M 07 Masterarbeit
Masterarbeit
Zur Erlangung des akademischen Grades
Master of Science (M.Sc.)
Ermittlung der sensorischen und physikalischen Eigenschaften
von Milchersatzgetränken
URN: urn:nbn:de:gbv:519-thesis2016-0095-5
Vorgelegt von: Sabrina Scharf
Prüfer: Prof. Dr. Jörg Meier
Prof. Dr. Peter Meurer
Danksagung
Ich danke Herrn Professor Dr. Jörg Meier und Herrn Prof. Dr. Peter Meurer für die Bereitstellung dieses Themas und die damit verbundene fachliche Betreuung seitens der Hochschule Neubrandenburg.
Zusätzlich möchte ich mich bei Frau Christine Sauermilch und Frau Viola Hofmann für die uneingeschränkte Unterstützung während der praktischen Durchführung an der Hochschule bedanken.
Ein ganz besonderer Dank gilt auch meiner Familie, die mich über meine komplette Studienlaufzeit unterstützt hat und während der Bearbeitung meiner Masterarbeit mir uneingeschränkt zur Seite stand.
Inhaltsverzeichnis
Inhaltsverzeichnis ... 3
Abkürzungsverzeichnis ... 5
Abstract ... 6
1 Einleitung ... 7
2 Stand der Wissenschaft ... 8
3 Material und Methoden ... 23
3.1 Testprodukte ... 23
3.2 Utensilien und Geräte ... 24
3.3 Methoden ... 26 3.3.1 Vorbereitung ... 26 3.3.2 Untersuchungen ... 27 3.3.3 Statistische Auswertung ... 33 4 Ergebnisse ... 37 4.1 Sensorische Vorversuche ... 37 4.2 Physikalische Vorversuche ... 38 4.3 Sensorische Untersuchungen ... 40
4.3.1 Profilprüfung zur objektiven Produktbewertung ... 40
4.3.1.1 Ergebnisse der puren Milchersatzgetränke ... 41
4.3.1.2 Ergebnisse der Milchersatzgetränke mit Kakaozusatz ... 49
4.3.1.3 Vergleich von puren und mit Kakao versetzten Milchersatzgetränken ... 56
4.3.1.4 Beispiel zur Erklärung der Standardabweichung ... 58
4.3.2 CATA-Fragen zur objektiven Produktbewertung ... 60
4.3.2.1 Analyse der CATA-Fragen von puren Milchersatzgetränken ... 61
4.3.2.2 Analyse der CATA-Fragen von Milchersatzgetränken mit Kakaozusatz ... 64
4.3.2.3 Methodenvergleich von Profilprüfung und CATA ... 69
4.3.3 Subjektive Produktbewertung von puren und mit Kakao versetzten Milchersatzgetränken 70 4.3.3.1 Vorbereitung ... 70
4.3.3.2 Gesamtbeliebtheit und JAR-Fragen von puren Milchersatzgetränken ... 71
4.3.3.3 Gesamtbeliebtheit und JAR-Fragen von Milchersatzgetränken mit Kakaozusatz ... 79
4.4 Physikalische Untersuchungen ... 87
4.4.2 LAB-Farbmessung ... 88
4.4.3 Viskositätsmessung ... 91
4.4.4 Partikelgrößenverteilung ... 92
4.5 Zusammenfassung der Produktcharakteristika - Produktkompass ... 97
5 Diskussion ... 99 6 Zusammenfassung ... 110 7 Literaturverzeichnis ... 112 8 Abbildungsverzeichnis ... 119 9 Tabellenverzeichnis ... 122 10 Formelverzeichnis ... 130 11 Anhang ... 130 12 Selbstständigkeitserklärung ... 172
Abkürzungsverzeichnis
Abb. Abbildung
biol. Ursprungs biologischen Ursprungs
BS Ballaststoffe
bzw. beziehungsweise
°C Grad Celsius
ca. circa
dest. Wasser destilliertes Wasser
DIN Deutsches Institut für Normen ges. FS gesättigte Fettsäure
GR Gruppe
ISO International Organization for Standardization
JAR Just-About-Right MEG Milchersatzgetränke MHD Mindesthaltbarkeitsdatum mM Millimol mPas Millipascalsekunde MW Mittelwert nm Nanometer n.m. nicht möglich
PCA Principal Component Analysis (Hauptkomponentenanalyse)
QDA Quantitative Descriptive Analysis (Quantitative Deskriptive Analyse) Rpm Revolutions per Minute (Umdrehungen pro Minute)
STABW Standardabweichung
Tab. Tabelle
u.a. unter anderem
z.B. zum Beispiel
Abstract
Due to different plant bases, nondairy beverages (MEG) differ in their sensory and physical manifestations, which are associated with different consumer acceptances. According to this, sensory and physical profiles of (1) pure MEG without added sugar (soy, cereal, almond, rice, spelt and lupine basis) but also (2) with a standardized amount of cocoa for masking effects on undesirable characteristics, have been analyzed. Therefore, conventional descriptive analysis (n = 12 informed panelists) and Check-All-That-Apply (CATA)-questions (n = 40) are used and subjected to a comparative assessment while consumer acceptance was demanded by untrained consumers (n = 120 (1)/ 106 (2)) using a three part questionnaire (blind, expected, informed, 9 point hedonic scale, Just-about-right (JAR) questions). Against this, physical measurements (pH value, viscosity, particle size, color) are submitted to sensorial examinations.
Soy and lupine-based MEG are characterized by viscosities of 3,408 ± 0,131 mPas and 8,096 ± 0,063 mPas with a viscid appearance, a cereal-like/ acidic taste and respectively an astringent/ creamy mouthfeel. Besides almond MEG show, apart from a bitter taste, similarities to these products. On the other hand, oat, spell and rice MEG are characterized by an agreeable appearance as well as a sweet and nutty flavor. Referring to these attributes, product classifications for oat and rice receive acceptances of 6, whereas products of soy, almond and lupine (2,28 to 3,28) are significantly worse. Due to the addition of cocoa, MEG on almond, soybeans and lupins are characterized by changes in brightness (L*-value between 75,24 ± 0,20 - 81,34 ± 0,26), viscosity increases and reduced acid and bitter perceptions. This leads to an increased consumer acceptance, especially in the case of almond and lupine products. On the other hand, the soy-based product is showing the highest rating of 5,28 ± 2,23.
The results of the CATA data also yield similar results only for the pure Products. With the focus on the smell and taste components, however, the questions are judged only by counter, but not by intensities. Building on this, MEG needed the implementation of RATA questions in order to be able to carry out an exact method comparison between conventional and new descriptive methods. In addition to this, this method is only available for products with large sensory differences.
1 Einleitung
Milch und Milchprodukte gehören zu den Grundnahrungsmitteln der Menschen (aid, 2009). Bedingt durch die Funktion als Nährstofflieferant (aid, 2009) konsumierten im Jahr 2015 täglich über 12 Millionen Menschen Trinkmilch (VuMA1; Statista, 2016) und wiederum 1,11 Millionen Personen Trinkschokolade (VuMA2; Statista, 2016).
Durch das verstärkte Aufkommen von Unverträglichkeiten gegenüber Milcherzeugnissen wird seit einigen Jahren eine deutliche Nachfrage nach Milchersatzgetränken (kurz „MEG“ genannt) vernommen (Jeske et al., 2016). Lag der tägliche Konsum von Sojamilch-produkten (Sojamilch, Sojajoghurt) im Jahr 2010 noch bei 0,14 Millionen Personen, nahmen im Jahr 2015 bereits 0,28 Millionen Personen diese Produkte für den Tagesbedarf zu sich (VuMA3; Statista, 2016).
Die beliebtesten Vertreter von Milchersatzgetränken stellen hierbei Mandel-, Soja-, Hafer- und Reisdrinks dar (Pysma1; Biopinio, Statista, 2017). Frei von Cholesterin und Laktose (VZH, 2014) bieten diese Produkte für Personen mit Laktoseintoleranz (Reilly et al., 2006), sowie den knapp 800 000 Menschen, die sich vegan ernähren, eine Alternative (IfD Allensbach; Statista, 2016). Daneben konsumierten im Jahr 2016 von 635 befragten Personen auch viele Nicht-Veganer (53 % der befragten Flexitarier, 64 % der befragten Vegetarier, 47 % der befragten Alles-Esser) diese Produkte täglich bis mehrmals die Woche (Psyma2; Biopinio, Statista, 2017). Verglichen zu Trinkmilch unterscheiden sich die Getränke auf Getreide-, Früchte- und auch Gemüsebasis (Vasudha und Mishra, 2013) in der Farbgebung sowie der Menge an Proteinen, Vitaminen, Calcium und Kohlenhydraten (aid, 2009). Daneben variieren diese Produkte auch im Geschmack, wie aus der Untersuchung von Scharf und Meier (2015) hervorging.
Nachdem Scharf und Meier (2015) einen Vergleich von Trinkmilch gegenüber puren Milchersatzgetränken mit Zuckerzusatz anhand der sensorischen Kurzzeitverfahren Napping®/ Ultra-Flash Profiling (kurz UFP) und Free Choice Profiling (kurz FCP) vornahmen, liegt der Fokus der aktuellen Arbeit auf der ausschließlichen Analyse von neun handelsüblichen MEG unterschiedlicher Ausgangsbasen. Durch das Vorliegen der Produkte mit teils negativ gehandelten Komponenten in Form von sauer, bitter und getreideartig (Scharf und Meier, 2015) soll zudem eine Anreicherung der selbigen Produkte mit einer standardisierten Menge an Kakao erfolgen, um eine eventuelle Maskierung unerwünschter Komponenten zu erhalten.
Darauf bauend bestehen die Ziele dieser Arbeit darin, sensorische Profile von puren sowie mit Kakao versetzten MEG durch eine konventionelle deskriptive Profilprüfung sowie einem Kurz-zeitverfahren „Check-All-That-Apply“ zu erstellen und hinsichtlich deren Aussagefähigkeit
einem Vergleich zu unterziehen. Zusätzlich hierzu sollen mithilfe eines geteilten Fragebogens diese Produkte in einer Blindverkostung sowie einer Verkostung mit produktspezifischen Informationen anhand von Verbrauchern (9-Punkte-Skala, Just-About-Right-Fragen) subjektiv beurteilt werden und Auskunft über die damit verbundene Verbraucherakzeptanz liefern. Instrumentelle Messungen von pH-Wert, Farbanalyse, Viskosität sowie Partikelgrößenanalyse sollen abschließend Rückschlüsse auf die sensorischen Bewertungen ermöglichen.
