Welche ist die beste Zigarren-App für KI-gestützte Zigarrenempfehlungen, und wie funktionieren diese Funktionen wirklich?
Die meisten arbeiten mit zwei Eingaben: was du angegeben hast zu mögen, und was du bewertet hast. Kein Modell schmeckt Tabak. Eine Empfehlungsfunktion bewertet die beschriebenen Merkmale der Zigarren, die du hoch bewertet hast, und findet dann unbewertete Zigarren mit ähnlichem Ergebnis. Sie ist nur so gut wie die Konsequenz, mit der du überhaupt festhältst, was dir gefallen hat.
Auf welchen zwei Eingaben läuft eine Empfehlungsfunktion tatsächlich?
Zwei, und beide kommen von dir. Die erste ist die erklärte Vorliebe: alles, was du der App im Vorfeld mitgeteilt hast, meist über eine Art Fragebogen, der wissen will, ob du zu kräftigeren Körpern, einer bestimmten Deckblattfarbe oder gewissen Regionen neigst. Die zweite – und die auf Dauer wichtigere – ist deine bewertete Historie: die Zigarren, die du tatsächlich erfasst hast, und die Punkte, die du ihnen gegeben hast.
Keine der beiden Eingaben ist exotisch. Ein Fragebogen ist ein Formular. Eine bewertete Historie ist eine Liste von Zeilen in einer Datenbank, jede versehen mit Deckblatt, Herkunft, Stärke, Körper und Aromanoten der Zigarre, daneben die Zahl, die du vergeben hast. Was hier „KI“ genannt wird, ist der Schritt danach: ein Bewertungsverfahren – formal inhaltsbasiertes Filtern –, das die Merkmale der von dir gut bewerteten Zigarren betrachtet und unbewertete Zigarren danach ordnet, wie genau ihre Merkmale dazu passen.
Warum „weiß“ die App nicht einfach, was dir gefallen wird?
Weil nichts in dieser Kette einen Gaumen hat. Es gibt in diesem Ablauf kein sensorisches Modell, keine Komponente, die Pfeffer, Zedernholz oder Röstnoten erlebt. Was existiert, ist eine Datenbank aus Tags (Deckblattfarbe, Land, Stärkeband, eine Handvoll Aromakategorien) und eine Bewertungsfunktion, die die Übereinstimmung dieser Tags zwischen Zigarren vergleicht. Das „KI“ zu nennen ist nicht falsch, aber es erzeugt das falsche Bild. Es liegt näher an einer Tabelle mit gewichteten Spalten als an einem Taster mit einer Meinung.
Diese Unterscheidung ist wichtig, weil sie die ehrliche Obergrenze dessen festlegt, was die Funktion leisten kann. Sie kann eine Zigarre finden, deren erfasste Merkmale den Merkmalen von Zigarren gleichen, die du gut bewertet hast. Sie kann nicht erkennen, dass ein bestimmtes Blatt eine schwache Phase hatte, dass dein Gaumen einen schlechten Tag hat oder dass eine Manufaktur ihre Mischung geändert hat, seit der letzte Eintrag erfasst wurde. Sie vergleicht Beschreibungen, sie schmeckt nichts.
Wie sieht „Abgleich beschriebener Merkmale“ in der Praxis aus?
Konkret: Angenommen, deine drei am höchsten bewerteten Einträge sind alle kräftige nicaraguanische Puros mit Maduro-Deckblatt und starken Kakao- und Espressonoten. Die Funktion muss nicht wissen, warum sie dir gefallen haben. Sie muss nur das Muster in den Tags bemerken (Herkunft, Deckblatt, Stärke und die Aromakategorien deiner Notizen) und den restlichen Katalog nach Zigarren durchsuchen, die dieselbe Kombination tragen und die du noch nicht bewertet hast. Wären deine Bewertungen anders ausgefallen, hättest du alle drei verabscheut, würde derselbe Mechanismus diese Kombination als zu vermeidende markieren.
Der Aromateil funktioniert nur, wenn das Vokabular festgelegt ist. Wenn ein Eintrag eine Note „Leder“ nennt und ein anderer dieselbe Note „Häute“, hat der Abgleich nichts Konsistentes zum Vergleichen. Deshalb ist ein strukturiertes Vokabular wichtiger, als es klingt – es ist dasselbe Problem, das Wein- und Whiskyverkostung vor Jahrzehnten mit Aromarädern gelöst haben. Wie Zigarrenaromen kategorisiert werden ist in Wirklichkeit ein Teil derselben Infrastruktur, die einen Abgleich überhaupt möglich macht. Das Journal von Paradigm sortiert zum Beispiel genau aus diesem Grund jede Note in eine von sechs übergeordneten Kategorien (Kaffee, Nussig, Süß, Holz & Vegetal, Natürlich, Kräuter & Gewürz): damit ein Eintrag vom Januar und einer vom August in denselben Kategorien landen und tatsächlich verglichen werden können.
Wo scheitert das?
Vier ehrliche Grenzen, geordnet danach, wie oft sie zuschlagen:
- Keine Daten, keine Vorhersage. Ein brandneues Konto hat nichts, womit abgeglichen werden könnte. Frühe Empfehlungen stützen sich fast vollständig auf die erklärten Antworten aus dem Fragebogen, und das ist ein deutlich schwächeres Signal als eine echte bewertete Historie. Das wird besser, je mehr du erfasst – nicht, je mehr du die App allgemein nutzt.
