überschnitten. Verwendet wurde ein Dreieckstest, bei dem man aus drei Fläschchen das eine herausfindet, das anders riecht.
• Zweite Prüfung (Philadelphia, Monell Chemical Senses Center) – 16 Personen nahmen nach dem Ende des Wettbewerbs teil. 59 neu entworfene Mischungen bildeten 50 Paare, mit 9 bis 11 Komponenten je Mischung. Die Teilnehmenden bewerteten direkt, wie ähnlich zwei Düfte waren.

Die zweite Prüfung enthielt eine hübsche Sicherung. Die Teilnehmenden verglichen ein Molekül mit Knoblauchgeruch mit einem Molekül mit Ananasgeruch und ein Molekül mit Erdbeerduft mit sich selbst. Das erste Paar beurteilten sie als weit entfernt, das zweite als sehr nah. Das belegt, dass die Skala richtig funktionierte.

Nur zwei Zahlen sollten Sie vorab kennen

Zwei Zahlen tauchen in dieser Studie immer wieder auf. Sie wirken vielleicht schwierig, deshalb verschaffen wir uns kurz ein Gefühl dafür.

Der Korrelationskoeffizient zeigt, wie stark Vorhersage und Wirklichkeit in dieselbe Richtung gehen. Bei 1 bewegen sie sich vollkommen gleich, bei 0 besteht kein Zusammenhang. 0,61 bedeutet nicht 61 % Treffer. Es genügt zu wissen: Paare, die Menschen als weiter entfernt empfanden, stuft auch das Modell im Großen und Ganzen als weiter entfernt ein.

Der mittlere Fehler (in der Studie RMSE) zeigt, wie weit eine Vorhersage im Schnitt von der tatsächlichen Distanz abweicht. Je kleiner, desto besser. Bei 0,08 liegt die Vorhersage auf der Skala von 0 bis 1 ungefähr um diesen Betrag daneben.

Merken Sie sich den Korrelationskoeffizienten also als „Stimmt die Reihenfolge?“ und den mittleren Fehler als „Wie nah sind die Werte?“.

Wie genau war das kombinierte Modell?

Es lag deutlich vor den bisherigen Methoden

In der ersten Prüfung erreichte das kombinierte Modell einen mittleren Fehler von 0,08 und einen Korrelationskoeffizienten von 0,57. Im Vergleich zu den führenden bisherigen Methoden sank der Fehler um etwa 33 %, und der Korrelationskoeffizient stieg um 53 %. Es war auch besser als das Modell jedes einzelnen Teams im Wettbewerb.

Hier lohnt ein genauer Blick. Nach dem Wettbewerb baute das Team ein neues Modell nur aus den Merkmalen, die am wichtigsten schienen. Dieses Modell holte das kombinierte Modell jedoch nicht ein und blieb auf dem Niveau der besten Einzelteams. Das Team deutet das so: Gute Zutaten auszuwählen genügt nicht, erst das Zusammenkommen unterschiedlicher Ansätze führt auf dieses Niveau.

Auch bei neuen Aufgaben hielt es stand

Ein Modell, das nur die Wettbewerbsaufgaben gut löst, nützt wenig. Deshalb wurde es nach dem Wettbewerb an 50 neu entworfenen Paaren erneut geprüft. Der mittlere Fehler des kombinierten Modells stieg auf 0,13, die gute Leistung blieb aber erhalten. Das ist bedeutsam, denn Prüfort, Teilnehmende und Prüfverfahren waren jeweils andere.

Je nach Aufgabenart fielen die Ergebnisse anders aus

Die 46 Paare der Abschlussprüfung gliederten sich in drei Gruppen: 16 zufällig gebildete Paare, 20 von Menschen so entworfene Paare, dass sie ähnlich wirken, und 10 Paare, die mit einer bisherigen Distanzberechnung ähnlich abgestimmt waren. Die Teams wussten nicht, welches Paar zu welcher Gruppe gehörte.

Der mittlere Fehler des kombinierten Modells war bei den beiden entworfenen Gruppen mit 0,07 und 0,06 klein und lag bei der Zufallsgruppe bei 0,10. Beim Korrelationskoeffizienten war es umgekehrt: Die Zufallsgruppe lag mit 0,45 etwas höher, die beiden anderen bei 0,38. Da es nur wenige Paare seien, sollten die Zahlen kleiner Gruppen vorsichtig gelesen werden, fügt das Team hinzu.

