Datenschutzfreundliches Föderiertes Lernen gehört vor allem in die Bereiche Künstliche Intelligenz, Big Data und Smart Data sowie Cyberkriminalität und Cybersecurity. Hierbei handelt es sich um eine moderne Methode, mit der Künstliche Intelligenz (KI) aus vielen verschiedenen Daten lernen kann, ohne dass diese Daten an einem zentralen Ort gesammelt werden müssen.
Statt wie früher alle Daten etwa in einer großen Datenbank zu speichern, bleibt beim datenschutzfreundlichen föderierten Lernen die Information dort, wo sie entsteht – zum Beispiel auf den Smartphones der Nutzer oder in einzelnen Unternehmen. Die KI lernt durch den Austausch sicherer Zwischenergebnisse, sogenannte Updates, aus diesen verschiedenen Quellen. So landen sensible Daten wie persönliche Fotos oder Gesundheitsdaten gar nicht erst auf fremden Servern und bleiben besser geschützt.
Ein anschauliches Beispiel: Viele Nutzer eines Fitness-Trackers wollen ihre Daten zur Verbesserung der Trainings-Apps beisteuern, aber ihre Privatsphäre wahren. Beim datenschutzfreundlichen föderierten Lernen lernt die KI von den gesammelten Erfahrungswerten auf jedem einzelnen Tracker, aber die eigentlichen Daten verlassen das Gerät nie. So profitieren am Ende alle von besseren Vorschlägen und Tipps, ohne dass persönliche Informationen preisgegeben werden.
Deutsch 
English (UK)