Whisky Wheel
Proof of Concept für die KI-gestützte Klassifikation von Whisky-Tasting-Notes nach Aromenkategorien
Whisky-Tasting-Notes sind freier Text – subjektiv, unstrukturiert, voller Synonyme und Metaphern. Whisky Wheel macht daraus verwertbare Daten: Ein KI-Modell, trainiert auf über 17.000 realen Tasting-Notes, klassifiziert den Text nach acht Aromakategorien – von Grainy über Fruity bis Peated – und gibt für jede Kategorie einen kontinuierlichen Intensitätswert aus.
Das Ergebnis ist ein visuelles Flavour Wheel, das auf einen Blick zeigt, wie ein Whisky schmeckt. Für Shops, Plattformen und Destillerien lässt sich daraus mehr machen: Flavour-Filter für die Produktsuche, Konsens-Wheels aus mehreren Reviews, geschmacksbasierte Empfehlungen oder personalisierte Vorschläge.
Das Modell basiert auf einem Multi-Target-Regression-Ansatz mit BERT, umgesetzt in Python. Eine Live-Demo ist auf Hugging Face verfügbar, die Integration läuft per API oder als White-Label-Visual.