Verteiltes maschinelles Lernen – Besserer Datenschutz für KI-Anwendungen? (KI Kompakt)
KI-Systeme basieren auf dem Training von großen Mengen an – teils sensiblen – Daten. Unternehmen stellt die Entwicklung von KI-Anwendungen mit personenbezogenen Daten vor rechtliche Unsicherheiten; die Hürden zur Einhaltung des Datenschutzes und des Rechts auf informationelle Selbstbestimmung sind hoch. Eine technische Lösung, datenschutzwahrende KI-Anwendungen zu schaffen, verspricht die Methode des verteilten maschinellen Lernens. Die beim Training von KI-Algorithmen verwendeten Daten werden dabei nicht zentral gebündelt, sondern verbleiben auf den Endgeräten – und damit bei den Usern. Insbesondere KI-basierte Gesundheitslösungen, die personalisierte Patientendaten nutzen, um zum Beispiel Krankheitsfälle wie Covid-19 oder Leukämie zu erkennen, können von der Methode des verteilten maschinellen Lernens profitieren. Allerdings sind neue Angriffspunkte für Cyberkriminelle denkbar und zu diskutieren.
Einen Überblick über die Methode und Anwendungsbeispiele des verteilten maschinellen Lernens gibt die erste Ausgabe von KI Kompakt. Die neue Publikationsreihe der Plattform Lernende Systeme liefert knappe und fundierte Expertise zu aktuellen Entwicklungen im Bereich Künstliche Intelligenz und zeigt Potenziale, Risiken sowie offene Fragen auf.