Zurück zu den Einblicken
Daten teilen ohne Kontrollverlust: Federated Learning und Datenräume
Warum der größte KI-Hebel in der Produktion außerhalb des eigenen Werks liegt — und wie Sie ihn nutzen, ohne Ihre Daten preiszugeben.
Warum der größte KI-Hebel in der Produktion außerhalb des eigenen Werks liegt — und wie Sie ihn nutzen, ohne Ihre Daten preiszugeben. Eine Bestandsaufnahme aus 500+ Projekten im DACH-Raum.
KI × ERP-Reihe · Teil 3
Teil 1 zeigte, warum eigene Daten zu knapp sind; Teil 2, warum sie sauber sein müssen. Teil 3 nimmt den dritten Weg in den Blick — Kooperation im Ökosystem — am Beispiel Produktion: Wie Federated Learning und Datenräume gemeinsames Lernen ermöglichen, ohne Kontrolle abzugeben.
Die wichtigste Antwort in 60 Sekunden
Sie können von gemeinsamen Daten lernen, ohne Ihre eigenen herauszugeben.
Die Daten eines einzelnen Werks reichen für robuste industrielle KI selten aus. Zwei Mechanismen lösen das, ohne Betriebsgeheimnisse offenzulegen: Federated Learning trainiert das Modell dort, wo die Daten liegen — es wandert der Algorithmus, nicht der Datensatz. Datenräume (Data Spaces) regeln den souveränen Austausch zwischen Unternehmen über verbindliche Spielregeln.
Der Rahmen dafür steht: Der EU Data Act gilt seit September 2025, und mit Catena-X und Manufacturing-X existieren konkrete Datenräume für die Industrie. Die Frage ist nicht mehr ob, sondern mit wem und unter welchen Regeln. 33+ Jahre Beratungserfahrung, 500+ Projekte, 100 % herstellerunabhängig.
„Unsere Daten gehören uns — warum sollten wir sie teilen?“
Diese Frage ist berechtigt, und die kurze Antwort lautet: Sie müssen Ihre Daten nicht herausgeben, um von Daten zu profitieren. Wie Teil 1 dieser Serie gezeigt hat, scheitert industrielle KI selten am Modell und fast immer an zu knappen, zu gleichförmigen Daten. Ein einzelnes Werk sieht nur seine eigenen Maschinen, seine eigenen Störungen, seine eigene Saison. Für ein belastbares Modell ist das oft zu wenig.
In der Produktion ist dieser Engpass besonders spürbar: Vorausschauende Wartung, Qualitätsvorhersage oder Energieoptimierung brauchen viele vergleichbare Fälle, um zuverlässig zu werden. Genau die entstehen erst, wenn mehrere Betriebe ihr Wissen bündeln — ohne dass einer dem anderen in die Bücher schaut. Der dritte Weg aus dem Datenengpass ist deshalb kein Verzicht auf Kontrolle, sondern eine neue Form von Kontrolle.
Zwei Mechanismen: das Modell reist, nicht die Daten
Federated Learning kehrt die übliche Logik um. Statt Daten in einen zentralen Topf zu kippen, wird das Modell an die einzelnen Standorte geschickt, lernt dort lokal und gibt nur die gelernten Parameter zurück — nicht die Rohdaten. Aus vielen lokalen Lernschritten entsteht ein gemeinsames Modell, das mehr gesehen hat als jeder Teilnehmer für sich, ohne dass ein einziger Datensatz das Werk verlassen hat.
Datenräume (Data Spaces) liefern die organisatorische und rechtliche Klammer dazu: Wer darf was sehen, zu welchem Zweck, unter welchen Bedingungen? In der Industrie sind sie bereits Realität. Der Datenraum Catena-X verbindet die Automobilbranche, und die vom Bundesministerium für Wirtschaft geförderte Initiative Manufacturing-X überträgt das Prinzip auf die gesamte Fertigung — souveräner Datenaustausch über Unternehmens- und Branchengrenzen hinweg, nach einheitlichen Regeln.
Drei Bausteine für gemeinsames Lernen ohne Kontrollverlust
Wer Daten teilen will, ohne sich abhängig oder angreifbar zu machen, braucht drei Bausteine im Zusammenspiel.
Baustein 1
Federated Learning
Das Modell wandert zu den Daten, nicht umgekehrt. Mehrere Werke trainieren gemeinsam ein stärkeres Modell, während die Rohdaten jeweils im eigenen Haus bleiben. Ideal für vorausschauende Wartung über mehrere Standorte.
