Wirtschaftszweigklassifikation durch behördenübergreifendes Federated Learning: Ein Proof of Concept zwischen dem Statistischen Bundesamt und der Bundesagentur für Arbeit

Julius Weißmann and Lars Fiedler

WISTA – Wirtschaft und Statistik, 2025, vol. 77, issue 6, 125-134

Abstract: Dieser Beitrag untersucht, ob Federated Learning als datenschutzwahrende Methode im behördenübergreifenden Kontext zwischen dem Statistischen Bundesamt und der Bundesagentur für Arbeit anwendbar ist. Anhand der Klassifikation der Wirtschaftszweige, Ausgabe 2008, wird in einem Proof of Concept gezeigt, dass FederatedLearning-basierte Modelle robuster sind und eine höhere Generalisierungsfähigkeit aufweisen als lokal trainierte Modelle. Dabei weist die praktische Umsetzung noch technische Herausforderungen auf. Der Beitrag identifiziert konkrete Anwendungspotenziale für die amtliche Statistik und präsentiert Lösungsansätze für Herausforderungen wie die anstehende Umstellung der Klassifikation der Wirtschaftszweige auf die Ausgabe 2025.

Keywords: Maschinelles Lernen; Datenschutz; amtliche Statistik; dezentrales Training; machine learning; data privacy; official statistics; decentralised training (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/334457/1/1947871862.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:334457

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().