Jeden Wein scannen,
sofort passende
Empfehlungen erhalten

Wie identifiziert eine App einen Wein anhand eines Fotos?

Eine Wein-App identifiziert eine Flasche, indem sie das Etikett als Bild ausliest, nicht indem sie den Wein erkennt. Zwischen dem Auslösen und der Empfehlung liegen vier separate Schritte, die jeweils auf unterschiedliche Weise scheitern können.

1. Schritt 1 — die Flasche im Bild finden

   Im ersten Durchlauf sucht die App im Foto nach Bereichen, die wie Etiketten geformt sind, und richtet sie gerade aus. Ein Foto von einem Regal enthält typischerweise acht bis zwanzig mögliche Etiketten, von denen die meisten schräg stehen und teilweise von der davorstehenden Flasche verdeckt werden. Was die Erkennung in diesem Schritt übersieht, lässt sich später nicht wiederherstellen. Deshalb ist ein gerade aufgenommenes Foto einer einzelnen Flasche deutlich zuverlässiger als eine Weitwinkelaufnahme eines Regals.

2. Schritt 2 — den Text lesen

   Die optische Zeichenerkennung wandelt jeden Bereich in Text um. Hier treten die typischen Fehler auf: ein Serifen-Großbuchstabe auf dunklem Hintergrund, Goldfolie, die im Licht einer Weinhandlung überbelichtet wird, eine Schreibschrift auf einem Etikett aus Burgundy oder ein Jahrgang, der statt auf dem Flaschenkörper am Flaschenhals aufgedruckt ist. Das Ergebnis ist eine Zeichenfolge, und ein falsches Zeichen im Namen eines Erzeugers reicht aus, um den nächsten Schritt zum falschen Wein zu führen.

3. Schritt 3 — den Text einem Wein zuordnen

   Der extrahierte Text wird mit einer Weindatenbank abgeglichen. Für eine Zuordnung werden ein Erzeuger, ein Weinname und idealerweise ein Jahrgang benötigt. Sind nur zwei dieser drei Angaben vorhanden, ist das Ergebnis eine Weinfamilie statt einer bestimmten Flasche. In diesem Schritt entscheidet sich, ob Sie „Château Something 2019“ oder „einen roten Bordeaux“ erhalten.

4. Schritt 4 — aus einem Namen eine Empfehlung machen

   Eine Flasche zu benennen und eine zu empfehlen, sind unterschiedliche Aufgaben, und nur die erste ist eine Aufgabe der Bilderkennung. Für eine Empfehlung werden die identifizierten Flaschen danach eingestuft, was Sie als Ihre Vorlieben angegeben haben — Stil, Süße, Budget, Anlass. Daher hängt die Qualität der Antwort viel stärker davon ab, wie ehrlich Sie diese Vorlieben angegeben haben, als davon, wie gut die Kamera ist. Eine App, die Empfehlungen gibt, ohne Sie jemals nach Ihren Vorlieben zu fragen, sortiert nach Beliebtheit und bezeichnet das als Personalisierung.

Wo die Weinerkennung zuverlässig scheitert

Sie scheitert bei beschädigten, nassen oder sich ablösenden Etiketten, weil der zu lesende Text fehlt. Sie scheitert bei sehr kleinen Erzeugern, deren Weine in keiner Datenbank erfasst sind. Sie scheitert bei Weinen, auf deren Etikett eine Region, aber kein Erzeugername steht, was in Italien und Spanien häufig vorkommt. Sie scheitert bei schwachem Licht, weil die optische Zeichenerkennung mehr Kontrast als Auflösung benötigt.

Sie scheitert auch unbemerkt, und das ist der gefährliche Fall: Das System gibt selbstsicher den richtigen Wein, aber den falschen Jahrgang an. Der Jahrgang wird am häufigsten falsch erkannt, weil er auf den meisten Etiketten in der kleinsten Schrift gedruckt ist und oft auf einem separaten Streifen steht.

Ein weniger offensichtlicher Fehler, vor dem niemand warnt: Die Erkennung kann einwandfrei und die Empfehlung dennoch falsch sein, weil die vor Ihnen stehende Flasche mit dem Jahrgang, den Sie in der Hand halten, nicht in den Referenzdaten erfasst ist. Ein Jahrgang 2022 eines Weins, den die Datenbank nur aus dem Jahrgang 2019 kennt, wird mit dem Charakter des älteren Weins beschrieben, ohne dass die Benutzeroberfläche auf diese Ersetzung hinweist.

Die praktische Regel: Nutzen Sie die Erkennung, um herauszufinden, um welche Flasche es sich handelt, wenn Sie sie noch nie zuvor gesehen haben, und prüfen Sie das Etikett selbst, bevor bei einer kostspieligen Entscheidung etwas von der Antwort abhängt. Bei einem Auktionsgebot oder einer Versicherungsbewertung sollte kein Bilderkennungsmodell das letzte Wort haben.