Private AI. Ein Ansatz zur Verarbeitung sensibler Daten für Machine-Learning-Modelle (PDF)

Wissenschaftliche Studie aus dem Jahr 2022 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Universität Hamburg, Sprache: Deutsch, Abstract: Die zunehmende Bedeutung von KI für Unternehmen zeigt das Beratungsunternehmen McKinsey & Company auf. Sie prognostiziert für Unternehmen die keine KI-Technologien adaptieren, einen Cash-Flow Rückgang von bis zu 20%, wodurch wiederum ein Leistungsunterschied zu KI-Vorreitern entstehen könnte [Mc18]. U.a. deshalb assoziieren die Menschen mit dem Wort KI die Schlagwörter Effizienz und bessere Arbeitsergebnisse. Jedoch bestehen bei Anwender:innen auch negative Verbindung zu dieser Technologie, wie bspw. ein fehlender Datenschutz [Pr20]. In Konsequenz kann dies zu einer geringeren Akzeptanz in der Anwendung einer KI-Applikation sowie der Freigabe von Daten für die entsprechenden ML-Modelle führen. Sowohl aus Sicht von Privatpersonen bezüglich personenbezogener Daten, als auch aus Sicht sensibler Unternehmensdaten. "Damit Unternehmen das Potenzial neuer KI-Technologien gewinnbringend ausschöpfen können, ist die Verfügbarkeit relevanter Datenmengen in entsprechender Qualität eine wesentliche Herausforderung, die es zu bewältigen gilt." [Ab19, S.31].

[...] Somit bietet die branchen- und unternehmensübergreifende Veröffentlichung und Nutzung von Daten grosse Potenziale für die Güte von ML-Modellen. Jedoch werden besonders diese speziell benötigten Trainingsdaten von Unternehmen ungern veröffentlicht, da sie "dem Ausbau der eigenen Wettbewerbsfähigkeit dienen" [Dö18, S.158].

Die erste Hälfte der vorliegenden Studie befasst sich mit dem Stand der Forschung zu dem Themengebiet Private AI. Dabei zielt eine Literaturrecherche darauf ab, ein grundlegendes Verständnis über die Idee von Private AI zu erlangen sowie Grundlagen zu den dazugehörigen wissenschaftlichen Grundkonzepte zu erarbeiten. Dieses Ziel wird von der folgenden Forschungsfrage geleitet:

Auf welchen wissenschaftlichen Grundkonzepten basiert die Idee von Private AI? (RQ1)

Hierauf basierend ist ein weiteres Ziel dieser Studie nach wissenschaftlich erforschten Ansätze des Private AI Prinzips zu recherchieren, zu analysieren und gegenüberzustellen. Die hierzu entwickelte Forschungsfrage lautet:

Welche Ansätze zu Private AI sind in der Wissenschaft erforscht? (RQ2)

Das abschliessende Ziel beschäftigt sich mit den in der Praxis implementierten Ansätzen zu Private AI. Hierbei ist das Ziel zu analysieren, welche Implementierungen existieren, worauf sie basieren und ob sie öffentlich zugänglich sind:

Welche praktischen Implementierungen existieren zu dem Konzept von Private AI? (RQ3)