People Analytics und Workforce Planning
Internal-Mobility-Analyse als Career-Lattice mit Skills-First-Logik und Workday-Career-Hub-Integration
anymize.ai pseudonymisiert Karriereverläufe, Skills-Profile, MA-IDs und Manager-Namen; k≥5. Die KI generiert Internal-Fill-Quote, Lateral-Bewegungs-Quote, Promotion-Verteilung je AGG-Dimension (4/5-Rule), Skills-Adjacency-Matrix und Career-Lattice-Top-5-Pfade. BetrVG § 95 (Auswahlrichtlinien) zwingend; „Cultural Fit” als Mobility-Kriterium ausgeschlossen.
Schwierigkeit: Fortgeschritten · 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?
Internal Mobility ist der wirkungsvollste Hebel gegen Engpass-Hiring + Retention-Verluste. LinkedIn Workforce Report DE 2025 (STD-0044): 64 % verlassen Arbeitgeber wegen mangelnder Karrierepfade. Deloitte Skills-Based Organization 2024 (SRC-0298): Skills-First-Modelle reduzieren External-Hiring um 15–25 %. Workday Career Hub: Internal-Mobility erhöht Retention um 2–3 Jahre.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Talent-Management-Lead (Career-Architektur), People-Analytics-Lead, L&D-Lead (Reskilling-Integration), HRBP, CHRO.
- Seniorität
- Fortgeschritten bis Senior, Skills-Architektur + BetrVG-§-95-Sensibilität.
- Unternehmensgröße
- Konzern und gehobener Mittelstand; KMU > 250 MA bei Skills-First-Initiative.
- Spezifische Kontexte
- Engpass-Branchen mit hohem External-Hiring-Kostendruck; Restrukturierungs-Vorbereitung (Reskilling statt Hiring); Skills-Based-Organization-Transformation.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Klassische Career-Ladder (vertikale Beförderung in derselben Funktion) versagt: Engpass in technischen Senior-Rollen kann nicht extern besetzt werden; MA verlassen Unternehmen ohne laterale/cross-functional Bewegung; KI-Disruption macht Funktions-Identitäten flüssig. Career-Lattice (Deloitte 2010, Skills-Based-Organization 2024, SRC-0298) modelliert Karriere als 2D-Netz: vertikal (Beförderung), lateral (Function Switch), diagonal. Regulatorisch heikel: BetrVG § 95 (Auswahlrichtlinien); § 87 Abs. 1 Nr. 6; AGG bei Beförderungs-/Mobility-Entscheidungen (BAG 8 AZR 74/25, SRC-0256). anymize.ai pseudonymisiert MA-IDs, Manager-Namen, Funktions-Codes; k≥5 je Cluster. Skills-Adjacency-Modell dokumentiert (EuGH-Transparenz). „Cultural Fit” als Mobility-Kriterium ausgeschlossen.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeitersparnis pro Mobility-Zyklus
2–4 PT
Skills-Adjacency-Modelle stark abhängig von Skills-Taxonomie-Qualität.
Kosten-Hebel
150–250 k EUR/J
External-Hiring-Reduktion 15–25 % bei Skills-First (SRC-0298); bei CpH 5.000 EUR und 200 Hires/J ~150–250 k EUR/a Einsparung.
Retention-Hebel
+2–3 Jahre
Internal-Mobility erhöht Retention um 2–3 Jahre (SRC-0307) → ELTV-Effekt (UC-V-HR-ANA-013).
Erkennungsrate
>95 %
4/5-Rule auf Promotion-/Mobility-Quote je AGG-Dimension; Elternzeit-Bias-Check.
So gehen Sie vor
Der Workflow Schritt für Schritt
Datenextraktion: Job-Wechsel-Historie (Promotion, Lateral, Function Switch), offene Stellen, intern besetzt vs. extern.
Mensch (mit System)
Datenbasis
Skills-Taxonomie + Adjacency-Matrix verfügbar (Workday Skills Cloud, Eightfold, Gloat).
Mensch (mit System)
Modell-Voraussetzung
Datenklassifikation: Individuelle Karriereverläufe = Klasse A; Funktionsfamilien-Aggregate = Klasse C.
Mensch
§ 26 BDSG
k-Anonymitäts-Check (k≥5); Pseudonymisierung: MA-IDs, Manager-Namen, Funktions-Codes.
Mensch + anymize
Re-Identifikation · DSGVO Art. 28
KI-gestützte Mobility-Analyse: Internal-Fill-Quote + Lateral-Quote + Promotion-Verteilung + Skills-Adjacency + AGG-Bias-Heatmap.