Baustein 2
Souveräne Datenräume
Catena-X und Manufacturing-X regeln Identität, Zugriffsrechte und Zweckbindung. Sie entscheiden pro Datenpunkt, wer ihn unter welchen Bedingungen nutzen darf — und können die Freigabe jederzeit zurücknehmen.
Baustein 3
Verbindliche Spielregeln
Der EU Data Act gibt seit September 2025 den rechtlichen Rahmen für fairen Datenzugang und ‑austausch zwischen Unternehmen. Er macht aus Vertrauen eine durchsetzbare Vereinbarung.
Erst im Zusammenspiel entsteht der Effekt: Die Technik (Federated Learning) hält die Rohdaten im Haus, der Datenraum regelt die Zusammenarbeit, und das Gesetz macht die Regeln verbindlich. Keiner der drei Bausteine trägt allein.
Wo es kippt: Governance, Abhängigkeit und der Rechtsrahmen
Der häufigste Fehler ist, Datenkooperation als reines Technikprojekt zu behandeln. Tatsächlich entscheidet die Governance: Welche Daten teilen wir nie, welche unter Auflagen, welche offen? Wer diese Linien nicht vorab zieht, gibt im Eifer des ersten Anwendungsfalls mehr preis als beabsichtigt — oder blockiert aus Vorsicht jeden Nutzen.
Auch der Rechtsrahmen verlangt Aufmerksamkeit. Der EU Data Act gilt seit dem 12. September 2025; die Pflicht zum „data access by design“ greift für Produkte, die nach dem 12. September 2026 in Verkehr gebracht werden. Parallel staffelt der EU AI Act seine Pflichten; die Fristen für Hochrisiko-Systeme wurden mit dem Digital-Omnibus-Paket 2026 nach hinten verschoben — der genaue Stichtag hängt von der Risikoklasse ab und sollte vor jeder Roadmap-Zusage geprüft werden. Wer Datenräume aufsetzt, sollte beide Regelwerke früh mitdenken — nicht als Bremse, sondern als Leitplanke, die spätere Nacharbeit erspart.
Handlungsempfehlung: drei Schritte in den Datenraum
Datenkooperation beginnt nicht mit der Technik, sondern mit einer klaren Haltung dazu, was geteilt wird und was nicht. Drei Schritte haben sich bewährt:
- Schritt 1 — Datengrenzen festlegen. Bestimmen Sie vor jedem Tool, welche Daten Betriebsgeheimnis bleiben, welche unter Auflagen teilbar sind und welche offen kooperiert werden können. Diese Linie ist eine Geschäftsführungs-, keine IT-Entscheidung.
- Schritt 2 — den passenden Datenraum wählen. Prüfen Sie, welche Initiative zu Ihrer Branche passt — Catena-X im Automobilumfeld, Manufacturing-X für die breitere Fertigung. Anschluss an einen etablierten Datenraum ist schneller und sicherer als ein Alleingang.
- Schritt 3 — mit einem Anwendungsfall starten. Beginnen Sie mit einem klar umrissenen Fall — etwa vorausschauender Wartung über mehrere Standorte per Federated Learning — statt mit einer Plattformstrategie. Ein belegter Nutzen überzeugt mehr als jede Roadmap.
Unsere Einordnung: Der dritte Weg ist der anspruchsvollste — und der mit dem größten Hebel. Er verlangt weniger eine technische als eine strategische Entscheidung: Mit wem teilen wir, unter welchen Regeln, zu welchem Zweck? Teil 5 dieser Serie führt diese Entscheidung in eine Roadmap zusammen.
30 Minuten Klartext zu Datenräumen — direkt mit Dr. Dreher
Lohnt sich ein Datenraum für Ihre Produktion — und welche Daten teilen Sie nie? Kein Verkaufsgespräch, keine Junior-Beratung.
Nächste Schritte
Wenn die eigenen Daten für robuste KI nicht ausreichen, lohnt der Blick über den Werkszaun — technisch abgesichert und rechtlich geregelt. Mehr zu unserem Vorgehen bei Digitalisierung, ERP und KI-Integration finden Sie in unserer Übersicht der Beratungsleistungen.
Bisher in der Serie: Teil 1 — warum ERP-Daten allein keine KI tragen und Teil 2 — Datenqualität als Fundament.
Teil 4 der Serie: Vom linearen Prozess zum lernenden System — KI-Agenten im Unternehmen (am Beispiel Projektgeschäft).
Für Fragen oder Anregungen nutzen Sie den Kontaktbutton und sprechen Sie direkt mit mir.
Ihre Rückmeldung würde mich freuen.
