Eine umfassende Übersicht über Blockchain in KI

KI und Blockchain sind zwei der bahnbrechendsten technischen Innovationen in jüngster Zeit.

• Künstliche Intelligenz (KI): Ermöglicht es Maschinen und Computern, menschliches Denken und Entscheidungsprozesse zu emulieren.
• Blockchain: Ein dezentralisiertes und unveränderliches Ledger, das Daten und Informationen auf sichere und vertrauenswürdige Weise in einem dezentralen System speichert.

In letzter Zeit haben Wissenschaftler begonnen, potenzielle Anwendungen dieser Technologien in verschiedenen Branchen zu erforschen. In diesem Artikel werden wir einen kurzen Überblick darüber geben, wie Blockchain mit KI integriert werden kann, ein Konzept, das als “dezentralisierte KI” bezeichnet werden könnte. Lassen Sie uns beginnen.

Dezentralisierte KI: Eine Einführung in Blockchain in KI

In den letzten zehn Jahren oder so ist Blockchain eine der am meisten gehypten Innovationen gewesen, und es begann, an Fahrt zu gewinnen, als es seine Anwendung in anderen Bereichen fand. Seit seiner Einführung im Jahr 2008 hat es sich als disruptives Technologie etabliert, das das Potenzial hatte, die Art und Weise, wie wir Daten oder Informationen speichern oder austauschen, und die Art und Weise, wie wir Transaktionen verfolgen oder automatisieren, zu revolutionieren.

Einer der meist diskutierten Punkte von Blockchain ist, dass jede Blockchain-Transaktion kryptografisch signiert ist, und die Mining-Knoten, die eine Kopie des gesamten Ledgers aller Transaktionen haben, jede Transaktion verifizieren, die zur Erstellung synchronisierter, sicherer und gemeinsamer Zeitstempel-Datensätze führt, die nicht geändert werden können. Daher kann Blockchain eine effektive Option sein, um die Notwendigkeit einer zentralen Autorität zu eliminieren, die Transaktionen und Interaktionen zwischen Benutzern im Netzwerk verifiziert und regelt.

Weiterhin hat die technische Branche aufgrund von technischen Innovationen wie IoT-Geräten, Smartphones, sozialen Medien und Webanwendungen eine enorme Menge an Daten produziert, was zum Aufstieg von KI beigetragen hat. KI-Systeme nutzen oft große Mengen an Daten mithilfe von Deep Learning und Machine-Learning-Praktiken, um verschiedene Analysen durchzuführen.

Noch heute basieren viele Machine-Learning- und Deep-Learning-Techniken für KI-Modelle auf einem zentralisierten Modell, das eine Gruppe von Servern trainiert, die ein bestimmtes Modell gegen Trainingsdaten trainieren, und dann die Lernergebnisse mithilfe von Validierungs- oder Trainingsdatensätzen überprüfen. Der hohe Bedarf, ein KI-Modell effektiv zu trainieren, ist der Grund, warum große Tech-Unternehmen und Entwicklerteams oft große Mengen an Daten speichern, um ihre Modelle für die besten möglichen Ergebnisse und Leistungen zu trainieren.

Die meisten KI-Modelle und -Praktiken sind heute zentralisiert, und obwohl Zentralisierung dem KI-Bereich viel Erfolg gebracht hat, gibt es einen großen Nachteil bei der zentralisierten Datenspeicherung für KI-Modelle. Wenn alle Daten zentralisiert gespeichert werden, erhöht sich die Möglichkeit von Datenmanipulation oder -korruption, da zentrale Datenspeicherung immer anfällig für Malware und Cyberangriffe ist. Darüber hinaus ist es bei der Arbeit mit großen Mengen an Daten eine herausfordernde Aufgabe, die Authentizität und Herkunft der Datenquelle zu überprüfen, was zu falschen Trainingsergebnissen führen kann, die unerwünschte, ungenaue und sogar gefährliche Ergebnisse erzeugen können.

Die Herausforderungen bei der Datenspeicherung für KI-Modelle sind der Hauptgrund für die Verwendung von Blockchain in KI und die Entwicklung von dezentraler KI. Das primäre Ziel von dezentraler KI ist es, einen Prozess zu ermöglichen und Entscheidungen oder Analysen mithilfe von digital signierten, sicheren und vertrauenswürdigen gemeinsamen Daten durchzuführen, die auf dem Blockchain-Netzwerk in dezentraler oder verteilter Weise ohne die Verwendung externer Drittanbieter-Ressourcen gespeichert und transaktiert werden.

