People Analytics und Workforce Planning
Diversity-Dashboard BetrVG-konform mit k-Anonymität k≥5 und l-Diversity für CSRD/ESRS S1
anymize erzwingt k-Anonymität k≥5 UND l-Diversity l≥2 bei sensiblen Attributen (DSGVO Art. 9: Religion, sex. Orientierung, ethn. Herkunft, Schwerbehinderung). Die KI generiert ESRS-S1-Kern-Metriken (Hierarchie-Diversität, Gender Pay Gap, Schulungs-Stunden, Beförderungsquoten) und AGG-konformes Narrativ. EU Pay Transparency Directive 2023/970 ab 07.06.2026 + CSRD/ESRS S1 (> 30 People-Metriken Pflicht-Offenlegung).
Schwierigkeit: Spezialist · Datenklasse: Beschäftigtendaten · Letztes Review:
Zur Orientierung gedacht. Die personalrechtliche Würdigung im Einzelfall bleibt selbstverständlich bei Ihnen, KI-Outputs sind vor jeder Verwendung zu prüfen. Mehr dazu am Ende.
Anwendungsbereich
Worum geht es hier?
Diversity-Reporting ist 2025/2026 doppelt regulatorisch getrieben, CSRD/ESRS S1 (> 30 People-Metriken Pflicht-Offenlegung) und EU Pay Transparency Directive (DE-Umsetzung 07.06.2026, kein Aufschub). Gleichzeitig ist Diversity-Daten-Verarbeitung der datenschutz-sensibelste Bereich im HR-Reporting: DSGVO Art. 9 besondere Kategorien. Bei Cohort-Größen unter k=5 wird das Dashboard sofort re-identifizierend; bei sensiblen Attributen reicht k-Anonymität nicht, l-Diversity (mindestens l=2 unterschiedliche sensitive Werte je Cohort) ist Standardmaßnahme.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- People-Analytics-Lead, Diversity-/D&I-Manager, CHRO/Personalleitung, ESG-/Sustainability-Reporting-Team, DSB HR.
- Seniorität
- Fortgeschritten bis Senior, Verbindung aus Anti-Diskriminierungsrecht, CSRD-Pflicht und Datenschutz.
- Unternehmensgröße
- Großkonzern (CSRD Wave 1, GJ 2024), gehobener Mittelstand (Wave 2/3); KMU > 250 MA wegen EU Pay Transparency Reporting.
- Spezifische Kontexte
- Pflicht bei CSRD-Berichtspflicht; börsennotierte Konzerne, Banken/Versicherungen, öffentlich kontrollierte Unternehmen. BR/GBR-Beteiligung Kern-Prozess.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Zwei harte Reporting-Anforderungen rücken Diversity ins Zentrum: CSRD/ESRS S1 (über 30 People-Metriken Pflicht-Offenlegung) und EU Pay Transparency Directive 2023/970 (Stichtag DE 07.06.2026, Gehaltsbänder in Stellenanzeigen, GPG-Berichte ab 250 MA). Datenschutz-sensibelster Bereich: DSGVO Art. 9 (ethn. Herkunft, Religion, sex. Orientierung, Gesundheits-/Behinderungs-Status = besondere Kategorien); AGG; BetrVG §§ 75, 80, 87 Abs. 1 Nr. 6; Antidiskriminierungsstelle-Rechtsgutachten 2023 (SRC-0253: AGG schützt nicht ausreichend vor algorithmischer Diskriminierung). Bei Cohort-Größen unter k=5: „Schwerbehinderte × Standort X × Senior × n=2” trivial re-identifizierbar. anymize.ai erzwingt k≥5 UND l-Diversity l≥2 bei sensiblen Attributen technisch; Variable-Whitelist (keine Klar-Religion, sex. Orientierung, ethn. Herkunft). EU Pay Transparency Schwelle 5 % GPG löst gemeinsame Lohnbewertung mit AN-Vertretern aus.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeitersparnis pro CSRD-Zyklus
5–15 PT
Für 2–4-köpfiges HR-Analytics-/D&I-Team. CSRD-Reporting-Routinen fehlen häufig; Erst-Zyklen langsamer.
Kosten-Hebel
3–8 %
EU Pay Transparency bei GPG > 5 % gemeinsame Lohnbewertungs-Pflicht, Vermeidungsstrategien kosten 3–8 % der Personalkosten in betroffenen Cohorts.
Risiko-Hebel
6–7-stellig
Re-Identifikation bei Klein-Cohorts (sensible Attribute) = DSGVO-Art.-9-Verstoß, 6-7-stellige Bußgelder. AGG-Klagerisiken; BR-Konflikt.
