Die Empfehlung endet am Teststreifen Die Empfehlung endet am Teststreifen

Der Treffer wird erst beim Riechen einer

Typische Situation, kein beobachteter Einzelfall: Vier Teststreifen liegen auf einem Tisch. Drei Düfte klangen in der Beschreibung passend. Einer war eine überraschende Empfehlung. Nun hebt jemand den ersten Streifen an, wartet kurz und atmet ein. Das Gesicht verändert sich kaum. Trotzdem wird in diesem Moment aus einer berechneten Ähnlichkeit entweder ein möglicher Duft – oder ein Irrtum.

Bis dahin kann eine KI-Parfumberatung viel geleistet haben. Sie kann einen großen Katalog nach Budget, Anlass und Verfügbarkeit begrenzen. Sie kann bekannte Favoriten mit Duftbeschreibungen und Bewertungen abgleichen. Vielleicht versteht sie sogar, dass „warm, aber nicht süß“ etwas anderes meint als „weich und vanillig“.

Nur hat sie noch nicht geprüft, was ihr Treffer beim Menschen auslöst. Eine KI kann Parfum empfehlen, wenn Empfehlen bedeutet, eine unübersichtliche Suche in einen besseren Test zu verwandeln. Sie kann nicht sicher vorwegnehmen, ob eine bestimmte Person den Duft gern tragen wird.

Diese Grenze ähnelt der virtuellen Anprobe, die vor der realen Passform endet. Das digitale Ergebnis kann eine Entscheidung vorbereiten. Es darf nur nicht so tun, als sei die entscheidende Begegnung bereits geschehen.

Die KI riecht nicht. Sie übersetzt.

Hinter einer Duftempfehlung online können sehr verschiedene Systeme stehen. Ein Sprachmodell führt ein Gespräch. Ein Empfehlungssystem sortiert einen Katalog. Ein molekulares Modell versucht, Geruchsmerkmale aus einer chemischen Struktur vorherzusagen. Diese Fähigkeiten lassen sich verbinden, beantworten aber unterschiedliche Fragen.

Das Gesprächssystem beginnt mit Sprache. Es fragt nach bekannten Düften, unerwünschten Eindrücken, Anlässen oder der gewünschten Präsenz. Begriffe wie „sauber“, „grün“, „dunkel“ und „pudrig“ sind keine Messwerte. Sie sind persönliche Kurzformen, die von Erfahrung und Kontext abhängen.

Die erste Leistung der KI besteht deshalb im Übersetzen. Sie strukturiert Vorlieben und Abneigungen, gleicht freie Formulierungen mit Katalogtexten ab und sucht nach Ähnlichkeiten zu bekannten Parfums. Harte Bedingungen wie Preis oder Verfügbarkeit können die Auswahl zusätzlich begrenzen.

Semantische Modelle bilden Texte in mathematischen Räumen ab. Dort können sprachlich verwandte Beschreibungen näher beieinanderliegen. So lässt sich berechnen, dass „trockene Hölzer“ eher zu bestimmten Produkttexten und Bewertungen passt als „saftige Früchte“. Wahrgenommen hat das System keinen der Düfte. Es hat Beziehungen zwischen Beschreibungen gefunden.

Eine am 20. Juli 2026 veröffentlichte Arbeit zeigt, wozu eine solche Ordnung dienen kann. Das untersuchte Parfum-Empfehlungssystem verband Katalogmerkmale mit situativer Eignung und emotionalen Signalen aus Bewertungen. Einfache Popularitätswerte blieben bei der reinen Treffergenauigkeit konkurrenzfähig. Das komplexere Modell verbesserte vor allem die kontextuelle Nützlichkeit; eine stochastische Variante erschloss zudem einen größeren Teil des Katalogs. Die Studie zur kontextbezogenen Duftentdeckung ↗ bewertet damit die Qualität einer Rangfolge. Sie belegt nicht, dass der erstplatzierte Duft einer konkreten Person nach dem Riechen gefällt.

