BML Ecosys: Einsatz von Federated Learning im Bauhaus.MobilityLab
Mithilfe von Federated Learning können Geräte gemeinsam an einem Modell, aber aus verteilten Daten lernen. Diese Technik des Maschinellen Lernens bietet besonders hinsichtlich des Datenschutzes große Vorteile, denn die verwendeten Daten werden nicht an zentraler Stelle verfügbar gemacht. Sie verbleiben am Ort der jeweiligen Geräte. Der Einsatz von Federated Learning im Bauhaus.MobilityLab wurde nun durch Forschende des Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM in einem Whitepaper dargelegt
Gerade weil Federated Learning so vielfältig anwendbar ist, müssen die Prozesse an den spezifischen Einsatz angepasst werden. Im Bauhaus.MobilityLab handelt es sich hier um die entstehende Laborplattform, welche zum Austausch und zur Auswertung von Datensätzen aus den Bereichen Mobilität, Logistik und Energie geschaffen wird und Unternehmen, staatlichen sowie wissenschaftlichen Einrichtungen zur Verfügung stehen soll. Die Forschenden entwickelten hierfür eine eigene Software-Lösung, die sowohl Flexibilität als auch Nutzbarkeit für den produktiven Einsatz sichert. Hierfür wurde ein eigenes Framework geschrieben, zu welchem ein Whitepaper auf der Plattform Arxiv veröffentlicht wurde.
- Seite empfehlen:
- Druckansicht