KI-Modelle haben den Ruf, oft mit großen Mengen an Daten zu arbeiten, und Wissenschaftler haben bereits vorhergesagt, dass Blockchain die Zukunft der Datenspeicherung sein wird. Darüber hinaus haben Blockchain-Netzwerke Smart Contracts, die es Benutzern ermöglichen, das Blockchain-Netzwerk zu programmieren, um Transaktionen zwischen den am Datenerstellung oder -zugriff beteiligten Teilnehmern zu regeln. Autonome Anwendungen und Maschinen, die auf Blockchain-Smart-Contracts basieren, können lernen und sich an Veränderungen anpassen, und sie können auch genaue und vertrauenswürdige Entscheidungen treffen, deren Ergebnisse von den Mining-Knoten des Blockchain-Netzwerks überprüft und validiert werden.

Wie kann Blockchain künstliche Intelligenz verändern?

Mehrere Schwächen der künstlichen Intelligenz und der Blockchain-Industrie können durch die Kombination beider technischen Systeme effizient angegangen werden. Blockchain fungiert als verteiltes Ledger, das Daten in kryptografischer Weise speichert und überträgt, die von den Mining-Knoten des Netzwerks verifiziert und abgestimmt werden. Blockchain-Netzwerke speichern Daten mit hoher Widerstandsfähigkeit und Integrität, was es fast unmöglich macht, die Daten zu manipulieren, was der Hauptgrund dafür ist, warum die Ergebnisse von Machine-Learning-Algorithmen, die Entscheidungen mithilfe von Blockchain-Smart-Contracts treffen, nicht angefochten werden können und vertrauenswürdig sind. Die Verwendung von Blockchain-Netzwerken mit KI-Technologien kann dazu beitragen, dezentralisierte, unveränderliche und sichere Systeme für hochsensible Daten zu schaffen, die von KI-Anwendungen gesammelt, verarbeitet und genutzt werden können. Die Sicherheit und Sicherheit, die durch die Verwendung von Blockchain in KI angeboten werden, können revolutionäre Anwendungen in Branchen haben, insbesondere in den sensibleren Branchen wie Gesundheitswesen und Finanzen.

Weiterhin gibt es einige der prominenten Vorteile der Integration von KI und Blockchain, die im Folgenden aufgeführt sind.

• Erhöhte Datensicherheit

Ein wichtiger Grund für die immense Popularität von Blockchain ist, dass es eine sehr sichere Methode bietet, um sensible und kritische Informationen im Internet zu speichern. Blockchain-Netzwerke bieten eine Alternative, um sensible Informationen auf Festplatten zu speichern, indem sie digital signierte Daten anbieten, die nur mithilfe von privaten Schlüsseln zugänglich sind. Durch die Verwendung von Blockchain zur Speicherung von Daten für KI-Algorithmen können KI-Modelle mit sensiblen Daten arbeiten, was zu genauereren und vertrauenswürdigeren Informationen führt.

• Kollektive Entscheidungsfindung

In einem technischen Ökosystem müssen die beteiligten Anwendungen und Systeme zusammenarbeiten, um das Ziel mit maximaler Effizienz zu erreichen. Blockchain-Systeme bieten dezentralisierte und verteilte Lösungen für Entscheidungsfindungs-Algorithmen, die die Notwendigkeit einer zentralen Autorität ersetzen können. Durch die Eliminierung der zentralen Autorität können Roboter intern über das Problem diskutieren, über jede Frage abstimmen und die Angelegenheit mit Mehrheit bis zu einer Einigung lösen.

• Erhöhtes Vertrauen in robotische Entscheidungen

Blockchain speichert Daten auf eine sehr sichere Weise, die nicht geändert werden kann, was die Qualität der Daten während des Trainingsprozesses gewährleistet. Als Ergebnis wird das Modell auf sehr genauen Daten trainiert, was letztendlich dazu beiträgt, die Genauigkeit des Modells zu erhöhen.

