Federated Learning ist ein Begriff aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Cybersecurity. Es handelt sich dabei um eine spezielle Methode, mit der viele Computer zusammenarbeiten, um eine künstliche Intelligenz zu trainieren – ohne dass sie dafür ihre eigenen Daten an eine zentrale Stelle schicken müssen.

Stellen Sie sich vor, viele Krankenhäuser möchten gemeinsam eine KI entwickeln, die Krankheiten auf Röntgenbildern erkennt. Anstatt nun alle sensiblen Patientendaten an ein zentrales System weiterzugeben, bleibt jeder Datensatz im jeweiligen Krankenhaus. Die KI wird vor Ort trainiert und nur das Gelernte – also die verbesserten Rechenregeln – wird anonymisiert zu einem gemeinsamen Modell zusammengeführt. So profitieren alle voneinander, ohne dass jemand seine sensiblen Daten aus der Hand gibt.

Federated Learning schützt also private Daten und erfüllt wichtige Datenschutzanforderungen, zum Beispiel nach der DSGVO. Diese Methode findet immer häufiger Anwendung, etwa im Gesundheitswesen, bei Smartphones oder bei vernetzten Autos. Unternehmen können dadurch gemeinsam an Innovationen arbeiten – ohne ihre Daten preiszugeben.

Federated Learning ist ein Begriff aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Cybersecurity. Es handelt sich dabei um eine spezielle Methode, mit der viele Computer zusammenarbeiten, um eine künstliche Intelligenz zu trainieren – ohne dass sie dafür ihre eigenen Daten an eine zentrale Stelle schicken müssen.

Stellen Sie sich vor, viele Krankenhäuser möchten gemeinsam eine KI entwickeln, die Krankheiten auf Röntgenbildern erkennt. Anstatt nun alle sensiblen Patientendaten an ein zentrales System weiterzugeben, bleibt jeder Datensatz im jeweiligen Krankenhaus. Die KI wird vor Ort trainiert und nur das Gelernte – also die verbesserten Rechenregeln – wird anonymisiert zu einem gemeinsamen Modell zusammengeführt. So profitieren alle voneinander, ohne dass jemand seine sensiblen Daten aus der Hand gibt.

Federated Learning schützt also private Daten und erfüllt wichtige Datenschutzanforderungen, zum Beispiel nach der DSGVO. Diese Methode findet immer häufiger Anwendung, etwa im Gesundheitswesen, bei Smartphones oder bei vernetzten Autos. Unternehmen können dadurch gemeinsam an Innovationen arbeiten – ohne ihre Daten preiszugeben.