WEBVTT 00:00:00.737 --> 00:00:03.957 Innovation, Cybersicherheit. Mehr als ein Talk. 00:00:04.297 --> 00:00:08.757 Wir machen Hessens anwendungsorientierte Forschung erlebbar und sprechen über 00:00:08.757 --> 00:00:11.037 aktuelle Trends, Themen und unsere Projekte. 00:00:14.157 --> 00:00:19.437 Datenkooperation ohne Risiken. Liegt die sichere KI-Zukunft im Federated Learning? 00:00:19.797 --> 00:00:23.397 Mit dieser provokativen Frage starten wir direkt in die heutige Folge. 00:00:23.397 --> 00:00:25.657 An meiner Seite sind heute zum einen Herr Prof. 00:00:25.857 --> 00:00:28.297 Dr. Amadresa Sadegi und Herr Kuhl. 00:00:28.697 --> 00:00:33.717 Und was uns drei thematisch miteinander verbindet, ist unser gemeinsames Forschungsprojekt. 00:00:33.857 --> 00:00:38.397 Und zwar mit dem Namen F-Lion, Privates und sicheres Federated Learning zur 00:00:38.397 --> 00:00:40.357 kooperativen Datenverarbeitung. 00:00:40.897 --> 00:00:44.217 Mein Name ist Malte Kuckel aus dem Hessen Cyber Competence Center im hessischen 00:00:44.217 --> 00:00:46.597 Ministerium des Innern für Sicherheit und Heimatschutz. 00:00:47.017 --> 00:00:50.157 Dort gibt es das Referat Prävention, Innovation und Schulung. 00:00:50.157 --> 00:00:54.157 Und die Forschungsförderung, die wir unter anderem aus diesem Referat betreiben, 00:00:54.357 --> 00:00:59.297 beruht immer auf einem Ökosystem, also dem Austausch zwischen Forschung und Fachseite. 00:00:59.817 --> 00:01:04.277 Werfen wir doch direkt mal einen Blick in die Fachseite. Sie sind Leiter der 00:01:04.277 --> 00:01:09.177 Abteilung Rechtsextremismus beim Hessischen Landesamt für Verfassungsschutz, kurz dem LFV. 00:01:09.417 --> 00:01:14.477 Und naturgemäß liegt es ja an der Sache, dass Sie nicht häufig Gast in Podcast-Sendungen sind. 00:01:14.997 --> 00:01:19.057 Aber einmal, um so ein Bild für unsere Zuhörerinnen und Zuhörer zu generieren 00:01:19.057 --> 00:01:22.737 draußen. Was ist so ihr Arbeitsalltag? Was treibt sie so um? 00:01:23.210 --> 00:01:28.850 Das Thema Rechtsextremismus ist, glaube ich, aus der täglichen Berichterstattung kaum wegzudenken. 00:01:29.650 --> 00:01:34.710 Das treibt die Menschen, die Politik und die Medien um und wir sind sozusagen 00:01:34.710 --> 00:01:39.250 die Behörde oder die Abteilung, die versucht, fachlich und sicherheitspolitisch 00:01:39.250 --> 00:01:40.530 eine Antwort darauf zu finden. 00:01:40.750 --> 00:01:42.710 Wie gehen wir mit den Strömungen im Land um? 00:01:43.190 --> 00:01:48.430 Was genau ist Rechtsextremismus? Wer sind die Akteure? Und was sind die Narrative, 00:01:48.670 --> 00:01:52.330 um politisches Denken und das Denken in den Köpfen der Menschen zu verändern? 00:01:52.330 --> 00:01:57.710 Und dort Politik und Medien zu beraten, aber auch ganz konkret operative Maßnahmen 00:01:57.710 --> 00:02:02.170 natürlich zu treffen, um eine Antwort für eine gute Sicherheit im Land zu finden. 00:02:02.430 --> 00:02:06.290 Ja, in der heutigen Folge steckt es ja thematisch schon mit drin, 00:02:06.510 --> 00:02:08.630 Datenkooperation ohne Risiken. 00:02:08.830 --> 00:02:10.870 Das ist so der erste Teil dieses Titels. 00:02:11.310 --> 00:02:15.470 Und im Bereich Rechtsextremismus gibt es ja auch diese Strömung der Hassrede. 00:02:15.590 --> 00:02:18.750 Das heißt, wir haben uns zum Gegenstand im Forschungsprojekt gemacht, 00:02:18.750 --> 00:02:22.970 Nicht den gesamten Bereich des Rechtsextremismus ist hier zu betrachten, 00:02:23.330 --> 00:02:25.470 sondern ganz konkret den Bereich der Hassrede. 00:02:25.630 --> 00:02:29.310 Wenn Sie das jetzt so als Stichwort hören, das begegnet Ihnen natürlich täglich, 00:02:29.670 --> 00:02:33.870 können Sie da so ein bisschen noch ein Bild skizzieren für unsere Hörerinnen und Hörer draußen. 00:02:35.250 --> 00:02:39.170 Sprache ist, ob sie jetzt im virtuellen Raum oder auf der Straße gesprochen ist, 00:02:39.770 --> 00:02:45.170 für eines der wesentlichen Betätigungsfelder, denn das, was die Leute im Kopf haben, im Herz haben, 00:02:45.430 --> 00:02:50.530 das äußern sie am Ende auch und das ist für uns natürlich eines der ersten Identifizierungsmerkmale, 00:02:50.770 --> 00:02:56.430 jemanden auch zu verorten in seiner Ideologie und natürlich auch unsere Ableitungen 00:02:56.430 --> 00:02:58.690 vom Sprachgebrauch her zu treffen. 00:02:58.690 --> 00:03:02.750 Ob jemand tief ideologisiert ist und 00:03:02.750 --> 00:03:06.870 auch welche Strömung im Bereich Rechtsextremismus dann jemand angehört. 00:03:07.030 --> 00:03:11.230 Also wir haben vom Neonazi über den subkulturellen Bereich, also das bedeutet 00:03:11.230 --> 00:03:13.890 Kampfsport und Musikszene bis zum Reichsbürger, 00:03:14.490 --> 00:03:19.510 ein breites Portfolio an auch Unterströmungen im Bereich Rechtsextremismus und 00:03:19.510 --> 00:03:22.310 Sprache zeigt das Innere eines Menschen. 00:03:22.630 --> 00:03:27.210 Und insofern haben wir das sehr, sehr genau im Blick und machen daran auch sehr, sehr viel fest. 00:03:27.820 --> 00:03:31.260 Okay, und wenn man jetzt auf den Bereich Datenkooperation schaut, 00:03:31.460 --> 00:03:33.600 was genau ist da Ihre Motivation? 00:03:33.900 --> 00:03:37.140 Also jetzt, als wir Sie damals gefragt haben oder als wir ins Gespräch kamen 00:03:37.140 --> 00:03:40.580 zum Forschungsprojekt, war das ja relativ schnell gefunden, so eine gemeinsame 00:03:40.580 --> 00:03:42.320 Ebene, auf der wir uns da bewegen wollen. 