DLG-Arbeitsbltter Sensorik 06/2011 1

Der Einsatz sensorischer Prfverfahren und die damit ver-bundene Erhebung sowohl objektiver wie subjektiver Daten-mengen ist nur dann sinnvoll und erfolgsbringend, wenn man diese Daten auch adquat auswertet, d. h. Gesetzmigkeiten und Abhngigkeiten mittels geeigneter statistischer Methoden berechnet und auf ihre Signifikanz hin berprft. Analytische Prfmethoden, ausgefhrt von sogenannten Fachpanels resp. trainierten Fachpersonen (Prfern) und deren statistische Aus-wertemglichkeiten standen bereits im Fokus des Arbeitsblattes 01/2011 des DLG Lebensmittel Magazins. Das vorliegende Arbeitsblatt befasst sich daher ausschlielich mit gngigen Methoden der Verbraucherforschung, d. h. den Verfahren zur Erhebung subjektiver Konsumentendaten, sowie v.a. den zuge-hrigen adquaten statistischen Tests und Auswerteverfahren.

Ziel ist es dem Leser zunchst einen berblick (Abb. 1) zu verschaffen und nachfolgend sowohl ein Grundverstndnis als auch eine gewisse Handlungskompetenz auf diesem Gebiet zu vermitteln. Fr diejenigen, die einen grsseren Bedarf an detaillierten Informationen und genauen Handlungsvorschriften fr die Durchfhrung statistischer Analysen haben, existiert spe-zielle Fachliteratur. Interessant in diesem Zusammenhang sind sicherlich auch die weiterfhrenden Literaturquellen am Ende

des Arbeitsblattes. In der Praxis kann es zudem oft hilfreich und effizient sein, professionelle Untersttzung und Beratung durch spezialisierte Institutionen in Anspruch zu nehmen.

1. bersicht der Methoden

Im Rahmen der Verbraucherforschung werden sowohl qualitative als auch quantitative Datenerhebungsverfahren eingesetzt. Informationen, welche mittels qualitativer Me-thoden erhoben werden (Abb. 1, A), knnen ausschlielich durch Transkription, Gruppierung und/oder Zusammenfassung

ausgewertet, dargestellt und interpretiert werden. Daten quantitativer Art (Abb. 1, B) knnen dagegen mit ver-schiedenen statistischen Auswerteverfahren analy-siert werden. Abhngig vom Datenerhebungsverfahren unterscheidet man neben den rein deskriptiven Me-thoden zwischen paramet-rischen und nicht-paramet-rischen Verfahren. Es folgen jedoch zunchst ein paar grundstzliche Informati-onen und berlegungen, welche bei der Anwendung statistischer Methoden in der Verbraucherforschung hilfreich sind:

2. Gngige Skalentypen

Hufigster Skalentyp, welcher im Rahmen von Verbrauchertests angewen-det wird, ist die 9-teilige hedonische Skala (Abb. 2), welche die Beliebtheit beim Konsumenten sinngem

6 DLG-Arbeitsbltter Sensorik 06/2011

stark hneln, werden dafr linear zu Variablen / Hauptkompo-nenten (principal components) zusammengefasst. Auf diesem Wege wird ein mglichst grosser Anteil der Gesamtvarianz der Daten im 2D-Raum dargestellt. Auch wenn der Gesamtgehalt an Information dabei verringert wird, erreicht man durch die Reduktion auf zwei Dimensionen eine bessere bersicht und leichtere Interpretation.

Mittels PCA werden Datenstze so aufbereitet, dass objek-tive Fragestellungen, wie beispielsweise die Frage nach dem Unterschied zwischen Produkten (in Abb. 8, z. B. fr Erdbeer-joghurt) und v.a. die Ursachen fr diese Unterschiede, d.h. die sensorischen Eigenschaften, visualisiert und interpretiert werden knnen.