Erkennungsrate
>95 %
k≥5 + l-Diversity l≥2 technisch erzwungen; Variable-Whitelist (kein Klar-Art.-9-Datum).
So gehen Sie vor
Der Workflow Schritt für Schritt
DPIA + ESRS-S1-Materialitäts-Assessment.
Mensch (DSB+ESG+HR)
DSGVO Art. 35 · CSRD/ESRS
HRIS-Export: Funktion, Hierarchie-Ebene, Standort, Geschlecht, Alters-Bucket, Tenure-Bucket, Voll-/Teilzeit, Schwerbehinderten-Status (freiwillig), Nationalität-Bucket. Keine Religion, sex. Orientierung, ethn. Herkunft.
Mensch
§ 26 BDSG · DSGVO Art. 5, 9 · AGG
Datenklassifikation: Demografie-Aggregate Klasse A; sensible Kategorien (Schwerbehinderung) erfordern zusätzlich l-Diversity.
Mensch
DSGVO Art. 9 · § 26 BDSG
k-Anonymität k≥5 + l-Diversity l≥2 mit anymize.ai. Bei zu kleinen Cohorts: Aggregation/Maskierung.
anymize
DSGVO Art. 5, 9 · Hans-Böckler-Praxis
Pflicht-Spot-Check Quasi-Identifier-Kombinationen (Funktion + Hierarchie + Standort + Schwerbehinderung + Geschlecht); kein Cluster < 5; sensibel < 2 unterschiedlichen Werten → Aggregation.
Mensch
Re-Identifikations-Risiko bei sensiblen Attributen
KI-Aggregation + KPI-Berechnung: ESRS-S1-Kern-Metriken (Hierarchie-Diversität, GPG, Schulungs-Stunden, Beförderungsquoten nach Geschlecht).
GPT / Claude / Gemini in anymize
ESRS S1 (SRC-0239)
KI-Narrativ-Drafting für ESG-/Nachhaltigkeits-Bericht + Steuerungs-Dashboard. Diversity-Gaps und Pay-Equity-Hinweise (nicht-personalisiert).
GPT / Claude / Gemini in anymize
LLM-Stärke in Narrativ
AGG-Bias-Check: Output frei von alters-, geschlechts-, herkunfts-, behinderungs-bezogenen Wertungen.
Mensch
AGG · BAG 8 AZR 74/25
BR-Vorabinformation nach BetrVG § 80; ggf. § 75 (Gleichbehandlungs-Bezug); CHRO + D&I-Manager + ESG-Lead-Review; Übergabe an Sustainability-Reporting.
Mensch
BetrVG · Governance
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erzwingt k-Anonymität k≥5 UND l-Diversity l≥2 bei sensiblen Attributen (Schwerbehinderung), technisch, nicht optional.
- Variable-Whitelist: keine Religion, sex. Orientierung, ethn. Herkunft Klar-Daten; Gesundheits-Klartext ausgeschlossen.
- Quasi-Identifier-Spot-Check für Kombinationen (Funktion + Hierarchie + Standort + Schwerbehinderung + Geschlecht).
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO.
Was Sie als D&I-Manager tun
- DPIA + ESRS-S1-Materialitäts-Assessment vor Dashboard-Aufbau.
- GPG-Berechnung CSRD-konsistent (mit Auditor abgestimmt); EU-Pay-Transparency-5%-Schwelle quartalsweise monitoren.
- AGG-Sanity-Check des Narrativ-Outputs; bei Gap > 5 % gemeinsame Lohnbewertung initiieren (Art. 9 RL 2023/970).
- BR-Vorabinformation § 80; bei Gleichbehandlungs-Bezug § 75.
Daten-Input
Demografie-Aggregate, GPG-Berechnungen (Klasse A). Konzern-Gesamt-Diversitäts-Indikatoren (Klasse B). Statista-/DGFP-Benchmarks (Klasse C). Verboten: Religion, sex. Orientierung, ethn. Herkunft Klar-Daten; Gesundheits-Klartext.
Output-Kontrolle
Pseudonymisiertes k-anonymes + l-diverses Aggregat geht an die KI. Re-identifizierte ESRS-S1-Kern-Metriken-Tabelle, Diversity-Gap-Bullet-Liste, Pay-Equity-Block (bei GPG > 5 % gemeinsame Lohnbewertungs-Empfehlung), AGG-Sanity-Check-Hinweis und Unsicherheits-Block kommen zurück.
