Hintergrund
Die industrielle Digitalisierung braucht Daten, die Organisationen nur ungern oder aus rechtlichen Gründen gar nicht herausgeben. Betriebsdaten verraten Produktionsmengen, Kundenverhalten und Schwachstellen. Am sichersten ist es daher oft, sie in einer Organisation unter Verschluss zu halten, wo sie aber weit weniger Wert schaffen, als sie könnten.
SID (Säker datadelning för Industriell Digitalisering) arbeitete an Verfahren, die diesen Zielkonflikt auflösen: Differential Privacy, föderiertes maschinelles Lernen und verwandte Methoden, mit denen sich Modelle trainieren und Erkenntnisse gewinnen lassen, ohne dass die Rohdaten ihren Eigentümer verlassen.