Irgendwo in einem Labor, das überhaupt nicht wie das Studio eines Parfümeurs aussieht - keine Orgel, auf der Hunderte brauner Flakons stehen, keine Duftstreifen, die sich wie ein Papierpfau über einen Schreibtisch fächern, keine fleckige Lederschürze, die hinter der Tür an einem Haken hängt -, komponiert eine Maschine einen Duft. Die Maschine riecht nichts. Sie hat keine Nase. Sie hat keine Meinung dazu, ob Vetiver gut mit Grapefruit harmoniert, und keinen Instinkt dafür, ob eine Komposition in der Kopfnote mehr Leichtigkeit oder in der Basis mehr Wärme braucht. Sie verfügt über Daten. Ungefähr vierhunderttausend Formeln aus dem vergangenen Jahrhundert, digitalisiert und mit Bewertungen von Verbraucherpanels, Verkaufszahlen, regionalen Vorlieben und molekularen Deskriptoren versehen. Sie verfügt über einen Algorithmus, der darauf trainiert wurde, statistische Korrelationen zwischen bestimmten Kombinationen von Inhaltsstoffen und bestimmten Ergebnissen bei Verbrauchern zu erkennen - Kaufabsicht, wahrgenommene Qualität, emotionale Assoziation, Wahrscheinlichkeit eines erneuten Kaufs. Und sie wurde aufgefordert, eine Formel zu entwickeln, die nach jedem messbaren Maßstab optimal sein wird.
11 Min. Lesezeit
Sie wird Erfolg haben. Die von ihr erzeugte Formel wird in Verbraucherpanels gut abschneiden. Sie wird in mehreren Bevölkerungsgruppen positiv getestet werden. Sie wird niemanden vor den Kopf stoßen. Sie wird niemanden verwirren. Sie wird einen komfortablen, gut bevölkerten Bereich des olfaktorischen Raums einnehmen - die Art von Gebiet, die die Branche als „kommerziellen Sweet Spot“ bezeichnet und die jeder Mensch mit einer funktionierenden Nase als „vertraut“ bezeichnen würde. Nach dem Urteil der meisten Menschen, die ihr begegnen, wird sie vollkommen in Ordnung riechen.
Die Frage ist, ob „vollkommen in Ordnung“ Parfümerie ist.
Maschinelles Lernen im industriellen Maßstab in der Duftentwicklung
Die Anwendung maschinellen Lernens bei der Duftentwicklung ist keine Spekulation. Sie findet bereits statt, im industriellen Maßstab, in den Forschungsabteilungen der weltweit größten Duft- und Aromenunternehmen. Der technologische Entwicklungsstand variiert: Einige Systeme sind relativ einfache Prognosemodelle, die auf Grundlage von Kosten und Verfügbarkeit Ersatzstoffe für Inhaltsstoffe vorschlagen; andere sind tiefe neuronale Netze, die mit jahrzehntelangen proprietären Formeldaten trainiert wurden. Die zugrunde liegende Logik ist jedoch in allen Fällen dieselbe. Man speist die Maschine mit einem großen Korpus bestehender Formeln, die mit Daten zur Reaktion der Verbraucher verknüpft sind. Die Maschine lernt die statistischen Beziehungen zwischen molekularer Zusammensetzung und menschlicher Vorliebe. Dann bittet man sie, neue Formeln zu erzeugen, die die Wahrscheinlichkeit eines gewünschten Ergebnisses bei den Verbrauchern maximieren.
Im Grunde handelt es sich dabei um Regressionsanalyse, angewandt auf die Parfümerie. In keinem sinnvollen Sinne ist es Schöpfung.
Der Unterschied ist entscheidend, und es ist notwendig, genau zu erklären, warum. Die Regressionsanalyse, die mathematische Technik im Zentrum des meisten maschinellen Lernens, findet die am besten passende Linie durch eine Wolke von Datenpunkten. Sie ermittelt die zentrale Tendenz. Sie sagt dir, wo der Durchschnitt liegt. Für viele Anwendungen ist das äußerst nützlich. Wenn du Immobilienpreise, Verbraucherverhalten, Krankheitsverläufe oder Wahlergebnisse prognostizieren willst, verrät dir die Kenntnis des Durchschnitts eine Menge. Doch Parfümerie ist kein Prognoseproblem. Sie ist - zumindest war sie das historisch - ein kreatives Problem. Und kreative Probleme werden nicht gelöst, indem man das Zentrum findet. Sie werden gelöst, indem man den Rand findet.
