Ga naar de hoofdinhoud
Praxikon

Verkenner

Waarom hangt dit object aan dat object

Elk object in deze graph heeft een eigen adres en is los citeerbaar. Deze pagina laat zien welke objecten er zijn en, als u er een opent, waarom het aan een ander hangt: van welke bron met vindplaats, via welke voorwaarde of uitzondering, naar welk gevolg.

Sinds de laatste release staat op een verplichting apart wie de plicht draagt en wie alleen geraakt wordt. Filter op plichtdrager en u krijgt de plichten die op een rol rusten; filter op actor en u krijgt alles wat over die rol gaat. Dat verschil is met opzet zichtbaar.

Dit is de kennislaag onder de vier niveaus van de beoordeling. Bekijk de vier niveaus.

Filters

Alleen dimensies die de data draagt. Een dimensie zonder waarden staat er niet, ook niet leeg.

Elf soorten, waaronder bewijs, borging en standaard.

Gaat over deze rol. Loopt door de rolhiërarchie omhoog.

De plicht rust op deze rol, niet alleen: het gaat erover.

De artikelroute waaraan dit object hangt.

Vrije slugs, geen taxonomie met eigen objecten.

De fase van het object, niet de kwaliteit ervan.

Draagt dit object een eigen bronregel of niet.

Zoekt in label, samenvatting, onderwerpen, voorwaarden en teksten. De volgorde is dezelfde heuristiek als de zoek-API; bouw op de identifiers, niet op de rangschikking.

Tijd

Twee assen. Juridische tijd is wat er gold; kennistijd is wat wij toen hadden gepubliceerd. Leeg laten betekent: de standaard van deze release.

Alles wissen

Objecten

30 objecten in deze selectie.

  1. VoorbeeldRedactioneelv1.0.03 relaties

    Gezichtsherkenning bij toegangscontrole: de beveiliger achter de camera telt mee

    praxikon:eu:ai-act:example:example-artikel-4-gezichtsherkenning-toegangscontrole

    Een organisatie beveiligt de ingang van haar panden met gezichtsherkenning en gebruikt die biometrische toegangscontrole ook om bezoekers te registreren. Geeft het systeem geen match, dan beoordeelt een beveiliger de beelden van de camera en beslist hij zelf of iemand naar binnen mag. De vraag is wiens maatregelen die beveiliger moeten bereiken: die van de leverancier van het model, die van de afdeling die het systeem inzet, of allebei.

    Hangt aan: Artikel 4: AI-geletterdheid

    Tegen de officiële bron gelegd | examples

  2. VoorbeeldRedactioneelv1.0.03 relaties

    Politie met AI in de opsporing: de context bepaalt hoe zwaar u opleidt

    praxikon:eu:ai-act:example:example-artikel-4-politie-opsporingsanalyse

    Een politiedienst gebruikt AI om grote hoeveelheden opsporingsdossiers te doorzoeken en verbanden te laten opvallen die een rechercheur anders zou missen. De uitkomsten wegen mee in de keuze welke verdachte verder wordt onderzocht en belanden uiteindelijk in stukken die het strafrecht in gaan. De vraag is of dezelfde basisinstructie volstaat voor de analist die het model bedient en voor de rechercheur die op de uitkomst afgaat.

    Hangt aan: Artikel 4: AI-geletterdheid

    Tegen de officiële bron gelegd | examples

  3. VoorbeeldRedactioneelv1.0.02 relaties

    Redactie met generatieve AI: tellen freelancers mee in uw maatregelen?

    praxikon:eu:ai-act:example:example-artikel-4-redactie-generatieve-content

    Een nieuwsredactie zet generatieve AI in om samenvattingen, koppen en beeld voor te bereiden, waarna een eindredacteur het stuk afmaakt en de redactie besluit te publiceren. Een deel van dat werk ligt bij freelancers, en een extern bureau maakt met dezelfde tools de content voor marketing. De vraag is of uw maatregelen voor AI-geletterdheid ook die freelancers en dat bureau moeten raken, of alleen de mensen op de loonlijst.

