6G-ROTAM

Motivation

Vernetzte Systeme und Künstliche Intelligenz (KI) können dazu beitragen, Lücken in der medizinischen Versorgung zu schließen. Um KI-Algorithmen wie große Sprachmodelle (LLM) zu trainieren, sind jedoch umfangreiche Datensätze notwendig, die sensible personenbezogene Daten enthalten können. Die Übertragung dieser Trainingsdaten stellt daher höchste Anforderungen an die Sicherheit von Kommunikationssystemen. Ein vielversprechender Ansatz, diese Anforderungen zu minimieren ist das Föderierte Lernen (FL). Dieses ermöglicht es, KI-Modelle lokal zu trainieren, ohne die zugrundeliegenden Datensätze an einen Server zu übertragen. Für eine breite Anwendung von FL und LLM im Gesundheitswesen muss jedoch zunächst eine Balance zwischen der Effizienz des Trainings und der sicheren Übertragung der sensiblen Daten gefunden werden.

Ziele und Vorgehen

Das Projekt „6G-ROTAM“ zielt darauf ab, eine neuartige verteilte Kommunikationsplattform zu entwickeln, bei der zwei Parteien in einem KI-gestützten Beratungschat sicher kommunizieren können. Im Vorhaben wird dazu erforscht, wie LLM in einem föderierten Ansatz basierend auf 6G-Technologien dateneffizient trainiert werden können. Dazu werden unter anderem Kompressionstechniken zur Reduzierung der Modellgröße sowie Schwarmlernalgorithmen untersucht. Die verteilte Kommunikationsplattform soll dabei die hohen Datenschutzstandards des Gesundheitssektors einhalten und anhand eines konkreten Anwendungsbeispiels aus der Psychotherapie evaluiert werden.

Innovationen und Perspektiven

Die im Projekt angestrebten Lösungen zur Integration von 6G-Netzen und föderiertem Lernen bringen nicht nur das Zusammenwachsen von KI und 6G voran, sondern adressieren mit der Vorbereitung eines konkreten Anwendungsszenarios aus der Psychotherapie ein gesellschaftlich hoch relevantes Feld. Die im Projekt entwickelten Lösungen können dazu beitragen, Lücken in der medizinischen Versorgung abzudecken und so die Lebensqualität der Bürgerinnen und Bürger verbessern.