• Erhöhte Effizienz

Einer der Hauptgründe, warum Geschäftsprozesse, die oft mehrere Benutzer wie mehrere Aktionäre oder Stakeholder, Regierungsorganisationen und Unternehmen umfassen, ineffizient sind, ist die Vielzahl von Autorisierungen von Geschäftstransaktionen. Durch die Verwendung von Blockchain und Smart Contracts können dezentralisierte autonome Agenten (DAOs) Daten- oder Asset-Transfers zwischen verschiedenen Stakeholdern automatisch, effizient und schnell validieren.

Taxonomie von Blockchain in KI

In diesem Abschnitt werden wir einige der wichtigsten Konzepte besprechen, die bei der Anwendung von Blockchain-Technologien für KI-Anwendungen verwendet werden, die in der folgenden Abbildung dargestellt sind.

Dezentralisierte KI-Anwendungen

Aktuelle KI-Anwendungen arbeiten in der Regel autonom, um informierte Entscheidungen mithilfe verschiedener Planungs-, Such-, Optimierungs-, Lern- und Wissensverwaltungsstrategien zu treffen. Die Dezentralisierung von KI-Anwendungen ist jedoch eine schwierige Aufgabe aus verschiedenen Gründen.

• Autonome Computing

Eines der Hauptziele von KI-Anwendungen ist es, teilweise oder vollständig autonome Operationen zu ermöglichen, bei denen mehrere intelligente Agenten oder kleine Computerprogramme ihre lokale Umgebung wahrnehmen und analysieren, ihren internen Zustand bewahren und entsprechende Aktionen ausführen.

• Optimierung

Eine der Hauptmerkmale von KI-Anwendungen ist ihre Fähigkeit, die effektivsten und effizientesten Entscheidungen zu treffen, indem sie eine Menge idealer Lösungen unter allen möglichen Lösungen filtern, was durch die Optimierung von KI-Algorithmen und -Modellen möglich ist. Optimierungstechniken zielen darauf ab, die beste Lösung für ein Problem zu finden, indem sie in einer eingeschränkten oder uneingeschränkten Umgebung operieren, abhängig von den System- und Anwendungszielen. Dezentralisierte Optimierung führt zu besserer Effizienz und gesteigerter Leistung.

• Planung

KI-Anwendungen nutzen Planungsstrategien, wenn sie mit anderen Anwendungen und Systemen zusammenarbeiten, um komplexe Probleme in neuen oder herausfordernden Umgebungen zu lösen. Planungsstrategien spielen eine wichtige Rolle bei der Aufrechterhaltung der Widerstandsfähigkeit und Effizienz von KI-Modellen. Durch die Verwendung von Blockchain für Planungsstrategien können unveränderliche und kritische Strategien für mission-kritische Systeme und strategische Anwendungen entwickelt werden.

• Wissensentdeckung und Wissensverwaltung

KI-Anwendungen haben den Ruf, mit großen Mengen an Daten zu arbeiten, und ihre Abhängigkeit von zentralisierten Datenspeicher-Systemen. Durch die Dezentralisierung können die Wissensentdeckungs- und Wissensverwaltungsprozesse personalisierte Wissensmuster bereitstellen, die die Bedürfnisse aller beteiligten Stakeholder berücksichtigen.

• Lernen

Im Herzen von KI-Anwendungen liegen die Lernalgorithmen, die die Wissensentdeckungs- und Automatisierungsprozesse ermöglichen. Es gibt verschiedene Arten von Lernalgorithmen, wie überwachtes Lernen, unüberwachtes Lernen, semi-überwachtes Lernen, Verstärkungslernen, Ensemble, Deep-Learning-Modelle und viele mehr, die verschiedene Machine-Learning-Probleme lösen. Die Verwendung von dezentralen Lernmodellen kann zu hochautonomen Lernsystemen führen, die lokale Intelligenz über verschiedene vertikale Ebenen in KI-Systemen unterstützen.

Dezentralisierte KI-Operationen

KI-Modelle und -Algorithmen trainieren, testen und validieren oft auf großen Mengen an Daten, um bessere und vielseitigere Entscheidungen zu treffen. Die Verwendung von zentralisierten Datenspeicher-Lösungen wie Rechenzentren, Clouds und Clustern ist jedoch ein großes Hindernis bei der Entwicklung von hochsicheren KI-Anwendungen, die die Privatsphäre der Benutzer schützen. Hier sind einige der wichtigsten Blockchain-Implementierungen, die von verschiedenen KI-Anwendungen übernommen werden können.