00:03:42.840 --> 00:03:47.260 Wenn Sie jetzt sagen Datenkooperation ohne Risiken, was genau kann man sich darunter vorstellen? 00:03:48.120 --> 00:03:51.700 Das Risiko einer Verfassungsschutzbehörde ist natürlich ganz immens, 00:03:51.940 --> 00:03:54.360 Daten, die bei uns liegen, die sehr, sehr schützenswert sind. 00:03:55.520 --> 00:03:58.820 Anderen handhabbar zu machen. Und das war ja in diesem Projekt auch ausgeschlossen. 00:03:58.920 --> 00:04:02.940 Deswegen war ganz, ganz wichtig aus unserer Perspektive, dass wir nur mit frei 00:04:02.940 --> 00:04:07.500 verfügbaren, anonymen Daten, also da sind keine personenbezogenen Daten enthalten, 00:04:08.200 --> 00:04:09.320 zur Verfügung zu stellen. 00:04:09.820 --> 00:04:14.640 Trotzdem glauben wir, dass das ein guter Ansatz ist, weil es ja gerade um Sprachmuster 00:04:14.640 --> 00:04:17.540 geht und die sind auch frei von der Person, vom Alter, vom Geschlecht. 00:04:18.300 --> 00:04:21.880 Aber sie kehren wieder in bestimmten Kreisen und in bestimmten Strömungen. 00:04:22.080 --> 00:04:23.700 Und das ist das verbindende Element. 00:04:24.020 --> 00:04:28.480 Und von daher glauben wir, dass auch gerade mit anonymisierten Daten, 00:04:28.780 --> 00:04:31.560 die man aber in Breite und in einer großen Menge zur Verfügung stellt, 00:04:31.760 --> 00:04:33.780 gerade ein Schlüssel darin sein kann, 00:04:33.960 --> 00:04:36.780 insbesondere auch für eine Anwendung in der virtuellen Welt, 00:04:36.920 --> 00:04:41.600 dann Sprachmuster zu trainieren und auch wieder zu erkennen und damit eine wesentliche 00:04:41.600 --> 00:04:44.340 Stütze auch in der Bearbeitung des Feldes zu sein. 00:04:45.020 --> 00:04:49.980 Prima, das ist eine wunderbare Überleitung zu unserer Forschungsseite. Vielen Dank. 00:04:50.680 --> 00:04:54.720 Das ist eine sehr wertvolle Grundlage, auf der wir unser Forschungsprojekt aufgebaut 00:04:54.720 --> 00:04:58.080 haben und was eben dann auch Erkenntnisse liefert. Herr Prof. 00:04:58.260 --> 00:05:03.440 Dr. Sadegi, Sie sind an der Technischen Universität Darmstadt Professor für Informatik. 00:05:03.580 --> 00:05:06.720 Sie arbeiten viel auch in der Wirtschaft mit namhaften Firmen zusammen und sind 00:05:06.720 --> 00:05:08.220 hier auch sehr breit aufgestellt. 00:05:08.440 --> 00:05:11.460 Wir haben den Titel der Folge ja heute sehr provokativ formuliert. 00:05:11.620 --> 00:05:15.420 Liegt die sichere KI-Zukunft im Federated Learning? 00:05:15.660 --> 00:05:18.100 Vielleicht sollten wir an dieser Stelle einmal kurz erklären, 00:05:18.220 --> 00:05:23.540 was ist genau Federated Learning? Könnten Sie da ein bisschen abstrakt mal Licht ins Dunkel bringen? 00:05:24.160 --> 00:05:29.940 Also, Federated Learning bietet einen Rahmen, in dem mehrere Parteien, 00:05:30.060 --> 00:05:34.780 zum Beispiel mehrere Behörden, aus den Daten, die ihnen zur Verfügung stehen, 00:05:35.160 --> 00:05:38.860 lernen können, ohne diese Daten miteinander teilen zu müssen. 00:05:38.860 --> 00:05:45.920 Das heißt, man kann sich so vorstellen, dass jede Behörde eigene Algorithmen 00:05:45.920 --> 00:05:50.900 trainiert und anstatt die Daten miteinander zu teilen. 00:05:51.540 --> 00:05:56.220 Teilen sie einfach die Modelle, die trainierten Modelle und die werden dann 00:05:56.220 --> 00:06:02.300 am Ende aggregiert, zusammengestellt und bilden ein mächtigeres sozusagen ganz 00:06:02.300 --> 00:06:04.680 abstrakt gesagt Modell, 00:06:04.880 --> 00:06:08.580 was jede andere Behörde nochmal verwenden kann. 00:06:08.860 --> 00:06:11.000 Und die dann nochmal verbessern kann. 00:06:11.454 --> 00:06:14.414 Um genau das zu verstehen, muss man ja grundsätzlich verstehen, 00:06:14.554 --> 00:06:16.834 wie eine KI überhaupt lernen kann. 00:06:17.374 --> 00:06:20.254 Können Sie da uns nochmal so ein Beispiel geben? Weil Sie sprechen jetzt von 00:06:20.254 --> 00:06:23.174 KI-Tools, die anonymisiert sind. 00:06:23.294 --> 00:06:26.874 Das waren so Begriffe, die schon kamen, die aber trotzdem lernen können. 00:06:27.134 --> 00:06:30.854 Was genau muss man sich darunter vorstellen? Also wenn man von künstlicher Intelligenz 00:06:30.854 --> 00:06:33.874 redet, ich glaube, das ist eigentlich sehr breit. 00:06:35.234 --> 00:06:39.694 Eine wichtige Technologie im Rahmen von künstlicher Intelligenz ist das maschinelle Lernen. 00:06:40.094 --> 00:06:46.914 Und das bedeutet, dass man aus den Daten sozusagen, man versteht, 00:06:47.054 --> 00:06:50.494 was die Geschichte von diesen Daten ist, was sagen diese Daten. 00:06:50.494 --> 00:06:55.634 Um das herauszufinden, möchte man zum Beispiel, ein ganz einfaches Beispiel 00:06:55.634 --> 00:06:57.354 wäre eine Klassifikation. 00:06:58.494 --> 00:07:03.054 Man will einfach verschiedene Bilder von Tieren, wie zum Beispiel Katzen und 00:07:03.054 --> 00:07:06.654 Hunden und Vögeln klassifizieren. 00:07:06.654 --> 00:07:11.494 Und man kann Algorithmen damit sozusagen trainieren, 00:07:11.934 --> 00:07:16.754 indem man zum Beispiel einem Algorithmus zeigt, das ist jetzt eine Katze, 00:07:16.874 --> 00:07:24.334 das ist jetzt ein Hund und wenn die Algorithmen genügend trainiert worden sind, 00:07:24.874 --> 00:07:29.614 dann könnte man dann mit neuen Testdaten kommen und sagen, was ist das jetzt? 00:07:29.674 --> 00:07:31.534 Ist das eine Katze oder ist das ein Hund? 00:07:31.654 --> 00:07:36.174 Das ist sehr einfach gesagt und am Ende sagt ihnen dieser Algorithmus mit einer 00:07:36.174 --> 00:07:38.574 bestimmten Wahrscheinlichkeit, das ist eine Katze. 