Vertrauen und Souveränität sind vor allem im Zusammenhang mit der Zusammenführung von Daten über Unternehmensgrenzen von Bedeutung. Dass das Teilen von Daten viel Potenzial birgt ist unumstritten, viele Unternehmen sind aber trotzdem sehr zurückhaltend. Gründe dafür liegen darin, dass die Weitergabe von Daten rechtlich problematisch sein kann oder Nachteile im Hinblick auf die Wettbewerbsfähigkeit befürchtet werden. Es gibt verschiedene Verfahren und Ansätze im Bereich der vertrauenswürdigen Datenverarbeitung, die eine Reduktion der Risiken versprechen.
Besondere Aufmerksamkeit kommt bei Fraunhofer Austria in diesem Zusammenhang aktuell der homomorphen Verschlüsselung zu. Mithilfe des Verfahrens lassen sich beliebige Berechnungen auf verschlüsselten Daten durchführen – auch Anwendungen im Bereich des maschinellen Lernens sind möglich. Die Daten bleiben während der Verarbeitung geschützt. Vor allem im Kontext der unternehmensübergreifenden Datenverarbeitung wird das Potenzial des Verfahrens schnell deutlich.
Nicht selten lassen sich konkrete Anforderungen nur durch eine Kombination von verschiedenen Verfahren und Ansätzen erfüllen. Fraunhofer Austria beschäftigt sich etwa auch mit dem Einsatz von Federated Learning (dt. föderales Lernen). Ziel des Ansatzes die Ableitung robuster Modelle aus den Daten mehrere Akteure, wobei die Daten jedes einzelnen Akteurs vertraulich bleiben. Möglich wird das dadurch, dass das Lernen aus den Daten dezentral bei den Akteuren erfolgt und nur die Modellparameter ausgetauscht werden.