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

Research output: Contribution to journal › Article › Research

Authors

  • Ricarda Puschky

Research Organisations

View graph of relations

Details

Original languageGerman
Article number00019
JournalNewsdienst ZD-Aktuell
Volume12
Issue number1
Publication statusPublished - 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.

Cite this

Federated Learning: Eine datenschutzfreundliche Methode zum Training von KI-Modellen? / Puschky, Ricarda.
In: Newsdienst ZD-Aktuell, Vol. 12, No. 1, 00019, 26.01.2022.

Research output: Contribution to journal › Article › Research

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 ; Vol. 12, No. 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 -