00:07:38.814 --> 00:07:44.454 Und man möchte gerne, dass diese Wahrscheinlichkeit, diese Genauigkeit immer so hoch wie möglich ist. 00:07:44.754 --> 00:07:48.974 Das ist ein sehr einfacher Klassifikationsalgorithmus. Aber es gibt ja auch 00:07:48.974 --> 00:07:53.454 andere Klassen von maschinellen Lernern, die man verwenden kann. 00:07:53.574 --> 00:07:59.254 Aber federated learning allgemein ist ein bisschen unabhängig von welchen sozusagen, 00:07:59.694 --> 00:08:03.974 welchen Machine Learning Algorithmen oder Machine Learning Algorithmen man verwendet. 00:08:04.634 --> 00:08:07.234 Ich wollte zwei Punkte gerne aktiv aufgreifen. 00:08:08.054 --> 00:08:14.094 Zum einen zum Federated Learning, also wie stellt man oder welche Daten stellt man zur Verfügung und. 00:08:15.505 --> 00:08:20.185 Wir sind uns natürlich als Verfassungsschutzbehörde unserer Rolle bewusst in 00:08:20.185 --> 00:08:22.225 der Gesellschaft und auch der Verantwortung, die wir haben. 00:08:22.825 --> 00:08:27.005 Deswegen geht es hier um Daten, die grundsätzlich im Internet verfügbar sind für jeden. 00:08:27.605 --> 00:08:31.325 Aber der spannende Punkt ist ja genau der, den der Herr Sadegi gerade genannt 00:08:31.325 --> 00:08:35.645 hat, die Einordnung. Und wenn Sie jetzt eine Polizeibehörde oder eine Justizbehörde 00:08:35.645 --> 00:08:38.945 fragen, die kämen in Teilen zu einer anderen Einschätzung. 00:08:39.325 --> 00:08:43.345 Was ist Hassrede oder was ist Hetze? Und das ist gerade das Spannende, 00:08:43.545 --> 00:08:47.185 also genau aus einer Perspektive heraus ein System anzulernen, 00:08:47.465 --> 00:08:49.885 weil wir nochmal mit einem anderen Blick drauf schauen. 00:08:49.885 --> 00:08:55.045 Und auch eine Differenzierung stattfindet zwischen Strafbarkeit nach dem Strafgesetzbuch 00:08:55.045 --> 00:08:59.445 und was schätzt eine Verfassungsschutzbehörde als Extremismus oder als Ideologie 00:08:59.445 --> 00:09:04.705 aufgeladen ein, das ist ganz häufig deckungsgleich, ganz häufig, aber eben nicht immer. 00:09:05.085 --> 00:09:08.905 Und insofern ist ja gerade das der spannende Punkt, dass wir sagen, 00:09:09.065 --> 00:09:15.145 es gibt unterm Strich ganz viel verfügbare Daten, die eine TU sich auch so ziehen könnte. 00:09:15.445 --> 00:09:19.825 Der entscheidende Punkt ist aber, dass wir eine Einschätzung aus Fachsicht geben, Wo, glauben wir, 00:09:20.165 --> 00:09:24.445 handelt es sich eben um Hasssprache, die auch geeignet ist, daraus mehr zu machen, 00:09:24.625 --> 00:09:29.865 also die so aufgeladen ist, dass sich daraus realweltlich, dass unser Sprech 00:09:29.865 --> 00:09:32.825 dann auch Dinge entladen können oder aufbauen können. 00:09:33.125 --> 00:09:37.565 Und das ist ganz, ganz wichtig in diesem Projekt, die zielgenaue Einschätzung 00:09:37.565 --> 00:09:41.805 auch und dann das Trainieren des Systems auch genau zu der Zweckbindung. 00:09:41.805 --> 00:09:45.665 Also halten wir mal fest, bevor so ein System wirklich trainiert werden kann, 00:09:45.845 --> 00:09:47.605 braucht es diese Klassifikation. 00:09:47.945 --> 00:09:51.525 Herr Sadegi, Sie hatten eben gesagt, das sind dann Bilder von Hunden oder Katzen beispielsweise. 00:09:52.005 --> 00:09:55.565 Hier in dem Sinne ist es eine Klassifikation, ist das jetzt Hassrede oder ist 00:09:55.565 --> 00:09:58.545 das keine? Und wenn ja, fällt sie in welchen Bereich auch immer. 00:09:58.905 --> 00:10:02.905 Das kann man ja noch tiefer dann klassifizieren. Und wenn man diesen Datensatz 00:10:02.905 --> 00:10:07.765 sozusagen zur Verfügung hat, dann kommt das KI-Tool und trainiert da drauf. 00:10:07.885 --> 00:10:10.825 Das heißt, das muss man sich draußen so vorstellen wie so eine Art Schablone. 00:10:11.145 --> 00:10:14.445 Diese Schablone wird geformt und geht dann weiter. 00:10:14.578 --> 00:10:17.578 Eine Ebene höher. Das ist das, was Sie eben meinten, Herr Sadegi, 00:10:17.658 --> 00:10:20.338 mit verschiedenen Behörden, die da zusammenarbeiten. 00:10:20.718 --> 00:10:25.278 Diese Schablone wird also in einer jeweiligen Behörde trainiert oder geformt 00:10:25.278 --> 00:10:30.718 in dem Falle, geht eine Ebene nach oben und wird da dann von verschiedenen Schablonen 00:10:30.718 --> 00:10:32.718 verschiedener Behörden. Eine Schablone. 00:10:33.238 --> 00:10:37.038 Es wird eine Schablone daraus gemacht. Und diese eine Schablone geht dann wieder 00:10:37.038 --> 00:10:40.158 zurück an die jeweilige Behörde und wird weiter trainiert. 00:10:40.238 --> 00:10:42.518 Und so verbessert sich diese Schablone immer mehr. 00:10:42.698 --> 00:10:47.418 Ich hatte da von Anfang an immer so dieses Bild des Plätzchen-Ausstechens im Kopf. 00:10:47.578 --> 00:10:49.698 Ich weiß nicht, ob das so richtig passt. Aber so im Sinne von, 00:10:49.778 --> 00:10:52.318 ich habe einen Teig, an dem steche ich irgendwie eine Form aus. 00:10:52.438 --> 00:10:54.378 So ein Tannenbaum werden oder ein Stern. 00:10:54.738 --> 00:10:58.218 Aber so ganz genau weiß man das noch nicht. Und dann wird diese Schablone oder 00:10:58.218 --> 00:11:02.038 dieser Plätzchen-Ausstecher immer weiter verbessert, bis das dann nachher wirklich 00:11:02.198 --> 00:11:06.078 ich dann einen richtigen Plätzchen aussteche im Sinne einer Tanne oder eines Sterns etc. 00:11:06.578 --> 00:11:09.438 Zurückbekomme. Ist das so ein Bild, wenn Sie das hören? Ja, ich meine, 00:11:09.618 --> 00:11:14.418 wenn man das abstrakt, also natürlich müsste man in so einem Gespräch nicht 00:11:14.418 --> 00:11:20.978 unbedingt auf alle formalen Details einzugehen, um wirklich alles objektiv beurteilen zu können. 