Analyse der statistischen Verteilung, Erkennung systemischer Verzerrungen, Überprüfung von Datenlecks zwischen Trainings-/Test-Splits und Anomaliekontrolle in Datensätzen für maschinelles Lernen. Deckt Vollständigkeit, Klassengleichgewicht, Label-Qualität und die Identifizierung von Ausreißern oder Duplikaten ab, die die Generalisierung und Fairness des trainierten Modells gefährden könnten.