GPT / Claude / Gemini in anymize
Geschwindigkeit
AGG-Bias-Check: 4/5-Rule auf Promotion-/Mobility-Quote je Dimension (Geschlecht, Alter, Elternzeit, Schwerbehinderung).
Mensch
AGG · BAG 8 AZR 74/25
Skills-Gap-Identifikation: für welche Ziel-Rollen fehlt Reskilling-Pfad? (Integration UC-V-HR-LRN-018).
Mensch
Reskilling-Planung
BR-Information BetrVG § 95 (Auswahlrichtlinien) + § 92 Personalplanung. Maßnahmen: Reskilling-Programme, Internal-Job-Board, Karriere-Pfad-Transparenz.
Mensch
Mitbestimmung · Aktion
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Pseudonymisiert MA-IDs, Manager-Namen, Funktions-Codes.
- Erzwingt k≥5 je Cluster; 4/5-Rule-Heatmap-Vorlage für AGG-Dimensionen.
- Skills-Adjacency-Match auf pseudonymisierter Basis; Elternzeit-Bias-Check.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO.
Was Sie als Talent-Management-Lead tun
- BR-Vereinbarung BetrVG § 95 (Auswahlrichtlinien) + § 87; KI-Tool aufnehmen.
- 4/5-Rule auf alle AGG-Dimensionen; insbesondere Elternzeit-Bias-Audit.
- Skills-Adjacency-Modell dokumentieren (EuGH-Transparenz); „Cultural Fit” als Kriterium ausschließen.
- Human-in-the-Loop in Mobility-Entscheidungen; EU-AI-Act-Logging Art. 26.
Daten-Input
Pseudonymisierte Mobility-Daten (k≥5), Skills-Profile, Stellen-Pipeline.
Output-Kontrolle
Pseudonymisiertes Aggregat geht an die KI. Re-identifizierte Internal-Fill-Übersicht, Lateral-Bewegungs-Tabelle, AGG-Bias-Heatmap (4/5-Rule), Career-Lattice-Top-5-Pfade, Skills-Adjacency-Top-3 je Engpass-Rolle, Skills-Gap-Bullets und BR-Info-Status-Zeile kommen zurück.
Freigabeprozess
DPIA, BR-Vereinbarung § 95 + § 87, k-Anonymität, 4/5-Rule auf alle AGG-Dimensionen, Skills-Adjacency-Modell dokumentiert, Human-in-the-Loop, EU-AI-Act-Logging.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. BR-Vereinbarung BetrVG § 95 + § 87; KI-Tool aufnehmen.
2. Mobility-Daten + Skills-Adjacency-Matrix in anymize einfügen, Pseudonymisierung + k≥5 automatisch.
3. Diesen Prompt anhängen, „Thinking-Modus” wählen.
4. AGG-Bias-Check; Elternzeit-Korrektur; Skills-Gap-Maßnahmenplan an L&D übergeben.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt die Aufbereitung einer Internal-Mobility-Analyse als Career-Lattice für ein deutsches Unternehmen mit BetrVG-Mitbestimmung. Input: pseudonymisierte Funktionsfamilien-Aggregate (k≥5) mit Mobility-Daten, Skills-Adjacency-Matrix, Stellen-Pipeline.
# Role (R)
Du agierst als Talent-Management-Lead mit Skills-First-/Career-Lattice-Kompetenz, AGG-/BetrVG-Sensibilität und L&D-Brücke. Du kennst BetrVG § 95 Auswahlrichtlinien, § 87 Abs. 1 Nr. 6, § 92, AGG §§ 1, 3, 7 (SRC-0217), BAG 8 AZR 74/25 (SRC-0256), DSGVO Art. 22 (SRC-0240), Deloitte Skills-Based Organization (SRC-0298) und Workday Career Hub (SRC-0307).
# Action (A)
1. **Internal-Fill-Quote**: % offener Stellen intern besetzt, je Funktionsfamilie + Karrierestufe.
2. **Lateral-Bewegungs-Quote**: % MA mit Function Switch in letzten 24 Mo.
3. **Promotion-Quote** je AGG-Dimension (4/5-Rule); Adverse-Impact rot markieren.
4. **Career-Lattice-Visualisierung**: Top-5-Mobility-Pfade je Funktion (vertikal + lateral + diagonal).
5. **Skills-Adjacency-Matrix**: für jede Engpass-Ziel-Rolle die Top-3-Quell-Funktionen mit Skills-Match > 65 %.
6. **Skills-Gap-Identifikation**: für welche Ziel-Rollen fehlt Reskilling-Pfad?