    Hangt aan: Artikel 4: AI-geletterdheid

    Tegen de officiële bron gelegd | examples

  4. VoorbeeldRedactioneelv1.0.02 relaties

    AI-chat bij werving en selectie: wat de sollicitant moet weten

    praxikon:eu:ai-act:example:example-artikel-50-ai-chat-sollicitanten

    Een recruiter zet een AI-chat in die kandidaten na hun reactie op een vacature een eerste screeningsgesprek laat voeren en hun cv aanvult met de antwoorden. De chat presenteert zich met een voornaam en schrijft in vlotte spreektaal. De vraag is of deze sollicitanten redelijkerwijs doorhebben dat zij met een AI-systeem praten.

    Tegen de officiële bron gelegd | examples

  5. VoorbeeldRichtsnoerv1.0.02 relaties

    Camera bij de ingang: toegangscontrole versus biometrische categorisatie

    praxikon:eu:ai-act:example:example-artikel-50-camera-toegangscontrole-categorisatie

    Een organisatie laat medewerkers binnen via gezichtsherkenning bij de toegangscontrole en gebruikt in de bezoekersruimte daarnaast een camera die gezichten in leeftijdsgroepen indeelt. Beide toepassingen draaien op dezelfde biometrische infrastructuur en dezelfde beelden. De vraag is bij welke van de twee de betrokken personen actief geinformeerd moeten worden.

    Tegen de officiële bron gelegd | examples

  6. VoorbeeldRichtsnoerv1.0.02 relaties

    Code-assistent voor ontwikkelaars: uitzondering, tot hij naar buiten praat

    praxikon:eu:ai-act:example:example-artikel-50-code-assistent

    Een softwarebedrijf gebruikt een AI-assistent voor codesuggesties en code review, alleen beschikbaar voor professionele ontwikkelaars. Datzelfde bedrijf zet ook een helpdeskchatbot in voor klanten.

    Tegen de officiële bron gelegd | examples

  7. VoorbeeldRichtsnoerv1.0.02 relaties

    Fraudemeldportaal van een bank: waarom de opsporingsuitzondering hier afvalt

    praxikon:eu:ai-act:example:example-artikel-50-fraudemeldportaal-bank

    Een bank opent een AI-gestuurd meldportaal waar klanten vermoedelijke fraude rond hun betaalrekening of lening kunnen doorgeven. Het systeem stelt vervolgvragen, categoriseert de melding en zet die door naar fraudedetectie en, bij witwassignalen, naar het interne meldteam. Omdat het portaal over strafbare feiten gaat, gaat de bank ervan uit dat de meldplicht bij directe AI-interactie niet speelt.

    Tegen de officiële bron gelegd | examples

  8. VoorbeeldRichtsnoerv1.0.02 relaties

    AI-tekst van een gemeente: wanneer telt een eindcheck als redactionele controle

    praxikon:eu:ai-act:example:example-artikel-50-gemeentelijke-ai-tekst

    Een gemeente laat een AI-systeem de webteksten schrijven over een gewijzigde regeling voor bijstand en toeslagen, bedoeld om burgers uit te leggen waar zij recht op hebben. Een communicatiemedewerker leest de tekst na op stijl en spelling en zet hem online. De vraag is of deze publieke dienst daarmee onder de uitzondering op de labelplicht valt.

    Tegen de officiële bron gelegd | examples

  9. VoorbeeldRichtsnoerv1.0.01 relaties

    Interne assistent voor HR en compliance: uitzondering met een randvoorwaarde

    praxikon:eu:ai-act:example:example-artikel-50-interne-medewerkersassistent

    Een organisatie geeft medewerkers een interne AI-assistent voor HR-, juridische, inkoop-, compliance- en IT-vragen. Moet die assistent bij elk gesprek melden dat hij AI is?