2 Stand der Wissenschaft
Die Angebotsvielfalt an MEG ist stetig am Wachsen. Auf Basis einer Marktrecherche, die im Rahmen dieser Untersuchung im Mai 2016 durchgeführt wurde, finden sich in den Supermarktregalen derzeit breite Produktpaletten von u.a. Soja, Hafer, Mandel und Reis basierenden Getränken der Marken Provamel, Alpro, Berief und Joya. Diese differenzieren sich gegenüber konventioneller Trinkmilch, die als Lieferant von Eiweiß, Fett- (A, D, E und K) und wasserlöslichen Vitaminen, Mineralstoffen und Spurenelementen dient (aid, 2009), vor allem im Aussehen, Geruch, Geschmack und Mundgefühl (Scharf und Meier, 2015)
Erkenntnisse bisheriger Untersuchungen hinsichtlich purer MEG
Unter Zuhilfenahme von 12 nicht produktspezifisch geschulten Personen und der sensorischen Kurzzeitmethode Napping® in Kombination mit UFP (Probenanordnung nach Produktähnlich-keiten bzw. Unterschieden im zweidimensionalen Raum; Perrin und Pagés, 2009), konnten neben unterschiedlichen sensorischen Wahrnehmungen von Trinkmilch und MEG auch Abweichungen zwischen den MEG selbst vernommen werden. Diese sind in Tab. 1 dargestellt:
Tabelle 1: Produktprofile ausgewählter MEG aus der Arbeit von Scharf und Meier (2015) unter Verwendung von UFP
Basis Trinkmilch Soja Hafer Reis Mandel Lupine
Aussehen weiß gelb/
bräunlich gelb/ bräunlich weiß beige/ gelblich beige Geschmack leichte Süße ausgewogen leichte Säure süßlich mehlig bitter leichte Süße getreideartig nussig mehlig, flach sehr süß getreideartig nussig sehr süß nussig mehlig leichte Süße getreideartig nussig flach
Wie in Tab. 1 erkennbar, besitzen vor allem Reisdrinks zu handelsüblicher Trinkmilch eine vergleichbare Optik. Daneben resultieren diese MEG in einer ähnlichen Süße, was nicht zuletzt auf die technologische Herstellung und eine damit verbundene Zugabe von Enzymen zur Zuckerherstellung verbunden ist (Sontag, 2014). Produkte auf Soja-, Hafer-, Mandel- und Lupinenbasis sind demgegenüber durch gelb-bräunliche Erscheinungen gekennzeichnet und verfügen über veränderte Geschmacksausprägungen, die insbesondere zwischen dem Soja-MEG und der Trinkmilch durch die Attribute mehlig und bitter zum Vorschein kommen. Angesichts der Konsistenzen liegen die untersuchten MEG wiederum durch die freie und individuelle Attributgestaltung des UFP (Pagés, 2003) als wässrig und dünn vor, das derselben Bedeutung entspricht (Scharf und Meier, 2015). Ähnliche Erkenntnisse eines dunkleren Aussehens sowie eines glatten Mundgefühls für Sojaprodukte brachten auch Palacios et al. (2009) hinsichtlich der Ermittlung von Soja - und milchbasierten Getränken durch erwachsene Personen hervor. Waren die Ersatzprodukte der Milch in der Cremigkeit und dem Nachgeschmack annähernd gleich, mussten hingegen im Milch-Aroma und der Süße reduziertere Wahrnehmungen festgestellt werden. Basierend darauf konnte durch das zusätzliche Fokussieren der Akzeptanz, die der Sensorik zugrunde liegt, die höchste Bewertung für laktosefreie Milch anhand einer 0-100-Punkte-Skala (0 = missfällt außerordentlich; 100 = gefällt außerordentlich) ermittelt werden, während die sojabasierte Variante das untere Ende der Skala einnahm (Palacios et al., 2009). Durch die Untersuchung selbiger Produkte (laktosefreie, fettreduzierte Milch; organischer Sojadrink) mit Kindern zwischen 8 und 12 Jahren (1) bzw. Jugendlichen zwischen 13 und 16 Jahren (2) erkannten Palacios et al. (2010) wiederum signifikante Unterschiede hinsichtlich des Gesamteindrucks von Gefallen und Geschmack. Mit einem durchschnittlichen Wert von 61 (Gefallen) bzw. 58 (Geschmack, 0-100-Punkte-Skala) war jedoch auch in dieser Untersuchung die fettreduzierte laktosefreie Milch deutlich beliebter als die Sojavariante mit Mittelwerten von 43 (Gefallen) und 38 (Geschmack). Im Einklang hierzu ermittelten Andrés et al. (2015) durch die Analyse von unterschiedlichen Gehalten an Zucker und Mineralien in Milch- und Sojadrinks eine bessere Bewertung von Milch, da Sojadrinks durch die Anwesenheit von Sojabohnen mit einer abnehmenden Süße einher geht (Palacios et al., 2010).
Unter Verwendung von produktspezifisch geschulten Personen können insbesondere Sojaprodukte zusätzlich mit einem rohen und auch süßen Aroma beschrieben werden. Dagegen liegt der Geschmack als grasartig, süß, karamellisiert, metallisch und auch bitter vor, während das Mundgefühl als adstringierend (= auf der Zunge zusammenziehend) und belegend definiert wird (Torres-Penaranda und Reitmeier, 2001; Day N´Kouka et al., 2004).
Mit dem Fokus auf Lupine befasste sich die Arbeitsgruppe von Jiménez-Martínez et al. (2003) mit der Entwicklung eines joghurtähnlichen Produktes auf Lupinenbasis. Hierbei wurde die Erkenntnis gewonnen, dass Getränke aus Hülsenfrüchten nicht nur eine zu Trinkmilch ähnliche Verteilung von essentiellen Nährstoffen und einen Eiweißanteil von 1,5 und 3,0 % enthalten, sondern auch in der äußeren Erscheinung sowie der Viskosität Gemeinsamkeiten zu milchbasiertem Joghurt aufzeigen (Jiménez-Martínez et al., 2003).
Erkenntnisse bisheriger Untersuchungen hinsichtlich aromatisierter MEG
Für das Vorliegen von geschmacklich ansprechenden Produkten ist es notwendig, die Geschmacksvorlieben für Milch und MEG zu berücksichtigen (Palacios et al., 2009). Auf Basis der vorherigen Untersuchungen verschiedener Autoren zeigt sich allerdings, dass MEG häufig geschmacklich nicht von allen Verbrauchern als akzeptabel eingestuft werden (Andrés et al., 2015; Jiménez-Martínez et al., 2003; Palacios et al., 2009; Palacios et al., 2010).
Demgegenüber konnten Jiménez-Martínez et al. (2003) durch die Zugabe von Erdbeeraroma zu Lupinenjoghurts eine Überdeckung unerwünschter Geschmackskomponenten, insbesondere eines störenden Off-Flavors (= Fehlgeschmack nach DIN 10950-1), vernehmen. War die Ablehnung der puren Lupinenjoghurts dem Vorhandensein eines bohnenähnlichen Geschmackes geschuldet, konnten durch die Aromatisierung sogar Gemeinsamkeiten zu konventionellen Erdbeerjoghurts erkannt werden (Jiménez-Martínez et al., 2003).
Entgegen der Anreicherung mit Erdbeeraroma untersuchten Thompson et al. (2007) die Verbrauchereinstellung von Kindern und Erwachsenen gegenüber kommerzieller Trinkschoko-lade, um qualitative Einblicke bezüglich der Verbraucherwahrnehmung und Verbrauchertrends gewinnen zu können. Mit dem Fokus auf Süße, Viskosität, Schokoladen- und Farbintensität konnten in dieser Untersuchung folgende Erkenntnisse gewonnen werden:
- Aromatisierte Trinkmilch geht häufig mit einer dünnflüssigen Konsistenz sowie einem Nachgeschmack, der nicht näher definiert wird, einher.
- Kakaoaroma sowie ein Kakaogeschmack werden durch höhere Akzeptanzen beurteilt. Das Gefallen von Kakaoaroma und -geschmack ist stark davon abhängig, ob Kinder oder Erwachsene das Produkt konsumieren. Die Bewertung von Kindern fällt hinsichtlich der Gesamtbeliebtheit vergleichsweise höher aus (Thompson et al., 2007).
Neben der Untersuchung nicht-aromatisierter laktosefreier Milch- und Sojavarianten erforschten auch Palacios et al. (2010) die veränderte Akzeptanzbewertung von Kindern zwischen 8 und 14 Jahren bezüglich laktosefreier Milch und Sojadrinks mit Kakaozusatz.
Wiesen die puren Varianten im Gesamteindruck signifikante und somit deutlich vernehmbare Unterschiede zwischen den Milch und Sojadrinks auf, konnte durch die Zugabe von Kakao keine Unterscheidung mehr zwischen diesen vernommen werden. Demnach erhielten die Proben unterschiedlichen Ursprungs Bewertungen im oberen Bereich einer 0-100-Punkte-Skala, welcher für geschmacklich ansprechende Produkte kennzeichnend ist.
Eine mit dem Schokoladenaroma einhergehende Übertönung von unerwünschten Geschmackskomponenten (z.B. bitter) konnte demnach eine höhere Produktakzeptanz recht-fertigen (Palacios et al., 2010). Eine Maskierung des bitteren Geschmacks ist laut Guinard und Mazzucchelli (1999), die den Einfluss von unterschiedlichen Zucker- und Fettanteilen in Milchschokolade untersuchten, vor allem auf die Anwesenheit von Zucker zurückzuführen. Produkte mit einem geringeren Fett- bzw. Zuckergehalt werden dementsprechend mit einer intensiveren Bitternote charakterisiert.
Zusätzlich erkannten Palacios et al. (2010) durch die unterschiedliche Altersklassenverteilung Schwierigkeiten in der Skalennutzung. Wurden die Testprodukte beispielsweise mit einer ähnlichen Akzeptanz vernommen, erfolgte deren Bewertung anhand der 0-100-Punkte-Skala durch eine unterschiedliche Nutzung der Skalenbreite: Demnach verwendete eine Gruppe an Testpersonen für die Probenbeurteilung eher den unteren Skalenbereich, während eine andere Gruppe die komplette Skala nutzte und die Produkte mit derselben Akzeptanz eher im oberen Bereich ansiedelte.