• Dezentralisierte Speicherung

Zentrale Datenspeicher-Lösungen sind anfällig für Sicherheits- und Datenschutzprobleme, da sie sensible Benutzerdaten wie Standort, Gesundheitsdaten, Aktivitäten und Finanzinformationen enthalten. Blockchain bietet dezentralisierte und kryptografisch sichere Speicherlösungen über die teilnehmenden Anwendungen und Netzwerke. Dezentralisierte Datenspeicher-Lösungen verwenden Knoten, und jeder Knoten im Netzwerk bewahrt eine clientzentrierte verschlüsselte Kopie der Datenbank, um die Datenverfügbarkeit für Clients zu gewährleisten. Clients können ihre Daten frei verwenden und abrufen, wie sie es benötigen.

Zwei der häufigsten Speichertechniken, die in dezentralen Datenspeicher-Lösungen verwendet werden, sind Sharding und Swarming. Sharding ist der Prozess, bei dem logische Partitionen von Datenbanken erstellt werden, die als “Shards” bezeichnet werden, wobei jeder Partition ein eindeutiger Schlüssel zugewiesen wird, der zur Zugriff auf die Partition verwendet werden kann. Swarming hingegen ist eine Methode, die “Schwärme” verwendet, um parallelen Zugriff auf Daten von mehreren Knoten im Netzwerk zu ermöglichen, um die Latenz in KI-Anwendungen zu reduzieren und so zu einer effizienteren und reibungsloseren Leistung zu führen. Die Shards werden zu einer gesammelten Speicherung zusammengefasst, die von einer Gruppe von Knoten im Netzwerk in Form von Schwärmen unterstützt wird.

Die Verwendung von dezentralen Speicherlösungen kann zu verbesserter Zuverlässigkeit und Skalierbarkeit der Speicherung führen, dank der multipartisanen geografischen Verteilung, die von den dezentralen Speicherlösungen angeboten wird. Einige der aufkommenden dezentralen Speicherlösungen umfassen Storj, Swarm, Sia, FileCoin, IPFS und viele mehr.

• Datenspeicherung

Eine der wichtigsten Anforderungen bei der Entwicklung einer KI-Anwendung ist es, Daten so zu verwalten, dass hochgenaue, relevante und vollständige Datensätze von vertrauenswürdigen und zuverlässigen Datenquellen gesammelt werden können. Konventionell haben KI-Anwendungen und -Algorithmen zentrale Datenspeicher-Methoden wie Datensegmentierung, Datenfilterung und inhaltsorientierte Datenspeicherung verwendet, die über alle Knoten im Netzwerk ausgeführt werden. Im Vergleich zu den dezentralen Datenspeicher-Lösungen, die von Blockchain-Netzwerken angeboten werden, schneidet die zentrale Datenspeicherung schlecht ab, da nicht nur die Rate der Datenduplizierung hoch ist, selbst wenn nur geringe Änderungen an den Daten vorgenommen werden, sondern auch die Notwendigkeit, ähnliche Datensätze wiederholt zu übertragen, hoch ist.

Dezentralisierte Datenspeicher-Methoden hingegen sind so konzipiert, dass sie auf Knotenebene im Netzwerk unter Berücksichtigung der räumlichen und zeitlichen Attribute in den Daten bereitgestellt werden. Darüber hinaus können dezentralisierte Verwaltungsschemata die Metadaten auf der Blockchain speichern, um die Herkunft und Sicherheit der Daten zu gewährleisten.

Blockchain-Typen für KI-Anwendungen

Die Blockchain-Technologie kann in zwei Kategorien unterteilt werden: Permissioned, bei der nur autorisierte Benutzer auf die Blockchain-Anwendungen in Cloud-, Konsortiums- oder privaten Umgebungen zugreifen können, und Permissionless, bei der jeder öffentlich auf die Systeme über das Internet zugreifen kann.

