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!
podcast@isst.fraunhofer.de

Kapitel:
00:00 – Intro
00:33 – Interview
19:17 – 3 Nachrichten, 3 Minuten
21:01 – Outro