00:11:20.978 --> 00:11:24.638 Aber was wichtig ist, dass man sich einfach vorstellt, wie Sie gesagt haben, 00:11:25.098 --> 00:11:28.798 jeder hier macht eine eigene Schablone, diese Schablone werden miteinander sozusagen 00:11:28.798 --> 00:11:32.938 aggregiert und dann bekommt man eine Schablone, 00:11:33.078 --> 00:11:41.178 die sozusagen die Anforderungen von Einzelnen, obwohl sie unterschiedlich sind, erfüllt. 00:11:41.178 --> 00:11:46.418 Und die können ja immer weiter diese Schablone nochmal verbessern. 00:11:46.598 --> 00:11:51.178 Und nochmal wird das aggregiert, bis man eine Art Konvergenz findet. 00:11:51.298 --> 00:11:54.878 Das heißt, am Ende wird das so sein, dass man nicht mehr verbessern kann. 00:11:55.418 --> 00:11:59.758 Man erreicht eine bestimmte Genauigkeit zur Einschätzung von, 00:11:59.958 --> 00:12:04.958 ist das eine Hassrede oder ist das diese neuen Beispiele, die jetzt reingekommen sind. 00:12:04.998 --> 00:12:10.438 Erstmal trainiert man, man hat eine Schablone und dann kommen jetzt neue Datensätze. 00:12:11.298 --> 00:12:15.558 Die, die man automatisch erkennen will, ist das jetzt eine Hassrede oder nicht. 00:12:16.058 --> 00:12:20.378 Das heißt, wir haben ja hier eine Möglichkeit, ein KI-Tool zu trainieren, 00:12:20.718 --> 00:12:25.798 ohne dass Sie wirklich Daten, die zu diesem Trainieren zugrunde gelegt werden, 00:12:25.978 --> 00:12:27.738 austauschen müssen mit anderen Behörden. 00:12:27.958 --> 00:12:32.918 Wie genau schätzen Sie das ein, auch im Sinne von Privatsphärenschutz und Schutz 00:12:32.918 --> 00:12:37.298 der Daten etc.? Das ist ja Datenkooperation ohne Risiken, wie es im Titel heißt. 00:12:37.818 --> 00:12:39.198 Wie genau ordnen Sie das ein? 00:12:40.505 --> 00:12:43.765 Ja, unterm Strich kommen wir einem gesetzlichen Auftrag nach, 00:12:43.985 --> 00:12:49.145 sensibel und professionell mit Daten, die bei der Behörde liegen, umzugehen. 00:12:49.485 --> 00:12:55.345 Das Thema spielt bei allen anderen potenziellen Partnern die gleiche Rolle und 00:12:55.345 --> 00:12:58.285 Herr Satiegi hat das ja schon beschrieben, also das auch in anderen Projekten, 00:12:58.485 --> 00:13:03.385 dass natürlich immer ein Punkt ist, dass man miteinander an der Stelle Vertrauen haben muss. 00:13:04.025 --> 00:13:08.065 Und insofern glaube ich aber tatsächlich und das ist ja eben auch die provokante 00:13:08.065 --> 00:13:09.285 Frage, die Sie gestellt haben, 00:13:10.225 --> 00:13:16.025 darin liegt ja gerade der Vorteil eines solchen Modells, dass jeder in diesem 00:13:16.025 --> 00:13:20.025 Frame, der besteht, in die Algorithmen, die dahinter liegen, 00:13:20.825 --> 00:13:27.185 einzahlt in die Kasse sozusagen und dann auch zunächst jeder erstmal sein Ergebnis rausbekommt, 00:13:28.045 --> 00:13:32.165 aber im Hintergrund des Systems die Daten natürlich übereinander gelegt werden, 00:13:32.265 --> 00:13:37.105 anonymisiert und dadurch, als hätte ich jetzt gesagt, am Ende auch eine Konvergenz entsteht. 00:13:37.385 --> 00:13:40.785 Und da sehe ich schon einen großen Vorteil, weil am Ende müssen sich alle dieser 00:13:40.785 --> 00:13:41.825 Herausforderungen stellen. 00:13:43.825 --> 00:13:47.325 Mit gerade auch sicherheitspolitischen Herausforderungen umzugehen. 00:13:47.565 --> 00:13:50.545 Das ist meine tägliche Praxis, meine tägliche Arbeit. 00:13:50.925 --> 00:13:57.825 Also wie finden wir in dieser unbegrenzten Welt des Internets dann auch die 00:13:57.825 --> 00:14:01.945 Menschen, die sich sprachlich entwickeln? Ich meine, auch das wird für uns eine 00:14:01.945 --> 00:14:03.345 spannende Frage für die Zukunft. 00:14:04.085 --> 00:14:07.605 Wie trainieren wir dann ein solches System, wenn es denn mal zur Verfügung steht, 00:14:07.785 --> 00:14:12.385 auch weiter, weil sie Sprache durch geopolitische Krisen, durch Veränderungen 00:14:12.385 --> 00:14:15.245 in unserer Gesellschaft ja weiterentwickelt und das Training von heute kann 00:14:15.245 --> 00:14:20.545 nicht das von morgen sein, weil sie Sprachmodelle verändern und insofern liegt darin doch, 00:14:21.204 --> 00:14:25.704 Unterm Strich der Schlüssel, wenn wir eine Bereitschaft stärken über anonymisierte Daten, 00:14:26.064 --> 00:14:30.724 über ein Federal Learning, dass wir mehr haben, mehr Behörden, 00:14:30.884 --> 00:14:34.864 die dann auch einzahlen in eine gemeinsame Kasse, wo aber am Ende dann ein Produkt 00:14:34.864 --> 00:14:38.204 entsteht, das mehrere nutzen können, ohne dass man sich vollkommen offengelegt hat. 00:14:38.384 --> 00:14:44.364 Im Sinne des Bürgers wohlgemerkt. Wenn diese Hassreden oder extremistische Aussagen 00:14:44.364 --> 00:14:49.424 durch die sozialen Netzwerke, ich sage mal einfach fluten. 00:14:50.944 --> 00:14:59.444 Schätzungsweise je nach Quelle gibt es 250.000 bis 300.000 Hassreden oder beziehungsweise 00:14:59.444 --> 00:15:05.124 extremistische Reden, mit denen man in Deutschland zu tun hat, jeden Tag. 00:15:05.124 --> 00:15:10.284 Und das wäre zwar eigentlich eine kleine Zahl und wenn man das manuell machen 00:15:10.284 --> 00:15:13.524 würde, ist es unmöglich, das von einer zu unterscheiden. 