Auf der vergangenen Hannover Messe habe ich zahlreiche Videointerviews geführt. Eines davon brachte mich mit Stefan Brock von Hewlett Packard Enterprise (HPE) zusammen, der in unserem Videogespräch eine Menge über Swarm Learning kund tat. Da es sich dabei um ein KI-Thema handelt, das im Falle von HPE eine enge Verbindung zu Intel darstellt, gehen ich der Sache heute weiter auf den Grund.
[irp posts=“159860″ ]
Grundsätzlich hat HPE Swarm Learning etwas mit sehr großen Datenmengen zu tun. Diese fallen in der Fertigung genauso an wie beim autonomen Fahren und anderswo. Die besondere Herausforderung hierbei ist das dezentrale Speichern dieser enormen Datenmengen. Denn anders als vor noch gar nicht allzu langer Zeit, werden Daten nicht an einem festen Ort wie dem Rechenzentrum aufbewahrt und verarbeitet, sondern zunehmend in verteilten Regionen. Das kann ein Edge-Server in Produktionshallen sein, eine beliebige AWS Cloud-Instanz oder einfach nur hunderte oder tausende von Fahrzeugen, deren Daten in Echtzeit analysiert werden.
[irp posts=“158358″ name=“Intel und AWS sorgen für eine leistungsfähige Public Cloud“]
HPE Swarm Learning nutzt verteilte Daten für bessere KI-Modelle
Die Herausforderung dabei: Diese Daten sind nur dann sinnvoll und wertschöpfend, wenn aus ihnen die richtigen Schlüsse gezogen werden, und das so schnell wie möglich. Daher ist es unabdingbar, die verteilten Daten dort zu nutzen, wo sie sich gerade befinden. Und genau an dieser Stelle kommt das Thema Swarm Learning ins Spiel, das eng verknüpft ist mit den KI-Disziplinen Machine Learning und Deep Learning. Denn mit der HPE Swarm Learning-Lösung lassen sich sämtlich benötigte Daten für bessere Machine/Deep Learning-Modelle nutzen – und das immer dort, wo sie sich gerade befinden. Damit erfolgen KI-Analysen und -Berechnungen in einer möglichst verlustfreien Zeit, da diese Prozesse direkt an der Datenquelle stattfinden.
[irp posts=“168685″ ]
Das Besondere und gleichzeitig Herausfordernde an verteilten Machine Learning-Modellen ist die Frage nach einer möglichst sicheren Datenbehandlung. Denn immer dann, wenn mehrere Datenquellen aus unterschiedlicher Herkunft für das KI-gestützte Lernen genutzt werden sollen, stellt sich ganz schnell die Frage, wem die Daten gehören, was mit ihnen geschieht und wer alles Zugriff darauf hat. Denn in solch einer verteilten Umgebung sind der Datenschutz und die Datensicherheit nicht zwangsläufig gegeben. Und genau hierfür sorgt HPE mit seinem Swarm Learning-Ansatz.
[irp posts=“32147″ name=“ML-Special: Das sollten Sie über Machine Learning wissen (Teil 2)“]
HPE Swarm Learning nutzt Blockchain-Ansätze
Denn in Kombination mit passenden Blockchain-Techniken lassen sich Daten dezentral und verteilt analysieren sowie nutzen, ohne dass diese ihre ursprüngliche Quelle verlassen müssen. Daraus entsteht ein enormes Datengeflecht, das den Ausfall einzelner Datenquellen ausgleichen kann, da sich dieses Datennetz über den gesamten Globus erstreckt. Gleichzeitig werden die strengen Regeln des Datenschutzes eingehalten, was in speziellen Bereichen wie dem Gesundheitswesen von eklatanter Wichtigkeit ist. Dies ist vor allem dem Umstand geschuldet, dass die Daten im Wesentlichen genau dort bleiben, wo sie generiert werden.
Anwendungsfall HPE Swarm Learning: Autonomes Fahren
Jedes Jahr werden Millionen von Fahrzeugen zugelassen, die allesamt mithilfe geeigneter Sensoren Millionen von Datensätzen generieren, auf deren Basis Entscheidungen getroffen werden können. Dazu gehören bestimmte Signale und deren Auswertung, das Vermeiden von möglichen Unfällen, das permanente Verbessern von Akkulaufzeiten, und vieles mehr. Und genau hier kommt Swarm Learning ins Spiel, das dabei hilft, mithilfe geeigneter Machine Learning-Modelle das Fahrzeugverhalten kontinuierlich zu verbessern. Und zwar nicht für einzelne Fahrzeuge, sondern für tausende und abertausende, die in Swarm Learning-Projekte eingebunden sind.
Intel Software Guard Extensions schaffen Vertrauen beim Swarm Learning
Doch wie lässt sich in solch einer verteilten Umgebung die erforderliche und geforderte Datensicherheit und der dazu gehörige Datenschutz überhaupt garantieren? Nun, hierfür kommt eine Intel-Technik zum Einsatz, die fester Bestandteil der skalierbaren Intel Xeon Prozessoren ist. Ihr Name: Intel Software Guard Extensions, oder kurz Intel SGX. Damit lassen sich Zero Trust-Modelle schaffen, die den unkomplizierten und komfortablen Datenzugriff auf verteilte Quellen ermöglicht, und das unter genau definierten Rahmenbedingungen. Damit sorgen die Intel-Prozessoren der HPE Swarm Learning-Plattform für ein Höchstmaß an Datenschutz und Datensicherheit, ohne dabei die Funktionalität der betroffenen KI-Modelle zu beeinträchtigen. Damit lassen sich dezentrale KI-Anwendungen schaffen, die große Datenmengen in kürzester Zeit trainieren, verarbeiten und nutzen. Für noch schlauere Anwendungen.
[irp posts=“158703″ name=“So schützt die Prozessortechnik Intel SGX hochsensible Daten und mehr“]
Disclaimer: Für das Verfassen und Veröffentlichen dieses Blogbeitrags hat mich die Firma Intel beauftragt. Bei der Ausgestaltung der Inhalte hatte ich nahezu freie Hand.