Datenpaket: Coffee Consumption and User Experience Dataset with Machine and Contextual Data (complete)

Dieser Datensatz wurde im Rahmen des CONFES-Systems (Context-Aware Food and Beverage Preparation Machine) erhoben und umfasst Daten zu 2.574 Kaffeezubereitungen, darunter unter anderem Café Crème, Cappuccino, Latte macchiato, Milchkaffee und Espresso. Die Getränke wurden zwischen dem 15. Juli 2024 und dem 31. März 2025 von 89 Teilnehmenden in zwei unterschiedlichen Arbeitsumgebungen konsumiert und bewertet. Ziel des zugrunde liegenden Experiments ist es, Zusammenhänge zwischen der menschlichen Geschmackswahrnehmung, den verwendeten Kaffeerezepturen und kontextuellen Einflussfaktoren zu untersuchen. Ein besonderer Fokus liegt dabei auf dem Coffee-to-Water Ratio (C2WR) als zentralem Verhältnis von Kaffeemehlmenge zu Wassermenge.
Der Datensatz enthält unter anderem Angaben zum C2WR, zur eingesetzten Kaffeemehlmenge, zur Wassermenge, zur Gesamtbewertung des Kaffees sowie zu einer separaten Intensitätsbewertung. Ergänzend wurden Kontextinformationen erfasst, die sowohl den Umgebungskontext als auch den Nutzerkontext abbilden. Die Daten ermöglichen eine Analyse des Zusammenspiels von Zubereitungsparametern, subjektiver Geschmackswahrnehmung und Kontextbedingungen. Darüber hinaus können sie als Grundlage für weiterführende Untersuchungen zur automatisierten und kontextbewussten Optimierung von Kaffeerezepturen hinsichtlich Geschmack und ökologischer Nachhaltigkeit dienen.

This dataset was collected as part of the CONFES system (Context-Aware Food and Beverage Preparation Machine) and comprises data from 2,574 coffee preparations, including Café Crème, cappuccino, latte macchiato, milk coffee, and espresso, among others. The beverages were consumed and evaluated by 89 participants between July 15, 2024, and March 31, 2025, in two different workplace environments. The underlying experiment aims to investigate relationships between human taste perception, the coffee recipes used, and contextual influencing factors. Particular emphasis is placed on the Coffee-to-Water Ratio (C2WR) as a central ratio between the amount of coffee powder and the amount of water.
The dataset includes, among other variables, information on the C2WR, the amount of coffee powder used, the amount of water, an overall coffee rating, and a separate intensity rating. In addition, contextual information was collected to represent both the environmental context and the user context. The data enable an analysis of the interplay between preparation parameters, subjective taste perception, and contextual conditions. Furthermore, they can serve as a basis for future studies on the automated and context-aware optimization of coffee recipes with regard to taste and ecological sustainability.

Unter DOI https://doi.org/10.35097/h8qfpu2hdzvsxem7 wurde vorab ein unvollständiger Datensatz (884 Tassen Kaffee) publiziert, diese Publikation umfasst den vollen Datensatz, nach abgeschlossenem Datenerhebungsexperiment.
Grundsätzlich kann die Variable "fbIntensity" als eine der relevantesten Bewertungen gesehen werden, da diese beschreibt, ob der Kaffee "zu schwach" (2), "optimal" (1) oder "zu stark" (0) war.
Richtigerweise würde man beschrieben ob der Kaffee zu bitter oder sauer ist, allerdings macht das nur mit ausgebildeten Kaffeetrinkern Sinn, deshalb wurde eine einfachere Bewertungsmethode gewählt.
Zu dieser Bewertung kann die Gesamtbewertung "fbGeneral" hinzugezogen werden, welche aus 4 Sternen besteht (1 Stern = schlecht, 2 Sterne = akzeptabel, 3 Sterne = gut, 4 Sterne = sehr gut).
Der "coffeeWaterRatio" errechnet sich indem man die Varibale "qtyPowder" (in Gramm) durch die Variable "qtyWater" (in Milliliter) teilt. Je größer dieser Wert ist, desto mehr Kaffeemehl wurde eingesetzt im Vergleich zur Wassermenge.
Die unterschiedlichen Wassermengen der zubereiteten Tassen Kaffee resultieren durch unterschiedliche Gefäßgrößen an den zwei verschiedenen Experiment Standorten ("Experiment Location" - "A" und "B").
Zur Auswertung können Uhrzeiten in verschiedene Tagesabschnitte gruppiert werden (morgens, mittags, abends) um die Auswertung zu vereinfachen.
Erläuterungen der Variablen:
Bewertung:
"fbTaste" = Bewertung des Geschmacks --> "0" = "gut" / "1" = "neutral" / "2" = "schlecht"
"fbTaste" = Bewertung des Geschmacks --> "0" = "gut" / "1" = "neutral" / "2" = "schlecht"
"fbSmell" = Bewertung des Geruchs --> "0" = "gut" / "1" = "neutral" / "2" = "schlecht"
"fbTemp" = Bewertung der Getränketemperatur --> "0" = "zu heiß" / "1" = "optimal" / "2" = "zu kalt"
"fbVision" = Visuelle Getränkebewertung --> "0" = "gut" / "1" = "neutral" / "2" = "schlecht"
Getränkeabfrage:
"addSugar" = Wurde Zucker hinzugefügt? (ja = 1/nein = 0)
"addHotWater" = Wurde heißes Wasser hinzugefügt? (ja = 1/nein = 0)
"addMilk" / "addPlantMilk" = Wurde Milch/pflanzenbasierte Milch hinzugefügt? (ja = 1/nein = 0)
Umgebungskontext / Wetterdaten (stammen von der API http://open-meteo.com)
Persönlicher Kontext:
"uFatigue" = Müdigkeitsgrad (müde (3), neutral (2), wach (1))
"uMood" = Stimmung (schlecht (1), neutral (2), gut (3))
"uFeltTemperature" = gefühlte Temperatur (zu kalt (1), angenehm (2), zu heiß (3))
"uStress" = Stresslevel (gestresst (1), neutral (2), entspannt (3))
"priorIntake" = Abfrage ob 30min vor dem Kaffee etwas konsumiert wurde (nein (0), ja (1))
"coffeeKitchen" = Abfrage ob Kaffee in Kaffeeküche getrunken wurde (nein (0), ja (1))
Persönliche Attribute:
Sind Daten über den/die jeweilige Experimentteilnehmer*in:
"age", "gender", "height", "weight", "smoke", "excerciseFreq", "allergy", "diet", "sodaFreq"