Warum schlugen Wörter die Molekülstruktur?

Dies dürfte das meistzitierte Ergebnis der Studie werden.

Nur mit den Wörtern wurde es besser

Das Team führte ein Experiment durch, bei dem es dem Modell eine Zutat nach der anderen entzog. Es entfernte die chemischen Merkmale der Moleküle, die Informationen zu den Rezeptoren im Körper und die Mischungsinformationen und behielt nur die Informationen, die den Wörtern für Gerüche entsprechen.

Das Ergebnis war erstaunlich. Das kombinierte Modell nur mit Wörtern erreichte in der ersten Prüfung einen Korrelationskoeffizienten von 0,61 und einen mittleren Fehler von 0,075 und war damit sogar besser als das kombinierte Modell mit allen Zutaten. Auch in der zweiten Prüfung lag sein Korrelationskoeffizient mit 0,54 um 15 % höher.

Umgekehrt wurde das Modell ohne Wörter deutlich schlechter. In der ersten Prüfung fiel sein Korrelationskoeffizient auf 0,41, in der zweiten Prüfung näherte es sich dem Niveau bloßen Ratens.

Was bedeutet hier „Wörter“?

Dieser Punkt wird leicht missverstanden, deshalb genau: Es wurden keine Riechnotizen eingegeben, die Menschen beim Riechen der Mischungen aufgeschrieben hatten. Der Computer betrachtet die Struktur eines Moleküls und sagt zuerst voraus: „Wie würden Menschen dieses Molekül nennen?“ Dabei weist er 138 Wörtern wie fruchtig oder grasig Wahrscheinlichkeiten zu. Mit den so gewonnenen Wortkombinationen werden dann zwei Mischungen verglichen.

Es geht also nicht direkt vom Molekül zur Geruchsdistanz, sondern über eine Zwischenstation aus Wörtern. Erstaunlich ist, dass diese Wörter an reinen Einzelmolekülen gelernt wurden und nicht an Mischungen, die Distanzen zwischen Mischungen aber dennoch gut erklärten.

Das Team geht noch einen Schritt weiter. Möglicherweise entsteht der Geruch einer Mischung gar nicht nach einem grundlegend anderen Prinzip als der eines Einzelmoleküls. Der schwierige Teil liege vielleicht weniger im „Schritt des Mischens“ als im „Schritt vom Molekül zum Geruch“. Die Studie vermerkt aber auch, dass manche Forschende dieser Ansicht widersprechen.

Welche Wörter hatten das größte Gewicht?

Ein Team fasste die 138 Wörter zu 12 Gruppen zusammen. In dessen Modell hatten die Gruppen fruchtig, grasig-krautig sowie nussig-ölig-geröstet den größten Einfluss.

Auch die einzelnen Wörter schnitten unterschiedlich ab. In der Analyse desselben Teams waren grün, sauber und Cognac mit einem sinkenden Fehler verbunden, Veilchen, aromatisch und natürlich dagegen mit einem steigenden Fehler. Das Forschungsteam betonte, dass sich dieses Ergebnis nicht ohne Weiteres deuten lasse. Interessant ist dennoch, dass ein so weites Wort wie „natürlich“ dabei ist. Das ist unser Eindruck, nicht die Schlussfolgerung der Studie.

Es braucht nicht viele Zutaten

Das Team stapelte für jedes Modell die Merkmale mit dem größten Einfluss der Reihe nach auf. Unter den genauen Modellen erreichten drei schon mit weniger als 100 Merkmalen die Hälfte des gesamten Einflusses. Ein anderes brauchte etwa 1.000, der Unterschied ist also groß. Um die Geruchsdistanz zu erklären, sind demnach nicht zwingend viele komplizierte Zutaten nötig.

Wie zuverlässig ist die menschliche Nase?