Ein gutes Ranking kann also erfolgreich sein, obwohl sein erster Treffer durchfällt. Wenn es aus Tausenden Möglichkeiten vier sinnvolle und hinreichend unterschiedliche Proben auswählt, hat es die Suche bereits verbessert. „Diese Düfte sollten Sie vergleichen“ ist eine belastbarere Aussage als „Wir haben Ihr perfektes Parfum gefunden“.

Wie weit molekulare Modelle tatsächlich kommen

Es wäre dennoch zu bequem, Maschinen jedes Wissen über Geruch abzusprechen. Zwischen Textsuche und künstlichem Geruchssinn liegt ein ernst zu nehmendes Forschungsfeld: Modelle lernen Zusammenhänge zwischen Molekülstruktur und menschlicher Geruchsbeschreibung.

Eine 2023 veröffentlichte Arbeit entwickelte dafür eine Principal Odor Map. Das eingesetzte Graph Neural Network behandelte Moleküle als Graphen aus Atomen und chemischen Bindungen. Trainiert wurde es mit einem Datensatz von ungefähr 5.000 Molekülen und den ihnen zugeordneten Geruchsbezeichnungen.

Für eine prospektive Prüfung wählte das Forschungsteam 400 neue Riechstoffe aus. Nach Ausschlüssen wurden 323 Moleküle ausgewertet. Bei 53 Prozent lag das vom Modell erzeugte Beschreibungsprofil näher am Mittelwert eines trainierten Panels als das Profil der medianen Einzelperson. Grundlage war allein die nominelle Molekülstruktur. Die Arbeit zur Principal Odor Map ↗ zeigt damit, dass ein Modell Geruchsqualitäten unbekannter Einzelmoleküle substanziell annähern kann.

Nur ist der Mittelwert eines trainierten Panels nicht dasselbe wie persönliche Vorliebe. Das Modell sagte nicht voraus, ob eine bestimmte Person den Stoff angenehm findet, welche Erinnerung er auslöst oder ob sie ihn einen ganzen Tag lang tragen möchte.

Auch die Formulierung, das Modell rieche, wäre irreführend. Die menschliche Wahrnehmung steckt in den Bezeichnungen des Trainingsdatensatzes und in den Bewertungen des Panels. Die Nase ist nicht verschwunden. Sie wurde in die Datengrundlage verlagert.

Das schmälert die technische Leistung nicht. Es setzt sie an den richtigen Ort. Von der Beschreibung eines Einzelmoleküls bis zur Aussage „Dieses Parfum passt zu Ihnen“ fehlen die Komposition, ihre Konzentration und Entwicklung sowie die individuelle Wahrnehmung.

Ein Parfum ist mehr als seine Noten

Ein fertiges Parfum besteht nicht aus einer sauber isolierten Duftidee. Es ist eine komplexe Mischung flüchtiger Stoffe. Ihre Bestandteile können sich in der Wahrnehmung verstärken, abschwächen oder zu einem neuen Eindruck verbinden. Eine Notenliste beschreibt dieses Ganze nur teilweise.

Die Geruchsforschung unterscheidet unter anderem zwischen elementarer und konfiguraler Wahrnehmung. Im ersten Fall bleiben Komponenten erkennbar. Im zweiten entsteht aus der Mischung ein Geruchsobjekt, das nicht einfach als Summe seiner Bestandteile erlebt wird. Schon veränderte Konzentrationsverhältnisse können beeinflussen, welcher Gesamteindruck entsteht.

Ein Forschungsüberblick zur Wahrnehmung komplexer Geruchsmischungen ↗ beschreibt solche Wechselwirkungen von der peripheren Verarbeitung bis zu höheren Ebenen des Riechsystems. Er hält zugleich fest, dass sich die Wahrnehmung einer Mischung weiterhin schwer aus den Eigenschaften ihrer Einzelstoffe vorhersagen lässt.