Jeder Duft, der die Branche wirklich verändert hat, jede Komposition, die rückblickend eine Ära definierte oder eine neue Kategorie eröffnete, tat dies, indem sie vom Konsens ihrer Zeit abwich. Der erste moderne Fougère entsprach 1882 nicht dem, wie sich irgendjemand den Duft eines Herrendufts vorgestellt hatte. Der erste große Aldehyd-Blütenduft roch in den 1920er-Jahren nicht so, wie sich irgendjemand den Duft einer Damendüfte vorgestellt hatte. Der erste frische Herrenduft aus Dihydromyrcenol und Hedion entsprach in den 1980er-Jahren nicht den Erwartungen an einen Herrenduft. Das erste Molekül für einen sauberen Hautmoschus entsprach Anfang der 2000er-Jahre den Erwartungen an überhaupt keinen Duft. In jedem dieser Fälle war die Komposition nicht erfolgreich, weil sie bestehenden Vorlieben entsprach, sondern weil sie neue Vorlieben schuf. Sie fand nicht das Zentrum. Sie verschob das Zentrum.
Ein Algorithmus, der mit historischen Daten trainiert wurde, kann das Zentrum konstruktionsbedingt nicht verschieben. Er kann es nur finden. Er kann es mit chirurgischer Präzision finden und Formeln erzeugen, die mit einer Effizienz, die kein menschlicher Parfümeur erreichen könnte, den Sweet Spot besetzen. Doch den Sweet Spot zu besetzen ist keine Innovation. Es ist Optimierung. Und die Geschichte der Parfümerie legt nahe, dass Optimierung und Innovation nicht dasselbe sind und sich möglicherweise sogar widersprechen.
Menschliche Parfümeure als biologische neuronale Netze
Es gibt ein Gegenargument, und es verdient ernsthafte Betrachtung. Es lautet ungefähr so: Auch menschliche Parfümeure sind gewissermaßen Algorithmen. Sie sind biologische neuronale Netze, die mit einem Korpus olfaktorischer Daten trainiert wurden - mit allem, was sie gerochen, jeder Formel, die sie studiert, jeder Reaktion von Verbrauchern, die sie im Laufe ihrer Karriere beobachtet haben. Ihr kreativer Prozess ist nicht, wie Romantiker gern glauben möchten, ein Inspirationsblitz, der von der Muse herabsteigt. Er besteht aus Mustererkennung, Neukombination und iterativer Verfeinerung. Der Parfümeur sitzt an der Orgel, wählt auf Grundlage von Erfahrung und Intuition Materialien aus, mischt eine Versuchsformel, bewertet sie, passt sie an und bewertet sie erneut. Der Prozess ist empirisch, nicht mystisch. Wenn eine Maschine dieselben Vorgänge schneller und systematischer ausführen kann, was genau geht dann verloren?
Verloren geht der Fehler.
Das klingt paradox, deshalb möchte ich konkret werden. Menschliche Parfümeure machen Fehler. Sie überdosieren einen Inhaltsstoff und entdecken, dass die Überdosierung eine Wirkung erzeugt, die sie weder beabsichtigt noch vorhersehen konnten. Sie verunreinigen versehentlich eine Versuchsmischung und stellen fest, dass die Verunreinigung etwas Interessantes hinzufügt. Die Geschichte der synthetischen Durchbrüche in der Parfümerie ist voll von solchen glücklichen Kollisionen. Sie lesen ihre eigenen Notizen falsch und kombinieren Materialien, die sie gar nicht kombinieren wollten, und das Ergebnis ist besser als das Geplante. Die Geschichte der Parfümerie ist voller solcher Zufälle, von Kompositionen, die ihren Charakter nicht einem bewussten Entwurf verdanken, sondern einer ungeplanten Kollision von Materialien, die ein sorgfältigerer Prozess verhindert hätte.
Ein Algorithmus macht diese Fehler nicht. Ein Algorithmus tut genau das, was man ihm vorgibt. Er optimiert die Zielfunktion. Er folgt dem Gradienten. Er verirrt sich nicht zufällig in unerforschtes Gebiet, weil er sich überhaupt nicht verirrt. Er bewegt sich mit mathematischer Präzision auf das Optimum zu. Und das Optimum, wie es durch Daten aus Verbraucherpanels definiert wird, liegt immer im Zentrum. Beim Durchschnitt. Beim Konsens.