Die Abildung 8 zeigt einen Biplot einer PCA mit acht Erd-beerjoghurts und zwlf Attributen. Die erste Hauptkomponente (F1) ist auf der x-Achse dargestellt, die y-Achse entspricht der zweiten Hauptkomponente (F2). In diesem Beispiel erklrt die erste Hauptkomponente fast 76 % der Unterschiede zwischen den Produkten, die zweite Hauptkomponente rund 16 %. Die Abstnde zwischen den dargestellten Produkten lassen sich interpretieren. Produkte, die nah beieinander liegen, sind tendenziell relativ hnlich in ihren sensorischen Eigenschaften und umgekehrt. Es bleibt jedoch jeweils zu prfen, inwiefern dies auch in den sensorischen Dimensionen gltig ist, welche in F1 und F2 wenig Gewicht haben.

5.4.2 External Preference Mapping (Multiple Regressions-Analyse)

Um ein sogenanntes External Preference Mapping anfertigen zu knnen, bentigt man sowohl analytische Daten, die mittels PCA visualisiert werden, als auch Verbraucherdaten (Einzelda-ten oder Cluster), welche mittels Regressionsanalyse in diese Darstellung hinein projiziert werden. Mittels dieser Methode knnen wichtige Faktoren fr die Akzeptanz von Produkten identifiziert werden.

Gleichzeitig lsst sich darstellen, in welcher Abhngigkeit die sensorischen Eigenschaften und ihre Beliebtheit beim Kon-sumenten stehen. Potenzial fr Produktverbesserungen wird bei dieser Analyse ersichtlich.

Autoren: Annette Bongartz, Dipl. oec. troph., Dozentin und Leiterin

der Fachstelle Sensorik am Institut fr Lebensmittel und Ge-trnkeinnovation (ILGI)

Urs Mrset, Prof. Dr. sc. nat., Dozent und Leiter der Fach-stelle Datenanalyse und Statistik am Institut fr Angewandte Simulation (IAS)

ZHAW Zrcher Hochschule fr Angewandte Wissenschaf-ten, Department Life Sciences und Facility Management (LSFM), CH 8820 Wdenswil, Schweiz

DLG-Arbeitsbltter Sensorik 06/2011 5

d. h. die Aussagekraft der Ergebnisse erhht wird, je mehr Produkte ausgewhlt werden und je unterschiedlicher sich die Produkte in ihren Eigenschaften sind, welche in die Analyse einbezogen werden.

Sogenannte Internal Preference Mappings basieren ausschlielich auf Daten aus einem Verbrauchertest mit Konsumenten. Diese hedonischen Daten (z. B. Einzelwer-te der Gesamtbeliebtheit oder Beliebtheit von Geruch, Geschmack, etc.) werden dann mittels PCA (siehe Kapitel 5.4.1) als Akzeptanzlandkarte im 2-dimensionalen Raum visualisiert (Abb. 7).

Produkte, fr die Konsumenten hnliche Vorlieben zeigen, gruppieren sich in diesen Landkarten zusammen. Je grsser die Unterschiede hinsichtlich der Beliebtheit / Akzeptanz, umso grsser die Abstnde in der Darstellung. Nicht ersichtlich in einem Internal Preference Mapping sind die sensorischen Eigenschaften, welche die Be-liebtheit beim Konsumenten ausmachen. Die Aussagekraft des Internal Preference Map-ping ist somit eingeschrnkt. Geeignet ist ein Internal Pre-ference Mapping (Abb. 7) v.a. um Konsumentengruppen mit hnlichen Prferenzen zu identifizieren auch wenn die Anzahl an Konsumenten im Test nicht fr ein echtes Clustering ausreicht.

Fr ein Extended Internal Preference Mapping werden in die PCA (siehe Kapitel 5.4.1) der Beliebtheitsdaten zustzlich auch die Daten der deskriptiven sensorischen Analyse (dersel-ben Produkte) als zustzliche Variablen geplottet.

Hinweis: Biplots, welche mit Hilfe von Preference Mapping Techniken generiert werden, sollten als eine Art Landkarte interpretiert werden, da kon-krete Skalenwerte weniger aus-schlaggebend fr die Interpreta-tion sind, als die Positionierung von Konsumentendaten und Produkten resp. sensorischen Attributen.