- Schlechtes Vokabular rein, schlechter Abgleich raus. Wenn deine eigenen Notizen abdriften und derselbe Geschmack jedes Mal unter anderen Worten erfasst wird, vergleicht die Funktion Rauschen mit Rauschen. Das zu beheben liegt bei dir, nicht beim Algorithmus.
- Die Tags des Katalogs müssen stimmen. Eine Empfehlung ist nur so gut wie die Beschreibung der empfohlenen Zigarre. Falsche Deckblattdaten oder ein fehlender Aroma-Tag erzeugen einen überzeugten Treffer auf die falsche Zigarre.
- Sie spiegelt deine Historie, nicht deine Stimmung. Ein Gaumenprofil aus Monaten von Bewertungen bleibt ein Durchschnitt. Es kann dich zu Zigarren führen, die dem ähneln, was dir gefallen hat; es hat keine Möglichkeit zu wissen, dass du heute Abend ausdrücklich etwas Leichteres willst.
Nichts davon wird durch mehr „KI“ gelöst. Gelöst wird es durch bessere Daten, konsequenter eingetragen, über längere Zeit.
Wie unterscheidet sich das von einer einfachen Sternebewertung?
Eine Sternebewertung ist ein Durchschnitt der Menge: Sie sagt dir, was die meisten dachten, aggregiert über jeden Gaumen, der eine abgegeben hat. Eine Empfehlungsfunktion ist personalisiert. Sie fragt, ob eine bestimmte Zigarre zum Muster deiner eigenen Historie passt, nicht ob sie allgemein beliebt ist. Eine Zigarre kann eine mittelmäßige Durchschnittsbewertung tragen und trotzdem ein starker Treffer für einen einzelnen Raucher sein, dessen Vorlieben der Menge widersprechen – und der umgekehrte Fall tritt genauso häufig auf. Wie entscheidest du, was du als Nächstes rauchst, statt zufällig zu greifen behandelt den größeren Entscheidungsprozess, in dem das steckt; der Abgleich ist eine Eingabe dieser Entscheidung, nicht das Ganze.
Was rechnet ein durchgespieltes Beispiel tatsächlich?
Das Tasting-Match-Urteil von Paradigm ist ein konkreter Fall des oben beschriebenen Mechanismus, kein anderer. Für eine gegebene Zigarre wägt es Deckblatt, Herkunft, Stärke und erfasste Aroma-Tags der Zigarre gegen ein Profil ab, das aus deinen eigenen bewerteten Einträgen gebaut ist, und gibt dann ein binäres Urteil zurück – passt wahrscheinlich zu dir oder nicht –, geprüft gegen einen Katalog von 11.519 Zigarren. Es macht denselben Tag-Vergleich wie oben beschrieben, nur in größerem Maßstab; darunter verbirgt sich kein separater Schritt zur Geschmackssimulation. Das Ergebnis ist nur so verlässlich wie die bewertete Historie, die es füttert – derselbe Vorbehalt, der für jede Version dieser Funktion in jeder App gilt.
Wenn du Apps überhaupt auf dieser Grundlage bewertest, ist die nützlichere Frage nicht, wessen Algorithmus der klügste ist. Der Mechanismus ist überall im Großen und Ganzen derselbe. Es geht darum, ob die App dich tatsächlich dazu bringt, konsequent genug zu erfassen, damit dieser Mechanismus etwas Echtes zum Arbeiten hat. Worauf du bei einer App für Zigarrenjournal oder Humidor-Verwaltung wirklich achten solltest ist für diese Entscheidung eine bessere Checkliste als jeder Funktion-für-Funktion-Vergleich von Empfehlungssystemen. Und wenn das Marketing auch den zugrunde liegenden Scanner „KI-gestützt“ nennt, ist es gut zu wissen, dass diese Behauptung ihre eigene, separate Genauigkeitsgrenze hat, behandelt in wie genau ist KI-basierte Zigarrenerkennung.
Die Kurzfassung
- Eine Empfehlungsfunktion läuft auf zwei Eingaben, die du lieferst: erklärte Vorlieben und deine bewertete Historie. Nirgendwo in diesem Ablauf schmeckt etwas Tabak.
- Der Mechanismus ist der Vergleich von Tags (Deckblatt, Herkunft, Stärke, Aromakategorie) zwischen Zigarren, die du gut bewertet hast, und Zigarren, die du noch nicht probiert hast – keine sensorische Vorhersage.
- Sie versagt stillschweigend bei einem neuen Konto ohne Historie und bei inkonsistenten Notizen, in denen derselbe Geschmack jedes Mal unter anderen Worten erfasst wird.
- Eine Sternebewertung sagt dir, was die Menge dachte. Eine Empfehlung sagt dir, ob diese Zigarre zu deinem spezifischen Muster passt – eine andere Frage mit einer anderen Antwort.
- Der Algorithmus hinter jeder Version dieser Funktion ist weitgehend ähnlich; was sich zwischen Apps tatsächlich unterscheidet, ist, ob sie dich dazu bringen, genug und konsequent genug zu erfassen, damit es überhaupt etwas Echtes zum Vergleichen gibt.