Gegenüber der Untersuchung von Palacios et al. (2010) konzentrierten sich Deshpande et al. (2005) auf die Entwicklung proteinreicher Schokoladengetränke auf Erdnuss-Soja-Basis. Mit Hilfe von 41 ungeschulten Personen und einer 9-Punkte-Skala (1 = missfällt außerordentlich, 9 = gefällt außerordentlich) wurde die Erkenntnis gewonnen, dass die Menge an Schokoladensirup sowohl für die sensorische Analyse, als auch für die Viskosität ausschlaggebend ist. Eine große Menge dieses Sirups bewirkte demnach einen Viskositätsanstieg (=Dickflüssigkeit eines Produktes) und ein dunkles Erscheinungsbild, welches hinsichtlich der Akzeptanz wiederum mit einer schlechteren Konsistenz- und Farbbeurteilung einherging.
Neben der Produktanreicherung mit Kakao, der sich vorangegange Untersuchungen von Palacios et al. (2010) und Thompson et al. (2007) annahmen, ermittelten Childs et al. (2007) mit der
Unterstützung von acht geschulten Frauen zwischen 45 und 60 Jahren und einer deskriptiven Analyse, dass auch durch die Anreicherung mit Vanillearoma eine angenehme Süße sowie ein gutes Vanille-Aroma bei Getränken auf Sojaproteinbasis erzeugt werden kann. Zudem war durch die Aromatisierung eine nur noch sehr schwache Wahrnehmung des getreideartigen Geschmacks sowie eines adstringierendes Mundgefühls zu vernehmen. Nichts desto trotz konnte durch die Geschmacksanreicherung durch das Vorliegen von signifikanten Unterschieden bei den Prüfpersonen nicht überzeugen, da die hedonische Bewertung mit Werten von 3,0 bis 4,4 den unteren Bereich einer 9-Punkte-Skala einnahm (Childs et al., 2007).
Konventionelle Verfahren zur Ermittlung von Produktprofilen – deskriptive Analysen Profilprüfung. Wie auch in der Arbeit von Childs et al. (2007) gesehen, unterliegt die Charakterisierung neuartiger Produkte häufig einer deskriptiven sensorischen Analyse (z.B. Profilprüfung).
Stone et al. (2012) definieren eine deskriptive Analyse als eine sensorische Methode zur Bereitstellung von quantitativen Produktbeschreibungen, die durch die Wahrnehmung einer Gruppe von qualifizierten Prüfern erhoben wurden. Während in der qualitativen Phase Attribute zur Produktbeschreibung mithilfe einer einfach beschreibenden Prüfung nach DIN 10964:1999-02 definiert werden, erfolgt im Anschluss daran die Beurteilung der Attributausprägung anhand von Intervall-, Rang- oder auch Ordinalskalen (Stone et al., 2012).
Neben einer Beschreibung der mit dem Produkt einhergehenden Empfindungen kann durch diese Analyse auch eine Aussage bezüglich der damit verbundenen Produktakzeptanz bzw. Ablehnung getroffen werden (Rummel, 2008).
Profilprüfungen werden laut DIN 10950 als Methode zur „Beschreibung der Intensität der Merkmalseigenschaften einer Prüfprobe“ definiert. Dabei werden alle sensorischen Bereiche (Aussehen, Geruch, Geschmack, Textur) untersucht (Stone et al., 2012). Für die Durchführung ist ein hoher Schulungsaufwand notwendig, wodurch diese Methoden in deren Durchführung sehr zeit- und auch kostenintensiv sind (Rummel, 2008; Ares et al., 2013). Neben der SpectrumTM-Methode oder Flavor-Profil-Methode, die in die Kategorie der Profilprüfungen fallen, zählt auch die Quantitative Deskriptive Analyse (QDA®) zu diesen beschreibenden analytischen Verfahren (Stone et al., 2012).
Deskriptive sensorische Analysen unterliegen drei wesentlichen Schritten (Lawless und Heymann, 2010):
1. Ermittlung von sensorischen Attributen 2. Training der Panelisten
3. Probencharakterisierung
Für die Durchführung dieser Schritte ist die vorherige Auswahl der Personen sehr entscheidend: Diese Personen werden nachfolgend als Panelisten dargestellt. Nach DIN 10950-1 werden darunter Prüfpersonen verstanden, „die für eine sensorische Prüfung ausgewählt wurden“.
Auswahlkriterien der Panelisten. Für die Erhaltung einer guten Ergebnisreproduzierbarkeit bedienen sich Profilprüfungen zehn bis zwölf Personen (DIN 10967-1; Stone et al., 2012; Rummel, 2008). Angesichts dessen ist es wichtig, ausschließlich qualifizierte Personen zu selektieren, die Produktunterschiede mithilfe von Unterschiedstests ermitteln können (Rummel, 2008). Eine freiwillige Teilnahme, zeitliche Verfügbarkeit sowie das in Betracht ziehen von Screening-Tests sind neben der Fähigkeit zum Verbalisieren sowie zur Gruppenarbeit ebenfalls von großer Bedeutung. Für die Ermittlung von aussagefähigen Ergebnissen ist es zusätzlich von Vorteil, wenn die Prüfpersonen (potentielle) Konsumenten der Testprodukte sind (Stone et al., 2012).
Identifizierung der sensorischen Produktmerkmale. Für die Ermittlung eines sensorischen Produktprofils ist die Fähigkeit des analytischen Beschreibens notwendig. Frei von hedonischen Urteilen besteht die Aufgabe der Panelisten darin, eine vollständige Produktbeschreibung hinsichtlich der Kategorien Aussehen, Geruch, Geschmack und Mundgefühl vorzunehmen (Rummel, 2008). In der Attributfindungsphase ist es dabei wichtig, ausschließlich verständliche und charakterisierende Attribute zur Produktcharakterisierung zu verwenden. Hinsichtlich der Attributanzahl gibt es wiederum keine Beschränkung. Geleitete Diskussionen über die Bedeutung und Notwendigkeit der gefundenen Attribute sowie eine Aussortierung nicht relevanter Charakteristika bilden den Abschluss dieser Phase (Stone et al., 2012).
Verwendung einer Konsenssprache. Das sensorische Vokabular, das von den Testprodukten abgeleitet wird, ist bei der Profilprüfung sehr wichtig. Hierfür ist es erforderlich, die gefundenen Attribute zu definieren und mit Ankerpunkten als Leitfaden zur genauen Einordnung der Intensitäten zu versehen. Ankerpunkte werden hierbei für die schwächste sowie intensivste Ausprägung gewählt (Rummel, 2008). Dabei besteht die Aufgabe des Gruppenleiters in der
Entscheidung, welche Attribute zur Charakterisierung der Proben aufgenommen werden (Rummel, 2008; Stone et al., 2012).
Verwendung eines wiederholbaren Versuchsdesigns. Deskriptive Analysen basieren auf wiederholbaren und quantitativen Informationen. Die Quantifizierung ist dabei (1) von einer geeigneten Messmethode bzw. Skala und (2) von der Verwendung von wiederholbaren Beurteilungen als Basis für eine individuelle Prüfverlässlichkeit abhängig. Linienskalen mit Ankerpunkten an den beiden Skalenenden dienen hierbei der Intensitätsbeurteilung. Wichtig ist bei diesem Verfahren die Reproduzierbarkeit der Antworten, die durch die Prüfer über mehrere Sitzungen hinweg ermittelt werden. Neben einer Bestimmung der individuellen Prüfer-/ Panel-Beständigkeit ermöglicht diese dem Prüfungsleiter auch die numerische Performance-Messung, ehe die Datenauswertung durch eine Varianzanalyse erfolgt (Stone et al., 2012).
Deskriptive sensorische Analysen gehören durch die detaillierten, akkuraten und auch wieder-holbaren Ergebnisse zu den meist verwendeten Methoden in der sensorischen Entwicklung (Meilgaard et al., 2006). Da diese Verfahren jedoch mit einem hohen Kosten- sowie Zeitfaktor verbunden sind (Rummel, 2008; Ares et al., 2013), wurden über die vergangenen Jahre hinweg Kurzzeitmethoden entwickelt, die einer einfachen Handhabung zugrunde liegen und vergleichsweise kostengünstiger sind (Valentin et al., 2012).
Diese lassen sich in die Kategorien (1) verbal-basierte Methoden, (2) auf Ähnlichkeiten beruhende Methoden und (3) auf Referenzen basierte Methoden unterteilen (Valentin et al., 2012). Während die vorangegangene Untersuchung von Scharf und Meier (2015) durch die Verwendung von Napping® (Kategorie: auf Ähnlichkeiten beruhend) bereits wichtige Erkennt-nisse hervorbrachte, fokussiert diese Arbeit das verbal-basierte Verfahren Check-All-That-Apply (kurz CATA).
Sensorische Kurzzeitverfahren - neue deskriptive Methoden
Check-All-That-Apply-(CATA)-Fragen. Check-All-That-Apply, oder übersetzt „Zutreffendes bitte ankreuzen“, ist ein Multiple-Choice-Fragen-Format aus der Arbeit von Coomb (1964). Das Prinzip besteht dabei in der Produktcharakterisierung durch das Ankreuzen von zutreffenden Attributen aus einer vorgegebenen Liste (Meyners und Castura, 2014; Valentin et al., 2012). Prüfpersonen erhalten zusammen mit dem Testprodukt eine Aufstellung von Attributen, die als Antwortmöglichkeiten dienen. Während des Verkostens sollen die Prüfer hierbei ausschließlich die Attribute ankreuzen, die sie mit dem Produkt in Verbindung bringen. Dabei gibt es keine
Beschränkungen hinsichtlich einer maximalen Anzahl an Attributen oder aber bezüglich einer zeitlichen Vorgabe (Valentin et al., 2012).
Nach Dooley et al. (2010) können durch dieses Verfahren nicht nur Produktwahrnehmungen der Verbraucher ermittelt werden. Unter Verwendung des Fragen-Formates können zusätzlich hedonische (Erfragung der persönlichen Meinung, DIN 10950-1) und emotionale Eindrücke gewonnen werden.
Allerdings sind mit dem Verfahren auch Vor- und Nachteile verbunden. Während eine spontane Durchführung, ein minimaler Zeitaufwand sowie eine einfache Handhabung zur Probenbeurteilung für dieses Verfahren sprechen, liefert das ausschließliche Ankreuzen zutreffender Attribute wiederum nur Zähler und, entgegen der Profilprüfung, keine Intensitäten (Valentin et al., 2012). Hierdurch werden eher nominale als quantitative Daten produziert (Valentin et al., 2012). Für statistisch aussagekräftige Daten werden die einzelnen Auswahlmöglichkeiten wiederum durch die Berechnung ihrer Nutzungshäufigkeit bestimmt (Ares und Jaeger, 2013).
Als Alternative zur Wahrnehmung von sensorischen Attributen (Reinbach et al., 2014) fand dieses Fragen-Format bereits in Sensorik, aber auch Konsumentenforschung Anwendung (Ares und Jaeger, 2013; Coomb, 1964).
