DG-001KritiekAanbiederPreventief
Kwaliteitseisen trainingsgegevens
Artikel 10(3) vereist dat trainings-, validatie- en testgegevenssets onderworpen zijn aan datagovernance-praktijken die relevantie, representativiteit en foutvrijheid waarborgen voor zover mogelijk gegeven het beoogde doeleinde.
Artikelen:Article 10(3)Article 10(2)(a)
Bewijs voorbeelden
- Training data quality policy
- Data quality inspection report
- Acceptance criteria documentation
Normen
ISO 42001:2023 §8.2ISO/IEC 5259
Gerelateerde controles
- DG-002Bias Detection and CheckingProviders must examine training, validation, and testing datasets for possible biases that could affect health, safety, or fundamental rights, and…
- DG-003Data Documentation and ProvenanceProviders must document the origin, collection methodology, labelling process, and relevant characteristics of all data sets used in training, validation,…
- DG-004Data Representativeness AssessmentArticle 10(3) requires that training data sets are sufficiently representative of the intended population and use-case context, and providers must…
- DG-005Data Relevance and Completeness CheckProviders must verify that data sets used for high-risk AI systems are relevant and complete for the system's intended purpose, documenting any known gaps…
- DG-006Data Annotation Quality AssuranceWhere data labelling or annotation is performed, providers must implement quality assurance procedures to ensure consistency, accuracy, and…
- DG-007Privacy-Preserving Data TechniquesWhen processing personal data for AI training, providers must implement appropriate privacy-preserving techniques such as pseudonymisation, anonymisation,…
Gerelateerde AI-verordening-begrippen
Upgrade wanneer het juridisch verdedigbaar moet zijn.
De gratis vragenlijst geeft voorlopige signalen. De Volledige Beoordeling zet echte systeeminformatie om in een controleerbaar besluitdossier: extractie, componentscheiding, bewijs, nationale wetgeving en een auditklaar dossier.
Start gratis risicovoorbeeld