Artificiële intelligentie maakt van jou een betere brouwer

AI-model vertelt of bier in de smaak valt nog voor iemand het heeft geproefd

“Artificiële intelligentie (AI) geeft je veel meer inzicht in het brouwproces en gaat van jou een betere brouwer maken”, zegt bier- en gistwetenschapper Kevin Verstrepen. “Met behulp van een AI-model ga je beter bier maken maar het geeft je geen pasklare oplossing om dat bier te brouwen. Daarvoor zijn verstand en vakmanschap nodig opdat de consument blijft appreciëren dat bier wordt gemaakt door mensen”.

Twee jaar geleden introduceerden een team van wetenschappers, verbonden aan het Vlaams Instituut voor Biotechnologie (VIB) en de KU Leuven modellen van artificiële intelligentie (AI) die konden voorspellen hoe een (nieuw) bier beoordeeld zou worden door het brede publiek en welke aromaconcentraties brouwers kunnen toevoegen om beter bier te maken.
“De grondslag daarvoor werd een tiental jaar geleden gelegd”, opent Kevin Verstrepen, professor in Genetica en Biotechnologie aan de KU Leuven en directeur van het VIB–KU Leuven Center voor Microbiologie en van het Leuvense Institute for Beer Research. “Wij werken in het labo vooral rond het begrijpen van genetische processen. Daarbij gebruiken we gistcellen als model, en zo kunnen we onze expertise dan ook aanwenden om betere gisten te maken voor brouwerijen. Daarvoor moet je met allerlei toestellen aromacomponenten gaan meten die instaan voor fruitigheid, esters, aldehyden en alcohol. Al die gegevens lieten ons evenwel niet toe om te voorspellen hoe het bier exact zou smaken, laat staan om te weten of de consument een bier lekker zou vinden”.
“Daarop zijn wij gestart met het systematisch analyseren van bieren. Wij hebben 250 Belgische bieren gekocht en vervolgens honderden aromacomponenten gedetailleerd in kaart gebracht. Daarnaast hebben we elk bier ook laten proeven door een getraind panel. Omdat je met begrippen als ‘lekker’, ‘moutig, ‘fruitig’ weinig kan doen in wetenschappelijk onderzoek hebben wij elk bier meer dan 50 scores gegeven die bijvoorbeeld wezen op citrus, appel, peer of tropische vruchten. Het onderzoek naar de chemische concentraties van al die bieren en het opstellen van gedetailleerde rapporten nam zo’n vijf jaar in beslag. Het resulteerde in 2018 in het boek ‘Belgisch bier, getest en geproefd’ waarin wij de chemische analyses van die 250 bieren op een vereenvoudigde wijze hebben weergegeven”. Dat boek werd een besteller, en alle 10.000 exemplaren van de Nederlandstalige en de Engelstalige versie zijn ondertussen nagenoeg uitverkocht.

Zoektocht naar lekker bier is een complex verhaal

“Eigenlijk wilden wij er meer mee doen want bier is een complex verhaal”, vervolgt Kevin Verstrepen. “Het gaat niet alleen om de hoofdcomponenten en concentraties van die aroma’s maar om de onderlinge interacties en correlaties. Een hoger gehalte aan iso-alfazuren leidt tot meer bitterheid terwijl meer suikers een bittere smaak gaan afzwakken. De combinatie van bitter en zuur leidt dan weer tot een droger bier”.
Toen artificiële intelligentie (AI) in 2016-2017 echt op gang kwam, zagen Kevin Verstrepen en zijn collega’s de mogelijkheden ervan om hun onderzoekswerk te verfijnen in een zoektocht naar ‘lekker bier’. Dankzij de medewerking van twee doctoraatsstudenten werden tien verschillende AI-modellen opgesteld.
“Van de 250 eerder onderzochte bieren selecteerde de computer er 200 om elk AI-model te voeden en te trainen. Wij beschikten ook over de evaluaties van het professioneel proefpanel dat de 250 bieren had beoordeeld op onder andere aroma, smaak en nasmaak. Met behulp van het AI-model hebben wij de chemische analyses verbonden met de smaakscores van het proefpanel. Om het AI-model af te toetsen hebben wij het laten voorspellen hoe die 50 resterende bieren gewaardeerd zouden worden door het proefpanel”, licht Kevin Verstrepen toe.
“Wij hebben een tiental AI-modellen getest om uiteindelijk te kiezen voor een ‘Tree Based Method’ omdat die de beste resultaten opleverde. Het model werkt op basis van een boomstructuur, vergelijkbaar met een familiestamboom waaraan je telkens takken toevoegt. Je start bijvoorbeeld met een bier van meer of minder dan 5 %vol. alcohol, waarna je aftakt naar meer of minder iso-alfazuren, enzovoort. Het eindresultaat is een gigantisch bos waarin de individuele bomen voorspellen of een bier moutig of niet moutig, lekker of niet lekker gaat zijn”.

