20. Jan. 2026 · Updated 20. Jan. 2026

Enolisa Analytics: dein Dashboard „My enological experience“ erklärt

Ein Guide zu Enolisa Analytics („My enological experience“): welche Daten genutzt werden, was die Bereiche messen und wie du Insights aus Keller, Verkostungen und Pairings interpretierst.

Enolisa Analytics: dein Dashboard „My enological experience“ erklärt

Was dieses Dashboard ist

Enolisa Analytics (oft als „My enological experience“ bezeichnet) ist eine Reihe von Dashboards, die deinen Keller und deine Verkostungen in praktische Insights verwandeln:

  • Was du am häufigsten trinkst
  • Woher deine Weine kommen
  • Wie sich deine Bewertungen über die Zeit entwickeln
  • Welche Aromen/Geschmacksnoten du wiederholst
  • Welche Muster deine AI-Lisa Pairings zeigen (wenn du Pairings nutzt)

Es ist für Weinliebhaber gedacht, die sich selbst besser verstehen und sicherer entscheiden wollen – nicht für professionelle Bewertung.

Welche Daten genutzt werden

Analytics basiert auf:

  • Weinen in Mein Keller
  • Deinen erfassten Verkostungen
  • Pairings, die auf Verkostungen generiert und gespeichert wurden (AI-Lisa Pairings)

Wenn du wenig Daten hast, erscheinen manche Charts nicht oder zeigen einen Empty State.

Hauptbereiche (was du erwarten kannst)

Enolisa Analytics ist typischerweise in Tabs/Bereiche gegliedert, z. B.:

1) Entwicklung

Ziel:

  • Entwicklung deiner Verkostungsbewertungen über die Zeit sehen und Muster erkennen (z. B. „Schaumwein bewerte ich höher“).

Typische Outputs:

  • Zeitreihe der Bewertungen
  • Highlight „bestbewerteter Wein“

2) Rebsorten

Ziel:

  • Verstehen, welche Rebsorten deinen Keller und deine Verkostungen dominieren.

Typische Outputs:

  • Rebsorten-Verteilungen
  • Präferenz-Verteilungen nach Rebsorte (basierend auf deiner Aktivität)

3) Länder / Regionen

Ziel:

  • Sehen, woher deine Weine kommen und was du am meisten entdeckst.

Typische Outputs:

  • Rankings nach Land
  • Aufschlüsselungen nach Region/Denomination (wenn vorhanden)

4) Kellerwert

Ziel:

  • Gesamten Kellerwert schätzen und aufschlüsseln.

Hinweise:

  • Basierend auf gespeicherten Kaufpreisen (wenn vorhanden) und deiner Währungspräferenz.

5) Dein Geschmack

Ziel:

  • Dein wiederkehrendes sensorisches Vokabular zusammenfassen.

Typische Outputs:

  • Top-Aromen (am häufigsten gewählt)
  • Top-Geschmacksnoten (am häufigsten gewählt)
  • Weitere „Verhaltens“-Insights, wenn verfügbar (z. B. Preisrange, Top-Shops)

6) Empfehlungen (Premium)

Ziel:

  • Personalisierte Empfehlungen anzeigen, wenn Premium-Features aktiviert sind.

Wichtig:

  • Das Empfehlungsmodul ist in Enolisa Premium-gated.

7) Pairing-Insights (AI-Lisa)

Ziel:

  • Deine AI-Lisa Pairings aggregieren, um Muster zu zeigen, z. B.:
    • häufige Küchenstile
    • typische Anlässe
    • Saisonalität
    • dominante Geschmacksprofile

Wichtig:

  • Pairing-Insights setzen voraus, dass du Pairings in Verkostungen generiert hast.

So nutzt du Analytics (praktische Beispiele)

  • Planung: „Ich erkunde zu oft ähnliche Regionen – ich diversifiziere.“
  • Kaufen: „Ich mag oft säurebetonte Weißweine – danach suche ich.“
  • Pairing: „Meine Pairings gehen Richtung scharf/umami – welche Weine passen dazu?“

Verwandte Enolisa-Quellen

wein analytics verkostungstagebuch wein vorlieben kellerwert enolisa AI-Lisa