Bei kleineren Organisationen scheitert der Einsatz von ML häufig daran, dass zum Training der KI-Modelle umfangreiche Datenmengen benötigt werden. Eine Unternehmens-übergreifende Entwicklung der Modelle ist dabei kaum möglich, weil sie die Datenhoheit der Beteiligten verletzen würde.
FedXtract schafft die technologische Grundlage zum verteilten Training von KI-Modellen, in dem durch Federated Learning (FL) und Transfer Learning (TL) lediglich die inkrementellen Verbesserungen der Modelle ausgetauscht werden. Dabei werden keine sensiblen Daten nach außen sichtbar, so dass diese Verfahren auch in Bereichen mit personenbezogenen Daten (wie z.B. Healthcare) eingesetzt werden können.
Weitere Informationen zum Projekt auf
https://www.fedxtract.net/