<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet href="/rss/styles.xsl" type="text/xsl"?><rss version="2.0"><channel><title>fedolink</title><description>Fachblog zu Federated Learning und datenschutzwahrender Datenkooperation in der Energiewirtschaft. Für Stadtwerke, Netzbetreiber, Versorger und ihre Daten-, IT- und Innovationsverantwortlichen im DACH-Raum.</description><link>https://fedolink.de/</link><language>de-de</language><item><title>Gemeinsam bessere Lastprognosen – ein Federated-Learning-Experiment auf öffentlichen Energie-Zeitreihen</title><link>https://fedolink.de/blog/federated-learning-lastprognose-experiment/</link><guid isPermaLink="true">https://fedolink.de/blog/federated-learning-lastprognose-experiment/</guid><description>Was passiert, wenn mehrere Versorger ihre Lastprofile gemeinsam zum Training nutzen, ohne die Rohdaten zu teilen? Ein nachvollziehbarer Versuch auf frei verfügbaren Zeitreihen – mit Aufbau, Ergebnissen und ehrlichen Grenzen.</description><pubDate>Wed, 20 May 2026 00:00:00 GMT</pubDate><category>prognose</category><category>lastprognose</category><category>zeitreihen</category><category>experiment</category><category>datenschutz</category></item><item><title>Seltene Fehler, verstreute Daten: Warum Predictive Maintenance ein Paradefall für Federated Learning ist</title><link>https://fedolink.de/blog/predictive-maintenance-trafos-federated/</link><guid isPermaLink="true">https://fedolink.de/blog/predictive-maintenance-trafos-federated/</guid><description>Anlagenausfälle sind selten – und genau das macht sie für einzelne Betreiber so schwer vorhersagbar. Wie gemeinsames Lernen über Organisationsgrenzen hinweg die Datenknappheit bei Trafos, Wechselrichtern und Turbinen entschärft.</description><pubDate>Wed, 06 May 2026 00:00:00 GMT</pubDate><category>predictive-maintenance</category><category>predictive-maintenance</category><category>anlagendaten</category><category>fehlererkennung</category></item><item><title>Wie der gemeinsame Lerneffekt entsteht: Federated Learning Schritt für Schritt</title><link>https://fedolink.de/blog/federated-learning-schritt-fuer-schritt/</link><guid isPermaLink="true">https://fedolink.de/blog/federated-learning-schritt-fuer-schritt/</guid><description>Was bedeutet „ein Modell trainieren&quot; eigentlich, und wie lernen mehrere Organisationen gemeinsam, ohne ihre Daten zusammenzuführen? Eine anschauliche Erklärung der Mechanik hinter Federated Learning – ohne Vorwissen.</description><pubDate>Fri, 01 May 2026 00:00:00 GMT</pubDate><category>grundlagen</category><category>federated-averaging</category><category>modelltraining</category><category>grundlagen</category></item><item><title>DSGVO, AI Act und Federated Learning: eine erste Einordnung für die Energiewirtschaft</title><link>https://fedolink.de/blog/dsgvo-ai-act-federated-learning-einordnung/</link><guid isPermaLink="true">https://fedolink.de/blog/dsgvo-ai-act-federated-learning-einordnung/</guid><description>Federated Learning hält Rohdaten lokal – aber macht das Datenkooperation automatisch rechtskonform? Ein nüchterner Überblick über die regulatorischen Berührungspunkte, ohne Rechtsberatung.</description><pubDate>Wed, 22 Apr 2026 00:00:00 GMT</pubDate><category>recht-regulierung</category><category>dsgvo</category><category>ai-act</category><category>compliance</category><category>datenraeume</category></item></channel></rss>