Maschinelles Verlernen
Definition
Maschinelles Verlernen zielt darauf, den Einfluss bestimmter Trainingsdaten aus einem bereits trainierten Modell zu entfernen.
Verfahren reichen von vollständigem Retraining bis zu approximativen Unlearning-Methoden. Nachzuweisen, dass Information wirklich entfernt wurde, ist technisch schwierig.
Einfach erklärt
Wie einem trainierten Modell gezielt bestimmte Trainingsbeispiele wieder entziehen zu wollen.
Warum das im Alltag wichtig ist
Relevant für Datenschutz, Datenrechte, Modellwartung und Forschung.
Beispiel aus dem Mittelstand
Ein Modellbetreiber untersucht, wie Daten eines zurückgezogenen Datensatzes aus einer Modellversion entfernt werden können.
Grenzen und Fallstricke
- Unlearning als einfaches Löschen eines Datensatzes darstellen; Restinformation nicht testen; ungeklärte Backups und Modellkopien ignorieren.
Entstehung & Geschichte
Machine Unlearning wurde als eigenes Forschungsfeld ab den 2010ern stärker untersucht; NIST organisierte 2023/2024 eine Machine Unlearning Challenge.
Anwendung im Mittelstand
- Mögliche Anwendung im Mittelstand: Bei eigenen trainierten Modellen Datenherkunft und Löschstrategie früh mitplanen.
Häufige Fragen
Ist Unlearning gleich Retraining?
Vollständiges Retraining ist eine mögliche Referenz, aber teuer. Kann man Entfernung perfekt beweisen? Oft schwierig.
Quellen
- Machine Unlearning Challenge · NIST, Machine Unlearning Challenge
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: