Zum Inhalt springen
_CORE
KI & Agentensysteme Unternehmensinformationssysteme Cloud & Platform Engineering Datenplattform & Integration Sicherheit & Compliance QA, Testing & Observability IoT, Automatisierung & Robotik Mobile & Digitale Produkte Banken & Finanzen Versicherungen Öffentliche Verwaltung Verteidigung & Sicherheit Gesundheitswesen Energie & Versorgung Telko & Medien Industrie & Fertigung Logistik & E-Commerce Retail & Treueprogramme
Referenzen Technologien Blog Know-how Tools
Über uns Zusammenarbeit Karriere
CS EN DE
Lassen Sie uns sprechen

Federated Learning — AI-Training ohne Datenweitergabe

10. 11. 2024 1 Min. Lesezeit CORE SYSTEMSai
Federated Learning — AI-Training ohne Datenweitergabe

Ein Krankenhaus will AI für Diagnostik einsetzen, darf aber keine Patientendaten weitergeben. Federated Learning: Das Modell geht zu den Daten, nicht die Daten zum Modell.

Wie es funktioniert

Jeder Teilnehmer trainiert lokal. Nur Modell-Updates (Gradienten) werden an die Zentrale gesendet, keine Daten. Ein zentraler Server aggregiert sie.

Typen

  • Cross-Device: Millionen mobiler Geräte (Google Keyboard)
  • Cross-Silo: Organisationen arbeiten zusammen (Krankenhäuser, Banken)

Frameworks

Flower: Framework-agnostisch, am beliebtesten. PySyft: Privacy-first. NVIDIA FLARE: Enterprise Healthcare.

Federated Learning ist die Zukunft datenschutzfreundlicher AI

Für das Gesundheitswesen, den Finanzsektor und den öffentlichen Dienst ist es der einzige Weg zu AI ohne Zentralisierung der Daten.

federated learningprivacyaihealthcare
Teilen:

CORE SYSTEMS

Wir bauen Kernsysteme und KI-Agenten, die den Betrieb am Laufen halten. 15 Jahre Erfahrung mit Enterprise-IT.

Brauchen Sie Hilfe bei der Implementierung?

Unsere Experten helfen Ihnen bei Design, Implementierung und Betrieb. Von der Architektur bis zur Produktion.

Kontaktieren Sie uns