Die Spirituosen-Strecke: maschinelles Lernen über die Destillation und das lange, langsame Geschäft der Reifung hinweg — Schnittpunktwahl, New-Make-Spirit-Charakter, der Angels' Share, Fassinventar, Congener-Entwicklung, Verschnittkonsistenz und Abfüllreife. Geschrieben für Brenner, mit derselben ehrlichen Linie dazu, was Daten über Jahre im Lagerhaus sagen können und was nicht. Die vollständige Strecke, der Reihe nach:
-
Ein Dashboard für Fassreifung und Angels' Share in Tableau
Baue ein Tableau-Dashboard für die Fassreifung, das Alter, Stärke und den Verdunstungsverlust des Angels' Share verfolgt — mit prognostizierten Reifeterminen und KI-gestützter Überwachung.
-
Ein Mikroklima-Dashboard für das Lagerhaus in Tableau
Baue ein Tableau-Mikroklima-Dashboard für das Lagerhaus, das Temperatur und Luftfeuchtigkeit nach Position dem Reifeverlust zuordnet, mit KI-Erklärungen für Ausreißer.
-
Ein Dashboard für Reifebestand und Bewertung in Tableau
Baue ein Tableau-Reifebestand-Dashboard, das den Whisky-Bestand nach Alter, Fass und Stärke bewertet, gebundenes Kapital und Fässer verfolgt, die Altersziele erreichen.
-
Ein Dashboard für Whisky-Blending und Sensorik in Tableau
Baue ein Tableau-Blending-Dashboard, das Fass-Sensorik und GC-Profile kombiniert, mit Was-wäre-wenn-Analyse für Kandidaten-Vattings und Konsistenzprüfungen gegen den Hausstil.
-
Ein Brennerei-Dashboard für Produktion und Brandausbeute in Tableau
Baue ein Tableau-Brennerei-Dashboard, das Liter reinen Alkohols pro Tonne, Ausbeute je Brand, Schnittleistung und Energie je LPA verfolgt — mit KI-Überwachung.
-
Kann KI die Brennschnitte (Vorlauf, Mittellauf, Nachlauf) wählen?
Kann KI Brennschnitte wählen? Wie Modelle ABV-, Temperatur-, Zeit- und Kongener-Daten nutzen, um Vorlauf-, Mittellauf- und Nachlaufschnitte konsistenter zu machen.
-
Whiskey-Verkostung, erfasst und analysiert: Power Apps, Power BI und KI
Erfasse Fassmuster- und Vatting-Bewertungen in Power Apps, verknüpft mit dem ERP, verfolge die Reifung in Power BI und nutze KI, um Fässer zu clustern und Fehlaromen zu markieren — die Nase entscheidet weiterhin.
-
Das Aroma von New-Make-Spirit vorhersagen
Wie KI und Data Science die Kongenere von New-Make-Spirit aus Gärung, Brennblasenform und Schnitt modellieren, damit Brenner das Aroma vor dem Fass steuern.
-
Den Angels' Share prognostizieren: Verdunstungsverlust im Fass modellieren
Wie KI und Data Science den Angels' Share, den jährlichen Fassverdunstungsverlust von etwa 2 %, prognostizieren, um Füllmengen zu planen und reifenden Whisky-Bestand zu bewerten.
-
KI für die Fassauswahl und die Bestandsführung reifender Ware
Wie KI prognostiziert, welche Fässer ein Aroma- und Altersziel erreichen und wann — um gebundenes Kapital reifender Ware zu optimieren und Fässer für Whisky-Abfüllungen auszuwählen.
-
Die Entwicklung von Kongeneren während der Reifung vorhersagen
Wie KI die Entwicklung von Kongeneren und Holz-Extraktstoffen über Jahre aus Fasstyp, Ausbrand und Mikroklima modelliert und so die Häufigkeit der Whisky-Probenahme senkt.
-
Das Mikroklima im Lagerhaus mit KI optimieren
Wie KI und Lagerhaussensoren das Mikroklima des Lagerhauses kartieren, um die Fass-zu-Fass-Variation bei Extraktion und Angels' Share zu verringern und eine klügere Fassplatzierung zu leiten.
-
KI für Whisky-Blending und Vatting-Konsistenz
Wie KI Blend-Rezepte — Fassanteile, Alter und Holzarten — optimiert, um Charge für Charge ein konsistentes Hausprofil zu treffen, bei geringstmöglichen Kosten für Premiumbestände.
-
Den optimalen Abfüllzeitpunkt und die Reife vorhersagen
Wie KI modelliert, wann ein Fass sein Alters-, Geschmacks- und ABV-Ziel erreicht, sodass du Über- oder Unterreifung vermeidest — während das sensorische Urteil die letzte Entscheidung bleibt.
-
KI für die Botanical-Extraktion von Gin und Rezeptkonsistenz
Wie KI Mazeration, Dampfinfusion und den Schnitt modelliert und Schwankungen von Botanical-Chargen ausgleicht, um ein Gin-Rezept Charge für Charge konsistent zu halten.
-
KI für Energie und Spiritusausbeute in der Brennerei
Wie KI die Spiritusausbeute optimiert — Liter reinen Alkohols pro Tonne — und Energie über Gärung, Destillation und den Schnitt senkt, mit ehrlichen Grenzen beim Ausbeute-Aroma-Zielkonflikt.
-
Databricks für Brennereien: 20 Anwendungsfälle
Wie eine Brennerei Databricks durchgängig nutzt — Ingestion, Echtzeitüberwachung, das Delta Lakehouse & Spark, BI und KI — über 20 konkrete Anwendungsfälle, nach Fähigkeit gruppiert.