• Öffentliche Blockchain-Netzwerke

Öffentliche Blockchain-Netzwerke gehören zur Kategorie der permissionless-Blockchain-Netzwerke, bei der Benutzer die Blockchain-Code auf ihren Systemen herunterladen, ändern und nach ihren Bedürfnissen und Anforderungen verwenden können. Öffentliche Blockchain-Netzwerke sind oft Open-Source für Lese- und Schreiboperationen und leicht zugänglich. Da öffentliche Blockchain-Netzwerke von jedem zugänglich sind, verwenden diese Systeme komplexe Protokolle für die Sicherheit, und die Identitäts- und Transaktionsprivatsphäre der Benutzer im Netzwerk wird mithilfe von pseudonymen und anonymen Daten im Netzwerk verwaltet. Für den Datenaustausch und die Asset-Übertragung verwenden öffentliche Blockchain-Netzwerke native Token, auch bekannt als Wertzeiger oder Kryptowährungen.

• Private Blockchain-Netzwerke

Im Gegensatz zu öffentlichen Blockchain-Netzwerken sind private Blockchain-Netzwerke permissioned-Systeme, die von einer einzigen Organisation verwaltet werden, und sie sind als permissionless-Systeme konzipiert, bei denen die Benutzer oder Teilnehmer im Netzwerk immer bekannt sind und eine vorherige Genehmigung für Lese- und Schreiboperationen haben. Private Blockchain-Netzwerke bieten oft höhere Effizienz, da die Identität der Besucher bekannt ist und sie vorherige Teilnehmer des Netzwerks sind, was den Bedarf an komplexen Algorithmen und mathematischen Operationen zur Validierung von Transaktionen im Netzwerk eliminiert. Darüber hinaus können private Blockchain-Netzwerke jede Art von Assets, Werten oder indigenen Daten innerhalb des Netzwerks übertragen.

Genau wie in öffentlichen Blockchain-Netzwerken wird die Genehmigung von Transaktionen und Asset-Übertragungen in privaten Blockchain-Netzwerken durch Mehrparteien-Konsens-Algorithmen oder Abstimmung durchgeführt, die nicht nur schnelle Transaktionen ermöglichen, sondern auch wenig Energie verbrauchen. Erstaunlicherweise beträgt die durchschnittliche Transaktionsgenehmigungszeit in einem privaten Blockchain-Netzwerk weniger als eine Sekunde.

• Konsortium-Blockchain-Netzwerke

Konsortium-Blockchain-Netzwerke, auch bekannt als föderierte Blockchain-Netzwerke, werden von einer Gruppe von Organisationen betrieben, die in der Regel auf der Grundlage gemeinsamer Interessen gebildet werden. Konsortium-Blockchain-Netzwerke werden in der Regel von Regierungsorganisationen und -körperschaften, Banken und einigen privaten Blockchain-Unternehmen angeboten.

Genau wie ihre privaten Blockchain-Pendants operieren Konsortium-Blockchain-Netzwerke als permissioned-Systeme, obwohl einige Benutzer im Netzwerk sowohl Lese- als auch Schreibberechtigungen haben. In der Regel haben alle Benutzer im Konsortium-Blockchain-Netzwerk Lesezugriff, aber nur eine Handvoll von Personen kann Daten auf dem Netzwerk schreiben.

Dezentralisierte Infrastruktur für KI-Anwendungen

Blockchain-Architekturen wurden traditionell von Entwicklern als lineare Infrastruktur unter Verwendung von Hashing-Strategien und verketteten Datenstrukturen konzipiert. In letzter Zeit haben Entwickler jedoch an nichtlinearen Infrastrukturen unter Verwendung von Warteschlangen-Informationen und Graphentheorie gearbeitet, um Big Data und die Anforderungen von Echtzeit-KI-Anwendungen zu bewältigen.

Blockchain-aktivierte KI-Anwendungen

Dezentralisierte Datenspeicherung und Datenverwaltung mit KI

Die Verwendung von Blockchain mit KI hat es Entwicklern ermöglicht, stabile Systeme zu entwickeln, die die Interaktion verschiedener technischer Innovationen unterstützen, und so eine Plattform für sichere und sichere Datenverwaltung, -übertragung und -speicherung bieten. Die folgende Abbildung zeigt die kombinierten Funktionen von Blockchain und KI-Technologien für die medizinische Industrie, die verschiedene Stadien wie Analyse, Diagnose, Validierung von medizinischen Entdeckungen und Berichten sowie kritische Entscheidungsfindung umfasst.