Tot 80% accurate voorspelling

“Eigenlijk blijven er twee mogelijkheden over”, stelt Kevin Vestrepen. “Je hebt een goed model en het kan een goede voorspelling maken of je boomstructuur is zodanig complex dat het resultaat ‘quatsch’ is en het een louter artificiële toepassing is. Een grondige test wees uit dat de ‘Tree Based Method’ tot 80% accuraat voorspelde wat de eindscore van het proefpanel zou zijn hoewel zij het bier op dat ogenblik nog niet geproefd hadden”.
Het voordeel van de AI-toepassing is dat je kan vragen hoe je een specifiek bier beter kan maken voor de gemiddelde consument door er bijvoorbeeld meer isoamylacetaat (dat de geur van banaan opwekt) aan toe te voegen.
“Wij hebben dat ook getest met ons proefpanel door stelselmatig meer isoamylacetaat uit een flesje toe te voegen aan een bier. Aanvankelijk proefden zij geen verschil tot zij het bier bij een hogere, dosering plots niet meer lekker en zelfs artificieel, chemisch vonden. Eigenlijk trek je met zo’n proef het bier uit balans omdat je slechts één chemische concentratie aanpast”.
“Het AI-model is er ook niet op getraind om slechts één component aan te passen. Het streeft naar een harmonisch en gebalanceerd bier. Wanneer je één concentratie wijzigt, moet je eigenlijk ook andere doseringen lichtjes aanpassen opdat het bier opnieuw gebalanceerd is. Hierdoor kan het de uiteindelijke smaakwaardering veel beter voorspellen en ervoor zorgen dat het bier niet artificieel geurt en smaakt. Toen we gingen werken met de toevoeging van zulke meer complexe combinaties van aromacomponenten kreeg het bier dat op aanraden van het AI-model werd aangepast ook daadwerkelijk een veel betere beoordeling van het proefpanel”.

Hype of vakmanschap uit het bier halen

Toen Kevin Verstrepen de AI-toepassing voorstelde, reageerden brouwers uiteenlopend. Sommigen geloofden er niet in, noemden AI slechts een hype en stelden dat artificiële intelligentie nooit het resultaat van een paar duizend geurreceptoren in onze neus zou evenaren. Anderen voerden aan dat je met AI de traditie en het vakmanschap uit het verhaal gaat halen en alleen nog maar ‘eenheidsworst’ gaat maken onder de bieren.
“Beide stellingen zijn onwaar. Enerzijds is smaak zo individueel en ga je nooit één bier hebben dat iedereen lust. Zelfs voor dezelfde persoon is er niet zoiets als hét allerbeste” bier. De meeste mensen hebben meerdere favoriete bieren, waarbij de keuze vaak afhangt van het moment en de omgeving. Nadat je op een zomerse dag in de tuin hebt gewerkt, neem je wellicht een ander bier dan wanneer je in gezelschap bij het eten op een terrasje geniet. Anderzijds kan je wel aan het AI-model vragen om een bepaald bier aan te passen zodat het algemeen beter geapprecieerd zal worden. Het geeft je meer inzicht in biersmaken, hoe je recepturen minimaal kan bijsturen en voorspelt je hoe het bier zal worden door specifieke componenten te wijzigen”.

