Wat is Model Card?

Wat is een Model Card eigenlijk?

Stel je voor: je koopt een wasmachine. Op het energielabel zie je het verbruik, de capaciteit, het geluidsniveau — allemaal info om te bepalen of dit apparaat bij jou past. Een Model Card doet iets vergelijkbaars, maar dan voor een AI-model.

Het is een gestructureerd document waarin de makers van een AI-model beschrijven:

• Wat het model doet — bijvoorbeeld gezichten herkennen, teksten genereren of spam filteren

• Op welke data het getraind is — bijvoorbeeld miljoenen foto's van het internet, of medische dossiers

• Voor wie het bedoeld is — en juist niet (bijvoorbeeld: wel geschikt voor contentmoderatie, niet voor medische diagnoses)

• Wat de risico's zijn — denk aan bias, foutieve voorspellingen bij bepaalde groepen, of privacygevoeligheid

• Hoe goed het presteert — en of die prestaties voor iedereen gelijk zijn

Het idee komt uit de academische AI-wereld en is inmiddels een standaard geworden bij veel AI-labs en bedrijven die transparantie hoog in het vaandel hebben.

Waarom zou jij hier iets aan hebben?

Als je een AI-model wilt inzetten in je bedrijf of organisatie, wil je weten waar je aan begint. Niet elk model is geschikt voor elke situatie. Een model dat getraind is op Engelse data kan bijvoorbeeld slecht presteren op Nederlands. Een model voor gezichtsherkenning dat vooral getest is op lichte huidskleur kan minder nauwkeurig zijn bij donkere huidskleuren.

Een Model Card helpt je bij:

• Risico-inschatting — weet je waar je op moet letten voordat je iets in productie neemt

• Compliance — steeds meer regelgeving (denk aan de Europese AI Act) vraagt om transparantie en documentatie

• Vertrouwen — als een leverancier open is over beperkingen, kun je beter inschatten of je het model kunt vertrouwen

• Vergelijking — verschillende modellen naast elkaar leggen wordt makkelijker als ze allemaal dezelfde informatie delen

Wat staat er zoal in?

Een typische Model Card bevat:

• Model Details — wie heeft het gemaakt, wanneer, welke versie, welke techniek (bijvoorbeeld een transformer-model)

• Intended Use — waarvoor is het ontworpen, en expliciet: waarvoor niet

• Training Data — waar komt de data vandaan, hoe groot is de dataset, welke talen, demografische kenmerken

• Performance — hoe goed werkt het model, gemeten op verschillende testsets en voor verschillende groepen

• Limitations — bekende zwakke plekken, edge cases, situaties waarin het model faalt

• Ethical Considerations — mogelijke bias, fairness-issues, privacyrisico's

• Recommendations — tips voor veilig gebruik, aanvullende tests die je zelf kunt doen

Niet elke Model Card ziet er hetzelfde uit — er is geen harde standaard — maar de bovenstaande elementen komen vaak terug.

Een voorbeeld uit de praktijk

Stel: een ziekenhuis overweegt een AI-model voor het beoordelen van röntgenfoto's. De Model Card onthult dat het model vooral getraind is op data uit Noord-Amerikaanse ziekenhuizen, met patiënten tussen de 20 en 60 jaar. Bij oudere patiënten en bij ziektebeelden die vaker voorkomen in andere werelddelen presteert het minder goed.

Dankzij die informatie kan het ziekenhuis besluiten om het model alleen te gebruiken als ondersteuning voor radiologen, en niet als vervanging. Of ze doen eerst een pilottest met eigen data om te kijken of de prestaties kloppen voor hun specifieke patiëntenpopulatie.

Zonder Model Card zou dit soort cruciale info verborgen blijven tot er iets misgaat.

Waar kom je het tegen?

Model Cards zijn geen verplichte standaard, maar worden steeds vaker vrijwillig gepubliceerd door:

• AI-labs — OpenAI, Anthropic, Google en Meta publiceren soms model cards bij grote releases

• Open-source platforms — Hugging Face heeft een geïntegreerd Model Card-systeem voor duizenden modellen

• Overheid en wetenschap — onderzoeksinstellingen die AI-tools delen, gebruiken ze voor transparantie

• Bedrijven met compliance-eisen — zeker in sectoren als finance, zorg en justitie

Als je zelf een model traint of inkoopt, kun je vragen naar de Model Card. Geen card? Dan weet je al iets over de transparantie van de leverancier.

Wil je een AI-model inzetten? Check of er een Model Card beschikbaar is — of maak er zelf een als je een model bouwt. Het is een simpele manier om verantwoord met AI om te gaan, en het voorkomt verrassingen achteraf.