Anbieter zum Thema

KNAUER Wissenschaftliche Geräte GmbH

Universität Bayreuth Forschungszentrum für Bio-Makromoleküle ALNuMed

Neben diesen direkt ablesbaren Inhaltsstoff-Konzentrationen lassen sich durch Kalibration viele weitere Qualitätsparameter für Olivenöle erhalten, wie die Iodzahl, die Säurezahl, der Peroxidwert, und der olivenölspezifische Absorptionswert K232. Aktuelle Untersuchungen weisen darauf hin, dass aus dem MR-Fingerabdruck auch der Gehalt an Pyrophyeophytin (PPP) und der K270-Wert ermittelt werden können sowie eine Einschätzung der sensorischen Eigenschaften (scharf, bitter, fruchtig, Harmonie) eines Olivenöls möglich ist. Gegebenenfalls lassen sich auch sensorische Defekte (z. B., ranzig, modrig etc.) im MR-Spektrum nachweisen.

Schnelle Echtheitsanalyse

Somit erlaubt ein MR-Experiment von ca. 30 min Dauer die simultane Bestimmung von vielen klassischen Ölparametern und darüber hinaus durch chemometrische Verfahren die Prüfung auf Echtheit, Verschneidung mit anderen Ölsorten, und einen Plausibilitätscheck hinsichtlich der Herkunftsangaben. Auf diese Weise erhält man im Rahmen eines Screenings ein erstes, umfassendes Bild über die Qualität und Authentizität eines Olivenöls. Weil Fälschungen immer professioneller durchgeführt werden, beispielsweise die Desodorierung alter Olivenöle bei niedrigen Temperaturen, oder Fälschungen sogar vorsätzlich „maskiert“ werden, bedarf es einer so umfassenden Schnellanalytik, um die Echtheit eines Öles – also die Übereinstimmung der Angaben auf dem Etikett mit dem Inhalt – bestätigen zu können. Auf diese Weise ist es beispielsweise einfach möglich die Qualitätsstufe, z. B. extra nativ, zu verifizieren und die Herkunftsangabe auf Plausibilität zu prüfen.

Das Corona-Virus hat nicht nur sämtliche Bereiche des Alltags von Grund auf verändert, sondern stellt auch den Lebensmittelsektor vor neue Herausforderungen. Auch wenn zum aktuellen Zeitpunkt noch verlässliche Daten der Überwachungsbehörden fehlen, gibt ein kürzlich erschienener Übersichtsartikel bereits erste Hinweise darauf, dass sich die Lage beim Lebensmittelbetrug zuspitzt [8]. Die Autoren zeigen u. a., dass die Anzahl an Betrugsfällen insbesondere im Bereich der Öle und Fette im Zuge der Pandemie zugenommen hat. Mit dem neu entwickelten MR-Olivenöl-Profiling steht nun ein Werkzeug zur Verfügung, das im Rahmen eines schnellen Screenings wirksam zum Nachweis gefälschter oder falsch deklarierter Olivenöle eingesetzt werden kann und damit einen wichtigen Beitrag zur Vorbeugung gegen Betrug bei Olivenöl leistet.

Danksagung

Die Autoren danken Prof. Dr. Paul Rösch (Uni Bayreuth, ALNuMed GmbH) für seine Unterstützung bei der Entwicklung der Methode und Richard Retsch und Richard Wolny (DOP e.V.) sowie Bernd Kämpf und David Körner (FoodQS GmbH) für die gute langjährige Zusammenarbeit. Für die chemometrische Datenauswertung wurde die AI(OMICS)ⁿ Software verwendet [9], die beim AgrOr-Projekte (Föderkennzeichen 2816502414) entwickelt wurde, das aus Mitteln des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) aufgrund eines Beschlusses des deutschen Bundestages gefördert wurde. Die Projektträgerschaft erfolgte über die Bundesanstalt für Landwirtschaft und Ernährung (BLE) im Rahmen des Programms zur Innovationsförderung. Für ihre wichtigen Beiträge danken die Autoren weiter Marion Broneske, Elena Förner, Maria Gabriel, Nina Hoffmann, Eduardo Merino, Felix Rüll, und Simon Steidele sowie Britta Zimmermann für exzellente technische Unterstützung. n

Referenzen

[1] Draft Report on the food crisis, fraud in the food chain and the control thereof (2013/2091 (INI)). https://www.europarl.europa.eu/doceo/document/ENVI-PR-519759_EN.pdf?redirect, zuletzt abgerufen am 6.9.2021.