00:15:13.684 --> 00:15:16.864 Das haben ja auch Sozialnetzwerke schon wie Facebook versucht. 00:15:17.164 --> 00:15:20.284 Erstmal, die haben ja auch sehr viele Leute eingestellt, die zum Beispiel bei 00:15:20.284 --> 00:15:24.664 Bildern oder bei bestimmten Aussagen, die wirklich deutlich, 00:15:25.104 --> 00:15:28.964 zum Beispiel das Aufruf zum Mord, 00:15:29.564 --> 00:15:34.564 das kann man ja deutlich erkennen, dass es eine extremistische Aussage ist, 00:15:34.564 --> 00:15:38.244 Aber es gibt auch viele extremistische Aussagen, die sehr subtil sind, 00:15:38.484 --> 00:15:41.324 die auch durch Übersetzungen noch komplexer werden. 00:15:41.764 --> 00:15:45.164 Um diese Strukturen zu erkennen, können die Sprachmodelle helfen, 00:15:45.484 --> 00:15:48.784 die auf den jeweiligen Servern bzw. 00:15:49.104 --> 00:15:55.444 Rechner von Behörden laufen und helfen, um sozusagen, sobald sie trainiert sind, 00:15:56.164 --> 00:16:00.664 dann kommen die neuen Daten. und diese neuen Daten muss man nicht unbedingt 00:16:00.664 --> 00:16:02.984 jetzt zum Trainieren verwenden, sondern man testet die. 00:16:03.504 --> 00:16:09.444 Und die können dann basieren auf, was sie gelernt haben, als die, 00:16:09.925 --> 00:16:14.005 die entsprechende extremistische Struktur erkennen. 00:16:14.345 --> 00:16:18.705 Das ist nicht ganz trivial. Also es ist nicht etwas, was man sagt, 00:16:19.085 --> 00:16:19.705 es ist straightforward. 00:16:20.725 --> 00:16:24.165 Man setzt einfach das Maschinenlernen an, man lernt es. 00:16:24.325 --> 00:16:31.285 Da muss man schon sich überlegen, wie kann man diese Algorithmen am besten mit 00:16:31.285 --> 00:16:32.985 wenig Daten trainieren. 00:16:33.285 --> 00:16:39.145 Wenn Sie jetzt Millionen von Datensätzen haben, das wird natürlich ganz gut sein. 00:16:39.145 --> 00:16:45.385 Aber es wäre auch schön, viel effektiver, viel kostensparender, 00:16:45.525 --> 00:16:51.065 wenn man mit wenig Datensätzen die Algorithmen so gut trainieren könnte. 00:16:51.605 --> 00:16:55.765 Natürlich mit Hilfe von Sprachmodellen und mit innovativen Ideen, 00:16:55.965 --> 00:17:03.205 um am Ende sehr genaue Aussagen machen können, darüber, ob ein Text eine Aussage 00:17:03.205 --> 00:17:04.405 extremistisch ist oder nicht, 00:17:04.745 --> 00:17:09.265 aber dafür wenige Daten zum Trainieren zu verwenden. 00:17:09.485 --> 00:17:13.945 Das erlaubt auch Behörden, nicht sehr viele Daten zu anonymisieren und zu sagen, 00:17:14.385 --> 00:17:16.465 hier, diese Daten sind tatsächlich Hassreden. 00:17:16.765 --> 00:17:23.285 Und dass eine Behörde sagt, das ist für uns Hassrede, das hat man auch erwähnt, dass es nicht immer. 00:17:26.225 --> 00:17:29.965 Dass die Behörden gleiche Meinung sind, Aber es gibt auch unterschiedliche, 00:17:30.105 --> 00:17:32.905 wie die Behörden an die Sache rangehen. 00:17:32.985 --> 00:17:37.765 Also es ist schon sehr spannend, aber es ist auch nicht so einfach, 00:17:37.945 --> 00:17:43.805 dass man trainiert und dann ist alles gut, sondern man braucht schon Innovationen 00:17:43.805 --> 00:17:47.605 hier, um die Strukturen besser und effektiver zu erkennen. 00:17:47.996 --> 00:17:52.016 Und daran lernt ja dann auch die Behörde, beziehungsweise auch das System an sich. 00:17:52.156 --> 00:17:55.576 In dem Moment, wo diese Schablone, um bei diesem Bild zu bleiben, 00:17:55.796 --> 00:17:58.716 immer verbessert wird und man macht es mit mehreren Behörden, 00:17:59.056 --> 00:18:01.896 wird ja auch die Sprache in den Behörden jeweils trainiert. 00:18:01.976 --> 00:18:05.816 Also mit welcher Perspektive schauen wir denn genau auf diese Hassrede drauf? 00:18:05.816 --> 00:18:09.476 Und jetzt fiel so oft diese Begrifflichkeit mehrere Behörden. 00:18:09.696 --> 00:18:13.256 Welche könnten das denn sein, wenn man jetzt nach draußen hört mehrere Behörden? 00:18:13.636 --> 00:18:17.236 Klar, wir haben jetzt Sie als Fachseite, also Landesamt für Verfassungsschutz 00:18:17.236 --> 00:18:21.136 in Hessen, aber natürlich haben auch die anderen Bundesländer entsprechende 00:18:21.136 --> 00:18:22.856 Landesämter für Verfassungsschutz. 00:18:23.216 --> 00:18:26.196 Ist das jetzt so was, wenn man die Perspektive mal eröffnet? 00:18:26.356 --> 00:18:27.996 Also wir haben es jetzt in Hessen angefangen. 00:18:28.256 --> 00:18:32.936 Es hat das Potenzial auch weiterzugehen? Ja, also wenn wir in der Systematik 00:18:32.936 --> 00:18:38.536 bleiben, je mehr Daten in ein System gehen, desto trainierter kann eine Anwendung am Ende auch sein. 00:18:39.716 --> 00:18:42.896 Wäre folgerichtig, dann natürlich die Schlussfolgerung zu sagen, 00:18:42.996 --> 00:18:46.376 je mehr dann, ich habe es eben schon benutzt als Redewendung, 00:18:46.676 --> 00:18:50.916 in die Kasse einzahlen, desto schärfer ist vermutlich am Ende das System. 00:18:51.636 --> 00:18:55.856 Herr Sadegi könnte sicherlich beantworten, ob man eine KI auch übertrainieren 00:18:55.856 --> 00:18:58.836 kann, möglicherweise, durch zu viele Daten. 00:18:59.476 --> 00:19:05.936 Also insofern, ja, würde ich so beantworten, wenn andere den Weg mitgehen würden. 