Der Mensch setzt die Obergrenze

Das ist die ehrlichste Stelle der Studie. Das Team maß auch, wie oft dieselben Menschen beim erneuten Urteilen dieselbe Antwort geben. In der zweiten Prüfung urteilten die Teilnehmenden zweimal im Abstand von mindestens einem Tag, und der Korrelationskoeffizient beider Ergebnisse lag bei 0,74. In der ersten Prüfung ergab der Vergleich zweier Hälften 0,69.

Eigentlich leuchtet das ein. Selbst das gemittelte Urteil von Menschen wiederholt sich nicht perfekt. Für ein Modell ist es also schwer, Menschen besser zu treffen, als sie sich selbst treffen. Die 0,61 und 0,54 des Modells nur mit Wörtern haben diese Obergrenze noch nicht erreicht. Auch das Team räumt ein, dass zwischen Modell und Mensch eine Lücke bleibt.

Bei sehr ähnlichen oder sehr verschiedenen Paaren liegt es daneben

Am genauesten war das Modell bei Distanzen von 0,5 bis 0,8, weil sich dort die Trainingsdaten häufen. Zufällig gemischte Mischungen fallen meist in diesen Bereich.

Unter 0,5 und über 0,8 wuchs der Fehler dagegen. Die Modelle zogen ihre Vorhersagen gewohnheitsmäßig zur Mitte: Sehr ähnliche Paare schätzten sie etwas weiter entfernt ein, als sie waren, sehr verschiedene etwas näher.

Für Parfümeure ist das wichtig. Am schwierigsten ist in der Praxis das Urteil zwischen zwei Entwürfen, die „fast gleich und doch irgendwie anders“ sind. Genau dort sind die heutigen Modelle am schwächsten.

Das neue Modell gewann nicht immer

Teilte man die zweite Prüfung nach Distanz in fünf Bereiche, hatte im ähnlichsten Bereich das frühere Modell, die Principal Odor Map, den kleineren Fehler. In den übrigen vier Bereichen lagen das kombinierte Modell und das Modell nur mit Wörtern vorn. Ein guter Gesamtdurchschnitt heißt also nicht, dass es in jedem Bereich gut läuft.

Was unterscheidet das von echtem Parfum?

Diese Studie lässt sich nicht einfach auf Parfum übertragen. Zwischen Labormischungen und echten Parfums liegen große Unterschiede.

• Mischungen mit angeglichener Intensität – In den meisten Daten wurde die Intensität der Komponenten vorab angeglichen. In einem echten Duft überdecken starke Komponenten schwache, und mit der Konzentration ändert sich auch der Charakter. Das Team nennt den Umgang mit Intensität eine künftige Aufgabe.
• Anzahl der Komponenten – Die Prüfmischungen hatten rund 10 Komponenten. Das Team erklärt, dass Gerüche im Alltag meist Mischungen aus Dutzenden oder Hunderten Molekülen sind.
• Begrenzte Rohstoffe – Die Auswahl der verwendeten Moleküle ist schmal. Ob das Verfahren auch bei unbekannten Molekülen funktioniert, ist noch offen.
• Ein Urteil im Augenblick – Die Studie fragte, wie ähnlich zwei Düfte sind. Sie fragte nicht, wie sich ein Duft mit der Zeit verändert oder ob er Menschen gefällt.

Behalten Sie besonders den letzten Punkt im Kopf. Die Distanz sagt nur, wie verschieden zwei Düfte sind, nicht, welcher besser riecht.

Eine erfreuliche Nachricht gibt es aber. Das Team hat Daten, Modelle und Code vollständig offengelegt. So kann jeder an derselben Aufgabe bessere Methoden erproben. Das heißt allerdings nicht, dass es nun ein Werkzeug gäbe, in das Parfümeure zwei Akkorde eingeben und sofort eine Distanz erhalten. Vorerst ist es eher eine Referenz für die Forschung.

Was ist ein Metamer? Andere Rohstoffe, derselbe Duft

Einer der in der Studie verwendeten Datensätze stammt aus einer Untersuchung, die olfaktorische Metamere herstellen wollte. Ein Metamer ist ein Mischungspaar, das ähnlich riecht, obwohl es keine gemeinsamen Komponenten hat. Bei Farben ähnelt das dem Phänomen, dass Licht unterschiedlicher Zusammensetzung als dieselbe Farbe erscheint.

