Zum Inhalt springen

App-Dokumentation · DE

Kollektiv-Lernen ohne Datenteilung

Screenshot der App

Anomalie-Erkennung, Abwanderungs- und Liquiditätsprognosen werden mit jedem teilnehmenden Mandanten besser — ohne dass ein einziger Datensatz einen Mandanten verlässt. Möglich macht das föderiertes Lernen: Jeder Mandant berechnet auf seinen eigenen Daten ein kleines Modell-Update, das lokal begrenzt (geclippt) und verrauscht (Differential Privacy) wird, bevor es überhaupt gespeichert wird. Der Server mittelt nur diese verrauschten Updates. So entsteht aus dem Datenschutz ein Netzwerkeffekt: Je mehr Mandanten mitmachen, desto klüger wird die Plattform für alle — nachweislich, ohne einen einzigen Datensatz zu teilen.

Wichtige Funktionen

  • Freiwillige Teilnahme pro Modell mit einem Differential-Privacy-Budget (ε). Das Budget begrenzt, wie viel ein Mandant beitragen kann.
  • Lokales Beitragen ohne Rohdaten: Beiträge werden geclippt und mit kalibriertem Gauß-Rauschen versehen; gespeichert wird ausschließlich der verrauschte Vektor — niemals einzelne Datensätze oder personenbezogene Daten.
  • k-Anonymität: Ein gemeinsames Modell wird erst gebildet, wenn genügend verschiedene Mandanten (Standard k=3) beigetragen haben.
  • Inhaber-Freigabe: Das aggregierte Modell wird erst nach ausdrücklicher Freigabe verteilt.
  • Netzwerkeffekt sichtbar: Der Reiter „Netzwerk" zeigt Beitragende, freigegebene Runden und den Genauigkeitsgewinn je Modell.
  • Widerruf: Abmelden löscht sofort alle beigetragenen Vektoren des Mandanten.
  • Vollständiges Protokoll: Jede Aktion (Anmelden, Beitrag, Aggregation, Freigabe, Abmelden) ist nachvollziehbar aufgezeichnet.

So starten Sie

  1. Öffnen Sie „Kollektiv-Lernen" — der Reiter „Modelle" listet die verfügbaren Modelle.
  2. Melden Sie ein Modell mit einem ε-Budget an.
  3. Klicken Sie „Lokales Update beitragen" — der Beitrag wird geclippt, verrauscht und gespeichert.
  4. Sobald genügend Mandanten beigetragen haben, aggregieren Sie die Runde und geben sie frei.
  5. Rufen Sie das gemeinsame Modell ab und nutzen Sie es lokal für Prognosen.

FAQ

Verlassen meine Daten den Mandanten? Nein. Es werden nur begrenzte, verrauschte Aktualisierungsvektoren gespeichert — keine Datensätze, keine personenbezogenen Daten.

Was passiert bei Abmeldung? Alle Ihre beigetragenen Vektoren werden sofort gelöscht.

Warum sehe ich manchmal kein gemeinsames Modell? Solange die k-Anonymitätsschwelle nicht erreicht ist oder der Inhaber nicht freigegeben hat, wird nichts verteilt.