Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

15.04.2020

Tributech und Infineon entwickeln chip-basierte Lösung für sicheres Data-Sharing

Im Rahmen des "Industry meets Makers"- Programms haben Infineon und Tributech gemeinsam eine Lösung für sicheres Teilen von Daten entwickelt.

/artikel/tributech-infineon-industry-meets-makers

kooperation

✨ AI Kontextualisierung

Das Startup Tributech aus Linz hat es sich zum Ziel gesetzt, das sichere Teilen von Daten innerhalb des Unternehmens und über die Unternehmensgrenzen hinweg zu verbessern. Im Rahmen des Open Innovation Company Building Formats “Industry meets Makers” hat Tributech Kontakt zum Hightech-Leitbetrieb Infineon aufgebaut – und dessen Chip genutzt, um eine noch sicherere Lösung des Daten-Sharings zu entwickeln: Das “Tributech Sensor Security Module” (SSM).

+++Sechsstelliges Investment für Tributech+++

Das Tributech Sensor Security Module (SSM) ist ein Industrial IoT Device, das am Markt bestehende (I)IoT Devices um eine Datensicherheits- und Rückverfolgbarkeits-Lösung erweitert. Das Tributech SSM ermöglicht somit die nachvollziehbare und überprüfbare Aufzeichnungen von Sensor- und Prozessdaten, insbesondere wenn diese über Unternehmensgrenzen hinweg übertragen werden. Sobald ein Datensatz gesichert ist, können Datenkonsumenten innerhalb und außerhalb des Unternehmens zu jedem Zeitpunkt – in nahezu Echtzeit ebenso wie Jahre nach der Datengenerierung – den Herkunfts-, Integritäts- und Eigentumsnachweis überprüfen und auditieren.

Zugangsdaten werden dabei direkt auf dem Chip gespeichert, wie Rafael Gattringer, Innovation Manager bei Infineon, erläutert: Der Chip wiederum hat diverse Schutzmechanismen, die auch zum Beispiel bei einem unbefugten Ausbauversuch des Chips wirksam werden. “Die Speicherung der Daten direkt auf dem Chip garantiert wiederum die höchstmögliche Sicherheit”, ergänzt Thomas Plank, CEO und Co-Founder von Tributech. Die Datenverifizierung findet nun direkt an der Datenquelle statt, womit Tributech seinen Kunden eine Ende-zu-Ende-Lösung anbieten kann.

+++Mehr zum Thema Industrie+++

Durch diese neue Ebene an Sicherheit und Auditierbarkeit eröffnen sich eine Vielzahl an neunen Anwendungsfälle wie zum Beispiel Pay-per-use Lösungen auf Basis von Sensor- bzw. Nutzungsdaten, nutzungsbasierte Garantien, (automatisierte) Qualitätssicherung, digitale Servicehefte von Produkten, der automatisierte Nachweis der Durchführung oder Leistungserbringung zwischen Unternehmen (“Proof of Execution”) und die Verknüpfung von Digitalen Zwillingen über Unternehmensgrenzen hinweg (“Cross-Enterprise Digital Twin”).

Infineon als Founding Partner von Industry meets Makers

Infineon ist seit dem Jahr 2016 quasi Gründungspartner von “Industry meets Makers”. Laut Gattringer ist das Format interessant, weil hier agil an innovativen Projekte gearbeitet wird. Im Jahr 2016 schuf man mit copter.rocks zum Beispiel diverse Projekte für die österreichische Copter-Community.

Im Rahmen von “Industry meets Makers” werden Hackathons mit Studenten ebenso wie Workshops mit Startups organisiert. Die Startups wiederum präsentieren die Ergebnisse am Ende des Programms der Community, gemeinsam öffnet man sich also für Kooperationen. Während des Programms bekommen die Teilnehmer unter anderem Zugang zu den R&D-Ressourcen des Unternehmens und können mit den Chips experimentieren, die teilweise am Markt noch nicht erhältlich sind.