    Tegen de officiële bron gelegd | examples

  10. VoorbeeldRichtsnoerv1.0.01 relaties

    Diagnoseondersteuning voor artsen: geen meldplicht, wel zorgvuldigheid

    praxikon:eu:ai-act:example:example-artikel-50-klinisch-beslissysteem

    Een ziekenhuis zet een interactief AI-systeem in dat uitsluitend door geschoolde zorgprofessionals wordt gebruikt om een medische diagnose te ondersteunen en behandelingen voor te stellen. De vraag is of de patient of de arts moet horen dat het AI is.

    Tegen de officiële bron gelegd | examples

  11. VoorbeeldRichtsnoerv1.0.02 relaties

    Opsporingsdienst: vrijgesteld van de meldplicht, met waarborgen

    praxikon:eu:ai-act:example:example-artikel-50-opsporing-uitzondering

    Een dienst die bij wet bevoegd is strafbare feiten op te sporen, wil een interactief AI-systeem inzetten zonder aan betrokkenen te melden dat zij met AI communiceren.

    Tegen de officiële bron gelegd | examples

  12. VoorbeeldRedactioneelv1.0.03 relaties

    Beoordelingssysteem voor personeel gaat de fout in: melden of niet

    praxikon:eu:ai-act:example:example-beoordelingssysteem-personeel-incidentmelding

    Een werkgever gebruikt een AI-systeem dat het functioneren van medewerkers scoort en die score meeweegt bij promotie en ontslag. Na een wijziging aan het model blijkt een groep werknemers maandenlang te laag te zijn beoordeeld, en op die beoordelingen zijn al besluiten genomen. Personeelszaken vraagt zich af of dit een ernstig incident is en wie er dan moet melden.

    Hangt aan: Artikel 73: melding van ernstige incidenten

    Tegen de officiële bron gelegd | examples

  13. VoorbeeldRichtsnoerv1.0.02 relaties

    Gezichtsvergelijking bij de grenspoort: verificatie of identificatie

    praxikon:eu:ai-act:example:example-biometrische-verificatie-grenspoort

    Een geautomatiseerde grenspoort gebruikt biometrische gezichtsherkenning om het gezicht van een reiziger te vergelijken met de foto in de chip van het paspoort. Dezelfde camera kan technisch ook tegen een opsporingsdatabank vergelijken, en juist dat verschil bepaalt of deze biometrie hoog risico is.

    Hangt aan: Bijlage III: hoog-risico AI

    Tegen de officiële bron gelegd | examples

  14. VoorbeeldRedactioneelv1.0.03 relaties

    Ernstig incident aan de productielijn: wie meldt en binnen welke termijn

    praxikon:eu:ai-act:example:example-ernstig-incident-productielijn-meldtermijn

    Een fabrikant levert een AI-systeem dat als veiligheidscomponent in een machine op de productielijn meedraait en tegelijk de kwaliteitscontrole aanstuurt. In de fabriek van een afnemer raakt een operator ernstig gewond nadat de machine bij een afwijking niet tot stilstand kwam. De vraag is wie de melding doet, aan wie, en welke klok op dat moment al loopt.

    Hangt aan: Artikel 73: melding van ernstige incidenten

    Tegen de officiële bron gelegd | examples

  15. VoorbeeldRedactioneelv1.0.03 relaties

    Toekenning van bijstand door een gemeente: de FRIA en de kennisgeving

    praxikon:eu:ai-act:example:example-fria-bijstandsuitkering-gemeente

    Een gemeente wil een AI-systeem in gebruik nemen dat aanvragen voor een uitkering uit de bijstand ordent en aangeeft welke dossiers extra onderzoek verdienen voordat een klantmanager beslist. De toepassing staat al in het algoritmeregister. De vraag is wat er geregeld moet zijn voordat de eerste burger door dit systeem gaat.