-
Wie eine Brennerei mit KI und generativer KI starten sollte: Die Phasen
Ein phasenweiser Fahrplan für eine Brennerei, die KI und generative KI einführt — vom Sammeln der Daten über Dashboards, Vorhersagemodelle und GenAI-Copiloten bis zu Agenten — mit dem, was in jeder Phase zu tun, nötig und zu beachten ist.
-
Databricks im gesamten Brennereibetrieb, Vertikale für Vertikale
Ein abteilungsweiser Rundgang durch die Bereiche, in denen Databricks einer Brennerei hilft — vom Produktionsboden über Qualität, Lieferkette, Vertrieb, Marketing, Finanzen bis Compliance — auf einer einzigen, kontrollierten Plattform.
-
Claude AI und Claude Code für Brennereien: Wo das Anthropic-Ökosystem hilft
Wo Claude, Claude Code, die API, Agenten und MCP einer Whiskey-Brennerei helfen — New-Make-F&E, Destillation, Fass und Lagerhaus, Vertrieb, Marketing, Verbrauchsteuer-Compliance und Wissen — und wo ein Mensch im Regelkreis bleiben muss.
-
Snowflake für Brennereien: 20 Anwendungsfälle
Wie eine Brennerei Snowflake durchgängig nutzt — Ingestion, Echtzeitüberwachung, Dynamic Tables & Snowpark, BI und KI — über 20 konkrete Anwendungsfälle, nach Fähigkeit gruppiert.
-
Snowflake quer durch das Brennerei-Geschäft, Bereich für Bereich
Eine abteilungsweise Tour, wo Snowflake einer Brennerei hilft — vom Betrieb über Qualität, Lieferkette, Vertrieb, Marketing, Finanzen und Compliance — auf einer einzigen kontrollierten Plattform.
-
Microsoft Fabric für Brennereien: 20 Anwendungsfälle für Whiskey (und 3 Fallstudien)
Wie eine Whiskey-Brennerei Microsoft Fabric nutzt — OneLake, Real-Time Intelligence, Lakehouse, Direct Lake und Copilot — über 20 Anwendungsfälle von der Brennblasen-Telemetrie bis zur Fassreifung und Bewertung des reifenden Bestands, plus drei Fallstudien.
-
IoT in der Destillerie: Sensoren von der Maische bis zum Fass
Ein IBD-fundierter Leitfaden zu IoT beim Destillieren — Sensoren beim Maischen, in der Gärbottich-Fermentation, an der Rohbrand- und Feinbrandblase, beim Spirituosenschnitt und im Reifungslager, plus der Edge-to-Cloud-Stack und KI.
-
Ein physikbasierter digitaler Zwilling einer Pot Still: Warum reine ML-Zwillinge driften
Teil 1 von The Still and the Model. Eine Batch-Pot-Still folgt der Rayleigh-Gleichung, und der Alkohol, der hineingeht, muss auch wieder herauskommen. Warum ein rein datengetriebener Zwilling dieses Gesetz stillschweigend bricht und wie ein hybrides Modell, mit Physik für die Struktur und Destillationsdaten für einige wenige angepasste Parameter, ehrlich bleibt.
-
Soft Sensoren und proaktive Bänder statt Alarmen am Spirit Safe
Teil 2 von The Still and the Model. Die Destillatstärke zwischen den Aräometerablesungen aus Temperaturen und Durchfluss schätzen, jeden Brennlauf mit einem Band aus guten Läufen vergleichen und Drift melden, solange noch Zeit zum Handeln bleibt. Warum das besser ist als ein weiterer fester Alarm auf einem Panel, das der Bediener längst zu ignorieren gelernt hat.
-
Ein LLM-Copilot für den Brennblasenbediener: RAG über SOPs, Read-only-Tools, keine Sollwerte
Teil 3 von The Still and the Model. Was ein GenAI-Copilot im Brennhaus tun sollte und was nicht: aus gelenkten SOPs und Brennprotokollen mit Quellenangabe antworten, Live-Werte über Read-only-Tools lesen, die Schichtübergabe schreiben und niemals einen Sollwert, eine Verriegelung oder einen Schnitt anfassen.
-
Fassbestand als Data Engineering: SCD2-Lagerplätze, Nachvermessungen und Angels' Share als abgeleitete Größe
Teil 4 von The Still and the Model. Ein Fass liegt zwölf Jahre oder länger im Lagerhaus, wird umgelagert, beprobt und nachvermessen und verliert jedes Jahr Destillat. Modelliere seine Attribute als langsam veränderliche Dimensionen, sein Leben als Ereignisse und den Angels' Share als Berechnung, dann hat jede Frage zu jedem Fass an jedem Datum genau eine Antwort.
-
Ein GenAI-Blending-Assistent, bei dem die Mathematik im Code steckt: LP für den Verschnitt, Dichtetabellen für das Wasser
Teil 5 von The Still and the Model. Ein Sprachmodell kann einen Blender durch einen Verschnitt begleiten, aber es sollte nie selbst rechnen. Die Fassauswahl ist ein lineares Programm, die Herabsetzung auf Trinkstärke braucht die Mathematik der Ethanol-Wasser-Kontraktion, und die Altersangabe ist eine Regel, kein Durchschnitt. Das LLM ruft die Tools auf und erklärt die Antwort.
-
Wo KI in der Destillerie an Grenzen stößt: eine Rückkopplungsschleife von zwölf Jahren
Teil 6 von The Still and the Model. Ein Reifungsmodell, das heute trainiert wird, erweist sich erst Ende der 2030er Jahre als richtig. Warum so langsame Rückmeldung, wenige Fässer pro Entscheidung und ein Sensorikpanel als letzte Instanz begrenzen, was KI im Whisky leisten kann, und was Foundation Models und synthetische Daten ändern können und was nicht.