“Die Maker finden bei den Kooperationen neue Anwendungsbereiche für unsere Chips”, sagt Gattringer. Außerdem werden die neuesten Chips hier gemeinsam mit den Tüftlern getestet – als Faustregel gilt dabei: Wenn der Chip maker-ready ist, dann ist er auch mass-market-ready. “Wir können somit bei diesen Projekten überprüfen, ob die Menschen den Chip verstehen und anwenden können. Das ist etwas anderes als eine Laborsituation”, ergänzt der Innovationsmanager. Auf Basis des Feedbacks kann der Chip weiter entwickelt werden, beziehungsweise die Anleitungen adaptiert werden.

Tributech als “gleichwertiger Partner” für Infineon

Nachdem man sich im Rahmen von “Industry meets Makers” kennen gelernt hatte, haben die beiden Unternehmen recht bald mit der Entwicklung des Prototyps begonnen. Tributech erhält dabei auch Zugang zu Infineons Partnern und Distributoren. “Außerdem haben wir durch die Kooperation ein Know-How aufgebaut, das wir auch an andere Hardware-Hersteller lizenzieren können”, sagt Plank: “Auch dadurch können wir nun besser skalieren.”

Beide Partner betonen dabei, wie gut die Zusammenarbeit zwischen dem Corporate und dem Startup auf Augenhöhe funktioniert. “Es handelt sich um eine Kooperation auf Augenhöhe”, sagt Gattringer. Und Plank ergänzt, dass er sich stets als “gleichwertiger Partner” gefühlt hat: “Die Zusammenarbeit hat wohl auch deswegen so gut funktioniert, weil wir auch als kleines Startup ernstgenommen wurden.”

Industry meets Makers 2020: Kick-off im virtuellen Raum

Am kommenden Donnerstag, 16.4., findet ab 15:00 das Das Kick-off des Open Innovation Community Building Formats Industry meets Makers 2020 statt – und zwar online, aufgrund der Coronakrise. Das Eventformat geht nun in die insgesamt fünfte Runde; die brandneuen, virtuellen Veranstaltungsräumlichkeiten werden auf Basis des eigenen Erfolgsformat vom brutkasten zur Verfügung gestellt.

==> Weitere Updates und Informationen zum Event

==> Hier geht’s zur kostenlosen Anmeldung

==> direkt zum Event

Redaktionstipps

Sechsstelliges Investment für Linzer Startup Tributech

18.09.2019

Industry meets Makers startet am 16.4. mit einem Online-Kickoff

14.04.2020

Deine ungelesenen Artikel:

Momcilo Nikolic

19.06.2024

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.

/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode

Momcilo Nikolic

19.06.2024

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode

“Großartige Arbeit meines Teams: Erkennen, ob LLMs (Anm.: Large Language Models) halluzinieren. Sie halluzinieren, wenn sie unsicher sind. Wir erkennen diese Unsicherheit und markieren Halluzinationen” – so beschreibt KI-Koryphäe Sepp Hocheiter auf LinkedIn die Errungenschaft, die er uns seine Forscher:innen am Institut für Machine Learning der Johannes Kepler Universität Linz vollbracht haben. Dabei spricht er von dem SDLG-Modell. Der Begriff steht für “Semantically Diverse Language Generation”.

Denn es ist ein großes Thema, das die KI-Community beherrscht. Bei Nutzung von Künstlicher Intelligenz (KI) kann es passieren, dass man eine Frage stellt und falsche Antworten bekommt. Im Fachjargon sagt man dazu, die KI halluziniert.

SDLG verbessert Erkennung von Halluzinationen

Wie brutkasten berichtete, tun sich Giganten wie Google und Microsoft schwer, dieser Problematik habhaft zu werden. Eine neuer Lösungsansatz kam heuer vom Wiener Startup datAInsights, die statt impliziten explizite Fakten bzw. explizites Wissen verwenden, das dokumentiert ist. “Wir reichern bestehende Knowledge-Systeme mit Quellen an, sodass sie für unsere Architektur verarbeitet werden können”, erklärte datAInsights-Co-Founder René Heinzl im März 2023.

