Federated Learning: Eine datenschutzfreundliche Methode zum Training von KI-Modellen?

Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung

Autoren

  • Ricarda Puschky

Organisationseinheiten

Forschungs-netzwerk anzeigen

Details

OriginalspracheDeutsch
Aufsatznummer00019
FachzeitschriftNewsdienst ZD-Aktuell
Jahrgang12
Ausgabenummer1
PublikationsstatusVeröffentlicht - 26 Jan. 2022

Abstract

Ein wichtiges Teilgebiet der Künstlichen Intelligenz (KI) ist das Machine-Learning, bei dem es um das Berechnen von KI-Modellen geht. Trainiert werden diese Modelle mit Hilfe von Trainingsdaten anhand von statistischen Methoden; Ziel eines solchen Trainings ist, dass die trainierten Modelle verlässliche Vorhersagen und Erkenntnisse zu neuen Daten treffen können, um daraus wirtschaftlichen Nutzen ableiten zu können. Dabei entstehen aus datenschutzrechtlicher Sicht gleich mehrere Herausforderungen, u. a., wie der Personenbezug von den zum Training der KI-Modelle verwendeten Daten rechtlich gehandhabt werden kann.

Zitieren

Federated Learning: Eine datenschutzfreundliche Methode zum Training von KI-Modellen? / Puschky, Ricarda.
in: Newsdienst ZD-Aktuell, Jahrgang 12, Nr. 1, 00019, 26.01.2022.

Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung

Puschky R. Federated Learning: Eine datenschutzfreundliche Methode zum Training von KI-Modellen? Newsdienst ZD-Aktuell. 2022 Jan 26;12(1):00019.
Puschky, Ricarda. / Federated Learning : Eine datenschutzfreundliche Methode zum Training von KI-Modellen?. in: Newsdienst ZD-Aktuell. 2022 ; Jahrgang 12, Nr. 1.
Download
@article{6e792e29baba4b8bb76e51fddb309b99,
title = "Federated Learning: Eine datenschutzfreundliche Methode zum Training von KI-Modellen?",
abstract = "Ein wichtiges Teilgebiet der K{\"u}nstlichen Intelligenz (KI) ist das Machine-Learning, bei dem es um das Berechnen von KI-Modellen geht. Trainiert werden diese Modelle mit Hilfe von Trainingsdaten anhand von statistischen Methoden; Ziel eines solchen Trainings ist, dass die trainierten Modelle verl{\"a}ssliche Vorhersagen und Erkenntnisse zu neuen Daten treffen k{\"o}nnen, um daraus wirtschaftlichen Nutzen ableiten zu k{\"o}nnen. Dabei entstehen aus datenschutzrechtlicher Sicht gleich mehrere Herausforderungen, u. a., wie der Personenbezug von den zum Training der KI-Modelle verwendeten Daten rechtlich gehandhabt werden kann.",
author = "Ricarda Puschky",
year = "2022",
month = jan,
day = "26",
language = "Deutsch",
volume = "12",
number = "1",

}

Download

TY - JOUR

T1 - Federated Learning

T2 - Eine datenschutzfreundliche Methode zum Training von KI-Modellen?

AU - Puschky, Ricarda

PY - 2022/1/26

Y1 - 2022/1/26

N2 - Ein wichtiges Teilgebiet der Künstlichen Intelligenz (KI) ist das Machine-Learning, bei dem es um das Berechnen von KI-Modellen geht. Trainiert werden diese Modelle mit Hilfe von Trainingsdaten anhand von statistischen Methoden; Ziel eines solchen Trainings ist, dass die trainierten Modelle verlässliche Vorhersagen und Erkenntnisse zu neuen Daten treffen können, um daraus wirtschaftlichen Nutzen ableiten zu können. Dabei entstehen aus datenschutzrechtlicher Sicht gleich mehrere Herausforderungen, u. a., wie der Personenbezug von den zum Training der KI-Modelle verwendeten Daten rechtlich gehandhabt werden kann.

AB - Ein wichtiges Teilgebiet der Künstlichen Intelligenz (KI) ist das Machine-Learning, bei dem es um das Berechnen von KI-Modellen geht. Trainiert werden diese Modelle mit Hilfe von Trainingsdaten anhand von statistischen Methoden; Ziel eines solchen Trainings ist, dass die trainierten Modelle verlässliche Vorhersagen und Erkenntnisse zu neuen Daten treffen können, um daraus wirtschaftlichen Nutzen ableiten zu können. Dabei entstehen aus datenschutzrechtlicher Sicht gleich mehrere Herausforderungen, u. a., wie der Personenbezug von den zum Training der KI-Modelle verwendeten Daten rechtlich gehandhabt werden kann.

M3 - Artikel

VL - 12

JO - Newsdienst ZD-Aktuell

JF - Newsdienst ZD-Aktuell

IS - 1

M1 - 00019

ER -