Verteilte KI bezeichnet KI-Ansätze, bei denen Berechnung, Daten oder Lernen auf mehrere Rechner, Endgeräte oder Agenten verteilt sind statt zentral zu erfolgen. Ein wichtiges Beispiel ist das föderierte Lernen (Federated Learning): Die Rohdaten bleiben auf den Endgeräten oder bei den beteiligten Stellen; dort wird lokal trainiert, und nur Modellaktualisierungen werden zentral zusammengeführt und wieder verteilt. Das kann Datenschutz und Datenhoheit stärken, ersetzt aber keine datenschutzrechtliche Prüfung.