idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
02.10.2025 11:15

SplitNFed: Training von Künstlicher Intelligenz kann datensouverän, effizient und skalierbar gelingen

Alex Deeg PR und Marketing
Fraunhofer-Institut für Angewandte Informationstechnik FIT

    Künstliche Intelligenz ist der Innovationsmotor der digitalen Transformation, doch viele Unternehmen stehen bei ihrer Nutzung vor einer Herausforderung: Sie wollen gleichzeitig leistungsfähige Modelle trainieren und Datenschutz wahren. Das neue Whitepaper des Institutsteils Wirtschaftsinformatik des Fraunhofer-Instituts für Angewandte Informationstechnik FIT zeigt, wie dies gelingen kann: Mit SplitNFed, einem verteilten und kollaborativen Lernverfahren, das Datensouveränität mit Effizienz und Skalierbarkeit vereint.

    Das Whitepaper mit dem Titel »SplitNFed: Datenschutzkonforme und effiziente künstliche Intelligenz mit Split & Federated Learning« bietet eine praxisorientierte Einführung in die beiden Schlüsseltechnologien des verteilten Lernens: Split Learning und Federated Learning und stellt das neuartige Konzept SplitNFed vor, das die Vorteile beider Verfahren kombiniert. Das Whitepaper veranschaulicht die technischen Grundlagen, zeigt praxisnahe Einsatzpotenziale und strategischen Vorteile von SplitNFed auf.

    >>Die Vorteile von SplitNFed: Volle Datenhoheit, effiziente Ressourcennutzung und hohe Skalierbarkeit

    Das Whitepaper zeigt, dass SplitNFed nicht nur die digitale Souveränität stärkt, sondern auch wirtschaftliche Vorteile erschließt. Unternehmen können bislang ungenutzte Server- und Edge-Kapazitäten in das Training von Künstlicher Intelligenz einbinden, externe Cloud-Abhängigkeiten reduzieren und Trainingsprozesse selbst bei begrenzter Bandbreite stabil betreiben. Gleichzeitig erlaubt die Architektur eine flexible Integration heterogener IT-Landschaften und schafft so die Grundlage für skalierbare, unternehmensübergreifende Kooperationen. Das macht das Verfahren besonders geeignet für Branchen mit hohen Datenschutzanforderungen, etwa im Gesundheitswesen oder im Finanzsektor.

    »SplitNFed zeigt, wie Unternehmen ihre bestehende IT-Infrastruktur aktivieren können, um KI skalierbar und wirtschaftlich zu trainieren, ohne dabei Kompromisse bei Sicherheit und Souveränität eingehen zu müssen“, sagt Mitautor Dr. Tobias Guggenberger vom Fraunhofer FIT.

    >>Einladung zur Mitwirkung an der Pilotierungsphase

    Das Fraunhofer FIT lädt interessierte Unternehmen ein, sich aktiv an der Pilotierungsphase von SplitNFed zu beteiligen. Ziel ist es, gemeinsam mit Anwendenden aus der Praxis die technologische Umsetzung zu erproben, konkrete Anforderungen zu identifizieren und das Verfahren entlang realer Bedarfe weiterzuentwickeln.
    Das Whitepaper steht ab sofort kostenfrei zum Download bereit: https://s.fhg.de/Whitepaper-SplitNFed

    >>Kontakt

    Dr. Tobias Guggenberger
    Fraunhofer FIT, Institutsteil Wirtschaftsinformatik
    E-Mail: tobias.guggenberger@fit.fraunhofer.de


    Bilder

    Merkmale dieser Pressemitteilung:
    Journalisten, Wirtschaftsvertreter
    Informationstechnik, Medizin, Wirtschaft
    überregional
    Forschungsergebnisse, Forschungsprojekte
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).