Nach Dooley et al. (2010) gibt es verschiedene Möglichkeiten, Attribute für die CATA-Fragen zu erhalten: Einerseits können Attribute mithilfe eines modifizierten Free Choice Profilings durch frei gewählte Attribute ermittelt werden. Andererseits können diese durch ein trainiertes Panel vorgelegt werden (Dooley et al., 2010). Daneben besteht auch die Möglichkeit, die Attribute durch eine Fokusgruppe generieren zu lassen (Valentin et al., 2012).
In der Untersuchung von zehn verschiedenen Vanilleeis-Varianten untersuchte die Autoren-gruppe um Dooley et al. (2010) den Einfluss von CATA-Fragen hinsichtlich der Entwicklung von Preference Maps (Präferenzdaten) unter Verwendung von zwei Verbraucher-gruppen. Auf der einen Seite ermittelten Konsumenten eines Verbrauchertest die Gesamtakzeptanz mithilfe einer 9-Punkt-hedonischen Skala und beantworteten im Anschluss daran CATA-Fragen. Auf der anderen Seite entwickelte ein geschultes Panel unter Verwendung der SpectrumTM-Methode ein sensorisches Profil von 23 Attributen für die Testprodukte, die auf einer Linienskala von 0 bis 15 angeordnet wurden. Im Anbetracht des Vergleichs der Preference Maps, die mittels ausgewer-teter CATA-Zähler erstellt wurden, konnten Übereinstimmung zwischen den Methoden erkannt werden. Darauf bauend wurde die Erkenntnis gewonnen, dass CATA-Fragen zuverlässige sowie
zu den Ergebnissen eines trainierten Panels vergleichbare Erkenntnisse liefern. Im Einklang hierzu befindet sich die Arbeit von Ares et al. (2010) bezüglich der Ermittlung von Schokoladen-milchdesserts. Durch signifikant unterschiedliche Proben konnten mithilfe der CATA-Daten Differenzen in der Konsumentenwahrnehmung ermittelt werden. Zusätzlich wurde festgestellt, dass die Attribute eine Wirkung auf die Präferenz der Verbraucher haben können.
Neben dem Methodenvergleich bietet dieses Fragen-Format auch die Möglichkeit einer ersten Produkteinschätzung für die Produktentwicklung (Giacalone et al., 2013). Giacalone et al. (2013) entdeckten diesen Vorteil durch die Verwendung eines All-in-one Tests, der am Beispiel von Bier Anwendung fand. Die Kombination verschiedener Domänen von Konsumenten-Produktwahrnehmungen, hedonische Ratings und CATA-Fragen brachten die Erkenntnis, dass die Fragen dazu beitragen, die Verbraucherwahrnehmung zu erhalten, sensorisch ähnliche Produkte jedoch für die Durchführung eher ungeeignet sind. Während die Konsumenten durchschnittlich vier Attribute zur Beschreibung verwendeten, wurde die am besten schmeckende Probe mit den meisten Attributen charakterisiert und unterschied sich gegenüber den anderen Testprodukten signifikant.
Demgegenüber untersuchten Lee et al. (2013) den Einfluss einer unterschiedlichen Attribut-anordnung im Fragen-Format: CATA-Fragen wurden hierzu in alphabetischer fixierter Anordnung und einem randomisierten, Williams-Latin-Square-Design folgendem Aufbau gegenübergestellt. Mit dem Ziel, die Wirkung der Attributreihenfolge hinsichtlich der Aussagekraft und dem Zeitaufwand zu testen, wurden zehn handelsübliche Orangensäfte mit und auch ohne Fruchtfleisch von Verbrauchern in zwei Wiederholungen und innerhalb von vier Wochen getestet. Während die beiden Varianten unterschiedlicher Term-Anordnung in der Attributauswahl die gleichen Ergebnisse widerspiegelten, konnten durch das Williams-Latin-Square-Design signifikante Zeitunterschiede mit 4,55 s im Aussehen, 5,01 s im Geschmack und wiederum 1,70 s in der Textur ermittelt werden. Resultierend daraus zogen die Autoren das Fazit, dass eine alphabetische Reihenfolge in der Aussagekraft der Randomisierung ebenbürtig ist und zusätzlich sogar noch kostensparend ist. Unter Zuhilfenahme von Studien unterschiedlicher Produktgruppen (Erdbeeren, verschiedene Apfelsorten) bedienten sich die Autoren um Ares und Jaeger (2013) dem Vergleich von unterschiedlichen CATA-Aufbauversionen. Während in Studie 1 die Terme einerseits in einer strukturierten Reihenfolge, d.h. in einer Gruppierung nach Geschmack, Geruch und Textur angeboten wurden (Gruppe 1), erhielt die 2. Gruppe eine randomisierte Version, was zu signifikanten Unterschieden (p < 0,0001) bezüglich der Beantwortungszeit führte. Zudem bewirkte die strukturierte Reihenfolge
in der Auswahl an geeigneten Termen einen Anstieg von 4% gegenüber der randomisierten Variante, wobei auch die Reihenfolge der platzierten Terme von großer Bedeutung ist. Angesichts des RV-Koeffizienten, der sich mit einem Wert von 0,78 nahe der 1 befindet, konnte erkannt werden, dass die Probenkonfiguration der beiden Varianten sehr ähnlich, nicht aber identisch ist. Demgegenüber zeigten sich in Studie 2 bei der Sortierung nach Geschmack und Textur (Version 1) und dem Anordnen von Geschmackstermen in der linken und Textur-attributen in der rechten Spalte (Version 2) signifikante Unterschiede (p < 0,12) bezüglich der Anzahl an Attributen. Dies brachte der Autorengruppe das Fazit, dass die Reihenfolge der Attributnennung für die Häufigkeit an Nennungen verantwortlich ist.
Neben den positiven Erkenntnisgewinnen der zuvor erläuterten Untersuchungen besitzen Multiple-Choice-Fragen allgemein die Schwierigkeit, dass die Prüfpersonen nicht tief in die Materie eintauchen können. Zudem werden meist die erst genannten Attribute ausgewählt, ohne den übrigen Auswahlmöglichkeiten Beachtung zu schenken (Bradburn et al., 2004)
CATA-Fragen gehen zusätzlich mit dem Fehlen von Fragenwiederholungen und der damit verbundenen Reproduzierbarkeit einher. Darauf bauend nahm sich Ares et al. (2014) diesem Problem an und fand mithilfe von fünf unterschiedlichen Produktkategorien heraus, dass die Produktcharakterisierung durch CATA-Fragen in hohem Maße reproduzierbar ist. Belegt wurde diese Aussage durch die Tendenz zu gleichen Attributverwendungen, wohingegen eine Studie mit unterschiedlichen CATA-Term-Reihenfolgen und einer damit verbundenen prozentualen Term-Abnahme von 2 % eine Ausnahme bildete. Auch trugen Ähnlichkeiten sowie Unterschiede der Proben zu wiederholbaren Ergebnissen bei, da Verbraucher ihre Tendenz zur Reproduzierbarkeit vor allem in unterschiedlichen Proben inne halten (Ares et al., 2014).
Wie bereits erwähnt, unterliegen CATA-Fragen aufgrund einer fehlenden Intensitätsmessung einer Limitierung (Valentin et al., 2012). Eine Produktbeschreibung kann somit insbesondere bei Produkten mit sensorisch ähnlichen Profilen nicht ermittelt werden (Ares et al., 2014). Abhilfe hierzu bieten die von Ares et al. (2014) eingeführten Rate-All-That-Apply-(RATA)-Fragen: Rate-All-That-Apply-(RATA)-Fragen. RATA-Fragen stellen eine Erweiterung der CATA-Fragen dar. Während der Aufbau und die Durchführung zu dem Aufbau der CATA-CATA-Fragen identisch sind, besitzt das neue Frageformat eine Erweiterung. Panelisten wählen demnach nicht nur die produktbeschreibenden Attribute durch Ankreuzen aus, sondern beurteilen diese Attribute mithilfe einer Skala zusätzlich nach deren Intensität (Ares et al., 2014).
Im direkten Vergleich von CATA und RATA ermittelten Ares et al. (2014) anhand von vier Studien basierend auf unterschiedlichen Produktgruppen sowie Joghurt-Labels, dass die beiden Verfahren in der Lage sind, ähnliche Ergebnisse zu liefern. In der Aussagekraft wurde jedoch erkannt, dass RATA, welches mittels 3- und 5-Punkte-Skala durchgeführt wurde, von den Verbrauchern in signifikant größeren Attributverwendungen (p < 0,001) angewandt wurden. Prozentual erreichten die Terme bei CATA einen Wert von 27-37 %, wohingegen die Werte von RATA auf 36-52 % anstiegen. Dies steht im Einklang zu Meyners et al. (2016), die in ihrer Arbeit ebenfalls von einer gestiegenen Auswahl an Attributen unter Verwendung von RATA sprachen. Rückblickend auf die Arbeit von Ares et al. (2014) ist zu erkennen, dass der Grad zwischen trainierten, aber auch ungeschulten Prüfpersonen verschmelzend ist und die Möglichkeit der sensorischen Produktwahrnehmung durch die Konsumenten ermöglicht wird. Dass die RATA-Variante zudem eine größere kognitive Anstrengung generiert steht im Einklang zur Arbeit von Jaeger et al. (2014) bezüglich des Vergleichs von CATA- und Ja/ Nein-Fragen. Für die Untersuchung von Bier bedienten sich auch Reinbach et al. (2014) der erweiterten CATA-Variante mit Intensitätsangabe. Unter Verwendung von CATA, RATA sowie einem weiteren Kurzzeitverfahren bewerteten die Autoren die Attribute mit ja bzw. nein und versahen diese hinsichtlich des Gesamtgeschmacks mit Untergruppen. Die Untergruppe der zweiten CATA-Variante wurde dementsprechend mit einer 15-Punkte-Intensitätsskala von sehr schwach bis sehr stark gekennzeichnet. Nichts desto trotz brachte der direkte Vergleich der beiden CATA-Varianten neben großen Ähnlichkeiten der beiden Verfahren die Erkenntnis hervor, dass eine quantitative Skalierung die Genauigkeit des CATA-Profils nicht verbessern kann. Vielmehr konnte erkannt werden, dass eine quantitative Dimension zu CATA ohne die Bewertung für den Verbraucher zu komplizieren hinzugefügt werden kann.
Während konventionelle sowie neue deskriptive Methoden einer objektiven Produkt-charakterisierung dienen, werden mithilfe von Konsumententests subjektive Produktakzeptanzen untersucht (Benz, 2008).
