Wie kann KI vergessen?

aus Im Auftrag der Zukunft. Der Fraunhofer-Podcast · 23.04.2026 · 21 Min.

Worum es geht

In der Podcast-Episode wird das Konzept des federated Unlearning vorgestellt, das es ermöglicht, Beiträge aus einem gemeinschaftlich trainierten, dezentralen KI-Modell gezielt zu entfernen, ohne das gesamte Modell neu zu erstellen. Das Ziel ist, Unternehmen mehr Kontrolle, Sicherheit und Vertrauen bei der Nutzung gemeinsamer KI-Modelle zu geben, insbesondere bei sensiblen Daten und in regulierten Umfeldern. Es wird erläutert, wie das Verfahren technisch funktioniert, welche Herausforderungen es gibt und wie aktuelle Forschungsprojekte, wie das von Fujitsu Research und dem Fraunhofer ISST, diese Probleme angehen. Zudem werden praktische Anwendungsfelder wie Predictive Maintenance und Qualitätssicherung diskutiert, in denen das Unlearning besonders relevant ist. Die Entwicklung befindet sich noch im frühen Stadium, doch die Fortschritte in der Technik und die geplanten Kooperationen versprechen eine bedeutende Zukunft für dezentrale KI-Lösungen.

Beschreibung

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?

Themen

• Dezentrale KI-Modelle und Federated Learning
• Unlearning und Datenlöschung in KI-Modellen
• Anwendungen von KI in Predictive Maintenance und Qualitätssicherung
• Datenknappheit und Zusammenarbeit in der Industrie
• Zukunftstrends in KI und Datenökosystemen