    Hangt aan: Artikel 27: FRIA

    Tegen de officiële bron gelegd | examples

  16. VoorbeeldRedactioneelv1.0.03 relaties

    Inschatting van recidive bij de politie: wanneer de beoordeling opnieuw moet

    praxikon:eu:ai-act:example:example-fria-recidiverisico-politie

    Een politiedienst neemt een AI-systeem in gebruik dat bij een verdachte een inschatting van recidive maakt, als hulpmiddel bij de afweging die het openbaar ministerie en de rechter later maken. Later wordt het model hertraind op nieuwere opsporingsgegevens en breidt de dienst het gebruik uit naar een tweede regio. De vraag is of de beoordeling van het eerste gebruik daarmee toereikend blijft.

    Hangt aan: Artikel 27: FRIA

    Tegen de officiële bron gelegd | examples

  17. VoorbeeldRedactioneelv1.0.03 relaties

    Selectie bij de inschrijving van studenten: een DPIA is nog geen FRIA

    praxikon:eu:ai-act:example:example-fria-selectie-inschrijving-hogeschool

    Een hogeschool laat een AI-systeem de aanmeldingen voor een beroepsopleiding rangschikken en gebruikt daarbij de toetsresultaten van eerdere studenten om die rangorde te ijken. Voor deze verwerking ligt er al een gegevensbeschermingseffectbeoordeling. De vraag die de school stelt is of daarmee ook de grondrechtenkant van de inschrijving is afgedekt.

    Hangt aan: Artikel 27: FRIA

    Tegen de officiële bron gelegd | examples

  18. VoorbeeldRichtsnoerv1.0.02 relaties

    Zorgverzekeraar met AI voor risicobeoordeling: publiek of privaat maakt niet uit

    praxikon:eu:ai-act:example:example-fria-zorgverzekeraar-risicobeoordeling

    Een zorgverzekeraar gebruikt AI voor risicobeoordeling en prijsstelling bij zorg- en levensverzekeringen. De vraag is of dit onder punt 5(c) van Bijlage III valt, en daarmee of de FRIA-plicht van artikel 27 in beeld komt.

    Hangt aan: Artikel 27: FRIA

    Tegen de officiële bron gelegd | examples

  19. VoorbeeldRedactioneelv1.0.02 relaties

    Logging bij aanmelding en toetsing: wat de hogeschool zelf in handen houdt

    praxikon:eu:ai-act:example:example-logging-hogeschool-aanmelding-toetsing

    Een hogeschool gebruikt een ingekocht AI-systeem dat de aanmelding van studenten rangschikt en daarnaast signalen afgeeft bij digitale toetsing. De logs staan in de omgeving van de leverancier, die ze op verzoek aanlevert. Het onderwijsteam vraagt zich af of de school daarmee klaar is of dat er een eigen bewaarplicht overblijft.

    Hangt aan: Artikel 12: logging en traceerbaarheid

    Tegen de officiële bron gelegd | examples

  20. VoorbeeldRedactioneelv1.0.03 relaties

    Logging op de productielijn: welke logs bewaart de fabrikant en welke de fabriek

    praxikon:eu:ai-act:example:example-logging-productielijn-veiligheidscomponent

    Een fabrikant levert een AI-systeem dat als veiligheidscomponent meedraait in de machines van een productielijn en tegelijk de kwaliteitscontrole aanstuurt. De fabriek die de lijn draait, bewaart alleen de meldingen die in de lokale besturing zichtbaar zijn; de rest van de registratie loopt naar de omgeving van de leverancier. De vraag is wie welke logs moet bewaren wanneer achteraf moet worden gereconstrueerd waarom de lijn is stilgelegd.

    Hangt aan: Artikel 12: logging en traceerbaarheid

    Tegen de officiële bron gelegd | examples

  21. VoorbeeldRedactioneelv1.0.02 relaties

    Logging bij taakverdeling op de werkvloer: bewijs over het systeem of dossier over de werknemer

    praxikon:eu:ai-act:example:example-logging-taakverdeling-werkvloer

    Een werkgever zet een AI-systeem in dat op de werkvloer taken toewijst aan medewerkers en het functioneren samenvat ten behoeve van het beoordelingsgesprek. Personeelszaken wil weten welke registratie van die uitkomsten bewaard moet blijven wanneer een werknemer maanden later bezwaar maakt tegen een besluit over promotie.

