Föderiertes Reinforcement Learning findet vor allem in den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Automatisierung Anwendung.
Der Begriff beschreibt eine besondere Form des maschinellen Lernens, bei der verschiedene Computer, Geräte oder sogar ganze Unternehmen gemeinsam aus ihren Daten lernen, ohne diese Daten miteinander zu teilen. Dabei geht es darum, Algorithmen so zu trainieren, dass sie durch Versuch und Irrtum optimale Entscheidungen treffen – und zwar dezentral, also auf vielen verschiedenen Geräten verteilt. „Föderiert“ bedeutet dabei, dass jeder Teilnehmer seine eigenen Daten behält und nur das Gelernte mit anderen teilt. So bleibt Privatsphäre geschützt und Sicherheitsrisiken werden reduziert.
Ein anschauliches Beispiel: Mehrere Fabriken verwenden jeweils eigene Roboter zur Qualitätskontrolle. Mit Föderiertem Reinforcement Learning können alle Roboter voneinander lernen, wie sie Fehler besser erkennen – ohne dass die sensiblen Produktionsdaten zwischen den Fabriken ausgetauscht werden müssen.
Das macht diese Methode besonders für Unternehmen attraktiv, die gemeinsam von Daten profitieren wollen, aber keine sensiblen Betriebsgeheimnisse preisgeben möchten. So entsteht aus vielen kleinen Lernerfahrungen ein großer gemeinsamer Fortschritt im Bereich der Automatisierung und Künstlichen Intelligenz.
Deutsch 
English (UK)