[2] FAO-Statistik für Olivenölproduktion 2018, abgerufen am 20. Mai 2021 unter http://www.fao.org/faostat/en/#home.

[3] EU Verordnungen 1234/2007, 61/2011, und (EWG) 2698/91, abgerufen am 6.9.2021 unter https://eur-lex.europa.eu.

[4] Spraul, M., Schütz, B., Rinke, P., Koswig, S., Humpfer, E., Schäfer, H., Mörtter, M., Fang, F., Marx, U.C., Minoja, A. (2009): NMR-Based Multi Parametric Quality Control of Fruit Juices: SGF Profiling. Nutrients 1, 148-155. https://doi.org/10.3390/nu1020148; Godelmann, R., Fang, F., Humpfer, E., Schütz, B., Schäfer, H., Spraul, M. (2013): Targeted and Nontargeted Wine Analysis by 1H NMR Spectroscopy Combined with Mulitvariate Statistical Analysis. Differentiation of Important Parameters: Grape Variety, Geographical Origin, Year of Vintage. J. Agric. Food Chem. 61, 5610–5619. https://doi.org/10.1021/jf400800d; Schwarzinger, S., Brauer, F., Rösch, P., Dübecke, A., Lüllmann, C., Beckh, G., Schütz, B., Kämpf, B. (2016): Authentische Lebensmittel – Warum ein Analyseparameter nicht genügt. q&more, 1.2016, https://q-more.chemie.de/q-more-artikel/234/authentische-lebensmittel.html, Spiteri, M., Jamin, E., Thomas, F., Rebours, A., Lees, M., Rogers, K.M., Rutledge, D.N. (2015): Fast and global authenticity screening of honey using 1H-NMR profiling. Food Chem. 2015; 189:60-6. https://doi.org/10.1016/j.foodchem.2014.11.099.

[5] Schwarzinger, S. (2018): Large-Scale Screening of Food Products for Quality and Authenticity. In: Webb G. (eds) Modern Magnetic Resonance. Springer, Cham. https://doi.org/10.1007/978-3-319-28275-6_91-1

[6] Rüll, F., Brauer, F., Kolb, P., Bindereif, S., Köberle, L., Steidele, S., Rösch, P., Schwarzinger, S. (2021): Honig in präzisen Dosen – Studie zur automatisierten Probenvorbereitung. Laborpraxis: https://www.la borpraxis.vogel.de/honig-in-praezisen-dosen-studie-zur-automatisierten-probenvorbereitung-a-998365/, zuletzt abgerufen am 6.9.2021

[7] Winkelmann, O., Küchler, T., Reliable Classification of Olive Oil Origin Based on Minor Component Profile Using 1H-NMR and Multivariate Analysis. Eur. J. Lipid Sci. Technol. 2019, 121, 1900027. https://doi.org/10.1002/ejlt.201900027

[8] Frera, M., Elaji, S., Woolfe, M., Crew, S., Spink, J. (2021): Has COVID-19 caused a significant increase in observed food fraud incidents? Food Science & Technology. 10.1002/fsat.3510_1.x. Published 2021 Mar 1. https://doi.org/10.1002/fsat.3510_1.x

[9] https://gitlab.com/ai-omics/ai-omics/

* Nordbayerisches NMR Zentrum der Universität Bayreuth, 95447 Bayreuth, Kontakt: s.schwarzinger@uni-bayreuth.de

* *Labor für Isotopen-Biogeochemie im BayCEER, Universität Bayreuth, 95447 Bayreuth

* **FoodQS GmbH – NMR Kompetenzzentrum Bayreuth, 95448 Bayreuth

(ID:47580668)