Federated Learning ist eine Methode im Bereich des maschinellen Lernens, bei der viele Geräte oder Computer gemeinsam ein Modell trainieren, ohne dass sie ihre Daten teilen müssen.
Statt alle Daten an einem zentralen Ort zu sammeln, bleibt jedes Gerät bei seinen eigenen Daten.
Die Geräte lernen lokal und schicken nur die gelernten Informationen, wie zum Beispiel Modell-Updates, an einen zentralen Server.
Dort werden diese Updates zusammengeführt, um ein gemeinsames Modell zu verbessern.
So bleibt die Privatsphäre der Nutzer geschützt, während trotzdem von den Daten aller profitiert wird.