Subjektive Verbraucherwahrnehmung
Für die Erhebung subjektiver Daten werden Verbrauchertests nach DIN 10974, die von der Persönlichkeit sowie dem kulturellen Hintergrund der Testpersonen geprägt sind, durchgeführt (DIN 10974:2008-12). Hierfür sind zwei Skalentypen, die zu den quantitativen Testmethoden zählen, von Bedeutung (Stone et al., 2012):
Diskontinuierliche semantische 9-Punkte-Skala. Entwickelt von Jones et al. (1955) und Peryam und Pilgrim (1957) unterliegt diese Methode dem Prinzip der subjektiven Einschätzung anhand von einer vorgelegten Skala. Neun verschiedene Antwortmöglichkeiten (9 = „gefällt außerordentlich“, 1 = „missfällt außerordentlich“) stehen dem Prüfer hierbei für die Charakterisierung der Testobjekte zur Verfügung (Stone et al., 2012).
Neben dem Ermitteln von Gefallen bzw. Nichtgefallen besitzt diese Skala auch die Funktion des Warnsystems im Hinblick auf das Erreichen eines gewünschten Standards (Stone et al., 2012). Mithilfe einer statistischen Auswertung, die Mittelwerte, Standardabweichungen sowie die Häufigkeitsverteilungen beinhaltet, wird die Skalennutzung abgeschlossen. Unterliegen die Daten einer Normalverteilung werden zusätzliche parametrische Methoden (Varianzanalyse und Post-Hoc-Test) zur Darstellung von Produktunterschieden angewendet. Nicht-parametrische Verfahren werden wiederum durch einen Friedman-Test mit anschließendem Post-Hoc-Test ausgewertet (Lill und Köhn, 2013).
Just-About-Right-(JAR)-Skala. 9-Punkte-Skalen gehen meist mit JAR-Skalen einher, die fünf Intensitätskategorien von 1 =„viel zu wenig“ über 3 = genau richtig“ bis hin zu 5 = „viel zu viel“ beinhalten. Während dieser Skalentyp in Verbrauchertest Anwendung zur Produktdiagnose hinsichtlich der Ausprägung des vorgelegten Attributes findet, ist er für eine gute sensorische Beschreibung eher ineffektiv. Dies ist auf die Kombination aus Attributintensität und Präferenz in einer einzigen Antwortmöglichkeit, aber auch auf die Anfälligkeit für interpretierende Fehler zurückzuführen, da das zu messende Attribut einen Namen hat (Stone et al., 2012). Basierend auf der Verwundbarkeit von Prüfpersonen erhalten diese somit, auch bei einer Unkenntnis über die Produktbedeutung, durch die Produktanker zwei Attributvorlagen, die ihnen eine Antwort bereits vorgeben (Stone et al., 2012). Daneben geht eine Skalenreduktion mit einer abnehmenden Aussagekraft einher. Die Skalennutzung wird mit einer abschließenden Penalty-Analyse beendet (Lawless und Heymann, 2010).
Eine zusätzliche Fragevariante ergab die Arbeit von Schouteten et al. (2016). Zur Überprüfung der Akzeptanz von insektenbasierten Burgern führte diese Autorengruppeeinen Verbrauchertest anhand von drei unterschiedlichen Burgervarianten (basierend auf Insekten, Pflanzen und Fleisch) durch. Der Testaufbau orientierte sich hierbei an Meiselman (2013), der in einer (1) blinden sowie (2) erwarteten und (3) informierten Entwicklung einherging. Während die Probanden im 1. Teil die Produkte ohne jegliche Information nach deren Geschmack beurteilten, erhielten diese im 2. Teil, der ohne Verkostung erfolgt, ausschließlich Informationen bezüglich der Hauptzutaten. Mit Kenntnis über die Zutaten der Testprodukte wurden im Anschluss daran
(3. Teil) selbige Produkte erneut verkostet, um die Wirkung der Attributbeurteilung nach Produktkenntnis zu untersuchen. Während die Burgervarianten mit Fleisch- und Pflanzenbasis angesichts der blinden und informierten Variante nahezu keinen Unterschied untereinander aufwiesen, brachte der dreiteilige Aufbau bei der insektenbasierten Probe wiederum durch die Produktinformation eine, gegenüber der blinden Beurteilung, gestiegene Gesamtbeliebtheit. Eine veränderte Bewertung bei Produktkenntnis konnten durch einen ähnlichen Aufbau auch Varela et al. (2010) bezüglich aromatisierter Pulverdrinks und unter Verwendung von CATA-Fragen erkennen. Während CATA-Fragen durch ausgewählte Statements erste Informationen über die Produkte lieferten, bewirkten Marken- und Verpackungsinformationen ausschließlich bei bekannten Herstellern eine bessere Produktbewertung.
Physikalische Untersuchungen
Produktcharakterisierungen erfolgen meist unter Verwendung von sensorischen Methoden. Daneben lassen sich jedoch auch durch physikalische Kenngrößen Rückschlüsse auf die sensorische Ausprägung eines Produktes generieren.
Untersuchungen zum pH-Wert. Durch die Untersuchung von angereicherten Vanillegetränken auf Sojabasis kamen die Autoren um Villegas et al. (2009) zu der Erkenntnis, dass der Gehalt an Ballaststoffen (BS) für unterschiedliche pH-Werte verantwortlich ist. Während eine Menge von 0,6 g/ 100 g auf einen pH-Wert von 7,64 ± 0,03 kommt, bewirkt ein erhöhter Ballaststoff-Einsatz niedrigere pH-Werte von 6,76 ± 0,13 (1,2 g BS/ 100 g) und 6,99 ± 0,05 bei 2,0 g BS/ 100 g (Villegas et al., 2009). Vergleichbare Erkenntnisse konnten in der Untersuchung von Yanes et al. (2002) bezüglich handelsüblicher Schokoladengetränke ermittelt werden. Abhängig vom Milchtyp wiesen Produkte auf Vollmilchbasis (Hydrokolloid Alginat) Werte zwischen 7,20 ± 0,31 bzw. 7,35 ± 0,05 auf, wohingegen fettreduzierte Produkte mit dem Hydrokolloid Carrageen Werte von 6,86 ± 0,04 und 6,71 ± 0,03 beinhalteten (Yanes et al., 2002). Verglichen hierzu besitzt handelsübliche Kuhmilch bei einer Temperatur von 20 °C einen pH-Wert von 6,60 bis 6,80 (Töpel, 2004).
Untersuchungen zum Farbraum LAB. Differierende sensorische Farbergebnisse lassen sich mithilfe des physikalischen Farbraums erklären. Wie aus der Untersuchung von Scharf und Meier (2015) hervorging, besitzen einzig MEG auf Reisbasis eine, zu Trinkmilch vergleichbare Optik. Demgegenüber gingen Soja-MEG mit einem gelb-bräunlichen Aussehen einher (Scharf und Meier, 2015). Dies belegte bereits 1990 die Autorengruppe um Lee et al. (1990) durch die Analyse von soja- und milchbasiertem Joghurt. Während Sojadrinks einen Farbwert von
80,8 ± 0,4 beinhalteten, lag die Milchprobe (fettfreies Trockenmilchpulver) mit 84,8 ± 0,8 etwas heller vor. Unterschiede zwischen Kuhmilch, Soja- und Lupinendrinks wurden auch in der Arbeit von Jiménez-Martínez et al. (2003) näher betrachtet. Dabei betrug die Differenz zwischen Kuhmilch und dem Lupinenprodukt 10,12, was eine ähnliche Farbausbildung der beiden Proben erkennen lässt. Der Soja- und Lupinendrink nahm wiederum mit einem Wert von 23,46 einen deutlich größeren Unterschied an, wobei die Auswertung von Milch und dem Sojadrink mit einem Wert von ΔE = 31,84 die größte Abweichung von den Proben beinhaltete. In Anbetracht der a*- und b*-Werte erkannte die Autorengruppe zudem, dass Kuhmilch und das Lupinen-getränk nicht nur einen ähnlichen L*-Wert aufweisen, sondern auch in den beiden anderen Farbwerten keine Signifikanzen besitzen. Entgegengesetzt hierzu ist die Sojaprobe (L* Wert: 86,25; a*Wert: 3,73; b*Wert: 23,28) gegenüber der Lupinen (L*Wert: 104,35; a* Wert: -3,77; b*-Wert: 10,35) und der Milchprobe (L*-Wert: 114,47; a*-Wert: -3,72; b*-Wert: 10,54) über alle drei Farbbereiche signifikant unterschiedlich (Jiménez-Martínez et al., 2003).
Den Farbunterschied zu Trinkmilch, den Thompson et al. (2007) anhand von fünf verschiedenen Trinkschokoladen mit differierenden Gehalten an Süße, Schokoladenintensität und einer mit einhergehenden veränderten Konsistenz untersuchte, beinhaltete L*-Werte von 78,30 bis 97,20, a*-Werte von -0,05 bis 1,58 und 0,06-0,71 im b*-Wert.
Demgegenüber ermittelten Villegas et al. (2008) bei sechs handelsüblichen Vanillegetränken auf Soja- und Milchbasis aufgrund von einer unterschiedlichen Menge an Ballaststoffen unter-schiedliche Werte über alle Farbbereiche. Diese sind in Tab. 2 dargestellt. Hierbei wird deutlich, dass insbesondere eine große Menge an Ballaststoffen in einem vergleichsweise geringeren Rot-, hingegen einem größeren Gelbanteil resultiert.
Tabelle 2: Farb- und Viskositätswerte vanilleangereicherter Sojadrinks aus der Arbeit von Villegas et al. (2008) Ballaststoffmenge [g*kg-1] L* a* b* dynamische Viskosität [mPas] Sojadrink 1 12 75,80 2,98 19,47 5,69 Sojadrink 2 6 79,68 1,88 18,46 6,19 Sojadrink 3 20 82,94 0,63 21,96 7,92
Untersuchungen zur Viskosität. MEG variieren auch bezüglich deren Viskositäten. Nicht selten sind hierfür zugesetzte Hydrokolloide verantwortlich, wie aus der Untersuchung von Pangborn et al. (1978) hervorging. Unter Verwendung von ausgewählten Hydrokolloiden
erkannte die Autorengruppe mithilfe von 11-14 trainierten Panelisten eine niedrigere Salzwahrnehmung bei Tomatensaft sowie reduzierte Säure- (Orangensaft) und Bitterwahr-nehmungen (Kaffee) durch die zugesetzten Hydrokolloide. Daneben wirkten sich diese auch auf deren geruchliche und geschmackliche Ausprägung auf, wobei der Zusatz wiederum erhöhte Viskositäten aufzeigte (Pangborn et al., 1978).
