Du kan bruge big data og træne AI-modeller i henhold til den generelle forordning om databeskyttelse (GDPR), men kun hvis du angiver et lovligt grundlag i henhold til artikel 6 i GDPR, inden du starter, og behandlingen er nødvendig til dette formål. Genbrug af eksisterende kundedata til træning er en yderligere behandling, der skal bestå kompatibilitetstesten i artikel 6(4) i GDPR. Den hollandske databeskyttelsesmyndighed (Autoriteit Persoonsgegevens, AP) fører tilsyn med dette og kan pålægge bøder på op til 20 millioner euro eller 4 % af den globale årlige omsætning.
Indholdsfortegnelse
Hvornår er et stort datasæt personoplysninger?
Næsten altid. I henhold til artikel 4(1) i GDPR er data personoplysninger, hvis de vedrører en person, der kan identificeres under hensyntagen til alle midler, der med rimelighed kan forventes at blive anvendt af dig eller af andre.
Enhedsidentifikatorer, lokationsspor, transaktionsregistreringer og klikstrømme er derfor normalt personoplysninger, selv uden navne. Pseudonymiserede data, hvor identifikatorer erstattes, men en nøgle stadig eksisterer, forbliver personoplysninger. Kun anonyme data, hvor genidentifikation ikke længere er rimelig mulig for nogen, falder uden for GDPR.
Barren for anonymisering er høj: hashing, aggregering eller fjernelse af direkte identifikatorer giver ofte nok til at genidentificere personer. Behandl et datasæt som personoplysninger, medmindre en dokumenteret genidentifikationsanalyse viser andet. Det Europæiske Databeskyttelsesråd (EDPB) har også udtalt, at en model, der er trænet på personoplysninger, ikke automatisk kan betragtes som anonym, fordi personoplysninger kan udtrækkes fra den.
Hvilket juridisk grundlag kan du bruge til AI-træning?
Artikel 6(1) i GDPR opregner seks grunde; for storskalaanalyser er kun tre realistiske. I de fleste kommercielle sammenhænge vil det være legitime interesser, understøttet af en skriftlig vurdering.
Samtykke skal gives frit, specifikt, informeret og utvetydigt, og det skal være lige så let at trække tilbage som at give (artikel 7 i GDPR). Det er vanskeligt at organisere et træningsforløb, fordi man så har brug for en måde at håndtere tilbagetrækning på, efter at en model er blevet trænet.
Nødvendigheden af at opfylde en kontrakt er snæver. Testen er objektiv nødvendighed for den tjenesteydelse, som den person anmoder om; EU-Domstolen har afvist forsøg på at udvide dette grundlag til adfærdsbaseret reklame og personalisering.
Legitime interesser (artikel 6(1)(f) i GDPR) kræver tre dokumenterede trin: en reel og lovlig interesse, nødvendighed, fordi der ikke findes mindre indgribende midler, og en afvejning mod de berørte personers rettigheder og rimelige forventninger. Domstolen har bekræftet, at en kommerciel interesse kan være en legitim interesse, men kun hvis nødvendigheds- og afvejningskriterierne faktisk er opfyldt.
Hvad med særlige kategorier og udledte data?
Data om helbred, etnisk oprindelse, politiske holdninger, religion, fagforeningsmedlemskab, sexliv eller seksuel orientering samt biometriske eller genetiske data, der anvendes til identifikation, må kun behandles i henhold til en undtagelse i artikel 9 i GDPR. I en kommerciel sammenhæng betyder det normalt udtrykkeligt samtykke.
Data i særlige kategorier behøver ikke at blive indsamlet bevidst. Hvis en beskyttet egenskab kan udledes af køb, placeringer eller fritekstfelter, gælder den strengere ordning. Identificer funktioner, der fungerer som stedfortrædere for sådanne egenskaber under udviklingen.
Kan man genbruge eksisterende data til at træne en model?
Kun hvis det nye formål er foreneligt med det oprindelige. I henhold til artikel 5(1)(b) i GDPR må data ikke viderebehandles på en måde, der er uforenelig med de formål, hvortil de blev indsamlet.
Testen i artikel 6(4) i GDPR ser på forbindelsen mellem formålene, konteksten og de berørte personers rimelige forventninger, dataenes art, de mulige konsekvenser og sikkerhedsforanstaltninger såsom pseudonymisering eller kryptering. Medicinske eller økonomiske journaler vil ofte ikke bestå, når operationelle logfiler består. Hvis testen ikke er opfyldt, har du brug for et nyt retsgrundlag og normalt nye oplysninger til de berørte personer.
Yderligere behandling til videnskabelig forskning eller statistik betragtes som forenelig, hvis sikkerhedsforanstaltningerne i artikel 89 i GDPR er på plads. Kommerciel produktudvikling, der præsenteres som forskning, er ikke kvalificeret. Beskriv formålene ærligt ved indsamling; vores guide til privatlivspolitik i Holland forklarer hvordan.