00:19:06.696 --> 00:19:11.276 Nichtsdestotrotz trifft natürlich jedes Land eine eigene Entscheidung und muss 00:19:11.276 --> 00:19:15.376 auch an der Stelle für sich prüfen, wie innovativ man sich sein Arbeitsfeld 00:19:15.376 --> 00:19:18.136 erschließen möchte. Grundsätzlich erstrebenswert ist. 00:19:18.387 --> 00:19:22.667 Aus meiner fachlichen Perspektive wäre das natürlich schon, gerade auch wegen 00:19:22.667 --> 00:19:24.387 unterschiedlicher Bewertungsraster, 00:19:24.627 --> 00:19:28.187 also jetzt nicht nur zwischen den verschiedenen Sicherheitsbehörden, 00:19:28.407 --> 00:19:32.847 auch landesintern, sondern auch über die verschiedenen Verfassungsschutzbehörden 00:19:32.847 --> 00:19:34.827 in einem föderalen Deutschland, 00:19:35.147 --> 00:19:38.887 die sicherlich hier oder dort nochmal unterschiedliche Akzente setzen oder eben 00:19:38.887 --> 00:19:42.767 auch mit unterschiedlichen Akteuren zu tun haben, denn eine extremistische Szene 00:19:42.767 --> 00:19:45.287 in Berlin ist eine andere als in Freiburg. 00:19:45.287 --> 00:19:50.947 Und von daher wäre sicherlich auch mit sprachlichen Nuancen, 00:19:51.007 --> 00:19:55.567 die einfach von West nach Ost und Nord nach Süd entstehen, das hilfreich. 00:19:55.847 --> 00:20:01.287 Man kann es nur bewerben, aber sicherlich trifft dann gerade in so einem System 00:20:01.287 --> 00:20:04.927 jeder seine Entscheidung selbst. Und das ist ja auch, an dieser Stelle muss 00:20:04.927 --> 00:20:08.607 man das ja sagen, wir entwickeln ja kein Produkt mit diesem Forschungsprojekt. 00:20:08.787 --> 00:20:12.267 Da kommt am Ende nichts aus, was jetzt ein anderes Bundesland oder eine andere 00:20:12.267 --> 00:20:16.367 Behörde, sagen wir mal, sich in Anführungszeichen kaufen könnte und einsetzen könnte. 00:20:16.647 --> 00:20:20.467 Wir machen an der Stelle sehr anwendungsorientierte Grundlagenforschung, 00:20:20.587 --> 00:20:24.727 um auch zu zeigen, funktioniert das überhaupt? Ist also diese Fragestellung, 00:20:25.047 --> 00:20:28.907 kann es überhaupt so ein privates, sicheres Federated Learning geben, 00:20:29.167 --> 00:20:31.487 aus dem man halt dann diese Schablonen trainiert? 00:20:31.627 --> 00:20:34.607 Ist diese Methode, die wir da anwenden wollen, überhaupt möglich? 00:20:35.047 --> 00:20:38.127 Und Sie haben jetzt eben auch schon erwähnt, vielleicht kann man auch eine KI 00:20:38.127 --> 00:20:40.567 übertrainieren bei zu vielen Daten. 00:20:40.947 --> 00:20:45.287 Und Herr Sadegi hat da auch schon genickt. Bevor ich Ihnen die Frage jetzt direkt 00:20:45.287 --> 00:20:48.907 stelle, Herr Sadegi, wie viele Datensätze, um mal so ein Gefühl zu bekommen 00:20:48.907 --> 00:20:51.067 von Hassrede, hat man denn da so? 00:20:51.822 --> 00:20:56.382 Über die wir bei uns verfügen, ja. Also wir haben natürlich eigene Feststellungen. 00:20:56.542 --> 00:20:59.842 Wir haben aber auch ganz viel durch Sensibilisierungsgesprächen mit anderen 00:20:59.842 --> 00:21:01.902 Behörden auch Mitteilungen. 00:21:02.242 --> 00:21:06.242 Das geht von kommunalen Behörden über andere Behörden in der Landesverwaltung. 00:21:06.922 --> 00:21:11.442 Von privater Seite. Ich würde das gerne als Geheimnis behalten, 00:21:11.542 --> 00:21:12.722 wie viel es insgesamt ist. 00:21:12.922 --> 00:21:16.982 Aber tatsächlich greifen wir auf einen bunten Fundus zurück, 00:21:17.122 --> 00:21:20.962 der auch nicht nur sich in der virtuellen Welt bewegt, wo es natürlich manchmal 00:21:20.962 --> 00:21:25.442 auch der klassische Brief ist, der irgendwo eingeht, der aber genauso ein Sprachmuster wiedergibt. 00:21:25.862 --> 00:21:29.522 Also insofern würde ich die Frage gerne so beantworten. Wir haben ein breites 00:21:29.522 --> 00:21:33.822 Potpourri an verschiedenen Daten und wir haben alleine aus hessischer Sicht, 00:21:34.402 --> 00:21:39.162 einen großen Fundus, der sicherlich schon mal für ein Grundtraining der Anwendung, 00:21:39.282 --> 00:21:43.782 und Sie haben es ja gesagt, am Ende kein fertiges Produkt, das ist im Grunde mal der Versuch, 00:21:44.502 --> 00:21:46.042 festzustellen, funktioniert es denn? 00:21:46.482 --> 00:21:50.742 Und das, was wir im Moment rausnehmen und rauslesen, ja, es funktioniert auch 00:21:50.742 --> 00:21:56.582 mit den Daten, die wir aufbringen, und insofern würde ich die Frage so beantworten 00:21:56.582 --> 00:21:58.602 wollen. Sehr diplomatisch, prima, ja. 00:21:59.942 --> 00:22:05.642 Ich würde gerne einen Aspekt noch aufgreifen, dass auch aus unserer Perspektive 00:22:05.642 --> 00:22:10.102 das Spannende, also wie präzise und für welchen Anwendungszweck trainiert man 00:22:10.102 --> 00:22:11.442 dann ein Sprachmodell weiter. 00:22:11.682 --> 00:22:15.582 Ja, seit Diggi hat das gesagt, es gibt natürlich verfügbare Sprachmodelle, 00:22:15.722 --> 00:22:19.922 die man verwenden kann, die man weiterentwickeln kann und ein Spannungsfeld, 00:22:20.062 --> 00:22:21.562 und das möchte ich auch nicht unerwähnen lassen, 00:22:21.862 --> 00:22:28.462 aus unserer Sicht der Fachbehörde ist natürlich schon, dass wir uns einer Kritik aussetzen müssen, 00:22:28.962 --> 00:22:30.642 bis wohin geht die Meinungsfreiheit, 00:22:31.262 --> 00:22:32.642 Darüber gibt es viele Diskussionen. 00:22:33.062 --> 00:22:38.222 Das können Sie in vielen Talkshows, auch insbesondere in den sozialen Medien, verfolgen. 00:22:38.902 --> 00:22:43.202 Und ab wo beginnt die Hassrede? Was ist eine Meinung und was ist eigentlich 00:22:43.202 --> 00:22:45.722 schon strafbar? Oder was ist Extremismus? 00:22:46.102 --> 00:22:49.782 Und das ist ganz, ganz wichtig. Und den Punkt möchte ich auch machen, tatsächlich. 00:22:50.502 --> 00:22:55.862 Es geht ja nicht darum, jedem das Wort im Mund rumzudrehen. 