Prinzip: Modelle werden dezentral auf Nutzer*innen‑Geräten trainiert; nur Gradienten gelangen auf den Server. Damit verbleiben Rohdaten lokal.
Angriffsvektoren: Inferenz‑Angriffe können jedoch sensible Infos rekonstruieren. Differential Privacy und Secure Aggregation mindern Risiken.
Use‑Case: Gesundheits‑Apps nutzen Federated Learning zur personalisierten Prävention, ohne Diagnosedaten preiszugeben – ein Win‑Win für Datenschutz und Innovation.