Für ein Parfum-Empfehlungssystem bedeutet das: Eine Datenbank mit Duftnoten ist wertvoll, aber keine Partitur, aus der jede Nase denselben Duft liest. Zwei Kompositionen können Bergamotte, Rose und Holz nennen und trotzdem sehr verschieden wirken. Umgekehrt kann jemand einen vanilligen Eindruck wahrnehmen, obwohl Vanille in der offiziellen Beschreibung nicht auftaucht.

Der Teststreifen schafft dafür eine erste, vergleichbare Begegnung. Mehrere Kandidaten lassen sich nebeneinander prüfen, ohne sie sofort auf der Haut zu vermischen. Endgültig ist dieses Urteil jedoch nicht.

Eine 2012 veröffentlichte PLOS-ONE-Studie untersuchte in drei Experimenten die Wahrnehmung von Körpergeruch und Parfum als Mischung. Im dritten Experiment wurden Kombinationen mit dem selbst gewählten Parfum der Teilnehmer angenehmer und attraktiver bewertet als Kombinationen mit einem zugewiesenen Duft. Die reinen Parfums unterschieden sich dabei nicht signifikant in ihrer Angenehmheit. Die Studie zur individuellen Wechselwirkung von Körpergeruch und Parfum ↗ war allerdings klein und auf männliche Duftträger begrenzt.

Sie beweist nicht, dass sich jedes Parfum auf jeder Haut dramatisch verwandelt. Sie widerspricht aber der Vorstellung, die persönliche Wirkung sei mit Flakon, Notenliste oder Papierstreifen bereits vollständig erfasst. Ein Hauttest kann zusätzliche Information liefern: über den zeitlichen Verlauf, das Tragegefühl und die Wahrnehmung in unmittelbarer Nähe zum eigenen Körper.

Geschmack ist kein dauerhaftes Profil

Empfehlungssysteme behandeln Vorlieben gern wie stabile Eigenschaften: Diese Person mag Zitrus, lehnt Patchouli ab und bevorzugt zurückhaltende Düfte. Solche Profile sind nützlich. Sie sind nur keine endgültige Beschreibung eines Menschen.

Ein Duft, der im Urlaub leicht wirkt, kann im Büro zu präsent erscheinen. Ein vertrautes Parfum kann Trost geben oder plötzlich eine unerwünschte Erinnerung hervorrufen. Selbst die Bedeutung von Wörtern wie „elegant“, „jung“ oder „sauber“ bleibt nicht unverändert.

Wie viel an Geruchsvorlieben geteilt und wie viel kulturell oder individuell geprägt ist, lässt sich nicht mit einem einfachen Entweder-oder beantworten. Eine 2024 veröffentlichte Untersuchung ließ 582 Personen aus fünf kulturell und ökologisch unterschiedlichen Gruppen 15 Geruchsproben bewerten. Die Urteile zeigten beträchtliche Gemeinsamkeiten. Der Faktor Bevölkerungsgruppe erklärte in der Analyse sieben Prozent der Varianz. Zugleich fanden die Forschenden deutliche Unterschiede und betonten den möglichen Einfluss von Vertrautheit und lokaler Verfügbarkeit. Die kulturvergleichende Untersuchung zu Geruchsvorlieben ↗ stützt deshalb weder eine vollständig universelle Rangordnung noch die Vorstellung, Duftgeschmack sei ausschließlich kulturell bestimmt.

Trainiert ein System mit Rezensionen, lernt es ohnehin nicht den Geruch selbst. Es lernt versprachlichte Wahrnehmungen: Vergleiche, Erinnerungen, Erwartungen und soziale Codes, die Menschen in einem bestimmten Datenbestand festgehalten haben.

Das kann hilfreich sein. Erfahrungsberichte sagen über die empfundene Präsenz oder Entwicklung eines Parfums oft mehr als eine Notenliste. Doch Wörter wie „feminin“, „seriös“ oder „verführerisch“ sind keine natürlichen Eigenschaften eines Moleküls. Eine seriöse Beratung behandelt sie als kontextabhängige Hinweise und konstruiert aus wenigen Antworten keine vermeintlich wahre Persönlichkeit.