Freigabeprozess
DPIA + Materialitäts-Assessment, k≥5 + l-Diversity-Verifikation, BR-Vorinformation § 80/§ 75, D&I + ESG-Lead + CHRO-Freigabe.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. DPIA + ESRS-S1-Materialitäts-Assessment vor Dashboard-Aufbau.
2. Aggregierte Demografie-Daten + GPG-Berechnungen in anymize einfügen, k≥5 + l-Diversity wird automatisch erzwungen; Variable-Whitelist verhindert Art.-9-Klar-Daten.
3. Diesen Prompt anhängen, „Thinking-Modus” wählen.
4. AGG-Sanity-Check; BR-Vorinformation § 80; bei GPG > 5 % gemeinsame Lohnbewertung.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt ein Diversity-Dashboard und CSRD/ESRS-S1-
Narrativ für ein deutsches Unternehmen. Eingabe: aggregierte HRIS-Daten (k≥5,
l-Diversity l≥2 bei sensiblen Attributen). Keine Klar-Religion, keine sexuelle
Orientierung, keine ethnische Herkunft.
# Role (R)
Du agierst als D&I-Specialist mit Kenntnis von CSRD/ESRS S1, EU Pay Transparency
Directive 2023/970, AGG, DSGVO Art. 5/9, BetrVG §§ 75, 80, 87 Abs. 1 Nr. 6
(BAG 1 ABR 20/21). Du formulierst sachlich, AGG-konform und vermeidest jegliche
diskriminierende Konnotation.
# Action (A)
1. ESRS-S1-Kern-Metriken-Narrativ: Hierarchie-Diversität (% Frauen/Männer je Level),
Gender Pay Gap (unbereinigt + bereinigt), Schulungs-Stunden je MA und Geschlecht,
Beförderungsquoten nach Geschlecht, Fluktuation nach Geschlecht.
2. Identifiziere Diversity-Gaps auf Aggregat-Ebene (kein Personenbezug).
3. Pay-Equity-Hinweise bei GPG > 5 % (EU-Pay-Transparency-Schwelle).
4. AGG-Sanity-Check: keine Wertungen alters-/geschlechts-/herkunfts-bezogen.
5. Markiere Unsicherheiten; Hypothesen mit `HYPOTHESE:`-Präfix.
# Format (F)
- ESRS-S1-Kern-Metriken-Tabelle.
- Diversity-Gap-Bullet-Liste.
- Pay-Equity-Block.
- AGG-Sanity-Check-Hinweis.
- Unsicherheits-Block.
# Target Audience (T)
ESG-/Sustainability-Reporting, CHRO, D&I, BR. CSRD-konforme Sprache. Keine Marketing-
Floskeln, keine diskriminierenden Konnotationen.So sieht der Input aus
Pseudonymisierter Eingabetext
Eingabe (aggregiert, k≥5, l-Diversity l≥2 bei sensiblen Attributen):
Hierarchie-Diversität (% Frauen je Level):
- Vorstand/GF: 14 % (n=14, l-Diversity ok)
- Senior-Management: 24 % (n=72)
- Middle-Management: 32 % (n=185)
- Fachebene: 41 % (n=820)
- Gesamt: 38 %
Gender Pay Gap (unbereinigt): 12,4 %
Gender Pay Gap (bereinigt nach Funktion/Tenure/Standort): 4,8 %
Schulungs-Stunden p.a.: Frauen 28 h/MA; Männer 31 h/MA; Differenz 3 h (~10 %)
Beförderungsquoten 12M:
- Frauen: 8,2 % (n=820, befördert n=67)
- Männer: 9,1 % (n=1.340, befördert n=122)
Schwerbehinderten-Quote: 4,2 % (gesetzliche Schwelle 5 %; Ausgleichsabgabe)So liefert anymize zurück
Der KI-Entwurf
## Diversity-Dashboard und ESRS-S1-Narrativ, GJ 2025
### Hierarchie-Diversität (% Frauen je Level)
| Level | % Frauen | n | Veränderung YoY |
|---|---|---|---|
| Vorstand/GF | 14 % | 14 | +1 pp |
| Senior-Management | 24 % | 72 | +2 pp |
| Middle-Management | 32 % | 185 | +1 pp |
| Fachebene | 41 % | 820 | 0 pp |
### Gender Pay Gap (ESRS S1)
- Unbereinigt: 12,4 %, Pflicht-Offenlegung nach EU Pay Transparency Directive.
- Bereinigt (Funktion + Tenure + Standort): 4,8 %, knapp unter 5-%-Schwelle.