00:22:56.162 --> 00:23:01.862 Und jede Meinungsäußerung oder jede Kritik an Regierenden, beispielsweise dann 00:23:01.862 --> 00:23:06.342 zum Extremismus zu stempeln, sondern dann eben auch mit solchen Forschungsprojekten 00:23:06.342 --> 00:23:10.762 zu schauen, wie präzise, wie trendscharf kann man solche Modelle eben auch entwickeln. 00:23:11.002 --> 00:23:15.442 Und aus unserer Perspektive ist natürlich immer derjenige oder verschiedene 00:23:15.442 --> 00:23:18.902 Gruppen, die sich zusammenschließen, vom besonders hohem Interesse, 00:23:19.062 --> 00:23:20.782 die sind aber schwer zu finden in diesem Bereich. 00:23:20.944 --> 00:23:24.784 Sehr, sehr weitläufig im Internet, die eben aus Sprache mehr machen, 00:23:24.944 --> 00:23:30.204 wo es gerade darum geht, vielleicht auch zu bestimmten Taten aufzurufen und 00:23:30.204 --> 00:23:35.384 auch eine schnelle Dynamik, eine schnelle Dramaturgie in der sprachlichen Entwicklung hinzulegen. 00:23:36.224 --> 00:23:40.784 Und meine persönliche Meinung und auch die fachliche ist natürlich, 00:23:40.924 --> 00:23:43.904 natürlich darf man Kritik äußern, das ist immer willkommen, das macht unsere 00:23:43.904 --> 00:23:50.204 Demokratie aus. und wir müssen sprachlich viel aushalten und werden auch noch viel aushalten. 00:23:50.784 --> 00:23:54.224 Aber irgendwann ist natürlich eine Grenze überschritten. Und aus meiner Sicht, 00:23:54.424 --> 00:23:58.384 also wie kann man dann auch weiter, wenn so ein Modell mal entwickelt ist aus 00:23:58.384 --> 00:24:01.124 dem Forschungsprojekt heraus, den Weg dann weitergehen? 00:24:01.344 --> 00:24:02.584 Natürlich haben wir hohes Interesse, 00:24:02.784 --> 00:24:06.604 weil es eben auch eine Masse ist im virtuellen Raum, der wir begegnen. 00:24:06.964 --> 00:24:10.684 Es ist aber gerade Aufgabe einer solchen Behörde und auch von anderen, 00:24:11.404 --> 00:24:15.964 zu versuchen, die Nadel im Heuhaufen zu finden und wo ist der eine, 00:24:16.144 --> 00:24:17.364 der mehr aus Sprache macht? 00:24:17.464 --> 00:24:21.164 Wo ist der eine, der aufruft und der andere auch mitreißen kann, der vielleicht auch. 00:24:22.104 --> 00:24:25.404 Demagogisch auftritt, der verfängt und der Sprache beherrscht, 00:24:26.084 --> 00:24:30.304 und den frühzeitig zu erkennen und da können solche Modelle helfen aus unserer 00:24:30.304 --> 00:24:34.684 Sicht und trotzdem muss am Ende immer noch eine fachliche Entscheidung durch 00:24:34.684 --> 00:24:36.424 Mitarbeiter in der Behörde getroffen werden, 00:24:36.624 --> 00:24:40.884 wo steigen wir weiter ein und wo nicht, aber es kann ein sehr sehr wertvoller 00:24:40.884 --> 00:24:42.184 Steigbügelhalter sein, 00:24:42.604 --> 00:24:45.044 um auch einzusteigen in eine Beobachtung. 00:24:45.204 --> 00:24:47.844 Das ist das, was einen Verfassungsschutz tut. Er beobachtet, 00:24:48.104 --> 00:24:50.044 trifft seine Schlussfolgerungen. 00:24:51.044 --> 00:24:54.704 Aber das ist unterm Strich auch wichtig. Also die Arbeit werden nicht Maschinen 00:24:54.704 --> 00:24:58.604 alleine bewältigen, sondern es ist eine große Unterstützung, 00:24:59.064 --> 00:25:01.604 an der wir arbeiten, die wir auch sehen in der Zukunft. 00:25:02.044 --> 00:25:05.384 Aber wir wissen genau zu unterscheiden zwischen Meinung und Extremismus. 00:25:05.830 --> 00:25:09.330 Und das, was Sie jetzt erwähnen, genau das passiert ja auch im realen Leben. 00:25:09.770 --> 00:25:12.970 Das heißt, auch das Forschungsprojekt selber ist ja nicht losgelöst. 00:25:13.150 --> 00:25:16.430 Also wir befinden uns nicht im Elfenbeinturm und versuchen da mal was Schönes 00:25:16.430 --> 00:25:20.390 zu entwickeln, sondern das ganze Projekt fußt ja auf solchen Arbeitstreffen. 00:25:20.390 --> 00:25:21.610 Also wir nennen das Showfixe. 00:25:22.030 --> 00:25:26.910 Alle paar Monate treffen wir uns zu dritt zusammen in diesem Ökosystem und tauschen 00:25:26.910 --> 00:25:29.530 uns aus, weil das, was Sie sagen, ist ja ganz entscheidend. 00:25:29.590 --> 00:25:33.350 Man muss ja wie mit einer Art Lupe hinschauen und sagen, ist es das auch? 00:25:33.470 --> 00:25:34.890 Ist das der richtige Weg? 00:25:35.190 --> 00:25:38.450 Geht das Forschungsprojekt in die richtige Richtung? Gehen die Schablonen, 00:25:38.550 --> 00:25:43.410 die entwickelt werden, auch in die richtige Richtung, dass man da nachher wirklich was Gutes von hat? 00:25:44.110 --> 00:25:47.390 Wie gesagt, es wird kein Produkt irgendwie entwickelt. Das ist dann der nächste 00:25:47.390 --> 00:25:50.190 Step. Mal schauen, auf welcher Basis wir nachher stehen. 00:25:50.530 --> 00:25:54.270 Auch die Ergebnisse zum Projekt werden veröffentlicht. Das ist ja das etwas, 00:25:54.930 --> 00:25:57.210 also die Projekte selber laufen entlang der Förderrichtlinien, 00:25:57.370 --> 00:25:58.750 deshalb bei Sicherheitsforschung in Hessen. 00:25:58.870 --> 00:26:01.290 Das heißt, da sind wir auch angehalten und das wollen wir auch, 00:26:01.390 --> 00:26:05.590 dass wir da veröffentlichen können, um dann zu schauen, was können wir daraus weitermachen? 00:26:05.710 --> 00:26:07.490 Was kann da weiteres passieren? 00:26:08.050 --> 00:26:11.310 Und Herr Sardegi, mal so einen Blick in die Zukunft. Federated Learning, 00:26:11.450 --> 00:26:13.030 das fiel jetzt als Begriff so häufig. 00:26:13.410 --> 00:26:17.370 Unser Forschungsprojekt selber hat zwei Jahre gedauert. Wie schätzen Sie denn 00:26:17.370 --> 00:26:21.370 das ein aufgrund dieser Entwicklungszyklen, die es in dem KI-Bereich ergibt? 