Categories: Data

Sensible Maschinendaten schützen

Um das Potential von Maschinendaten für datengetriebene Innovationen zu nutzen, müssen sie unternehmensübergreifend aggregiert und ausgewertet werden. So können die Betreiber von Dateninfrastrukturen kollaborativ trainierte Machine-Learning-Anwendungen anbieten, mit denen einerseits die Anwender die Effizienz und Effektivität ihrer Produktionsanlagen durch vorausschauende Zustandsüberwachung verbessern und andererseits die Maschinenhersteller Optimierungspotentiale in ihren Produkte systematisch identifizieren können.
Demgegenüber steht aber die Sorge, mit der Bereitstellung von Daten geistiges Eigentum (Intellectual Property) abfließen zu sehen und damit Wettbewerbsnachteile zu erleiden. Aus diesem Grund findet bisher kaum Datenaustausch zwischen den Unternehmen statt, der Voraussetzung für datengetriebene Innovationen ist.

Machine-Learning-Modelle für Predictive Maintenance

Das Fraunhofer-Institut für Angewandte und Integrierte Sicherheit AISEC entwickelt im Forschungsprojekt »Sichere kollaborative Verwertung von Werkzeugmaschinendaten mithilfe von Privacy Enhancing Technologies« (MINERVA) gemeinsam mit Partnern Technologien für eine Dateninfrastruktur, die mit Technologien aus dem Datenschutz die Sicherheit sensibler Maschinendaten gewährleistet. Zum Forschungsverbund gehören das Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München, die Hufschmied Zerspanungssysteme und Siemens. Mittels anonymisierter Daten trainieren die Partner geeignete Machine-Learning-Modelle für die vorausschauende Zustandsüberwachung von Werkzeugmaschinen, die dann auch ohne die Preisgabe sensibler Daten funktionieren.

Schutz sensibler Daten

»Privacy Enhancing Technologies« kommen bislang beim Schutz personenbezogener Daten zum Einsatz, um zum Beispiel Patienteninformationen anonymisiert auswerten zu können (z. B. mit »Differential Privacy«). Die Prinzipien dieses Ansatzes übertragen die Projektpartner jetzt auf Daten aus der Werkzeugmaschinenbranche, um das geistige Eigentum der Datengebenden zu schützen.

“Werden in der Cloud Machine-Learning-Algorithmen mit betreiberübergreifenden Daten trainiert, könnte dabei etwa nachvollzogen werden, was für ein Werkstück gefertigt wurde (Produktgeometrie), wie die Werkzeugmaschine ausgelastet war, wie viel Energie bei der Fertigung verbraucht und in welcher Geschwindigkeit gefertigt wurde. Das sind aus Anwendersicht sehr sensible Informationen, für deren Schutz wir in MINERVA Lösungen entwickeln”, beschreibt Bartol Filipovic, MINERVA-Projektleiter am Fraunhofer AISEC den Mehrwert des Forschungsansatzes.

Neben »Differential Privacy« gehören auch »Trusted Execution Environments« zur Realisierung eines geschützten, attestierten Bereichs in der Cloud oder »Federated Learning«, bei dem nicht die Daten selbst, sondern lediglich die bereits in der Edge trainierten ML-Modelle in die Cloud wandern, zu den Technologien aus dem Datenschutz, die in MINERVA zum Einsatz kommen.

Roger Homrich

Recent Posts

Deutschland fürchtet KI-gesteuerte Desinformationskampagnen

Microsoft-Umfrage ermittelt stark gestiegenes Gefahrenbewusstsein in Wirtschaft, Zivilgesellschaft und Politik.

2 Tagen ago

KI im Kundenservice: Segen oder Kundenkiller?

KI ist für Unternehmen ein Game Changer im Kundensupport, sagt Matthias Göhler von Zendesk im…

3 Tagen ago

Wenn KI die Luftfracht managt

Der Frachtdienstleister FIEGE Air Cargo Logistics nutzt eine Telekom-Lösung, um Luftfrachtpaletten platzsparend zu verladen.

3 Tagen ago

Cybersicherheitstrends im Finanzsektor

Kaspersky-Studie sieht neue Risiken durch das Aufkommen quantensicherer Ransomware und verstärkte Angriffe auf mobile Endgeräte.

4 Tagen ago

Cequence: Hacker nehmen APIs zunehmend ins Visier

Trends 2025: Third-Party-API-Monitoring, generative KI für mehr API-Sicherheit und Architekten für Geschäftsresilienz.

4 Tagen ago

Forescout: Bedrohungslandschaft wird komplexer und vielschichtiger

Trends 2025: „Grassroots“-Hacktivismus, „unsichtbare“ Firmware-Bedrohungen und Gelddiebstahl im Schlaf.

4 Tagen ago