Parfum kann Identität ausdrücken. Es kann sie nicht diagnostizieren.

Die bessere Empfehlung baut einen Versuch

Beispiel, kein Kundenfall: Eine Person sucht einen unaufdringlichen Duft für warme Arbeitstage. Sie mag trockene Hölzer und Tee, empfindet deutlich süße Vanille aber schnell als schwer. Zwei Favoriten sind bekannt, ebenso ein Parfum, das nach anfänglicher Begeisterung kaum getragen wurde.

Eine schwache Beratung sucht nach ähnlichen Noten, berechnet einen hohen Match-Wert und präsentiert einen Sieger. Eine bessere Beratung fragt, was an den Favoriten tatsächlich gefiel. War es die geringe Süße, die Nähe zur Haut oder der ruhige Ausklang? Und was störte am Fehlkauf: die Intensität, der spätere Verlauf oder nur die Eröffnung?

Aus diesen Antworten sollte kein angeblich vollständiges Persönlichkeitsprofil entstehen. Sinnvoller ist ein kleiner Versuchsaufbau:

1. Harte Bedingungen begrenzen die Suche. Budget, Verfügbarkeit und Nutzungssituation verkleinern den Katalog.
2. Vorlieben bleiben Hypothesen. „Mag Tee“ ist ein guter Hinweis, aber keine unveränderliche Eigenschaft.
3. Die Proben prüfen verschiedene Annahmen. Neben naheliegenden Treffern gehört eine plausible Alternative in die Auswahl.
4. Jeder Kandidat erhält eine Begründung. Die Beratung nennt, welche Angaben ihn stützen und wo Unsicherheit bleibt.
5. Erst gerochenes Feedback zählt stärker. Die Reaktion auf Teststreifen und Haut ist informativer als eine weitere abstrakte Persönlichkeitsfrage.

Damit verändert sich das Ziel. Das System muss nicht mit dem ersten Vorschlag recht behalten. Es soll mit wenigen Proben herausfinden helfen, welche Annahmen tragen.

Auch ein Match-Wert wird dadurch nüchterner. Ohne Erklärung ist eine Prozentzahl keine Präzision, sondern Dekoration. Nutzerinnen und Nutzer sollten erkennen können, ob eine Empfehlung auf Katalogtexten, Bewertungen, bekannten Favoriten oder molekularen Daten beruht.

Die stärkere Ausgabe ist deshalb oft die bescheidenere: „Aufgrund Ihrer Angaben empfehlen wir diese vier Proben aus unterschiedlichen Gründen.“ Sie gibt Orientierung, ohne die sinnliche Entscheidung an sich zu ziehen.

Am Teststreifen wechselt die Zuständigkeit

Am Ende liegt kein Datenprofil auf der Haut. Dort liegt ein Duft.

Bis zu diesem Moment kann KI erstaunlich nützlich sein. Sie kann unklare Wünsche präzisieren, unbekannte Teile eines Katalogs öffnen und verhindern, dass ausschließlich die populärsten Flakons sichtbar werden. Molekulare Modelle können sogar Eigenschaften neuer Riechstoffe annähern, ohne selbst eine Nase zu besitzen.

Dann sollte das System leiser werden. Nicht weil seine Arbeit wertlos war, sondern weil eine andere Form von Wissen beginnt. Der Mensch riecht nicht nur eine Zusammensetzung. Er bemerkt Nähe oder Distanz, wartet, verwirft den ersten Eindruck oder kehrt Stunden später zu ihm zurück.

Eine gute Empfehlung sagt deshalb nicht: „Das ist Ihr Duft.“ Sie sagt: „Beginnen Sie hier. Vergleichen Sie diese. Darum wurden sie ausgewählt.“

Der Teststreifen markiert keine Niederlage der KI. Er markiert eine gelungene Übergabe. Die Maschine kann die Suche verbessern. Ob aus einem Treffer ein getragener Duft wird, bleibt eine menschliche Antwort.