Cybersecurity

Gemeinsam KI-Modelle trainieren, ohne sensible Rohdaten miteinander teilen zu müssen – genau das ermöglicht Federated Learning. Doch was passiert, wenn ein Partner das Konsortium verlässt oder fehlerhafte Daten das Modell beeinflussen? Bisher bedeutete das oft: Das gesamte Modell musste ressourcenintensiv neu trainiert werden. Das Kooperationsprojekt »DeFedOblivio« vom Fraunhofer-Institut für Software- und Systemtechnik ISST und Fujitsu Research präsentiert einen neuartigen Ansatz für dezentrales, gezieltes Vergessen (»Federated Unlearning«). Nach dem Auftritt auf der Hannover Messe 2026 zeigt das Framework, wie sich Datensouveränität und KI-Kollaboration in industriellen Ökosystemen künftig besser miteinander verbinden lassen. 

Cybersicherheitsforschende bewegen sich oft in einem rechtlichen Graubereich – zwischen Wissenschaftsfreiheit, Datenschutz und dem Hackerparagraphen fehlen klare Leitlinien. Im Rahmen von ATHENE begegnet das Fraunhofer SIT dieser Herausforderung mit realitätsnahen Gerichtssimulationen: Echte Richterinnen, Staatsanwältinnen und Verteidiger*innen verhandeln fiktive Szenarien aus dem Forschungsalltag – und schaffen so konkrete Orientierung, decken gesetzliche Lücken auf und liefern wichtigen Input für die Gesetzgebung.