Pflanzenöle spielen eine entscheidende Rolle nicht nur als Nahrungsquelle, sondern auch als erneuerbare Energie. Die Rückverfolgbarkeit ihrer geografischen Herkunft ist von großer Bedeutung für Lebensmittelsicherheit, Gesundheit und Energie-Nachhaltigkeit. Die stabile Isotopenanalyse von leichten Elementen in Kombination mit chemometrischen Techniken hat erfolgreich die geografische Herkunft von Pflanzenölen bestimmt. Allerdings bleibt das Potenzial der stabilen Wasserstoff-Isotopenzusammensetzung (δ2H) von Fettsäuren (FAs) als analytische Marker und der Fingerprinting-Ansatz unter Verwendung des δ2H von FAs zur Identifizierung der geografischen Herkunft, insbesondere im Fall von Rapsöl, dem drittgrößten Pflanzenöl weltweit, unerforscht. Diese Dissertation hatte zum Ziel, einen Fingerabdruckansatz zur Bestimmung des geografischen Ursprungs von Pflanzenölen zu entwickeln, wobei Rapsöl als Fallstudie verwendet wurde. Die Forschung verfolgte drei Hauptziele: (1) die Optimierung der Probenvorbereitungsmethode für eine einfache und hochdurchsatzfähige Messung des δ2H von FAs in Raps; (2) die Analyse der räumlichen Verteilung des δ2H von FAs in Raps aus verschiedenen Regionen und deren Korrelation mit klimatischen und bodenbezogenen Faktoren; (3) die Etablierung von Klassifikationsmodellen unter Verwendung des δ2H von FAs und der Elementzusammensetzung von Raps zur Unterscheidung geografischer Ursprünge, einschließlich der Unterscheidung von Hessen von anderen Regionen und verschiedenen Regionen innerhalb Hessens.

Eine verfügbare schnelle und einfache Probenvorbereitungsmethode von Garcés & Mancha (1993) ermöglicht die direkte Umwandlung von Raps in Fettsäuremethylester (FAME). Für eine effektive Umwandlung wurde 2,2-Dimethoxypropan (DMP) zugesetzt, doch war der Einfluss von DMP auf die Isotopenzusammensetzung der einzelnen FAMEs unklar. Daher wurden Kontrollversuche durchgeführt, um die Eignung von DMP für eine genaue verbindungsspezifische Analyse stabiler Isotope (CSIA) mittels Gaschromatographie-Pyrolyse-Isotopenverhältnis-Massenspektrometrie (GC-Py-IRMS) zu bewerten. Für die zweiten und dritten Ziele wurden insgesamt 121 Raps- und Bodenproben aus Hessen, Deutschland, zwischen 2017 und 2020 sowie 28 Rapsproben aus dem Kreis Jianhu, Provinz Jiangsu, China, im Jahr 2019 gesammelt. Das δ2H der FAs (C18:1, C18:2, C18:3, C16:0) in Raps wurde mittels GC-Py-IRMS bestimmt, während die Element-zusammensetzung von Raps mittels induktiv gekoppelter Plasmaoptischer Emissionsspektrometrie (ICP-OES) und induktiv gekoppelter Plasmamassenspektrometrie (ICP-MS) analysiert wurde. Klimadaten und Bodenparameter wurden aus öffentlich zugänglichen Datensätzen oder mittels standardisierter Methoden im Labor ermittelt. Chemometrische Techniken wurden für die Datenanalyse verwendet, einschließlich schrittweiser linearer Regressionsanalyse, Hauptkomponentenanalyse (PCA) und orthogonaler partieller kleinster Quadrate-Diskriminanzanalyse (OPLS-DA).

Durch Kontrollexperimente wurde bestätigt, dass DMP keinen signifikanten Einfluss auf die Genauigkeit der δ2H-Werte der FAs hatte. Die Messgenauigkeit der CSIA von Wasserstoff (H-CSIA) reichte von ± 0,3 mUr bis ± 3 mUr und lieferte zufriedenstellende Ergebnisse. Diese Methode ermöglichte die Analyse von etwa 150 Rapsproben und steigerte somit die Effizienz der Experimente. Die räumliche Verteilung der δ2H-Werte der FAs in Hessen übertraf die instrumentelle Präzision und zeigte ein räumliches Muster, das den δ2H-Werten der Niederschläge auf regionaler Ebene ähnelt. Korrelationsanalysen offenbarten signifikante Zusammenhänge zwischen dem δ2H der FAs und ortsspezifischen Faktoren wie Lufttemperaturen im Februar und Mai, Niederschlagsmengen im April und Schluffgehalt. Klimatische Bedingungen hatten einen ausgeprägteren Einfluss auf das δ2H der FAs als Bodeneigenschaften, was das Potenzial des δ2H der FAs als Marker zur Bestimmung der geografischen Herkunft von Raps aufzeigt. Klassifikationsmodelle auf Basis von OPLS-DA wurden entwickelt, um Raps aus Hessen und Jianhu zu unterscheiden. Die Modelle erzielten bemerkenswerte Genauigkeiten: 82,8 % der hessischen Proben wurden korrekt als Hessen identifiziert, und 93,1 % der Jianhu-Proben wurden genau als Jianhu klassifiziert. Sowohl das δ2H der FAs als auch die Elementdaten trugen signifikant zur Klassifikation bei. Zur Differenzierung von Raps innerhalb Hessens wurde das Bundesland in acht Klimazonen unterteilt, basierend auf drei wesentlichen klimatischen Bedingungen – der monatlichen Durchschnittstemperatur im Februar und Mai sowie dem monatlichen Durchschnittsniederschlag im April – die den größten Einfluss auf die δ²H-Werte der FAs haben, wie durch die Korrelationsanalyse festgestellt wurde. Eine effektive Unterscheidung von Raps wurde zwischen zwei Zonen durch Kombination der δ2H-Werte der FAs und Elementdaten mittels der OPLS-DA-Methode erreicht: Eine Zone wies niedrige Mai-Temperaturen und niedrige April-Niederschläge auf, während die andere hohe Mai-Temperaturen und hohe April-Niederschläge hatte. Das Klassifikationsmodell wurde validiert, mit einem Q2-Wert von 0,8, was auf eine gute Vorhersagefähigkeit hinweist. Sowohl das δ2H der FAs als auch die Elementdaten trugen signifikant zur Klassifikation bei. Aufgrund der begrenzten Stichprobengröße in diesen Zonen (n=8 und n=7) wird eine weitere Überprüfung mittels externer Datensätze empfohlen.

Zusammenfassend bietet die Integration der stabilen Wasserstoffisotopenzusammensetzung, der Elementdaten und der OPLS-DA-Methode einen robusten Ansatz zur Bestimmung der Herkunft von Raps, sowohl über große Entfernungen (z. B. zwischen Deutschland und China) als auch innerhalb nahegelegener Regionen (z. B. innerhalb Hessens), insbesondere dort, wo unterschiedliche klimatische Bedingungen vorherrschen. Dieser Ansatz ist genauer und vorhersagestärker als die alleinige Verwendung von Isotopen- oder Elementdaten. Durch die Kombination etablierter bodenbezogener Marker mit den neuen analytischen Markern wie dem δ²H der FAs könnte dieser Fingerabdruckansatz auch auf andere Pflanzenöle wie Palmöl angepasst werden. Dieser Ansatz hat das Potenzial, ein praktisches Werkzeug zur Überwachung des Ursprungs landwirtschaftlicher Erzeugnisse im Einklang mit den EU-Nachhaltigkeitsrichtlinien und -verordnungen, wie der Verordnung über entwaldungsfreie Produkte, zu sein.