Gretel.ai

Gretel hilft Teams, nutzbare Daten zu erhalten, wenn reale Daten sensibel oder knapp sind. Entwickler verbinden einen Datensatz, etwa Kundendaten oder medizinische Tabellen, und Gretel trainiert ein Modell, das neue Datensätze mit denselben statistischen Mustern, aber ohne direkten Bezug zu realen Personen erzeugt. Teams nutzen die Ergebnisse, um Software zu testen, Daten abteilungsübergreifend zu teilen und Machine-Learning-Modelle ohne langwierige Datenschutzfreigaben zu trainieren. Außerdem lassen sich Text- und Tabellendaten für das Fine-Tuning von Sprachmodellen erzeugen.

Die Plattform kombiniert Generierung mit Prüfungen. Qualitätsberichte vergleichen synthetische Daten mit den Originaldaten. Datenschutzwerkzeuge wie Differential Privacy und Filter verringern das Risiko, dass Ausgaben reale Informationen preisgeben. Funktionen zur Transformation können personenbezogene Daten in vorhandenen Datensätzen erkennen und maskieren. APIs und Open-Source-Bibliotheken ermöglichen es Entwicklern, diese Schritte in ihre Pipelines einzubauen.

Medienberichten zufolge hat NVIDIA Gretel übernommen, um seine Werkzeuge zur Erzeugung von Trainingsdaten zu stärken; die Technologie wird in NVIDIA-Dienste integriert. Prüfe deshalb vor einer Nutzung, wie das Produkt derzeit angeboten wird. Synthetische Daten sind nicht automatisch privat oder korrekt; seltene Muster können verloren gehen oder verfälscht werden, daher sind Prüfungen wichtig. Alternativen sind Mostly AI, Tonic.ai, Hazy und Synthesized sowie Open-Source-Bibliotheken wie SDV. Die Kategorie ist besonders für Gesundheitswesen, Finanzen und andere regulierte Branchen relevant.