Amir Herco, Founder & Visionär · KIONOVA®
Die technische Herausforderung: Non-IID-Daten (jedes Krankenhaus hat andere Patientenprofile). Gelöst mit FedProx-Algorithmus. Das globale Modell performt 15% besser als jedes lokale Modell allein. Datenschutz und Modellqualität müssen kein Widerspruch sein. #federatedlearning #dsgvo #healthai
Das hat 4 Monate gedauert und war schmerzhaft. Aber seit der Implementierung hatten wir null laterale Bewegung bei den 3 Penetration-Tests die wir seitdem durchgeführt haben. Security-Audits sind jetzt deutlich entspannter. #zerotrust #security #cloudnative
Der Haken: Cold Starts bei Java-Lambdas (bis 3s). Lösung war die Migration auf Node.js für latenz-kritische Funktionen und Provisioned Concurrency für den Rest. #serverless #aws #lambda
Wichtig: Rollback-Partition für den Fall dass ein Update fehlschlägt. Ein Gerät hat sich nach einem fehlerhaften Update automatisch zurückgesetzt. Ohne Rollback wäre es ein Briefbeschwerer geworden. Skalierbare IoT-Wartung braucht OTA von Tag 1. #ota #esp32 #iot #firmware
Der Workflow: Erstes Modell auf 1.000 Labels trainieren, Uncertainty Sampling für die nächste Batch, iterieren bis Ziel-Accuracy erreicht. Weniger Daten, bessere Modelle, geringere Kosten. #activelearning #datalabeling #mlops
Eine Warnung: Nicht alle npm-Packages sind kompatibel. Wir hatten 3 Packages die Bun-spezifische Workarounds brauchten. Für neue Projekte aber absolute Empfehlung. #bun #typescript #backend
Der größte Vorteil den niemand erwähnt: Atomic Commits über alle Packages. Wenn ein API-Typ sich ändert, werden Frontend und Backend im gleichen PR angepasst. Keine Versions-Inkompatibilitäten mehr. #monorepo #turborepo #devex