Computermodell deckt Falschdeklarationen von Lebensmitteln auf

Durch falsche Angaben zum geografischen Ursprung von Lebensmitteln entsteht jährlich ein wirtschaftlicher Schaden von 30 bis 40 Milliarden Dollar (rund 28 bis 37 Milliarden Franken). Denn vermeintliche Aprikosen aus der Schweiz beispielsweise lassen sich teurer verkaufen.

Um den Betrug aufzudecken, stützen sich Expertinnen und Experten etwa auf die stabilen Sauerstoffisotope in den Lebensmitteln - den sogenannten Delta-O-18-Wert, wie sie im Fachmagazin «Scientific Reports» schreiben. Denn Temperatur, Niederschlag und Verdunstung schlagen sich auf dieses Mass nieder, wodurch sich die geografische Herkunft der Lebensmittel bestimmen lässt.

Einfacher, schneller, billiger

Weil dafür aber grosse Mengen an Referenz- und Vergleichsdaten gesammelt werden müssen, war dieses Verfahren bisher aufwändig und kostspielig, wie die Universität Basel am Montag mitteilte. Die Basler Botaniker entwickelten nun ein auf Wetterdaten und Informationen zur Wachstumszeit einer Pflanze basierendes Computermodell, mit dem sie das Sauerstoffisotopenverhältnis in Pflanzen simulieren können.

So lassen sich den Forschenden zufolge herkömmliche Anwendungen von stabilen Isotopen vereinfachen, beschleunigen, verbessern und ermöglichen genaue und präzise Zuordnungen der Herkunftsregionen. Die Probe aufs Exempel machten sie anhand eines 11-jährigen Delta-O-18-Referenzdatensatz für europäische Erdbeeren.

Herkunft von Drogen aufdecken

«Mit geringfügigen Anpassungen der Parameter kann unser Modell zur Bestimmung aller pflanzlichen Produkte genutzt werden», liess sich der Basler Professor und Letztautor der Studie, Ansgar Kahmen, in der Mitteilung zitieren.

Gemäss der Universität Basel dürfte das Modell nicht nur in der Lebensmittelforensik eingesetzt werden, sondern auch in Ermittlungsarbeiten unterstützen, um die Herkunft konfiszierter Drogen zu bestimmen. Auch Naturschutzorganisationen wie WWF oder Greenpeace könnten sich auf das Modell berufen, um Holz aus illegalen Quellen zu entlarven.

https://doi.org/10.1038/s41598-021-96722-9