- HYPOTHESE [[VALIDIERUNG ERFORDERLICH]]: Unbereinigter GPG primär durch
Hierarchie-Verteilung getrieben (Senior-Management 24 % Frauen vs. Fachebene 41 %).
### Pay-Equity-Block
- Bereinigter GPG 4,8 % liegt knapp unter EU-Pay-Transparency-Schwelle von 5 %.
- **Empfehlung Prozess-Ebene**: Vorbereitung gemeinsame Lohnbewertungs-Methodik für
den Fall, dass der Wert die 5-%-Schwelle überschreitet (Directive 2023/970 ab 07.06.2026).
### Schwerbehinderung
- Quote 4,2 %, Pflicht-Quote 5 % nicht erreicht; Ausgleichsabgabe.
### AGG-Sanity-Check
Keine Aussagen mit alters-, geschlechts-, herkunfts-, behinderungs-bezogenen
Wertungen im Narrativ. Maßnahmen ausschließlich auf Prozess-Ebene.
### Unsicherheits-Block
- Bereinigter GPG hängt stark von der Bereinigungs-Methodik ab; ESRS-S1-konsistente
Methodik mit Auditor abstimmen.
- 5-%-EU-Pay-Transparency-Schwelle erfordert quartalsweise Monitoring.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
DSGVO Art. 9 (SRC-0241), besondere Kategorien
Religion, sex. Orientierung, ethn. Herkunft, Gesundheits-Klartext dürfen nicht ohne strikte Voraussetzungen verarbeitet werden. Mitigation: Variable-Whitelist; technisch erzwungener Ausschluss.
Re-Identifikation bei sensiblen Attributen
„Schwerbehinderte × Standort X × Senior × n=2” trivial re-identifizierbar. Mitigation: l-Diversity l≥2 + k-Anonymität k≥5; Suppression.
AGG (SRC-0217) + BAG 8 AZR 74/25 (SRC-0256, 120 k EUR)
Diskriminierende Narrativ-Aussagen sind haftungsrelevant. Mitigation: AGG-Sanity-Check; D&I-Manager-Review.
BetrVG § 87 Abs. 1 Nr. 6 (SRC-0211, SRC-0257)
Mitbestimmungspflichtig. Mitigation: BR-Information; Betriebsvereinbarung.
CSRD-Materialitäts-Fehler
Wenn Dashboard nicht ESRS-S1-konform, Audit-Findings. Mitigation: Materialitäts-Assessment vor Dashboard-Aufbau.
EU Pay Transparency Directive, GPG > 5 %
Löst gemeinsame Lohnbewertung aus. Mitigation: Pre-Berechnung; Pay-Equity-Maßnahmen vor Stichtag 07.06.2026.
Antidiskriminierungsstelle (SRC-0253)
Algorithmische Diskriminierung; AGG schützt nicht ausreichend. Mitigation: Bias-Audit; Modell-Karte.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Diversity-Daten sind der datenschutz-sensibelste Bereich im HR-Reporting (DSGVO Art. 9: ethn. Herkunft, Religion, sex. Orientierung, Gesundheits-/Behinderungs-Status = besondere Kategorien). anymize.ai erzwingt k-Anonymität k≥5 UND l-Diversity l≥2 bei sensiblen Attributen technisch. Variable-Whitelist: keine Klar-Religion, sex. Orientierung, ethn. Herkunft; Gesundheits-Klartext ausgeschlossen. Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO. CSRD/ESRS S1 (über 30 People-Metriken Pflicht-Offenlegung); EU Pay Transparency Directive 2023/970 (DE-Umsetzung 07.06.2026); EntgTranspG; § 154 SGB IX Schwerbehinderten-Quote 5 %. BetrVG § 75 + § 80 + § 87 Abs. 1 Nr. 6 + § 94 Mitbestimmung; BAG 1 ABR 20/21. AGG §§ 1, 3, 7 + BAG 8 AZR 74/25 + Antidiskriminierungsstelle-Rechtsgutachten 2023. EU AI Act Art. 26 KI-Inventar; MitbestG Aufsichtsrats-Beteiligung.
Was anymize konkret leistet
- Erzwingt k-Anonymität k≥5 UND l-Diversity l≥2 bei sensiblen Attributen, technisch, nicht optional.
- Variable-Whitelist: keine Religion, sex. Orientierung, ethn. Herkunft Klar-Daten; Gesundheits-Klartext ausgeschlossen.
- Quasi-Identifier-Spot-Check für Kombinationen mit sensiblen Attributen.
- Verarbeitung in deutschen Rechenzentren (Hetzner).
