Page - 88 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

88 A Technologie von Forschung und Wirtschaft die Potenziale der ML effektiver ausloten würde. Die Recherchen zu diesem Artikel legen nahe, dass eine Analyse zu den Barrieren, die in Bezug auf diese Kooperation bestehen, nützlich wäre. Wichtige Forschungs- und Entwicklungsfragen, die es zu lösen gilt sind u.  a.: • Die Ergebnisqualität der ML-Methoden hängt maßgeblich vom Training und der Qualität der Trainingsdaten ab. Leider sind reale Kommunikationsdaten für For- scherinnen und Forscher meist schlecht oder gar nicht zugänglich. Wie im Artikel geschildert, bilden aber meist erst Millionen von Datensätzen die Grundlage für ein qualitativ hochwertiges Training der ML-Methoden. Unternehmen sind häufig nicht gewillt, ihre Daten zur Verfügung zu stellen. Hier müssen Lösungen gefun- den werden. • Der Aufwand zum Training der ML-Methoden ist sehr hoch. Es werden jeweils umfangreiche Trainingsdaten benötigt, die mit hohem Auffand aufbereitet wer- den müssen. Das Verhältnis von Aufwand und Nutzen beim Einsatz von ML muss klarer werden bzw. durch Kooperation verringert werden. • Die Einsatzfelder konkreter ML-Verfahren sind im Allgemeinen sehr spezialisiert. Ob es möglich ist, der Hoffnung auf umfangreich selbstlernende Systeme nach- zukommen, kann in naher Zukunft vermutlich noch nicht beantwortet werden. Es stellen sich Fragen nach der Fokussierung versus Generalisierung sowie der Wie- derverwendbarkeit. • Der Einsatz vom ML erhöht die Anzahl der Angriffsvektoren. In vielen ML-Verfah- ren kann außerdem nicht expliziert werden, „was“ gelernt wurde. Ein nicht uner- heblicher Teil der Forschung beschäftigt sich deshalb genau mit der Frage, wie ML-Modelle kompromittiert werden können, aber noch nicht mit dem Schutz der Modelle. • ML wird auch für das Erlernen von Verhaltensmustern von potenziellen Angrei- fern genutzt. Die Einhaltung des Datenschutzes ist dabei eine wichtige und schwierige Herausforderung. • ML-Verfahren haben bei ihren Entscheidungen im Einsatz im Allgemeinen Grau- zonen. Wie gut die Ergebnisqualität der Methoden ist oder werden kann, ist in vielen Fällen Forschungsgegenstand.