Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Datakwaliteit

Engels: Data quality · Ook wel: gegevenskwaliteit, data quality, AI-datakwaliteit, AI data quality

In het kort

AI-datakwaliteit is de mate waarin gegevens betrouwbaar, volledig en bruikbaar zijn voor een AI-systeem. Anders dan gewone software, die vaste regels van een programmeur volgt, leert een AI-model patronen uit voorbeelden, zodat fouten en gaten in de data in de uitkomst terugkomen. Ontbreken er groepen of kloppen de gegevens niet, dan kan het model een aanvraag of een foto verkeerd beoordelen.

Waarom is dit belangrijk?

Met zorgvuldige AI-datakwaliteit kunnen systemen werken zoals bedoeld en veilig blijven in gebruik. Europese regels stellen die eis aan systemen met een hoog risico, en een Europese ruimte voor gezondheidsgegevens is bedoeld om het trainen van modellen in de zorg te ondersteunen. Gebruikers merken de gevolgen in adviezen over zorg en rechten, maar scheve gegevens kunnen bestaande vooroordelen versterken en de privacy onder druk zetten.

Zo werkt het in de praktijk

Teams controleren de AI-datakwaliteit voordat zij een model trainen voor analyses of machinelearning. Onderzoekers van Mercedes-Benz AG beschreven die check als startstap in projecten in de auto-industrie. De norm ISO/IEC 5259-2 geeft meetbare kenmerken, ook voor tekst en geluid.

Onderzoekers van de Technische Universität Berlin en Mercedes-Benz AG zochten extra controles voor machinelearning. Samen met het Max-Planck-Institut für Informatik stelden zij CRISP-ML(Q) voor, een werkwijze met kwaliteitschecks. Dat model vult CRISP-DM, een aanpak voor datamining, aan met een check op datakwaliteit.

ISO/IEC 5259-2 beschrijft hoe organisaties die kenmerken meten en rapporteren. De norm bouwt voort op ISO/IEC 25012 en ISO 8000, oudere afspraken over datakwaliteit. Teams gebruiken zo dezelfde maatlat bij analyse en training.

Bron: dewereldvanai.nl

Gecontroleerd op 5 november 2026