    Hangt aan: Artikel 12: logging en traceerbaarheid

    Tegen de officiële bron gelegd | examples

  22. VoorbeeldRedactioneelv1.0.03 relaties

    Politie traint een model bij voor opsporing: eerst de rolvraag, dan artikel 53

    praxikon:eu:ai-act:example:example-politie-model-bijtrainen-opsporing

    Een politiedienst traint een open general-purpose model bij op eigen dossiers uit lopende opsporingsonderzoeken, zodat rechercheurs sneller verbanden tussen verdachten en zaken zien. Het bijgetrainde model blijft binnen de dienst en wordt aan niemand anders beschikbaar gesteld. De vraag is of de dienst daarmee zelf aanbieder van een AI-model voor algemene doeleinden wordt, en dus onder artikel 53 valt.

    Hangt aan: Artikel 53: GPAI-modelaanbieders

    Tegen de officiële bron gelegd | examples

  23. VoorbeeldRedactioneelv1.0.03 relaties

    Beoordeling van medewerkers: signalen van de werkvloer terug naar de aanbieder

    praxikon:eu:ai-act:example:example-post-market-monitoring-hr-beoordelingssysteem

    Een aanbieder levert een systeem dat prestatiegegevens van werknemers samenvat en personeelszaken ondersteunt bij beslissingen over promotie. Na een jaar in gebruik blijkt dat afdelingen het anders inzetten dan bedoeld, en dat leidinggevenden de uitkomsten meenemen in het beoordelingsgesprek over functioneren. De vraag is wat de aanbieder daarvan hoort te weten.

    Hangt aan: Artikel 72: post-market monitoring

    Tegen de officiële bron gelegd | examples

  24. VoorbeeldRedactioneelv1.0.03 relaties

    Proctoring bij tentamens: welke praktijkdata de hogeschool terugmeldt

    praxikon:eu:ai-act:example:example-post-market-monitoring-proctoring-tentamens

    Een leverancier biedt proctoringsoftware aan die tijdens tentamens signaleert wanneer een student mogelijk spiekt. Verschillende hogescholen gebruiken het systeem, elk met eigen toetsvormen en eigen studentenpopulaties. De leverancier wil weten welke praktijkdata hij na de uitrol moet blijven verzamelen, en van wie.

    Hangt aan: Artikel 72: post-market monitoring

    Tegen de officiële bron gelegd | examples

  25. VoorbeeldRedactioneelv1.0.03 relaties

    Veiligheidscomponent op de productielijn: de fabrikant blijft na oplevering meekijken

    praxikon:eu:ai-act:example:example-post-market-monitoring-veiligheidscomponent-productielijn

    Een fabrikant levert een AI-veiligheidscomponent die op een productielijn de bewegingen van machines stillegt zodra iemand te dicht bij de robot komt. Het onderdeel valt al onder de productwetgeving voor machines, en de fabrikant voert daarvoor kwaliteitscontrole en incidentopvolging uit. De vraag is wat artikel 72 daar nog bovenop vraagt.

    Hangt aan: Artikel 72: post-market monitoring

    Tegen de officiële bron gelegd | examples

  26. VoorbeeldRedactioneelv1.0.03 relaties

    Proctoring bij een tentamen slaat door: van signaal naar meldplicht

    praxikon:eu:ai-act:example:example-proctoring-tentamen-incidentmelding

    Een hogeschool zet proctoringsoftware in bij een online tentamen en merkt dat een groep studenten stelselmatig onterecht als verdacht wordt gemarkeerd, waarna cijfers zijn ingetrokken. Docenten en de examencommissie willen weten of dit patroon een ernstig incident is en, zo ja, wie het moet melden en binnen welke tijd.