5.3.3 Conjoint AnalyseUnter Conjoint Analyse

versteht man eine multivaria-te Methode, welche eine Art ganzheitlicher Betrachtung von Beliebtheitsaussagen seitens des Konsumenten ermglicht. Man geht dabei davon aus, dass Konsumenten einzelne Eigenschaften von Produkten fr sich individuell einschtzen

und bewerten und dass sich die Summe dieser Bewertungen dann bei jedem Konsumenten zu einer Gesamtbewertung aufsummiert. Einsatzgebiet der Conjoint Analyse ist neben der Produktentwicklung die Marktsegmentierung. Compu-tergesttzt wird simultan die Prferenz beim Konsumenten abgeschtzt und eine Markteinteilung nach Prferenz vor-genommen.

5.4 B4 - Verknpfung von Verbraucherdaten mit analytischen Daten

5.4.1 Hauptkomponenten-Analyse (Principal Component Analysis / PCA)

Die Hauptkomponenten-Analyse (PCA) ist ebenfalls eine multivariate statistische Methode. Mittels PCA lassen sich v. a. analytische Daten gut im Hinblick auf Produktunterschiede visualisieren. Diejenigen Produkteigenschaften, welche sich

DLG e.V., Ausschuss SensorikEschborner Landstrae 122, 60489 Frankfurt am Main Telefon: 069/24788-360 , Fax: 069/24788-8360E-Mail: B.Schneider@DLG.org; Internet: www.DLG.org/sensorikausschuss.html

DLG ExpErtEnwissEn sensorikDLG DLGExpErtEnwissEn sensorik ExpErtEnwissEn sensorik

StAtiStiSCHE MEtHoDEn in DER SEnSoRik (tEil 2): VERBRAuCHERtEStS

Weiterfhrende literatur:

- Arditti, S.: Preference Mapping: a case study. Food Qua-lity and Preference 8, 323-327, 1997.

- Backhaus, K., Erichson, B., Plinke, W. und Weiber R.: Multivariate Analysemethoden. Springer-Verlag, Berlin, Heidelberg, New York, 13. Auflage. 2010.

- Busch-Stockfisch, M. (Hrsg.): Praxishandbuch Sensorik in der Produktentwicklung und Qualittssicherung. Loseblattsammlung. 21. Aktualisierungslieferung 05/ 09. Behrs Verlag GmbH & Co.KG. Hamburg, 2002.

- Derndorfer, E.: Lebensmittelsensorik. Facultas Universi-ttsverlag, Wien, 2006.

- Ellert, J.: Verbraucherakzeptanz und Preference Driving Factors bei Zuchtlachsen (Salmo Salar L.) unterschied-licher Herkunft. Diplomarbeit. Hochschule fr Ange-wandte Wissenschaften Hamburg, 2006.

- Faber, N. M., Mojet, J., Poelman, A. A. M.: Simple improvement of consumer fit in external preference mapping. Food Quality and Preference 14, 455-461, 2003.

- Greenhoff, K. and MacFie, H. J. H.: Preference Mapping in practice. In: H.J.H. MacFie und D.M.H. Thomson, Measurement of Food Preferences (S.137-147), Glas-gow: Black Academic and Professional, 1994.

- Kemp, S.E., Hollowood, T. and Hort, J.: Sensory Evalua-tion: A practical handbook. Wiley-Blackwell, 2009.

- Lawless, H.T. and Heymann, H.: Sensory Evaluation of Food, principles and Practices. Maryland (Aspen Publis-hers), 1999.

- McEwan, J. A.: Preference Mapping for Product Optimi-zation. In: Multivariate Analysis of Date in Sensory Sci-ence. Edited by T. Naes and E. Risvik, Elsevier Science, 1996.

- Moskowitz, H.R., Muuz, A.M. and Gacula, M.C.: Viewpoints