PriSyn - Repräsentative, synthetische Gesundheitsdaten mit starken Privatsphärengarantien; Teilvorhaben: HPE

Abstract

Im Projekt PriSyn wurde ein Demonstrator für eine dezentralen, datenschutzkonformen Machine‑Learning‑Plattform für medizinische Daten, die Swarm‑Learning, FPGA‑Beschleunigung und Privacy‑Preserving‑Techniken (mTLS, SPIFFE/SPIRE, Blockchain‑Audit‑Trail) kombiniert. Im Rahmen des Projekts (15.12.2022 - 15.12.2025) wurde ein Demonstrator realisiert, der klinische Klassifikatoren auf FPGA‑Boards ausführt und damit Latenz, Energieverbrauch und Daten‑Souveränität gegenüber klassischen Cloud‑Lösungen deutlich verbessert. Die gewonnenen Erkenntnisse fließen in offene Software‑Komponenten (Swarm‑Learning‑Stack, Sicherheits‑Framework) und wiederverwendbare FPGA‑Design‑Schnittstellen ein, die als Basis für kommerzielle Analytics‑Accelerator‑Produkte im Healthcare‑Segment genutzt werden kann. Das Projekt liefert Best‑Practices, technologische und wirtschaftliche Perspektiven für die dezentrale Analyse sensibler Gesundheitsdaten in Deutschland.