Während Mandel-MEG Schwankungen von 4,63 (nicht-organische Herstellung) bis 26,32 mPas (organische Herstellung) darlegen, charakterisieren sich Hafer-, Reis- und Soja-MEG in einer deutlich geringeren Viskositätsausprägung, die bei Soja zwischen 2,57 mPas (Bio Soja ganze Bohne, Alpro) und 5,98 (Soja Original, Alpro) vorliegt (Jeske et al., 2016).
Demgegenüber kennzeichnen sich aromatisierte Vanilledrinks auf Sojabasis durch ein newton´sches Fließverhalten und dynamische Viskositäten von 5,69-7,92 mPas, welche auf signifikante Unterschiede zwischen den Produkten zurückzuführen sind (Villegas et al., 2008). Handelsübliche Schokoladenmilchgetränke unterliegen diesen Werten hingegen mit Viskositäten zwischen 2,70 und 3,76 mPas (Vollmilch), wobei fettarme sowie fettfreie Milch mit 4,52 und 5,02 mPas in einem ähnlichen Bereich vorliegen (Yanes et al., 2002). Entgegen hierzu erkannten Deshpande et al. (2005) bei der Ermittlung eines proteinhaltigen Schokoladengetränkes auf Erdnuss-Soja-Basis Viskositäten zwischen 17,7 und 131,8 mPas.
Untersuchungen zur Partikelgrößenverteilung. Neben dem viskosen Verhalten spielt auch die Partikelgröße sowie deren Verteilung eine wichtige Rolle in der Charakterisierung von Produk-ten. Auf Grundlage dessen untersuchten Durand et al. (2003) unter Verwendung des Malvern Mastersizers E die Partikelgrößen von u.a. Soja-, Hafer- und Reisgetränken. Versuche mit Leitungswasser, destilliertem Wasser und auch einem Puffer (5 mM CaCl, 50 mM NaCl, 20 mM Imidazol C3H4N2) brachten den Autoren in Vorversuchen die Erkenntnis, dass die damit
verbundene Probenverdünnung in allen drei Varianten zu ähnlichen Ergebnissen führt. Basierend darauf konnte durch die Verdünnung mit Leitungswasser und anschließendem Zentrifugieren (30 Minuten, 500 rpm (43g)) eine bi- bzw. trimodale Probenverteilung vernommen werden. Zwei Fraktionen sind dabei zu beachten: Partikel, kleiner als 3 μm (z.B. Fettglobule) und Partikel größer als 3 μm (z.B. unlösliche Proteine, Stärke, BS und andere zelluläre Bestandteile). Wäh-rend der Sojadrink im Lieferungszustand lediglich eine geringe Fraktion an großen Partikeln besaß, beinhalteten Haferdrinks zweimal so viel große Partikel wie Kleine (Durand et al., 2003). Ausgedrückt im Sauter-Mittelwert d3,2 (mittlerer Oberflächendurchmesser) und der mittleren
Partikelgrößenverteilung d50 wurden für die MEG auf Sojabasis Partikelgrößen von 0,42 bzw.
bzw. 6,64 μm (d3,2 bzw. d50)ermittelt. Zusätzlich wurden signifikante Fraktionen großer Partikel
bei den Hafer- und Reisdrinks vernommen. Die ungleichförmige und nicht einheitliche Verteilung der Partikelgrößen ist hierbei der Zerkleinerung des Pflanzenmaterials geschuldet. Zeigen Proben mit einer ähn-lichen Partikelgrößenverteilung zu Kuhmilch (d4,3 < 3,43 um) eine
monomodale Verteilung auf, folgen Mandel-, Hafer-, Quinoa- und Reis-MEG polydispersen Verteilungen (Jeske et al., 2016).
3 Material und Methoden
Dieses Kapitel befasst sich im ersten Teil mit den Materialien, die sowohl für die sensorischen, als auch für die physikalischen Messungen verwendet wurden. In Anlehnung daran erfolgen im zweiten Teil eine Erklärung der sensorischen Durchführungen sowie der instrumentellen Messmethoden. Statistische Auswertungen runden dieses Kapitel ab.
3.1 Testprodukte
Für die Messungen wurden neun handelsübliche MEG ohne Zuckerzusatz unterschiedlicher Marken untersucht. Während die Produkte für die Profilprüfung und die physikalischen Messungen im Juni 2016 aus einem regionalen Supermarkt in Neubrandenburg bezogen wurden, erfolgte der Kauf der Produkte für den Verbrauchertest im September 2016.
In Tab. 3 sind die MEG mit Besonderheiten, die für die spätere Ergebnisbetrachtung und Diskussion notwendig sind, aufgelistet:
Tabelle 3: Testprodukte und deren Besonderheiten
Produkte auf Soja-, Hafer- und Reisbasis wurden in doppelter Ausführung untersucht. Angesichts der aufgezeigten Besonderheiten wird ersichtlich, dass Produkte mit dem Zusatz „A“ einer Herstellung mit konventionellen Zutaten entsprechen, während Produkte mit „B“ bzw. „N“ dem biologischen Herstellungsprozess folgen.
Produkt Besonderheit Produkt Besonderheit
Soja N aus kontrolliert biolog. Ursprung Reis A Stabilisator Gellan
Soja A Stabilisator Gellan Reis B aus kontrolliert biolog. Ursprung
Hafer A Stabilisator Gellan Dinkel B aus kontrolliert biolog. Ursprung
Hafer B aus kontrolliert biolog. Ursprung Lupine Stabilisator Gellan Mandel A Stabilisator Gellan
Herstellungsprozess der untersuchten MEG. Angelehnt an den Proteingehalt handelsüblicher Kuhmilch (1,5 % Fett) von 3,2 g/ 100 ml (Milbona, Privatmolkerei Bechtel, Molkereistraße 5, D-92521 Schwarzenfeld) bedarf es für die Herstellung von Sojadrinks nur wenige technolo-gische Prozessabläufe: Im ersten Schritt werden die Sojabohnen geschält und blanchiert, wodurch diese quellen und eine weichere Textur annehmen. Unter Zugabe von frischem Wasser erfolgt im Anschluss daran die Vermahlung in feine Teilchen und das Filtrieren, ehe durch das Entfernen der Sojafasern der Sojaextrakt gewonnen wird (Riaz, 2006).
Entgegengesetzt hierzu werden für die Herstellung von Mandel-MEG ungeschälte Mandeln vermahlen und zu einer Masse vermengt. Die Zugabe von frischem Wasser rundet hierbei den Herstellungsprozess ab (VZH, 2014).
Getränke auf Getreidebasis (Reis, Hafer, Dinkel) unterliegen einem ähnlichen Herstellungsprozess. Neben der Vermahlung und Vermengung mit Wasser folgen eine Vermischung bei unterschiedlichen Temperaturen und die Zugabe von Enzymen. Während die Stärke in Kohlenhydrate und unlösliche Ballaststoffe geteilt wird und die Ballaststoffe durch Filtern abgetrennt werden, kann das überbleibende Konzentrat als Getreidedrink verzehrt werden (Sontag, 2014).
Die Zutatenverzeichnisse der MEG sowie des Kakaopulvers sind im Anhang (S. 131) zu finden.
3.2 Utensilien und Geräte Sensorische Untersuchungen
Utensilien:
Kochlöffel/ Messbecher/ Servietten/ Tabletts/ Plastikbecher (200 ml/ 250 ml)/ Plastiklöffel Wasser (Carat, Christinen; Gehring-Bunte Getränke Industrie GmbH & Co.KG,
Brockhagener Str. 200, D-33649 Bielefeld)
Knäckebrot (Urtyp; Burger Knäcke GmbH + Co.KG, Niegripper Chaussee 7, D-39288 Burg)
Geräte:
Standmixer (VITAMIX TNC 5200, Kurfürstendamm 21, D-10719 Berlin)
Physikalische Untersuchungen pH-Wert-Messung
Microprocessor pH Meter pH 196 WTW Wissenschaftlich-Technische Werkstätten GmbH Dr.-Karl-Slevogt-Str.1, D - 82362 Weilheim i. OB. Messutensilien: Becherglas (250 ml), destilliertes Wasser
LAB-Farbmessung
ColorFlex® HunterLab, FMS Jansen GmbH & Co.KG Hunter Lab (EZ Spektralphotometer) Griesbräustraße 11, D - 82418 Murnau
Messutensilien: Glasküvette (ø 34 mm, Prägung Z12), schwarzer Ring (ø 12 mm), Stempel
Viskositätsmessung Dichtebestimmung:
Dichtemessgerät Voyager Ohaus GmbH, An der Johanneskirche 6, D-35390 Giessen Volumensenkkörper 10cm3 Ohaus GmbH, An der Johanneskirche 6, D-35390 Giessen
Viskositätsbestimmung:
Kugelfallviskosimeter C Typ 002-2987 / 195000291009, V/HZ 230/50-60
Gebrüder Haake GmbH, Dieselstraße 4, D–76227 Karlsruhe Kugel (Borosilicatglas) Durchmesser: 15,6 ± 0,05 mm
Messutensilien: Bechergläser (80 ml), Stoppuhr, destilliertes Wasser
Partikelgrößenmessung
Mastersizer E 2000 Malvern Instruments Limited; Enigma Business Park; Grovewood Road, Malvern; Worcs, WR14 1XZ, U.K. Messutensilien: Eimer, Schlauch, Ultraschallbad, Wasserbehälter, Reagenzgläser, dest. Wasser
Mikroskopische Messung
Morphologie G3 S Malvern Instruments Limited; Enigma Business Park; (Version 8.12) Grovewood Road, Malvern; Worcs, WR14 1XZ, U.K. Glasplatte Malvern Instruments Limited, Enigma Business Park,
Grovewood Road, Malvern Worcs, WR14 1XZ, U.K. Deckglas (20x20mm) Menzel-Gläser: Thermo Fisher Scientific Gerhard Menzel
B.V. & Co. KG, D - 38116 Braunschweig Messutensilien: destilliertes Wasser, Löffel
3.3 Methoden
3.3.1 Vorbereitung
Durch die vorangegangene Untersuchung von MEG mit Zuckerzusatz (Scharf und Meier, 2015) wurden einige Produkte mit unerwünschten Geschmackskomponenten (z.B. bitter, sauer, adstringierend) charakterisiert. Aufgrund dessen stellte sich die Frage, ob eine Aromatisierung mit Kakao Abhilfe schaffen kann.
