Wie kann KI vergessen? Dezentrales Federated Unlearning ohne Qualitätsverluste #25

Nicht für alle Unternehmen ist ein eigenes KI-Modell sinnvoll. Federated Learning ermöglicht stattdessen, dass Unternehmen ein dezentrales, gemeinsam trainiertes Modell mit verteilten Rechten nutzen. Doch was geschieht, wenn ein Akteur aus dem Modell aussteigt? Müssen die anderen Teilnehmenden dann ganz von vorne anfangen, das Modell zu trainieren? Auf der Hannover Messe 2026 zeigen Fujitsu Research und das Fraunhofer ISST, wie ein dezentrales KI-Modell lernen kann zu vergessen. In dieser Folge von »Die Datenräumer« stellen Janosch Haber und Florian Zimmer ihre gemeinsame Lösung »DeFedOblivio« vor: ein Framework, mit dem sich Beiträge aus einem Gemeinschaftsmodell gezielt und sicher wieder entfernen lassen. Projektbeschreibung des gemeinsamen Projekts von Fujitsu Research und Fraunhofer ISST: DeFedOblivio – Datensouveränität in unternehmensübergreifender KI https://www.isst.fraunhofer.de/de/abteilungen/industrial-manufacturing/projekte/DeFedOblivio.html Presseinformation »Unternehmensdaten aus KI-Modellen zurückholen« https://www.isst.fraunhofer.de/de/publikationen/pressemitteilungen/2026/forschung-kompakt_unternehmensdaten-aus-aus-ki-modellen-zurueckholen.html Fraunhofer ISST auf der Hannover Messe https://www.isst.fraunhofer.de/de/publikationen/veranstaltungen/HM2026.html Hannover Messe Masterclass »Data Spaces als Enabler für industrielle KI« https://www.hannovermesse.de/veranstaltung/datenraum-technologien-als-enabler-fur-industrielle-ki/mc/85863# Fraunhofer ISST auf der DMEA https://www.isst.fraunhofer.de/de/publikationen/veranstaltungen/DMEA2026.html Data ResearchersFolge 35 »Digitale Zwillinge in smarten Datenökosystemen« https://www.isst.fraunhofer.de/de/publikationen/videoreihe.html Wir freuen uns über Feedback! [email protected] Kapitel: 00:00 – Intro 00:33 – Interview 19:17 – 3 Nachrichten, 3 Minuten 21:01 – Outro