00:26:21.610 --> 00:26:26.390 Wo sehen Sie denn da den technologischen Fortschritt sozusagen beim Federated 00:26:26.390 --> 00:26:27.530 Learning in den nächsten Jahren? 00:26:27.530 --> 00:26:31.650 Ja, das ist eine interessante Frage, weil im Forschungsbereich, 00:26:31.910 --> 00:26:38.650 wir haben jetzt die Anzahl der Veröffentlichungen, die seit 2017, 00:26:39.150 --> 00:26:44.770 wo Google halt mit Federal Learning im realen Welt, also wirklich Einsatz, 00:26:45.850 --> 00:26:51.570 rauskam, obwohl Federal Learning schon vorher von anderen Forschendengruppen, sage ich mal. 00:26:52.690 --> 00:26:53.890 Erfunden wurde. 00:26:53.890 --> 00:26:58.330 Google ist ja die erste Firma, die da rausgekommen ist. 00:26:59.030 --> 00:27:04.170 Bis heute sind mehr als 23.000, 00:27:04.912 --> 00:27:09.812 wissenschaftliche Veröffentlichungen über Föderated Learning veröffentlicht 00:27:09.812 --> 00:27:15.052 wurden und viele von denen benutzen die Aspekte wie Privatheit, 00:27:16.072 --> 00:27:19.732 Vertraulichkeit und Sicherheit. 00:27:20.132 --> 00:27:22.752 Das heißt, wir sind genau auf dem Puls der Zeit mit unserem Veröffentlichungen. 00:27:22.982 --> 00:27:25.922 Das heißt, das ist ein sehr heißer Bereich. 00:27:25.922 --> 00:27:31.022 Man sagt, dass es langsam ausgeforscht wird und trotzdem jedes Jahr kommen weitere 00:27:31.022 --> 00:27:35.822 hunderte Veröffentlichungen aus Firmen wie großen Tech-Firmen, 00:27:35.962 --> 00:27:39.002 aber auch von vielen renommierten Universitäten. 00:27:39.302 --> 00:27:45.942 Also ich sehe das als ein nutzliches Tool, was auch uns erlaubt, 00:27:46.122 --> 00:27:50.842 sozusagen mit weniger komplexer Kryptografie vorzugehen. 00:27:50.842 --> 00:27:57.922 Die Kryptografie brauchen wir immer noch, aber die Komplexität der Kryptografie 00:27:57.922 --> 00:28:02.842 wird weniger, dadurch, dass wir halt dieses Tool haben, dieses Werkzeug haben. 00:28:03.042 --> 00:28:07.602 Und wir können das auch sowohl bei Behörden, sondern auch im industriellen Bereich einsetzen. 00:28:07.822 --> 00:28:13.422 Wir haben ja Erfahrungen mit mehreren verschiedenen Anwendungen in der Allerwelt. 00:28:13.422 --> 00:28:16.982 Aber auf der anderen Seite, weil Fidelity Learning nur einfach einen Rahmen 00:28:16.982 --> 00:28:20.442 bietet und in diesen Rahmen stecken wir unsere Schablonen rein. 00:28:21.322 --> 00:28:26.082 Dadurch, dass wir eine bestimmte Anwendung sozusagen als Ziel uns vornehmen, 00:28:26.822 --> 00:28:32.982 sehen wir auch die Einschränkungen und die Probleme von zum Beispiel Sprachmodellen. 00:28:33.467 --> 00:28:38.647 Inwieweit können sie für bestimmte Anwendungen eingesetzt werden, 00:28:38.987 --> 00:28:47.327 um gerade bei diesen sensiblen Themen wie Pressefreiheit, Freiheit der Meinungäußerung, 00:28:47.487 --> 00:28:55.007 weil da eine Grenze ist, die halt in demokratischen Ländern kann ja sehr schwer sein, das zu bestimmen. 00:28:55.007 --> 00:29:01.907 Ist das jetzt ein Mordruf oder ist das jetzt eine subtile Mordrufe oder sonstige Aspekte? 00:29:02.007 --> 00:29:06.867 Das heißt, Verdeutelern hilft uns auch zu sehen, was die anderen Algorithmen 00:29:06.867 --> 00:29:09.667 für Probleme haben und wie wir die verbessern können. 00:29:09.967 --> 00:29:13.107 Und die werden immer besser, die werden immer interessanter. 00:29:13.107 --> 00:29:17.887 Ja, kommerziell kann ich Ihnen das nicht sagen, aber die Behörden sind ja nicht 00:29:17.887 --> 00:29:24.207 unbedingt auf kommerzielle Erfolge abgezielt, sondern die wollen ja auch der Gesellschaft helfen. 00:29:24.387 --> 00:29:29.447 Und ich bin persönlich sehr kritisch, wenn es um Privatsphäre geht. 00:29:29.887 --> 00:29:34.127 Daher denke ich, dass es auch unser Job ist, also eine soziale Verantwortung 00:29:34.127 --> 00:29:37.307 auch unseren Mitarbeitern und Mitarbeiterinnen beizubringen, 00:29:37.307 --> 00:29:39.527 dass sie mit solchen Daten sehr 00:29:39.527 --> 00:29:44.527 sensibel umgehen und auch die Demokratie schützen, soweit es möglich ist. 00:29:44.607 --> 00:29:48.367 Weil das ist das einzige Gut, was wir in diesen Gesellschaften haben. 00:29:48.547 --> 00:29:52.687 Das wissen viele Leute leider nicht, das nehmen sie ausgegeben. 00:29:52.987 --> 00:29:57.327 Aber es gibt viele andere Orte in dieser Welt, die das nicht haben. 00:29:57.507 --> 00:30:00.107 Und da müssen wir alle mithelfen sozusagen. 00:30:00.467 --> 00:30:03.547 Und dieses Gut nehmen wir besonders ernst. Und deswegen haben wir uns ja auf 00:30:03.547 --> 00:30:06.947 diesen Weg gemacht im Forschungsprojekt, zu schauen, wie man so ein privates 00:30:06.947 --> 00:30:11.567 und sicheres Federated Learning auch gekonnt und seriös vor allen Dingen einsetzen kann. 00:30:12.127 --> 00:30:16.627 Und wer mehr wissen will zum Prozess rund um die Forschungsförderung Cybersicherheit 00:30:16.627 --> 00:30:19.667 und die damit verbundenen Projekte, die vom hessischen Innenministerium heraus 00:30:19.667 --> 00:30:23.907 unterstützt werden, der kann auch gerne in die anderen Folgen dieser Podcast-Serie 00:30:23.907 --> 00:30:26.127 reinhören oder unsere Website besuchen. 00:30:26.347 --> 00:30:29.307 Alle Details dazu befinden sich in den Shownotes dieser Folge hier. 00:30:29.467 --> 00:30:34.107 Und an dieser Stelle sage ich dann herzlichen Dank für Ihre Zeit und Dankeschön. 00:30:34.307 --> 00:30:36.427 Auf Wiederhören. Danke auch. Dankeschön.