Das Team rechnet damit, dass sich mit diesen Ergebnissen virtuelle Metamere effizient am Computer erzeugen und testen lassen. Zuerst würden Kandidaten rechnerisch ausgewählt, dann von Menschen geprüft.

Die von den Autoren genannten Anwendungen sind breit: digitale Olfaktion, die Gerüche als Daten speichert und überträgt, Technologien, die die Gesundheit etwa über den Atem überwachen, elektronische Nasen und generative Duftentwicklung. Das sind allerdings Möglichkeiten für die Zukunft. Diese Studie hat kein Parfum entworfen.

Kommentar: Was diese Studie Menschen sagt, die Parfümieren lernen

Ab hier geht es nicht mehr um die Schlussfolgerungen der Studie, sondern um die Deutung von GrassAccord.

Einen Duft in Worte fassen ist Entwurf, nicht Schwärmerei

Im Parfümierkurs empfinden viele es als lästig, Notizen zu Rohstoffen zu schreiben. Warum aufschreiben, wenn man doch einfach riechen kann? Diese Studie lässt diese Gewohnheit in neuem Licht erscheinen, denn wenige Geruchswörter erklärten die Distanz zwischen Mischungen besser als eine Fülle von Molekülinformationen.

Natürlich sind die Wörter eines Computers und die Notizen eines Menschen nicht dasselbe. Die Richtung stimmt trotzdem. Wer einen Duft in Wörter zerlegt, kann ihn vergleichen. Eine Notiz, die bei „schön“ endet, nützt für die nächste Mischung nichts, eine Notiz wie „kräftig grasig, am Ende bleibt nasses Holz“ dagegen schon.

Beginnen Sie mit einzelnen Rohstoffen

Die Wörter wurden an Einzelmolekülen gelernt und erklärten dennoch Mischungen. Beim Parfümierenlernen ist die Reihenfolge dieselbe. Wenn Sie den Eindruck eines Rohstoffs klar kennen, können Sie ablesen, was beim Mischen passiert ist. Zeit, in der Sie einen Rohstoff viele Male riechen, zahlt sich später mehr aus, als viele Akkorde zu bauen.

Dabei lohnt es sich, eine Methode aus dem Labor zu übernehmen. So wie das Team die Intensität der Komponenten angeglichen hat, sollten Sie beim Vergleich von Rohstoffen die Verdünnung angleichen. Ist nur eine Seite kräftig, vergleichen Sie die Intensität und nicht den Charakter. Urteile über unverdünnte Rohstoffe ändern sich oft, sobald man sie verdünnt riecht.

Wählen Sie Wörter mit enger Bedeutung

Das Wort „natürlich“ ist bequem, fasst aber vieles. Gehen Sie eine Stufe tiefer: Was genau ist daran natürlich? Notieren Sie, ob es nach geschnittenem Gras, nasser Erde oder frisch geschälter Frucht riecht. Wie gesagt, die Studie belegt das nicht, doch an der Duftorgel merken Sie schnell, dass Wörter mit enger Bedeutung für das nächste Urteil nützlicher sind.

Bauen Sie denselben Eindruck mit anderen Rohstoffen

Der Gedanke des Metamers ist gerade für Anfänger ein großer Trost. Selbst wenn ein Rohstoff nicht zu bekommen oder reguliert ist, lässt sich derselbe Eindruck mit anderen Rohstoffen neu aufbauen. Um ähnlich zu wirken, sind nicht zwingend dieselben Moleküle nötig.

Auch viele der Formeln, die GrassAccord verkauft, nehmen berühmte Parfums als Lernmaterial. Ähnlich und gleich sind aber nicht dasselbe. Auch diese Studie behandelt nur den Eindruck eines Augenblicks. Wie sich ein Duft mit der Zeit verändert, müssen Sie selbst am Duftstreifen beobachten.

Vertrauen Sie Ihrer Nase, aber nicht nur einmal

Selbst das gemittelte Urteil von Menschen kommt bei erneuter Messung auf 0,74. Wenn zwei Düfte, die gestern ähnlich wirkten, heute anders erscheinen, muss das nicht an Ihrer Nase liegen. Urteile schwanken von Natur aus. Riechen Sie bei wichtigen Entscheidungen einen Tag später noch einmal und vergleichen Sie mit Ihrer ersten Notiz. Nicht Zahlen, sondern die Gewohnheit schützt Ihr Urteil.