    Hangt aan: Artikel 73: melding van ernstige incidenten

    Tegen de officiële bron gelegd | examples

  27. VoorbeeldRichtsnoerv1.0.02 relaties

    Securitymonitoring van een saas-bedrijf: alleen cyberbeveiliging is geen veiligheidscomponent

    praxikon:eu:ai-act:example:example-securitymonitoring-kritieke-digitale-infrastructuur

    Een softwarebedrijf levert een saas-platform dat netwerkverkeer bewaakt bij een beheerder van kritieke digitale infrastructuur en afwijkende patronen meldt aan het securityteam van die klant. De ontwikkelaars zien dat het gebruik bij zo'n beheerder onder punt 2 van Bijlage III kan vallen en vragen zich af of hun eigen product daarmee een hoog-risico AI-systeem wordt.

    Hangt aan: Bijlage III: hoog-risico AI

    Tegen de officiële bron gelegd | examples

  28. VoorbeeldRedactioneelv1.0.03 relaties

    Toelatingssysteem bij een hogeschool: wie registreert wat in de EU-databank

    praxikon:eu:ai-act:example:example-toelating-hogeschool-registratie-eu-databank

    Een hogeschool koopt een AI-systeem in dat de aanmelding en inschrijving van studenten ordent en per kandidaat een toelatingsadvies geeft voor haar beroepsopleidingen. De leverancier laat weten dat hij de conformiteitsbeoordeling zelf afhandelt en de CE-markering aanbrengt. De vraag die daarna blijft liggen is of de hogeschool zelf nog iets moet doen voordat het systeem in het onderwijsproces in gebruik gaat.

    Hangt aan: Artikel 43-49: conformiteitsbeoordeling, CE en registratie

    Tegen de officiële bron gelegd | examples

  29. VoorbeeldRichtsnoerv1.0.03 relaties

    Triagesysteem op de spoedeisende hulp: twee routes naar hoog risico

    praxikon:eu:ai-act:example:example-triage-spoedeisende-hulp

    Een ziekenhuis zet AI in om binnenkomende patienten op de spoedeisende hulp te prioriteren. De vraag is niet of het systeem hoog risico is, maar via welke route: als medisch hulpmiddel onder de productwetgeving, of rechtstreeks via Bijlage III.

    Hangt aan: Bijlage III: hoog-risico AI

    Tegen de officiële bron gelegd | examples

  30. VoorbeeldRedactioneelv1.0.03 relaties

    Webshop bouwt zelf een kredietcheck voor consumenten: wat het dossier moet bevatten

    praxikon:eu:ai-act:example:example-webshop-kredietcheck-technisch-dossier

    Een keten in de non-food retail laat klanten in de webshop achteraf betalen en beoordeelt bij het afrekenen zelf of een consument daarvoor in aanmerking komt. Het team bouwt dat beoordelingssysteem in eigen huis, boven op een voorgetraind model van een leverancier. De vraag is wat er vastligt voordat de functie live gaat, en wie dat moet vastleggen.

    Hangt aan: Artikel 11: technische documentatie

    Tegen de officiële bron gelegd | examples

Wat deze verkenner niet doet

  • Er is geen artikelobject. Het artikel staat als vindplaats op de citaties van een verplichting, als vrije tekst. Filteren op de verplichting is dezelfde vraag, wel gedekt door de data.
  • Geen enkel object draagt een Annex III-domein of use case. Een selectie van de vorm "systemen voor dit doel" is hier dus niet uit te drukken.
  • Een vindplaats hangt in de data aan een uitspraak, niet aan een relatie. De bron bij een pad is het bronanker van het object dat de relatie draagt, geen bewijs van precies die ene verbinding.
  • Het onderscheid tussen plichtdrager en geraakte actor bestaat alleen op verplichtingen. Op alle andere soorten is de actorlijst nog één ongedifferentieerde lijst.
  • De graph bewaart geen omgekeerde relaties. De inkomende richting wordt hier berekend over dezelfde release en voegt niets aan de data toe.
  • Onderwerpen zijn vrije slugs, geen taxonomie met eigen objecten, labels of hiërarchie.

Dezelfde selectie als data

De verkenner en de API lezen hetzelfde object met dezelfde twee tijdassen. Wat u hier ziet, kunt u met dezelfde parameters ophalen.