Das kreative Potenzial des Fehlers ist kein romantisches Hirngespinst. Es ist ein in jedem kreativen Bereich gut dokumentiertes Phänomen. Der Biologe, der Penicillin entdeckt, weil eine Petrischale verunreinigt wurde. Der Physiker, der die kosmische Mikrowellen-Hintergrundstrahlung entdeckt, weil eine Antenne unerklärliches Rauschen empfängt. Der Musiker, der eine neue harmonische Sprache entdeckt, weil während eines Auftritts eine Saite reißt und ihn zu einer Improvisation zwingt. Das sind keine apokryphen Geschichten, die man erzählt, um die Tollpatschigen zu trösten. Es sind dokumentierte Beispiele für ein allgemeines Prinzip: Kreative Durchbrüche entstehen oft aus Abweichungen vom Plan, und Systeme, die darauf ausgelegt sind, Abweichungen zu beseitigen, beseitigen konstruktionsbedingt auch die Möglichkeit eines Durchbruchs.
Daten aus Verbraucherpanels und die Natur der Vorliebe
Ein zweiter, eher philosophischer Einwand gegen die computergestützte Parfümerie betrifft die Natur der Vorliebe selbst.
Daten aus Verbraucherpanels - die Daten, mit denen diese Algorithmen trainiert werden - messen geäußerte Präferenzen. Sie halten fest, was Menschen sagen, dass sie mögen, wenn man sie danach fragt. Doch geäußerte Präferenz und tatsächliche Vorliebe sind nicht dasselbe. Geäußerte Präferenzen sind konservativ. Wenn man die meisten Menschen in den meisten Situationen bittet, zwischen dem Vertrauten und dem Unbekannten zu wählen, entscheiden sie sich für das Vertraute. Das ist keine Dummheit. Es handelt sich um eine gut dokumentierte kognitive Verzerrung, den Mere-Exposure-Effekt, der erstmals 1968 in einer wegweisenden Arbeit des Psychologen Robert Zajonc im Journal of Personality and Social Psychology beschrieben wurde. Er wirkt bei der olfaktorischen Bewertung besonders stark, weil das Fehlen eines gemeinsamen Vokabulars es den Verbrauchern außerordentlich schwer macht, auszudrücken, warum sie etwas mögen oder nicht mögen. Wenn sie mit einem wirklich neuartigen Duft konfrontiert werden, der sich keiner bestehenden Kategorie zuordnen lässt und gleichermaßen verwirrt wie fasziniert, wird ein Verbraucherpanel ihn meist niedrig bewerten. Nicht, weil der Duft schlecht ist, sondern weil dem Panel der Bezugsrahmen fehlt, um ihn zu beurteilen.
Ein Algorithmus, der mit Daten aus Verbraucherpanels trainiert wurde, übernimmt diesen Konservatismus. Er lernt, dass Neuheit riskant und Vertrautheit sicher ist. Er lernt, dass Menschen jene Düfte am höchsten bewerten, die den Düften, die sie zuvor hoch bewertet haben, am ähnlichsten sind. Kurz gesagt, er lernt die grundlegendste Lektion der Marktforschung: Menschen mögen, was sie bereits mögen. Und entsprechend optimiert er.
Das Ergebnis ist eine Maschine, die hervorragend darin ist, das zu produzieren, was die Branche als „sichere Wetten“ bezeichnet: Düfte, die nicht scheitern werden, die ein Mindestmaß an kommerzieller Tragfähigkeit erreichen und niemanden überraschen, verstören oder herausfordern, der sie riecht. Diese Düfte werden sich verkaufen. Einige von ihnen werden sich sehr gut verkaufen. Aber sie werden die Branche nicht verändern, denn eine Veränderung der Branche erfordert etwas, das Verbraucherpanels nicht zu bewerten wissen. Die Kompositionen, die die Parfümerie verändert haben, waren im Moment ihrer Entstehung allesamt Überraschungen. Es waren Dinge, nach denen niemand gefragt hatte, Dinge, die in vorläufigen Tests schlecht abschnitten, Dinge, die nicht erfolgreich waren, weil die Daten es vorausgesagt hatten, sondern weil ein einzelner Mensch - ein Parfümeur, ein Kreativdirektor, ein Unternehmer - trotz der Daten an sie glaubte.
Ein Algorithmus kann an nichts glauben, das den Daten widerspricht. Trotz der Daten an etwas zu glauben, ist das Einzige, wozu ein Algorithmus von seiner Beschaffenheit her nicht fähig ist. Ein Algorithmus folgt den Daten. Das ist seine Stärke und seine Einschränkung. Und in einem Bereich, in dem die wichtigsten Entscheidungen jene sind, die den Daten widersprechen, in dem die gesamte Geschichte des kreativen Fortschritts eine Geschichte von Menschen ist, die den Konsens ignorierten und recht behielten, ist diese Einschränkung nicht nebensächlich. Sie ist fundamental.
