kida4bmel/oil
Verfälschungen von Ölen wie Kaktussamenöl erfordern zuverlässige Authentifizierungsmethoden. Diese Studie kombiniert Analysedaten aus Fettsäuren, Triacylglycerinen und Tocochromanolen mit Datensimulationen und Machine-Learning-Modellen. Monte-Carlo-Simulationen erzeugten neue Datensätze für Random-Forest-Modelle und neuronale Netzwerke zur Erkennung von Verfälschungen mit Sonnenblumenöl. Der Random Forest erreichte 94 % Genauigkeit bei simulierten und 90 % bei echten Proben sowie eine Nachweisgr
- Authority
- Max Rubner-Institut, Bundesforschungsinstitut für Ernährung und Lebensmittel
- Administrative level
- Federal
- Ministry
- Bundesministerium für Landwirtschaft, Ernährung und Heimat
- Risk classification
- Minimal riskSelf-reported in the MaKI profile, not an i6eal assessment
- AI method
- Machine Learning
- Application area
- Forschung
Published, planned or open
The matrix separates published information, planned reviews, non-required information and unknown fields. It deliberately has no composite score.
Affected groups and risk measures
- Affected groups
- Öffentlichkeit in bestimmten Angelegenheiten
- Risk measures
- Sofortige Aussetzung oder Deaktivierung des KI-Systems
- Described harm risks
- Nicht erforderlich
Project and publication dates
These dates come from the current MaKI profile. They are not i6eal observation history.
- Project start
- First published
- Last published
Observation history
This profile has been observed since 19 Jul 2026. Source-reported project and publication dates remain separate.
Profile changed - Dates LastPublished
- 2025-10-29T20:46:25.000Z→2026-08-25T08:06:50.000Z
- Dates SourceLastChanged
- 2025-09-08T09:15:19.000Z→2026-08-24T14:59:27.000Z
- Description Short
- Changed; value is not republished→Changed; value is not republished