Hvordan anvendes minimering, fastholdelse og nøjagtighed?
I henhold til artikel 5(1)(c) i GDPR skal data begrænses til det nødvendige. Du kan forene dette med modeludvikling ved at dokumentere, hvilke felter der er nødvendige, hvad du testede uden dem, og hvorfor du kasserede resten.
Lagringsbegrænsning (artikel 5(1)(e) i GDPR) gælder for træningsdata, funktionslagre, modelkontrolpunkter og inferenslogfiler, hver med sin egen opbevaringsperiode. Inferenslogfiler glemmes ofte og kan indeholde flere personoplysninger end træningssættet.
Nøjagtighed (artikel 5(1)(d) i GDPR) dækker også modeloutput. En antagelse om, at en person har en dårlig kreditrisiko eller er en sandsynlig svindler, er personoplysninger, kan være forkerte og er underlagt retten til berigtigelse i artikel 16 i GDPR. Opbyg systemer, hvor sådant output kan korrigeres.
Hvornår er en konsekvensanalyse af databeskyttelse obligatorisk?
I henhold til artikel 35 i GDPR er en konsekvensanalyse vedrørende databeskyttelse (DPIA) obligatorisk, når behandling sandsynligvis vil resultere i en høj risiko. Dette omfatter profilering, som væsentlige beslutninger er baseret på, og behandling af data i stor skala, der omfatter de fleste alvorlige big data-projekter.
AP har offentliggjort en liste over behandlingsaktiviteter, hvor en DPIA altid er påkrævet i Holland, herunder profilering i stor skala og systematisk medarbejderovervågning. Tjek denne liste ved starten af hvert projekt.
Udfør DPIA'en, før behandlingen starter, hvilket i et AI-projekt betyder, før træningsdataene er samlet. Hvis der stadig er en høj restrisiko, skal du først konsultere AP'en (artikel 36 i GDPR). En nyttig DPIA for en algoritme registrerer datakilderne og retsgrundlaget, hvad modellen selv beslutter, hvordan outputtet forklares, hvordan bias blev testet, og hvad der sker, når modellen er forkert.
Hvordan håndhæver Autoriteit Persoonsgegevens?
AP håndhæver GDPR og den hollandske GDPR-implementeringslov (Uitvoeringswet AVG). Den kan udstede advarsler og irettesættelser, påbud med tvangsbøder, behandlingsforbud og administrative bøder.
I henhold til artikel 83 i GDPR kan bøder udgøre 10 millioner euro eller 2 % af den globale omsætning for den lavere sats og 20 millioner euro eller 4 % for brud på principperne, retsgrundlaget, den registreredes rettigheder og overførselsreglerne, alt efter hvad der er højest. AP lægger særlig vægt på gennemsigtighed og har en dedikeret enhed til algoritmeovervågning.
Et brud på persondatasikkerheden skal rapporteres til AP uden unødig forsinkelse og, hvor det er muligt, inden for 72 timer (artikel 33 i GDPR), og til de berørte personer, hvis risikoen er høj (artikel 34 i GDPR). Dette er adskilt fra rapportering af hændelser i henhold til den hollandske cybersikkerhedslov (Cyberbeveiligingswet), der er gældende siden 15. august 2026; se vores oversigt over NIS2 og den hollandske cybersikkerhedslov.
Erstatter AI-loven GDPR?
Nej. EU's AI-lov regulerer AI-systemer efter risikoklasse, men giver ikke et retsgrundlag for behandling af personoplysninger. Hvor et AI-system behandler personoplysninger, gælder begge ordninger parallelt.
Forbuddene mod uacceptabel praksis, reglerne for generelle AI-modeller og gennemsigtighedsforpligtelserne gælder allerede. Forpligtelserne for højrisikosystemer blev udskudt af AI-omnibusforordningen, forordning (EU) 2026/1744, som trådte i kraft den 27. juli 2026. Ansvar for skader forårsaget af AI er fortsat underlagt hollandsk kontrakt- og erstatningsret samt produktansvarsregler. Se vores vejledninger til EU's AI-lov og højrisiko-AI -systemer.
Hvad er risikoen ved kollektive krav?
I henhold til artikel 82 i GDPR kan enhver, der lider materiel eller immateriel skade som følge af en overtrædelse, kræve erstatning. En fond eller forening kan anlægge et kollektivt søgsmål om erstatning i henhold til WAMCA (artikel 3:305a i den hollandske borgerlige lovbog), med mulighed for fravalg for personer bosiddende i Holland.
EU-Domstolen har fastslået, at en overtrædelse i sig selv ikke giver ret til erstatning: sagsøgeren skal påvise skade og årsagssammenhæng, selvom der ikke gælder nogen alvorlighedsgrænse for ikke-økonomisk skade. Individuelle erstatninger i Holland er beskedne, men en gruppe på hundredtusindvis ændrer billedet. Se vores artikel om kollektive erstatningskrav i tilfælde af masseskade.