Wo KI hingehört und wo nicht
Lassen Sie mich klarstellen, was ich nicht behaupte. Ich behaupte nicht, dass künstliche Intelligenz in der Parfümerie keine Rolle spielt. Sie hat offensichtliche und wertvolle Anwendungsmöglichkeiten. Sie kann den Reformulierungsprozess beschleunigen, wenn eine regulatorische Änderung die Entfernung eines beschränkten Inhaltsstoffs erzwingt. Sie kann kostengünstige Ersatzstoffe vorschlagen, die den Charakter einer Komposition bewahren und gleichzeitig ihren Preis senken. Sie kann große Datensätze mit Rückmeldungen von Verbrauchern analysieren und Trends erkennen, die einem menschlichen Analysten entgehen könnten. Sie kann den riesigen, mehrdimensionalen Raum möglicher Kombinationen von Inhaltsstoffen kartieren und Bereiche hervorheben, die menschliche Parfümeure noch nicht erforscht haben - ähnlich wie die Gaschromatografie einst Formeln entschlüsselte, die zuvor durch Geschäftsgeheimnisse geschützt waren. Das sind nützliche Funktionen. Sie sparen Zeit, senken Kosten und erweitern das Werkzeugarsenal des Parfümeurs. Kein ernst zu nehmender Mensch hat etwas dagegen.
Was ich behaupte, ist, dass es sich dabei ausschließlich um Optimierungsfunktionen handelt. Sie machen bestehende Prozesse effizienter. Sie erschaffen nicht. Die Unterscheidung zwischen Optimieren und Erschaffen ist nicht semantischer Natur. Sie ist der Unterschied zwischen der Suche nach der besten Route durch eine bekannte Landschaft und der Entdeckung, dass sich die Landschaft über ihre bekannten Grenzen hinaus erstreckt. Maschinelles Lernen ist im Ersteren hervorragend. Zum Letzteren ist es strukturell nicht fähig, denn Letzteres erfordert definitionsgemäß, über die Daten hinauszugehen, während maschinelles Lernen definitionsgemäß ein Verfahren zur Extraktion von Mustern aus Daten ist.
Die Begeisterung der Duftbranche für computergestützte Werkzeuge ist nachvollziehbar. Die Wirtschaftlichkeit der modernen Parfümerie ist brutal. Die durchschnittliche Entwicklungszeit für einen kommerziellen Duft wurde von Jahren auf Monate verkürzt. Briefings sind enger. Budgets sind kleiner. Die Kosten eines Misserfolgs sind höher. In diesem Umfeld ist ein Werkzeug, das die Zahl der erforderlichen Iterationen bis zum Erreichen einer akzeptablen Formel reduzieren kann, äußerst wertvoll. Doch „akzeptabel“ leistet in diesem Satz viel Arbeit. Eine akzeptable Formel erfüllt das Briefing, schneidet in Tests ausreichend ab und überschreitet die Kostengrenze nicht. Eine akzeptable Formel ist kein Meisterwerk. In den meisten Fällen ist sie nicht einmal besonders interessant. Sie ist ausreichend. Und Angemessenheit ist im industriellen Maßstab der Feind der Kunst.
Konvergenz hin zu einem statistischen Mittelwert
Es gibt noch einen letzten Aspekt, und vielleicht ist er der beunruhigendste. Je stärker sich die Duftentwicklung auf algorithmische Werkzeuge stützt, die mit Verbraucherdaten trainiert wurden, desto mehr wird die Produktion der Branche zu einem statistischen Mittelwert konvergieren. Jede neue KI-optimierte Formel wird konstruktionsbedingt das Zentrum der Präferenzverteilung einnehmen. Mit der Zeit wird sich auch das Zentrum selbst verschieben, aber es wird sich nur langsam verschieben, weil die Ausgaben des Algorithmus genau die Vorlieben verstärken, mit denen er trainiert wurde. Verbraucher, die wiederholt KI-optimierten Düften ausgesetzt sind, werden Vorlieben entwickeln, die von diesen Düften geprägt sind, und diese Vorlieben werden wiederum zu Trainingsdaten für die nächste Generation von Algorithmen. Das Ergebnis ist eine Rückkopplungsschleife: Die Maschine produziert, was die Menschen mögen; die Menschen lernen, zu mögen, was die Maschine produziert; und die Maschine produziert noch mehr davon.
