Federated Learning
Federated Learning ist ein Verfahren, bei dem viele Geräte gemeinsam ein Computerprogramm verbessern, ohne ihre Daten herauszugeben. Statt der Daten wandern nur die Lernergebnisse zu einem zentralen Server.
Programme, die aus Beispielen lernen, brauchen normalerweise sehr viele Daten an einem Ort. Üblicherweise sammelt eine Firma diese Daten auf ihren eigenen Rechnern und wertet sie dort aus. Federated Learning dreht das um: Die Daten bleiben dort, wo sie entstehen, also etwa auf deinem Handy oder in einem Krankenhaus. Stattdessen wird eine Kopie des Programms an die Geräte geschickt. Jedes Gerät lernt für sich aus seinen eigenen Daten und schickt nur das Gelernte zurück. Der zentrale Server verrechnet all diese Rückmeldungen zu einer verbesserten Version, ohne je ein einzelnes Foto, eine Nachricht oder eine Patientenakte gesehen zu haben.
Datenschutz als Konstruktionsprinzip
Viele der interessantesten Daten der Welt darf man gar nicht einsammeln. Krankenakten, Bankumsätze, private Chatverläufe: Für all das gelten in Europa strenge Regeln. Eine Klinik darf ihre Patientendaten nicht einfach an einen Technikkonzern schicken. Damit fielen bisher genau die Bereiche weg, in denen bessere Vorhersagen am meisten nützen würden.
Federated Learning löst diesen Konflikt zumindest teilweise. Zehn Kliniken können zusammen ein Modell zur Tumorerkennung trainieren, ohne eine einzige Aufnahme zu teilen. Jede Klinik profitiert von der Erfahrung der anderen neun. Rechtlich bleibt die Datenhoheit trotzdem im Haus. Dieses Argument ist der Hauptgrund, warum das Verfahren seit etwa 2017 so viel Aufmerksamkeit bekommt.
Ein zweiter Vorteil ist praktischer Natur: Datenmengen zu verschicken kostet Bandbreite und Zeit. Milliarden Handys erzeugen jeden Tag Textdaten, die niemand vollständig hochladen könnte. Ein paar tausend Zahlen als Lernergebnis sind dagegen winzig. Federated Learning ist also nicht nur diskreter, sondern oft auch schlicht billiger.
Wie die Runden zwischen Server und Geräten ablaufen
Das Training läuft in Runden ab. Der Server schickt die aktuelle Version des Modells an eine Auswahl von Geräten, oft nur ein paar tausend von vielen Millionen. Jedes Gerät rechnet lokal ein paar Lernschritte mit seinen eigenen Daten. Danach schickt es nicht die Daten zurück, sondern eine Liste von Änderungswerten. Diese Werte beschreiben, wie das Modell angepasst werden müsste.
Der Server bildet aus allen Rückmeldungen einen Mittelwert und aktualisiert damit das gemeinsame Modell. Dieses Verfahren heißt Federated Averaging und ist die bekannteste Variante. Dann beginnt die nächste Runde mit einer neuen Geräteauswahl. Nach hunderten oder tausenden solcher Runden ist das Modell fertig.
Ein häufiger Irrtum ist, dass die Änderungswerte automatisch anonym seien. Aus ihnen lässt sich unter Umständen zurückrechnen, was auf einem Gerät stand. Deshalb kombiniert man das Verfahren meist mit zwei Schutzmaßnahmen. Bei der sicheren Aggregation kann der Server nur die Summe aller Rückmeldungen entschlüsseln, nie eine einzelne. Bei der Differential Privacy wird gezielt etwas Zufallsrauschen aufaddiert, das Einzelbeiträge unkenntlich macht.
Tastatur, Sprachassistent und Klinikverbund
Das bekannteste Beispiel steckt in Android-Handys. Die Tastatur Gboard lernt neue Wörter und bessere Wortvorschläge direkt auf den Geräten der Nutzer. Wenn ein Modewort plötzlich überall auftaucht, kennt die Tastatur es nach kurzer Zeit, ohne dass Google die Tippverläufe eingesammelt hätte. Ähnlich funktionieren Verbesserungen bei Sprachassistenten und bei der Fotosuche auf dem Gerät.
In den Nachrichten begegnet dir der Begriff meist im Zusammenhang mit Medizin und Finanzen. Forschungsverbünde trainieren Diagnosemodelle über Ländergrenzen hinweg. Banken suchen gemeinsam nach Betrugsmustern, ohne Kontodaten auszutauschen. Auch Autohersteller nutzen das Prinzip, damit Fahrassistenzsysteme aus seltenen Verkehrssituationen lernen.
Wichtig ist die Abgrenzung: Federated Learning ist kein Ersatz für zentrale Rechenzentren. Große Sprachmodelle entstehen weiterhin klassisch auf riesigen Serverfarmen. Das Verfahren lohnt sich vor allem dort, wo Daten verteilt, sensibel und massenhaft vorhanden sind. Und es hat Grenzen: Handys sind langsam, gehen offline und haben sehr unterschiedliche Daten. Das macht das Training instabiler und langsamer als eine zentrale Lösung.