Zur Ermittlung einer geeigneten Menge an Schokoladenpulver wurden verschiedene Konzentra-tionen eines handelsüblichen Kakaopulvers (kaba – der Plantagentrank, Mondeléz Deutschland GmbH) in die puren Testprodukte eingerührt. Laut Herstellerangabe beträgt die Kakaomenge 20 g pro 200 ml fettarmer Milch (1,5 %, 10 g auf 100 ml). Da der reine Zuckergehalt bei einer Menge von 10 g bereits 7,8 g beträgt, überschreitet dieser Gehalt jedoch den durchschnittlichen Zuckergehalt von ca. 7,4 g von verzehrfertigen Schoko-MEG (z.B. Bio Schoko, Soja so lecker). Durch einen zusätzlich dominierenden Schokoladengeschmack wurde auch bezüglich einer physiologisch geeigneteren Menge an Kakaopulver die Verzehrsmenge reduziert.
Hierzu wurden Versuche mit einem Kakaozusatz von 50-90 % der Herstellerangabe durchgeführt. Die hiermit einhergehenden Mengen an Kohlenhydraten und der daraus resultierende Gehalt an Zucker sind in Tab. 4 dargestellt.
Tabelle 4: Auswirkungen einer Reduzierung des Kakaopulvers auf die Menge an Kohlenhydraten und Zucker
3.3.2 Untersuchungen
Die Messungen unterteilen sich in sensorische und physikalische Untersuchungen:
Sensorische Untersuchungen
Profilprüfung. Für die Ermittlung sensorischer Produktprofile von MEG fokussiert diese Arbeit eine Profilprüfung. Diese dient der qualitativen sowie quantitativen Beurteilung von Produkten nach Aussehen, Farbe, Form, Geruch, Geschmack und Textur (Stone et al., 2012).
Zusammenstellung des Panels. Für die Durchführung einer Profilprüfung wird eine Panel-größe von 10-12 Personen empfohlen (DIN 10967-1; Rummel, 2008, Stone et al., 2012). Daneben ist es wichtig, die Panelistenauswahl nach folgenden Kriterien durchzuführen (Rummel, 2008):
- Zeitliche Verfügbarkeit
- Keine Lebensmittelunverträglichkeiten
- Fähigkeit, an Gruppendiskussionen teilzunehmen - Gute Geruchs- und Geschmackswahrnehmung
Anforderungen an den Prüfraum. Die Durchführung sensorischer Untersuchungen erfolgt in einem nach ISO 8589 ausgestatteten Sensoriklabor (ISO 8589). Hierbei sind nach der DIN-Norm (DIN 10962) eine Raumtemperatur von 20 ± 3 °C und eine relative Luftfeuchte von > 40 % bis < 50 % vorgeschrieben. Der Prüfraum, in dem eine kontrollierte Atmosphäre vorherrscht, sowie die verwendeten Materialien müssen geruchsneutral sein. Isolierte Prüfkabinen und eine geräuscharme Atmosphäre sind zudem notwendig (DIN 10962).
Menge Kakaopulver [%] Menge Kakaopulver [g] Kohlenhydrate [g] davon Zucker [g]
50 5,00 4,03 3,90 60 6,00 4,83 4,68 70 7,00 5,64 5,46 80 8,00 6,44 6,24 90 9,00 7,25 7,02 100 10,00 8,05 7,80
In Anlehnung an DIN 10962 wurde die Profilprüfung bei einer Raumtemperatur von 21,7 ± 0,26 °C durchgeführt. Die relative Luftfeuchtigkeit befand sich wiederum mit einem Wert von 62,0 ± 0,6 % über dem vorgegebenen Wert der DIN-Norm.
Ablauf der Profilprüfung. Nach Stone et al. (2012) liegt die Entwicklung einer Profilprüfung den in Abb. 1 dargestellten Überlegungen zugrunde:
Abb. 1: Ablauf einer Profilprüfung
Eine Erstellung von sensorischen Produktprofilen ist mit einem hohen Schulungs- und somit auch Zeitaufwand verbunden, da Panelisten das analytische Produktbeschreiben erlernen müssen. Hierzu ist es notwendig, subjektive Beurteilungen außer Acht zu lassen. Es müssen Attribute definiert werden, die von allen Prüfpersonen gleich verstanden werden und in der Intensitätsbeurteilung reproduzierbare Ergebnisse liefern (Rummel, 2008).
Aufgrund zeitlich begrenzter Ressourcen belief sich die Durchführung auf sechs Sitzungen. Der Ablauf ist in Abb. 2 dargestellt. Die Sitzungsinhalte beziehen sich hierbei auf die Analyse von MEG in purer Form sowie mit Kakaozusatz:
Abb. 2: Ablauf und Sitzungsinhalt der durchgeführten Profilprüfung Sitzung 1 -2: Attributfindung (beinhaltet Punkt 1 und 2)
Zwei Sitzungen á 90 – 120 Minuten Definieren von Attributen
Festlegen von Ankerpunkten
Sitzung 3: Trainingssession (beinhaltet Punkt 3) Eine Sitzung á 50 – 60 Minuten Skalentraining
Aussortierung unpassender Attribute/Ankerpunkte Sitzung 4-6: Charakterisierung durch FIZZ
(beinhaltet Punkt 5 und 6)
Drei Sitzungen á 50 – 60 Minuten
p g ( ) g g p g
den in Abb. 1 dargestellten Überlegungen zugrunde:
Abb. 1: Ablauf einer Profilprüfung
(6) Daten-auswertung (5) wiederholbares Versuchsdesign (4) Verwendung einer Konsenssprache (3) individuelle Produkt-bewertung (2) Identifizierung der sensorischen Eigenschaften (1) Auswahl geeigneter Panelisten
Darreichung der Produkte. Die Produktdarreichung erfolgte für die Attributfindungsphasen, das Skalentraining sowie die finale Produktcharakterisierung mithilfe einer randomisierten Rei-henfolge. Während der erste Teil des Sitzungsdurchganges die reinen MEG beinhaltete, bedien-te sich der zweibedien-te Teil dieser Sitzung nach einer 20-minütigen Pause den MEG mit Kakaozusatz. 100 ml jeder Probe wurden mit dreistelligen Zufallscodes in geruchslosen sowie durchsichtigen Plastikbechern (200 ml, 15,09 ± 1,97 °C (pur), 15,90 ± 0,48 °C (mit Kakaozusatz)) gereicht. Zum Neutralisieren erhielten die Panelisten Wasser und Knäckebrot.
CATA–Fragen. In der Literatur existieren unterschiedliche Formen von CATA-Fragen. Daher werden den Probanden zwei unterschiedliche CATA-Fragebögen gereicht, die sich lediglich im Aufbau, nicht aber in den, aus der Profilprüfung ermittelten Attributen, unterscheiden. Das Ziel besteht hierbei in der Attribut-Schnellwahl sowie in der Ermittlung der einfacheren Handhabung. Für die Durchführung dieser Fragen gibt es keine vorgegebene Anzahl an Probanden (Valentin et al., 2012). In dieser Arbeit werden sich folgenden Anzahlen bedient:
Probanden: Profilprüfung: 12 Panelisten
Verbrauchertest: je 40 Probanden (pure MEG/ MEG mit Kakaozusatz) Ein vollständiger Prüfbogen ist im Anhang auf den Seiten 140 und 141 zu finden.
Verbrauchertest. Die Durchführung eines Verbrauchertests nach DIN 10974 empfiehlt für eine steigende Messgenauigkeit eine Stichprobe von 80/120/240 Personen (DIN 10974:2008-12). Dreiteiliger Aufbau des Verbrauchertests. Während MEG im ersten Teil blind gereicht und anhand einer 9-Punkte-Skala und dazugehörigen JAR-Fragen beurteilt werden, fokussiert der zweite Teil das Produktlabel unter Zuhilfenahme einer 9-Punkte-Skalenbewertung (Gesamtbeliebtheit). Demgegenüber erhalten die Prüfpersonen im letzten Teil die MEG aus dem ersten Bereich mit neuer Codierung und zusammen mit dem Produktlabel (gleiche Codierung mit MEG), wodurch Verbraucher Kenntnis über das vorliegende Produkt erhalten. Eine erneute Beurteilung der Gesamtbeliebtheit (9-Punkte-Skala) sowie die Überprüfung der Attribute Süße, Säure, Bitterkeit, Getreideartig (pure MEG) sowie der zusätzlichen Hinzunahme von „kakaoartig“ (MEG mit Kakaozusatz, JAR-Skala) runden die Testmethode ab.
Eine anschließende Penalty-Analyse, die Auskunft über die Veränderung der Gesamtbeliebtheit durch eine zu geringe oder aber zu starke Ausprägung liefert, gibt Aufschluss bezüglich des möglichen Handlungsbedarfes (Lill und Köhn, 2006). Nach Lill und Köhn (2006) sind
Penalty-Punkte < 40 unbedeutend. Werte zwischen 40 und 80 liefern dagegen Aufschluss über eine mögliche Produktanpassung, während Werte > 80 zu einer Produktveränderung tendieren.
Bezugnehmend auf die Beurteilung der Produkte nach deren Gesamtbeliebtheit bestand nach Fliedner und Wilhelmi (1993) die Regel, dass Produkte als beliebt gelten, wenn
nicht weniger als 80 % der Prüferurteile im Bereich 9 - 6 nicht mehr als 10 % der Prüferurteile im Bereich 5
nicht mehr als 10 % der Prüferurteile im Bereich 4 - 1 liegen.
Aufgrund der Tatsache, dass diese Grenzen oftmals nicht erreicht werden konnten, wird sich nur noch in den seltensten Fällen diesen Richtwerten bedient.
Bei den Fragebögen wurde auf eine randomisierte Reihenfolge durch die Verwendung von Fizz Calculations (Version 2.47 B) geachtet. Angelehnt an die Probendarreichung der Profilprüfung erhielten die Konsumenten ca. 100 ml des Testproduktes. Zum Neutralisieren dienten Wasser und Knäckebrot.
Physikalische Untersuchungen
pH-Wert-Messung. Da Produkte auf Soja-, Hafer-, Reis-, Mandel-, Dinkel- und Lupinenbasis mit sensorisch unterschiedlichen Säure-Ausprägungen vorliegen, werden die Testproben einer pH-Wert-Messung unter Verwendung des Mikroprozessor pH-Meters 196 unterzogen.