Das ist kein hypothetisches Szenario. Es ist eine präzise Beschreibung dessen, was bereits in anderen kreativen Branchen geschehen ist, die algorithmische Empfehlungs- und Generierungssysteme eingeführt haben. Musikstreaming-Plattformen, deren Algorithmen auf Interaktion optimieren, haben eine messbare Konvergenz der klanglichen Eigenschaften populärer Musik hervorgebracht: lauter, kürzer, repetitiver, mit einem früher einsetzenden Hook und einem geringeren Dynamikumfang. Soziale Plattformen, deren Algorithmen auf Aufmerksamkeit optimieren, haben eine Konvergenz der visuellen Eigenschaften populärer Inhalte hervorgebracht: stärker gesättigt, stärker beschnitten, emotional extremer. Der Algorithmus glättet die Landschaft nicht absichtlich. Er glättet sie als Nebenwirkung der Optimierung auf den Durchschnitt.
Die Parfümerie ist gegen diese Dynamik nicht immun. Wenn die Entwicklungspipeline der Branche zunehmend von KI-Werkzeugen abhängig wird, die auf Konsens optimieren, ist eine Verengung des olfaktorischen Feldes unausweichlich. Nicht auf einen einzigen Duft - der Markt ist dafür zu groß und zu stark segmentiert -, sondern innerhalb jedes Segments. Die frischen Herrendüfte werden konvergieren. Die süßen Damendüfte werden konvergieren. Die orientalischen Oud-Düfte werden konvergieren. Jede Kategorie wird in sich homogener werden, weil der Algorithmus, der jeden neuen Vertreter entwirft, mit denselben Daten trainiert wird, die die bestehenden Vertreter hervorgebracht haben. Das Feld wird nicht auf einen Punkt schrumpfen. Es wird zu einem Cluster schrumpfen.
Ob das eine Rolle spielt, hängt davon ab, wofür man die Parfümerie hält. Wenn sie eine Branche ist, ein Unternehmen, das Konsumgüter zur Erfüllung der Marktnachfrage produziert, dann ist Optimierung die richtige Strategie und Konvergenz ein akzeptabler Preis. Die Verbraucher bekommen, was sie wollen. Die Unternehmen verdienen Geld. Niemand beschwert sich.
Wenn die Parfümerie jedoch auch eine Kunst ist, eine kreative Disziplin, deren Zweck über die Befriedigung bestehender Vorlieben hinausgeht und neue Möglichkeiten olfaktorischer Erfahrung sichtbar macht, dann ist Konvergenz kein Preis. Sie ist eine Katastrophe. Denn Kunst erfordert, nach jeder Definition, die es zu verteidigen lohnt, die Möglichkeit einer Überraschung. Sie erfordert die Möglichkeit, dass die nächste Komposition etwas sein wird, das noch niemand gerochen hat, etwas, das kein Datensatz vorhergesagt hat, etwas, das ein Verbraucherpanel abgelehnt hätte, weil es in keine bestehende Kategorie passte.
Ein Algorithmus kann das nicht hervorbringen. Ein Parfümeur kann es. Nicht zuverlässig, nicht beständig, nicht nach Zeitplan, nicht innerhalb eines Budgets. Doch gelegentlich, unvorhersehbar und gegen jede kommerzielle Logik wird ein Mensch, der an einer von Hunderten braunen Flakons umgebenen Orgel sitzt, Materialien auf eine Weise kombinieren, die keine Maschine vorgeschlagen hätte, und das Ergebnis wird etwas wirklich Neues sein. Etwas, das das Zentrum verschiebt, statt es zu besetzen. Etwas, von dem die Daten sagten, dass es nicht funktionieren dürfte.
Solche Momente sind selten. Sie werden seltener. Und wenn die Branche nicht vorsichtig ist, werden sie ganz aufhören stattzufinden - nicht, weil die Technologie sie verbietet, sondern weil die Wirtschaftlichkeit keinen Raum mehr für sie lässt. Die Maschine wird komponieren. Die Maschine wird optimieren. Die Maschine wird vollkommen akzeptable Düfte hervorbringen, die in jedem Panel gut abschneiden und niemanden vor den Kopf stoßen.
Ob das als Parfümerie gilt, ist eine Frage, die die Maschine nicht beantworten kann. Sie muss von einer Nase beantwortet werden.
Sieben Extraits mit 20 %, eine Kollektion. Das Discovery Set enthält alle sieben in 2 ml.
