In dieser Masterarbeit wurde mit Hilfe von Federated Learning ein Modell zur Erkennung von Widersprüchen zwischen natürlichsprachigen Sätzen entwickelt und evaluiert. Zu diesem Zweck wurde im Rahmen von unterschiedlichen Laborexperimenten untersucht, welchen Einfluss eine unterschiedliche Non-IID-Datenverteilungen sowie eine erhöhte Anzahl an partizipierenden Clients auf die Klassifikationsqualität des Modells haben.