Mehrere Nasen sind besser als eine

Am besten schnitt in dieser Studie nicht ein herausragendes Team ab, sondern der Durchschnitt verschiedener Teams. Beim Riechen ist es ähnlich. Wenn Sie allein nicht weiterkommen, lassen Sie jemand anderen riechen. Ein einziges „riecht nach Seife“ von jemandem, der nichts vom Parfümieren versteht, kann ein wertvoller Hinweis sein.

Künstliche Intelligenz engt nur die Kandidaten ein

Die Zukunft, von der diese Studie spricht, ist weniger eine Welt ohne Parfümeure als eine, in der die Berechnung die Kandidaten einengt und Menschen mit der Nase entscheiden. Das Modell hat noch nicht über gut und schlecht geurteilt und war im schwierigsten Bereich „fast gleich und doch anders“ schwach. Dieses letzte Stück bleibt vorerst der Platz der menschlichen Nase.

Drei Übungen für Ihre Duftorgel

Es wäre schade, nach dem Lesen der Studie aufzuhören. Verkleinern wir, was das Team getan hat, und bringen es an Ihre Duftorgel. Die Anteile legen Sie nach Ihren eigenen Rohstoffen und Ihrem Geschmack fest.

Übung 1. Ihr eigenes Duftvokabular anlegen

Wählen Sie zehn Rohstoffe, die Sie oft verwenden, und tränken Sie für jeden einen Duftstreifen. Notieren Sie je Rohstoff nur drei Wörter. Lassen Sie wertende Wörter wie „schön“ weg und verwenden Sie nur Wörter, die auf einen Geruch zeigen, etwa Frucht, Gras, Holz oder Seife. Decken Sie eine Woche später die Namen ab, notieren Sie erneut und vergleichen Sie. Die Wörter, die geblieben sind, sind das wahre Gesicht des Rohstoffs.

Übung 2. Der Dreieckstest zu Hause

Bereiten Sie zwei ähnliche Entwürfe vor. Tränken Sie von drei Duftstreifen zwei mit demselben Entwurf und einen mit dem anderen und markieren Sie die Unterseite. Lassen Sie jemanden die Reihenfolge mischen und versuchen Sie dann, den abweichenden zu finden. Treffen Sie bei vielen Versuchen immer wieder richtig, sind die beiden unterscheidbare Düfte. Bleibt Ihre Trefferzahl auf dem Niveau des Ratens (einmal von dreimal), sind sie für Ihre Nase derzeit fast derselbe Duft.

Übung 3. Die Distanz mit Ihrer Nase messen

Notieren Sie die Distanz zwischen zwei Düften als Zahl zwischen 0 und 1, wobei 0 nicht unterscheidbar und 1 völlig verschieden bedeutet. Bewerten Sie etwa fünf Paare und am nächsten Tag noch einmal in derselben Reihenfolge. Wie stark die Zahlen schwanken, zeigt Ihnen die Spannweite Ihres Urteils. Schwankungen sind in Ordnung. Diese Spannweite zu kennen, ist der Zweck der Übung.

Worauf Sie beim Lesen dieser Studie achten sollten

• Es ist keine Parfumforschung. Untersucht wurden Molekülmischungen für die Forschung. Das heißt nicht, dass die Ergebnisse direkt für Parfumformeln gelten.
• Es gibt nicht viele Prüfungsaufgaben. Die erste Prüfung umfasst 46 Paare. Darum ließen sich die besten Teams nicht trennen, und das Team rät, die Ergebnisse kleiner Gruppen vorsichtig zu lesen.
• Stark im mittleren Bereich. Die Trainingsdaten häufen sich bei Distanzen von 0,5 bis 0,8, daher ist das Modell bei sehr ähnlichen oder sehr verschiedenen Paaren schwach.
• Die Messverfahren sind vermischt. Dreieckstests und Bewertungen wurden auf eine Skala übertragen, sodass verfahrensbedingte Verzerrungen bleiben können.
• Intensität wurde nicht ausreichend berücksichtigt. Die meisten Komponenten waren in der Intensität angeglichen. In echten Düften ist die Intensität eine große Variable.
• Ob es bei neuen Molekülen funktioniert, ist unklar. Die Auswahl der geprüften Moleküle ist schmal.
• Die Deutung ist umstritten. Die Studie gibt an, dass manche Forschende nicht der Ansicht sind, der Geruch einer Mischung werde weitgehend durch die Überschneidung der Wörter bestimmt.
• Beraterverhältnisse zu Unternehmen sind offengelegt. Die Studie gibt an, dass einige Autoren Unternehmen aus dem Geruchsbereich beraten.

