Unternehmensdaten zurückholen

Wenn mehrere kooperierende Unternehmen Daten in eine KI einspeisen, erhält das Lernmodell besonders viele unterschiedliche Daten. Dementsprechend generiert es hochwertigere und zuverlässigere Ergebnisse. Um ihre Datenhoheit zu bewahren, setzen Unternehmen auf föderierte, dezentrale Trainingsansätze. Die Daten werden hier nicht zu einem zentralen Server gesendet, sondern lokal in eine Kopie des KI-Modells eingespeist. Statt der Daten werden dann nur abstrakte Parameter zwischen den Partnern ausgetauscht. Jeder Partner kann der KI-Daten zur Verfügung stellen, ohne diese den anderen Unternehmen preisgeben zu müssen. Doch ein Problem bleibt: Wenn ein Unternehmen das Gemeinschaftsprojekt verlässt, stecken dessen Daten und Parameter immer noch tief im KI-Modell. Diese Daten aus der Black Box KI zu extrahieren, ohne dass die Qualität der Ergebnisse, etwa in Vorhersagen oder Simulationen, darunter leidet, war bisher kaum möglich.

Alles auf Anfang. 

Jetzt hat das Fraunhofer-Institut für Software- und Systemtechnik ISST in Dortmund gemeinsam mit dem Industriepartner Fujitsu Research eine Lösung entwickelt: das Unlearning für dezentrale, föderierte KI-Kollaborationen. Dabei geht man in der Historie des schrittweisen KI-Lernprozesses bis zu dem Punkt zurück, an dem der betreffende Partner seine Daten eingespeist hat. An dieser Stelle wird das Training der KI wieder aufgenommen – nur eben ohne die Daten des ausgestiegenen Partners. Die Methode gewährleistet, dass alle Infos und Daten des Unternehmens, das die Kooperation verlässt, vollständig aus der KI entfernt werden. Zudem verläuft das Retraining des Modells mit Hilfe der hinterlegten Parameter effizienter als im ersten Durchgang. Florian Zimmer, Wissenschaftler am Fraunhofer ISST, sagt dazu: „Der Wiederaufbau des Lernmodells mit den Daten der verbliebenen Partner startet nicht bei null. Damit werden die Leistungsfähigkeit und Integrität der KI mit relativ wenig Aufwand wiederhergestellt. Je nach Anwendung ist durch den Wegfall eines Teils der Daten ein gewisser Qualitätsverlust bei den Ergebnissen unvermeidlich, das wird aber in der Folgezeit durch weitere Lernschritte der KI ausgeglichen.“ Mit der entwickelten Methode des föderierten Unlearning für dezentralisierte KI-Modelle können Unternehmen damit ohne Bedenken in Gemeinschaftsprojekte einsteigen.