- Alternative: Visier, Workday Illuminate Diversity, Lattice Resources, ChartHop, BlendoorMe, Power BI; ESG-Reporting via SAP Sustainability Control Tower, Workiva, EcoVadis.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- DPIA + ESRS-S1-Materialitäts-Assessment abgeschlossen?
- k-Anonymität k≥5 technisch erzwungen?
- l-Diversity l≥2 bei sensiblen Attributen (Schwerbehinderung)?
- Variable-Whitelist: keine Religion, sex. Orientierung, ethn. Herkunft Klar-Daten?
Nach der KI-Antwort
- AGG-Sanity-Check des Narrativ-Outputs (keine diskriminierenden Konnotationen)?
- GPG-Berechnung CSRD-konsistent (mit Auditor abgestimmt)?
- Pay-Equity-Hinweis bei GPG > 5 % (EU-Pay-Transparency-Schwelle)?
- Hypothesen mit Validierungs-Marker?
Vor CSRD-Konsolidierung
- BR-Vorabinformation nach § 80; ggf. § 75 (Gleichbehandlung)?
- AVV mit anymize-Anbieter und Cloud-LLM?
- KI-Inventar nach EU AI Act Art. 26?
- D&I-Manager + ESG-Lead + CHRO-Freigabe?
Typische Fehlermuster und wie anymize gegensteuert
- →KI generiert Aussagen mit Klar-Religion oder ethn. Herkunft, Variable-Whitelist verhindert das strukturell.
- →KI gibt diskriminierende Konnotationen im Narrativ, AGG-Sanity-Check + D&I-Manager-Review.
- →KI bricht Schwerbehinderten-Cohort auf n<5 herunter, anymize-l-Diversity-Erzwingung verhindert das.
- →KI erfindet Korrelationen zwischen GPG und externem Faktor, Hypothesen-Marker + Auditor-Plausibilisierung.
- →KI vergisst EU-Pay-Transparency-Schwelle 5 %, der Prompt erzwingt expliziten Hinweis.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Datenschutz und CSRD
- Besondere Kategorien
- Datenminimierung
- DPIA-Pflicht
- > 30 People-Metriken Pflicht-Offenlegung
- DE-Umsetzung 07.06.2026
- Nationale Vorgängernorm
- Schwerbehinderten-Quote 5 %
- Beschäftigtendatenverarbeitung
AGG und BetrVG
- Diskriminierungsverbot
- Algorithmische Diskriminierung
- Gleichbehandlung
- BR-Information
- Mitbestimmung KI-Tool
- Beurteilungsgrundsätze
- Microsoft 365 + § 87 BetrVG
Studien
- DE 07.06.2026 Stichtag
- > 30 Pflicht-Offenlegungen
Stand: · Nächste Überprüfung:
Hinweis zur Nutzung
Zur Orientierung, nicht als Ersatz für die HR-Letztverantwortung
Diese Anleitung beschreibt einen Arbeitsablauf, den Sie mit anymize umsetzen können. Sie ist zur Orientierung gedacht und ersetzt weder die personalrechtliche Würdigung im Einzelfall noch eine arbeits- oder mitbestimmungsrechtliche Prüfung. Welche Rechtsprechung einschlägig ist, wie der Sachverhalt arbeitsrechtlich zu bewerten ist, welche Entscheidungen in Ihrem konkreten Fall richtig sind, das bleibt selbstverständlich bei Ihnen und Ihrer HR-Letztverantwortung.
KI-Outputs müssen vor jeder Verwendung HR-fachlich geprüft werden. Insbesondere personenbezogene Entscheidungen (Einstellung, Beförderung, Kündigung) dürfen nicht allein auf KI-Empfehlungen gestützt werden (DSGVO Art. 22, EU AI Act Art. 26). anymize gewährleistet die Vertraulichkeit der Beschäftigtendaten gegenüber dem KI-Anbieter; die fachliche Richtigkeit und die rechtliche Verantwortung liegen in Ihrer Hand.
Jetzt starten.
14 Tage kostenlos testen.
Alle Modelle. Alle Features. Keine Kreditkarte.
Lieber erst zuschauen? Kostenloses Webinar – Anonymisierung live
Wir sind überzeugt von anymize. Und wir wissen: Bei einem KI-Werkzeug, das Mandanten-, Patienten- oder Mitarbeiter-Daten berührt, reicht ein Demo-Video nicht. Deshalb 14 Tage voller Zugang – alle Modelle, alle Features, keine Kreditkarte. Genug Zeit, um sicher zu sein, bevor du uns vertraust.
Dein KI-Arbeitsplatz wartet.