Begriffe aus diesem Beitrag

• Einzelmolekül – Ein Duftstoff aus einer einzigen Molekülart.
• Mischung – Eine Verbindung mehrerer Moleküle. In dieser Studie rund 10 Komponenten.
• Distanz – Ein Wert von 0 bis 1, der zeigt, wie verschieden zwei Gerüche wirken. 0 heißt nicht unterscheidbar, 1 am verschiedensten.
• Dreieckstest – Ein Verfahren, das die Unterscheidungsfähigkeit misst, indem man aus dreien das abweichende auswählt.
• Korrelationskoeffizient – Eine Zahl, die zeigt, wie stark sich zwei Werte gemeinsam bewegen. Je näher an 1, desto stärker.
• Mittlerer Fehler (RMSE) – Die durchschnittliche Abweichung der Vorhersage von der Wirklichkeit. Je kleiner, desto besser.
• Kombiniertes Modell (Ensemble) – Ein Modell, das die Vorhersagen mehrerer Modelle mittelt und zu einem zusammenfasst.
• Wortinformation (semantische Merkmale) – Vom Computer vorhergesagte Werte dafür, mit welchen Geruchswörtern ein Molekül bezeichnet würde.
• Principal Odor Map (POM) – Ein Modell aus früherer Forschung, das aus der Molekülstruktur Geruchswörter vorhersagt. Viele Teams dieses Wettbewerbs nutzten es als Zutat.
• Metamer – Ein Mischungspaar, das ähnlich wirkt, obwohl sich die Komponenten nicht überschneiden.
• Akkord – Eine Dufteinheit, in der mehrere Rohstoffe so gemischt werden, dass sie als ein einziger Eindruck wirken.
• Formel – Der Bauplan, der festhält, welche Rohstoffe in welchen Anteilen zu einem Duft gemischt werden. Genau das verkauft GrassAccord.

Zum Schluss

Die Nase hat noch immer keine Regel wie Rot, Grün und Blau. Doch der erste Anhaltspunkt, den 26 Teams gemeinsam fanden, lag überraschenderweise auf der Seite der menschlichen Sprache. Ein paar Wörter für Gerüche erklärten die Distanz zwischen zwei Düften besser als lange Beschreibungen der Moleküle.

Und diese Distanz bis zum Ende zu messen, bleibt die Aufgabe der menschlichen Nase. Die Nase schwankt, das Modell neigt zur Mitte. Weil beide nicht perfekt sind, ist es auch heute noch die verlässlichste Methode, am Duftstreifen langsam zu riechen, in Worte zu fassen und am nächsten Tag noch einmal zu riechen.

Für alle, die gerade erst mit dem Parfümieren beginnen, ist das eine gute Nachricht. Auch ohne teure Geräte genügen Duftstreifen und ein Notizbuch, um den Weg zu betreten, den diese Studie zeigt. Duft ist eine universelle Sprache. GrassAccord begleitet Sie, während Sie ihre Wörter eines nach dem anderen sammeln.

Quelle der Studie: Vahid Satarifard, Laura Sisson, Yikun Han u. a. „A semantic-based community model for high-fidelity tuning of olfactory mixture distances.“ PNAS 123(32), e2611057123, veröffentlicht am 4. August 2026. Original: https://doi.org/10.1073/pnas.2611057123 · Alle Zahlen in diesem Beitrag stammen aus dem Haupttext der Studie, der Text ist eine Zusammenfassung und Erläuterung von GrassAccord. Der Abschnitt „Kommentar“ ist die Deutung von GrassAccord und nicht die Schlussfolgerung der Studie.