Fraunhofer ISST und Fujitsu Research entwickeln Verfahren zum Entfernen von Daten aus KI-Modellen

Fraunhofer ISST und Fujitsu Research haben ein Verfahren für sogenanntes federated unlearning vorgestellt.

Damit lassen sich Daten eines ausscheidenden Partners gezielt aus einem dezentral trainierten KI-Modell entfernen. In vielen Fällen entfällt dadurch das aufwendige vollständige Neutraining des Systems.

Der Ansatz richtet sich vor allem an kooperative KI-Projekte, in denen Datenhoheit und Vertraulichkeit eine zentrale Rolle spielen. Für Unternehmen, die Modelle gemeinsam trainieren und später wieder sauber trennen müssen, ist das praktisch relevant.