Aroma-analyse gaat verder doorbreken

Artificiële intelligentie gaat, volgens Kevin Verstrepen, verder doordringen in de bierwereld. “Het komt erop aan om zoveel mogelijk data bij te houden van elke batch en van elke proeverij. Dergelijke uitgebreide en gedetailleerde aroma-analyse gaat sowieso verder doorbreken in de brouwerijsector. Grote brouwerijen zijn er reeds mee bezig. Ook buiten de biersector is er veel aandacht voor het project, onder meer vanuit China en Argentinië. Ook internationale ‘flavor houses’ of aroma-producenten zijn erin geïnteresseerd voor het maken van parfums en voedingsadditieven”.
“Wanneer je een AI-model los laat op alle gegevens zie je veel sneller waarom het is fout gelopen bij een bepaalde batch, wat er gebeurt bij lichte afwijkingen in de mout, waarom het wort sneller vergist. Een AI model kan enorm complexe verbanden blootleggen en zo zaken ontdekken die zelfs de beste brouwer nog niet wist. AI gaat subtiele en complexe patronen in je bieren bloot leggen. Het gaat van jou een technisch beter onderlegde brouwer maken. Zonder een goede database zal het echter nooit lukken. AI komt bovendien niet met een pasklare oplossing en zegt niet hoe je moet gaan brouwen; voorlopig voorspellen de modellen alleen welke aromacomponenten meer of minder aanwezig zouden moeten zijn, en het is aan de brouwer om dat te laten lukken. Effectief brouwen kan je alsnog niet met AI. Daarvoor zou je het AI-model tot in detail moeten voeden met alle recepturen, met brouwmethoden en met alle informatie over je brouwinfrastructuur. Opdat het AI-model performant zou zijn, moet je gigantisch veel informatie bijhouden en dat doe je niet als hobby- of micro-brouwer en zelfs niet met één brouwsel per week. Al is het zeker mogelijk dat er in de toekomst modellen zullen zijn die ook concreet zullen voorspellen hoe je het brouwproces of de ingrediënten moet aanpassen. Toch zal je zelfs dan nog altijd je verstand moeten gebruiken om te beoordelen of het model juist zit, en het hier en daar wat bij te sturen. Bovendien zal een groot deel van de consumenten ook appreciëren dat bier wordt gemaakt door mensen en niet door computers. AI is dus een hulpmiddel voor de brouwer, en geen vervanger ervan”.

Beter bier brouwen

“Het door ons gebruikte AI-model kan je aangeven wanneer je buiten het spectrum kleurt maar niet veel meer dan dat”, stipt Kevin Verstrepen aan. “Daarvoor hebben wij te weinig “slechte” bieren geanalyseerd om het model ook daarop te trainen. Ons uitgangspunt was en is immers beter bier brouwen. In een goed bier zal er altijd plaats zijn voor minimale waarden aan bijvoorbeeld dymethylsulfide (DMS, geur van gekookte groenten maar accentueert moutigheid in kleine concentraties), diacetyl (boterachtige geur maar draagt in kleine hoeveelheden bij tot een volle smaak), 4-vinylguaiacol (gerookt aroma, geur van nootmuskaat, kruidnagel) of aldehyden (tekenen in kleine volumes voor frisheid). Het AI-model gaat bijgevolg nooit 0 aangeven want het heeft nooit geleerd hoe ene bier met zulke waarde zou smaken, tenzij het gaat hallucineren”.
Hoe dan ook zullen AI-toepassingen in de brouwerijsector lang niet alleen gebruikt worden om beter bier te maken. Zij rukken op in talrijke fasen van het productie- en verkoopproces. AI-modellen kunnen het waterverbruik optimaliseren, kunnen bepalen hoeveel bier je moet brouwen in functie van weersomstandigheden en evenementen. AI zal je ook vertellen wanneer je een marketingcampagne moet voeren en hoe je die best aanpakt om het meeste impact te genereren.
“Artificiële intelligentie werkt volgens het principe van ‘meten is leren en weten’”, besluit Kevin Verstrepen. “Je moet het AI-model voorzien van alle mogelijke data en dan zal je vaststellen dat AI met veel meer zaken rekening gaat houden dan deze waaraan je als mens denkt”.

Verschenen in Bierpassie nr. 111, juni 2026