Nun kommt ein weiterer Lösungsansatz aus dem Umfeld von Sepp Hochreiter: SDLG. Diese neue Methode verbessert die Erkennung von Halluzinationen in LLMs (Large Language Modellen), indem es die Unsicherheitsabschätzung vorantreibt oder anders gesagt, aufzeigt, wenn ein Large Language Modell “unsicher” ist.

Man muss wissen, dass LLMs als Basis für Künstliche Intelligenz dienen und wie eine Zeichenkette aufgebaut sind. Hier wirken Wahrscheinlichkeiten, die das nächste Zeichen (konkret das nächste Wort oder um noch genauer zu sein, die nächsten Buchstaben) produzieren und Antworten auf Fragen liefern. Da kann es zu Fehlern oder falschen Informationen kommen.

Einstein oder Newton?

“Hochreiter präzisiert gegenüber brutkasten: “Halluzinationen können entstehen, wenn ein Trainingsdaten-Set fehlende oder zu wenige Daten zu einem Thema hat”, sagt er. “‘Albert Einstein hat die Relativitätstheorie entwickelt’ kann in verschiedenen Varianten (Anm.: Einstein hat die Relativitätstheorie erfunden, die Relativitätstheorie wurde von Einstein erfunden oder entwickelt, Der Vater der Relativitätstheorie ist Alber Einstein, etc.) im Trainingsdaten-Set als Information dienen. Gibt es diese nicht oder nur ungenügend, und die KI weiß, dass das Relativität etwas mit Physik zu tun hat, kann es sein, dass die Antwort plötzlich Newton ist.”

SDLG erkennt ob “LLMs halluzinieren”

Lukas Aichberger, “ELLIS PhD”-Student am Institut für Machine Learning der JKU beschreibt per LinkedIn-Post die SDLG-Methode – die er, Kajetan Schweighofer, Mykyta Ielanskyi und Sepp Hochreiter entwickelt haben – wie folgt: “Wir schaffen eine theoretische Grundlage für Unsicherheitsmaße in LLMs und führen theoretisch begründete ‘Estimatoren’ (Schätzer) für semantische Unsicherheit ein. Und stellen eine Methode zur Verfügung, um semantisch vielfältige und dennoch wahrscheinliche Ausgabesequenzen zu erzeugen, indem wir die Texterzeugung eines LLMs so steuern, dass wichtige Informationen für den semantischen Unsicherheitsschätzer erfasst werden.”

SDGL, KI, Halluzinationen, Hochreiter — (c) zVg – (v.l.) Sepp Hochreiter, Lukas Aichberger, Mykyta Ielanskyi und Kajetan Schweighofer.

In anderen Worten hebt die SDGL-Methode jene Aussagen hervor, wo sich die KI nicht sicher ist und markiert sie, damit man die durch “semantische Unsicherheit” (des Large Language Models) hervorgerufenen Halluzinationen erkennt, wie Hochreiter präzisiert.

Im 23-seitigen Paper, das die Forscher herausgebracht haben, heißt es konkret: “SDLG steuert das LLM, um semantisch unterschiedliche, aber wahrscheinliche Alternativen für einen ursprünglich generierten Text zu erzeugen. Dieser Ansatz liefert ein präzises Maß für die aleatorische (Anm.: vom Zufall abhängige) semantische Unsicherheit und erkennt, ob der ursprüngliche Text wahrscheinlich halluziniert ist. Experimente mit Aufgaben zur Beantwortung von Fragen zeigen, dass SDLG bestehende Methoden durchgängig übertrifft und dabei rechnerisch am effizientesten ist, wodurch ein neuer Standard für die Unsicherheitsabschätzung in LLMs gesetzt wird.”

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag