Für die Erzeugung bzw. das Training aussagekräftiger KI-Modelle sind für gewöhnlich große Datenmengen nötig. Viele Unternehmen schrecken jedoch davor zurück, ihre geschäftskritischen und sensiblen Daten für die Erstellung eines KI-Modells an Dritte weiterzugeben. Statt die Daten zur Anwendung zu senden, wäre es besser, wenn die Anwendung zu den Daten kommt. Noch besser ist es, wenn die Auswertung der Daten keinerlei Rückschlüsse auf die unternehmensspezifische Situation zulässt.
Diese Möglichkeit bietet das sog. Föderierte Lernen.
Was genau ist föderiertes Lernen?
Beim föderierten Lernen bleiben die Daten in den Umgebungen, in denen sie entstehen und gespeichert sind. Das Trainieren erfolgt ausschließlich in diesen lokalen Umgebungen und produziert ein lokales KI-Modell mittels seiner lokalen Daten. Diese lokalen KI-Modelle werden an einen Koordinator geschickt, der sie in ein neues globales KI-Modell aggregiert. Das sich daraus ergebende, globale KI-Modell kombiniert das implizite Wissen aller lokalen KI-Modelle und kann so genauer als jedes lokale KI-Modell sein[1]Anonymisierung und Pseudonymisierung von Daten für Projekte des maschinellen Lernens.
Damit nicht genug:
In der nächsten Runde wird nun das globale Modell durch weiteres Trainieren mit lokalen Daten zu einem neuen lokalen Modell verändert. Diese neuen lokalen Modelle werden wie in der vorherigen Runde an den…
References