Das Ziel dieser Bachelorarbeit war ein systematischer Vergleich von bestehenden Frameworks für Federated Learning (FL). Durch Recherche in Fachliteratur und im Internet wurden 29 FL-Frameworks identifiziert. Nach einem mehrstufigen Auswahlprozess wurden fünf Frameworks (PySyft, FATE, FedML, Flower, OpenFL) ausgewählt und anhand eines Kriterienkatalogs verglichen. Dieser Katalog umfasst 25 Kriterien, die den Funktionsumfang und die Einsatzgebiete der Frameworks detailliert beschreiben.
Zusätzlich wurden die Frameworks anhand eines konkreten Beispiels implementiert, um ihre Leistung in der Praxis zu vergleichen.