Hvem er den dataansvarlige, når data kommer fra flere parter?
Den dataansvarlige fastlægger formål og midler; en databehandler handler kun efter dokumenterede instruktioner (artikel 4(7) og (8) i GDPR). Fælles dataansvarlige skal fastlægge deres ansvar i en aftale i henhold til artikel 26 i GDPR.
Etiketten i kontrakten er ikke afgørende. En leverandør, der forbeholder sig retten til at bruge dine data til at forbedre sit eget produkt, er i den grad dataansvarlig til egne formål. Tjek uddannelsesklausulen og underdatabehandlerklausulen i leverandørkontrakter, da overførsler uden for Det Europæiske Økonomiske Samarbejdsområde kræver en overførselsmekanisme i henhold til kapitel V i GDPR. Indgå en databehandleraftale med hver leverandør, der håndterer dataene.
Hvad skal I som organisation tjekke?
- Har du dokumenteret det retlige grundlag for hver behandling, herunder træning, før du starter?
- Har I testet, om genbrug af eksisterende data er foreneligt med artikel 6(4) i GDPR?
- Udføres DPIA'en, før træningsdataene indsamles?
- Giver jeres leverandørkontrakter leverandøren mulighed for at træne i jeres data?
- Er der fastsat opbevaringsperioder for træningsdata, kontrolpunkter og inferenslogfiler?
- Kan modeloutput om individer korrigeres?
Hvad skal du som person, hvis data bruges, kontrollere?
- Fremgår det tydeligt af privatlivspolitikken, at dine data bruges til analyser eller AI-træning?
- Hvilket retsgrundlag støtter organisationen sig på, og kan du gøre indsigelse eller trække samtykket tilbage?
- Kan du anmode om adgang til og berigtigelse af konklusioner draget om dig?
- Er der blevet truffet en væsentlig beslutning om dig udelukkende ved hjælp af automatiserede processer?
- Har du indgivet en klage til organisationen eller AP?
Hvad kan vi gøre for dig med GDPR- og AI-træning?
Som IT-advokat rådgiver vi organisationer om datadrevne projekter; se også vores oversigt over databeskyttelsesforordningen og vores artikel om GDPR og AI i Holland.
- Vi udvælger og dokumenterer det retlige grundlag og vurderingen af den legitime interesse.
- Vi udfører kompatibilitetstesten for genbrug af eksisterende data.
- Vi udarbejder og gennemgår DPIA'en og håndterer forudgående konsultation med AP.
- Vi gennemgår leverandørkontrakter og databehandleraftaler, herunder uddannelsesklausuler.
- Vi udarbejder privatlivspolitikker, der beskriver formålene nøjagtigt.
- Vi repræsenterer dig i AP-undersøgelser og i individuelle eller kollektive krav.
Resumé
- Store datasæt er næsten altid personoplysninger; pseudonymiserede data forbliver under GDPR.
- Legitime interesser er det sædvanlige grundlag for AI-træning med en dokumenteret vurdering i tre trin.
- Genbrug af data til træning kræver kompatibilitetstesten i artikel 6(4) i GDPR eller et nyt grundlag.
- En DPIA er normalt påkrævet og skal udføres, før træningsdataene indsamles.
- AI-loven gælder sideløbende med GDPR, ikke i stedet for den.
Ofte stillede spørgsmål
Hvilket juridisk grundlag skal vi bruge til at træne en AI-model?
I de fleste kommercielle sammenhænge legitime interesser i henhold til artikel 6(1)(f) i GDPR, understøttet af en skriftlig vurdering af interessen, nødvendigheden og afvejningen. Samtykke er vanskeligt at tilrettelægge til et træningssæt, og nødvendigheden af en kontrakt dækker næsten aldrig modeludvikling. Registrer grundlaget, før behandlingen starter.
Gælder GDPR stadig, hvis vi først anonymiserer dataene?
Kun hvis anonymiseringen rent faktisk fungerer, hvilket betyder, at genidentifikation ikke længere er rimeligt muligt for nogen. Hashing, fjernelse af navne eller aggregering producerer normalt pseudonymiserede data, som forbliver fuldt ud inden for GDPR. Test og dokumenter anonymiseringen, og gennemgå den igen, når datasættet ændres.
Kan vi bruge forskningsundtagelsen til at genbruge kundedata?
Sjældent. Yderligere behandling til videnskabelige eller statistiske formål anses kun for at være forenelig med beskyttelsesforanstaltningerne i artikel 89 i GDPR. Kommerciel produktudvikling bliver ikke til forskning, fordi den involverer datavidenskab.
Hvad sker der, hvis nogen trækker sit samtykke tilbage, efter at en model er blevet trænet?
Tilbagetrækningen træder i kraft for fremtiden og gør ikke tidligere behandling ulovlig. Du skal stoppe med at bruge dataene på dette grundlag, hvilket kan kræve fjernelse af dem fra træningssæt, funktionslagre og logfiler, og om nødvendigt genoptræning af modellen.