LAB-Farbmessung. Beruhend auf einer Frucht-, Getreide- oder aber Gemüsebasis (Vasudha und Mishra, 2013) gehen MEG mit unterschiedlichen visuellen Farbausprägungen einher. Zur Bestimmung der genauen Farbausbildung jeder einzelnen Probe wird mithilfe des ColorFlex® EZ der Firma HunterLab gearbeitet. Das Messprinzip basiert auf einem Zweistrahl-Spektral-photometer (45° Rundumbeleuchtung, 0° Beobachtung) mit einem Spektralbereich von 400 bis 700 nm (Hunterlab Inc., 2016). Für die Farbmessung wird eine Glasküvette (ø 34 mm) auf einer dazugehörigen Blende (Prägung FMS-8000-Z12) platziert und mithilfe eines schwarzen Ringes von 8 mm Höhe abgedunkelt. Das Eingießen der Probe bis zum oberen Rand des Ringes und das darauf folgende Abdecken mit einem weißen emaillierten Stempel runden die Vorbereitung ab und es kann mit der Messung begonnen werden. Hierbei werden drei Werte bestimmt: L*-, a*- und b*-Werte.
- Ausgabe des Farbergebnisses: D65/ Winkel 10° - DIN-Norm: EN ISO 11664-4
Der L*-Wert zeigt hierbei die Helligkeit (0 = schwarz, 100 = weiß) auf. Daneben spiegelt der a*-Wert die Grün-Rot-Achse (-a = grün, +a = rot) wieder und der b*-a*-Wert die Gelb-Blau-Achse (-b = blau, +b = gelb) (Dörsam, 2011).
Viskositätsmessung. Als Viskosität wird die Zähflüssigkeit eines Stoffes verstanden. Große Viskositäten sind dabei ausschlaggebend für ein dickflüssiges Fluid, niedrige Viskositäten hingegen für ein dünnflüssiges Fluid (Töpel, 2004).
Die Viskosität berechnet sich nach der folgenden Formel (DIN 53015):
Ʉ ൌ ˍ כሺࢾെ ࢾሻ כ ࢚[ כ ]
Formel 1: Formel zur Berechnung der dynamischen Viskosität
ߟ= dynamische Viskosität [ כ ] ˍ = Konstante [୫ୟכୱכୡ୫כୱ యሿ
Ɂଵ = Dichte der Glaskugel [ୡ୫యሿ
Ɂଶ= Dichte der zu prüfenden Flüssigkeit in [ୡ୫యሿ = Laufzeit der Kugel [s]
Die Bestimmung der Viskosität newton´scher Flüssigkeiten erfolgt über die Fallzeit. Hierzu wird das Messteil in einem Winkel von 10 Grad am Instrumentenfuß eingehakt und die zu prüfende Flüssigkeit in das geneigte, zylindrische Messrohr gefüllt. Umgeben von einem Wärmemantel, der mit temperiertem Wasser (20°C) gefüllt ist, werden 40 ml des Prüfguts (DIN 53015) in das, sich im Mantel befindende Messrohr (ø 15,94 mm) eingefüllt und für mindestens 15 Minuten auf dieser Temperatur (20 °C) gehalten (DIN 53015).
Für die Viskositätsbestimmung wird eine Glaskugel nach DIN 53015 mit folgenden Eigenschaften verwendet:
Werkstoff: Borosilicatglas Masse: 4,4176 g Durchmesser: 15,607 mm
ˍ: 0,09 ୫ୟכୱכୡ୫כୱ య (angenähert)
Ɂଵ: ʹǡͶୡ୫య
Partikelgrößenanalyse. Die Analyse von Partikeln unterschiedlicher Produkte beruht auf dem Prinzip der Laserbeugung. Mithilfe eines Laserstrahls wird das Partikel-Streulichtmuster der zu messenden Proben erfasst. Hierdurch werden die Größen der Partikel ermittelt und es kann die Streuung der Partikel bestimmt werden (Malvern Instruments Limited, 2009).
Aufgrund mangelnder Informationen über die Partikelgrößenverteilung von MEG war es not-wendig, durch Vorversuche den Konzentrationsbereich sowie die geeignete Umdrehungs-geschwindigkeit herauszufinden. Eine Probenaufbereitung mit einer 15-minütigen Ultraschall-behandlung (Dispergiermedium Wasser) und die zusätzliche Untersuchung mithilfe eines Mikroskops wurden hierfür durchgeführt (siehe Kapitel 4.2).
Modell: Mastersizer 2000 E (Seriennummer = MAL1041801) Hydro 2000SM (A)
Prinzip: Fraunhofer Partikelspannweite: 0.100 bis 1000.000 μm
Dispergiermedium: Wasser (Brechungsindex: 1,33) Konzentrationsbereich: 14-16 %
Umdrehung: 2500 U/ min
Laut Malvern Istruments Inc. werden hierbei 3 Bereiche gemessen: - d (v,0,1) 10 % der Probe liegen unter dieser Partikelgröße
- d (v,0,5) 50 % der Probe liegen unter und 50 % der Probe über dieser Partikelgröße - d (v,0,9) 90 % der Probe liegen unter dieser Partikelgröße
Neben diesen Werten sind auch die Werte d4,3 und d3,2 wichtig: d4,3 stellt hierbei den mittleren
Volumendurchmesser (in μm) dar, wohingegen die Angabe d3,2, die auch als Sauter-Mittelwert
bezeichnet wird, Angaben zum mittleren Oberflächendurchmesser (in μm) macht (Malvern Instruments Limited, 2009).
Mikroskopische Analyse. Zur Ermittlung des Einflusses einer Ultraschallbehandlung wurde für die Partikelgrößenanalyse auf das hochauflösende Analysesystem Morphologie G3 S (Malvern Instruments Limited, 2009) zurückgegriffen. Mit einer, zum Mastersizer 2000 E ähnlichen Durchführung, werden morphologische Eigenschaften, wie Partikelgröße und Form bestimmt und für eine visuelle Überprüfung verwendet (Malvern Instruments Limited, 2009). Die Probenvorbereitung kann hierfür aus der Messung mit dem Mastersizer 2000 E (50 % MEG/ 50 % dest. Wasser) übernommen werden. Für die anschließende Messung wird ein Tropfen der verdünnten Probe auf ein Objektiv gegeben und mit einem Deckglas (20 x 20 mm, Firma Menzel-Gläser) abgedeckt. 20- bis 50-fache Vergrößerungen sollen Aufschluss über die Partikelform sowie deren Größe liefern.
Da dieses Verfahren ausschließlich für die Vorversuche verwendet wurde, wird es im Ergebnisteil nicht näher betrachtet.
3.3.3 Statistische Auswertung
Für die Auswertung der Untersuchungen wurden sich einigen Verfahren der multivariaten Statistik bedient (Meyners und Kunert, 2003). Hierbei kamen u.a. die Hauptkomponen-tenanalyse, multiple Faktorenanalyse, generalisierte Prokrustesanalyse und eine Varianzanalyse zum Einsatz.
Multiple Faktorenanalyse (Multiple Factor Analysis, MFA). CATA-Daten unterliegen einer Multiplen Faktorenanalyse, kurz MFA. Eine MFA folgt dem Prinzip, aus einer vorgegebenen Datentabelle mit einer großen Menge (= Set) von Produkten, die durch mehrere Sets von Variablen beschrieben werden, einen kleinen Satz von Variablen aktiv einzuführen. Veranschaulicht bedeutet dies in der Sensorik beispielsweise ein Set mit sensorischen Variablen und ein zweites Set mit physikalischen Variablen.
Damit verbunden besteht das Ziel der MFA darin, die Hauptfaktoren der Datenvariabilität herauszuarbeiten, wobei die Individuen in ausgewogener Weise durch mehrere Variablen-gruppen beschrieben werden. Hierbei wird ein Produktraum aufgebaut, der wie eine PCA gele-sen werden kann: Während die Koordinaten eines Produktes seine Werte für die gemeinsamen Faktoren darstellen, bilden die Koordinaten einer Variablen die Korrelationen mit diesen Faktoren (Pagès, 2004). Für die Auswertung diente die Software XLSTAT (Version 2016.07). Generalisierte Hauptkomponentenanalyse (Generalized Procrustes Analysis, GPA). Mithilfe einer GPA wird ermittelt, welche Proben einander ähnlich bzw. unterschiedlich sind. Entgegengesetzt zur PCA betrachtet die GPA für die Charakterisierung eines Produktes die
Ergebnisse verschiedener Prüfer. Es erfolgt eine Analyse der Prüfpersonen hinsichtlich deren Produktbeurteilung bei den einzelnen Merkmalen. Durch die Annahme von Variationen zwischen den Prüfpersonen sind für die Erstellung einer Konsenskonfiguration drei Schritte notwendig: Translation, Skalierung und Rotation (Meyners und Kunert, 2003).
Während sich die Translation der unterschiedlichen Skalennutzung durch die Probanden an-nimmt, fokussiert die Skalierung einen differierenden großen Skalenbereich. Daneben werden durch die Rotation mögliche unterschiedlich gehandelte Begriffsverwendungen bzw. die Vermi-schung und VertauVermi-schung von Variablen (z.B. bitter-adstringierend) betrachtet. Eine zusätzlich vorhandene Spiegelung ermöglicht dabei die Behebung einer falschen Skalenzuordnung (Platzierung der stärksten Intensität auf Position der schwächsten Ausprägung) (Meyners und Kunert, 2003). Die Auswertung erfolgte mithilfe der Software senstools.NET v1.2.x (OP&P BV).
Hauptkomponentenanalyse (Principal Component Analysis, PCA). Eine PCA findet Anwendung zur Messung vieler Merkmale an verschiedenen Produkten, die eine gewisse Abhängigkeit zueinander aufweisen. Das Hauptziel besteht hierbei jedoch in der Datenbeschreibung. Während diese Methode die Beobachtung pro Variable und Produkt analysiert und somit eine veranschaulichte Darstellung eines großen Datensatzes darlegt, gibt es für die graphische Darstellung zwei Möglichkeiten (Meyners und Kunert, 2003):
- es werden die Bewertungen eines einzelnen Prüfers verwendet - es werden die Mittelwerte von verschiedenen Prüfern verwendet
Hierdurch bedingt geht jede Variable des Testproduktes mit nur einer Messung einher. Für die Darstellung der Hauptkomponenten wird im ersten Schritt die stärkste Variation zwischen den Produkten so bestimmt, dass die Punkte den geringsten Abstand zu dieser aufweisen. Im zweiten Schritt erfolgt eine Bestimmung der orthogonalen, unabhängigen Richtung mit den größten erklärenden Variationen zwischen den Proben (Meyners und Kunert, 2003).
Zusätzlich zu den Hauptkomponenten erfolgen Angaben zur erklärten Varianz der Gesamt-varianz. Diese beschreibt, wie viele der Produktunterschiede (idealerweise 80 - 90 %) sich durch die beiden Hauptkomponenten beschreiben lassen. Eine anschließende Darstellung von Produkten und Attributen erfolgt über Biplots (Meyners und Kunert, 2003). Die Daten-auswertung der PCA erfolgte mithilfe der Sensorik-Software Fizz Calculations (Version 2.47 B).