In den letzten Jahren waren die Bewältigung großer Mengen an Daten, die Erhöhung der Rechenleistung von Algorithmen und Modellen sowie die steigende Akzeptanz von vernetzten Systemen und Anwendungen die wichtigsten Prioritäten in der KI- und ML-Branche. Da künstliche neuronale Netze oft große Mengen an Daten und Rechenleistung für Trainingszwecke erfordern, ist es wichtig, leistungsstarke Rechenzentren zu erstellen, um große Datensätze zu sammeln. Während eines Auditprozesses können Blockchain-Netzwerke verwendet werden, um Daten und Abfrageinformationen zu speichern, während ein höheres Maß an Sicherheit und Datenschutz erreicht wird. Darüber hinaus wird die Integration von KI und Blockchain-Technologien ein starkes Konsensmechanismus-System bieten, das unveränderlich, robust und dezentralisiert ist.

Dezentralisierte Infrastruktur für KI

Die Einführung der Blockchain-Netzwerkinfrastruktur fügte der traditionellen verteilten Architektur drei neue Merkmale hinzu: dezentralisierte und gemeinsame Kontrolle von Daten und Assets, native Asset-Austausch und unveränderliche Audit-Protokolle. Wenn die Blockchain-Infrastruktur mit KI-Technologien kombiniert wurde, bot die Infrastruktur den Benutzern neue Datenmodelle und bot eine gemeinsame Kontrolle von KI-Modellen und Trainingsdaten, während sie die Vertrauenswürdigkeit der Daten erhöhte. Um bessere und effizientere Datenmodelle zu produzieren, benötigen KI-Modelle den Zugriff auf große Mengen an Daten, die von Blockchain-Netzwerken bereitgestellt werden.

Dezentralisierte Netzwerke wie IPFS und Ethereum können Datenspeicherung und große Rechenressourcen bereitstellen, um manipulationssichere Aufzeichnungen mit einem hohen Maß an Datenschutz zu bieten. Open-Source-dezentralisierte KI-Plattformen wie ChainIntel zielen darauf ab, die Monopolisierung von KI-Diensten durch große Unternehmen zu verhindern.

Dezentralisierte KI-Anwendungen

Kollektive Entscheidungsfindung und dezentralisierte Intelligenz können zahlreiche Anwendungen haben. Beispielsweise zeigt die folgende Abbildung die Funktionen und Vorteile der Kombination von Blockchain mit IoT und KI-Technologien, um die Erträge in landwirtschaftlichen Feldern zu erhöhen. IoT-Sensoren können den Nährstoffgehalt des Bodens überwachen und Bilder aufnehmen, um das Wachstum der Pflanzen im Laufe der Zeit zu überwachen. KI kann die Daten von IoT-Sensoren verwenden, um Vorhersageanalysen zu erstellen, die es den Landwirten ermöglichen, verschiedene Bedingungen zu überwachen. Die Verwendung von Blockchain stellt sicher, dass jeder Benutzer im Netzwerk Zugriff auf die Transaktionen hat, was die Zeit für die Logistik reduziert.

Das obige Bild zeigt blockchain-basierte Systeme, die für die unbemannte, automatisierte, intelligente Erforschung von Meeresböden verwendet werden.

Das obige Bild zeigt die Verwendung von Blockchain und KI für Finanz- und Bankzwecke und wie Blockchain und KI die Effizienz, Sicherheit und Sicherheit des Finanzsystems verbessern können.

Schlussfolgerung

In diesem Artikel haben wir über die Anwendung und die Einsatzmöglichkeiten von Blockchain in KI gesprochen. Der Artikel gibt einen Überblick über die dezentralisierte Speicherung und wie Blockchain einige der Probleme mit KI lösen kann. Wir haben auch die Taxonomie von Blockchain in KI und die damit verbundenen Technologien sowie den Vergleich von Blockchain-Implementierungen in Bezug auf Blockchain-Typen und -Infrastruktur, dezentralisierte KI-Operationen und Protokolle diskutiert. Schließlich haben wir die verschiedenen Anwendungen von Blockchain in KI besprochen.

Um zusammenzufassen, kann man sagen, dass die Implementierung von Blockchain in KI das Potenzial hat, bestehende Probleme in der KI-Branche zu lösen, die mit Benutzerdatenschutz, gesicherten Orakeln, Smart-Contract-Sicherheit, Konsensprotokollen, Standardisierung und Governance verbunden sind.