7. **BR-Info-Vorbereitung BetrVG § 95**: Mobility-Tool als Auswahlrichtlinie? Mitbestimmungs-Status.
8. Kennzeichnung: jede Zahl mit [HRIS] oder [Skills-Cloud] taggen.
# Format (F)
- Internal-Fill-Übersicht-Tabelle
- Lateral-Bewegungs-Tabelle je Funktion
- AGG-Bias-Heatmap (4/5-Rule)
- Career-Lattice-Top-5-Pfade
- Skills-Adjacency-Top-3 je Engpass-Rolle
- Skills-Gap-Bullets
- BR-Info-Status-Zeile
# Target Audience (T)
CHRO, Talent-Management, L&D, BR. Skills-First-fokussiert, AGG-bewusst.So sieht der Input aus
Pseudonymisierter Eingabetext
Internal-Mobility-Analyse Q1/2026 Unternehmen [[UN-a3f9]] (Konzern, 8.500 MA)
Mobility-Daten 2024-2025 (24 Monate, pseudonymisiert):
- Promotions gesamt: 312 (3,7 % p.a.)
- Lateral Moves: 187 (2,2 % p.a.)
- Function Switches (diagonal): 96 (1,1 % p.a.)
- Internal-Fill-Quote offener Stellen: 38 %
Promotion-Quote je Demografie (k≥5):
- Männer: 4,4 %; Frauen: 2,8 % → 0,64-Verhältnis (Rot)
- <40: 4,3 %; >50: 1,8 % → 0,42-Verhältnis (Rot)
- ohne Elternzeit: 4,0 %; mit Elternzeit: 1,1 % → 0,28-Verhältnis (Rot)
Engpass-Ziel-Rolle [[Funktion-AI-ML-Engineering-b2e7]] (8 offene Slots 24 Mo):
- Quell-Funktion [[Funktion-Engineering-Backend-c4d1]]: Skills-Match 78 %; n=86 mögliche Kandidat:innen
- Quell-Funktion [[Funktion-Data-Engineering-d8a3]]: Skills-Match 72 %; n=42
Engpass-Ziel-Rolle [[Funktion-Engineering-Manager-f7c2]] (12 Slots 24 Mo):
- Quell-Funktion Senior Engineering: Skills-Match 65 %; Bedarf Stakeholder-Management → Coaching-Lücke.
BR-Vereinbarung: Auswahlrichtlinien BetrVG § 95 für interne Stellenausschreibungen 2022; KI-Tool nicht erwähnt.So liefert anymize zurück
Der KI-Entwurf
## Internal-Mobility-Analyse Q1/2026, Unternehmen [[UN-a3f9]]
### Internal-Fill-Quote
| Funktion | Internal-Fill-Quote | Benchmark |
|---|---|---|
| Engineering | 42 % | Median DE 35 % [SRC-0298] |
| Sales | 28 % | 22 % |
| CS | 51 % | 38 % |
| G&A | 44 % | 40 % |
Internal-Fill-Quote gesamt 38 %, leicht über DE-Median.
### AGG-Bias-Heatmap Promotions (4/5-Rule)
| Dimension | Promotion-Quote Min | Quote Mehr | Verhältnis | Status |
|---|---|---|---|---|
| Geschlecht (w vs. m) | 2,8 % | 4,4 % | 0,64 | **Rot** |
| Alter (>50 vs. <40) | 1,8 % | 4,3 % | 0,42 | **Rot** |
| Elternzeit (mit vs. ohne) | 1,1 % | 4,0 % | 0,28 | **Rot** |
**Drei Rot-Findings.** BAG-8-AZR-74/25-Stresstest (SRC-0256): Würde in Beförderungsklage Beweislastumkehr auslösen. Elternzeit-Quote 0,28 gravierend.
### Career-Lattice Top-5-Pfade
1. **Engineering → Engineering-Manager** (vertikal): 28 Bewegungen 24 Mo.
2. **CS-Standard → CS-Senior**: 22 Bewegungen.
3. **Engineering-Backend → AI/ML Engineering** (diagonal): 6, **Engpass-Hebel**.
4. **Sales-AE → Customer-Success-Manager** (lateral): 8, **KI-Disruption-Resilienz** (UC-V-HR-ANA-017).
### Skills-Adjacency-Top-3 je Engpass-Rolle
**[[Funktion-AI-ML-Engineering-b2e7]]** (8 Slots):
- [[Funktion-Engineering-Backend-c4d1]]: Match 78 %, n=86 → **realistisch internal**.
- [[Funktion-Data-Engineering-d8a3]]: Match 72 %, n=42 → realistisch.
**[[Funktion-Engineering-Manager-f7c2]]** (12 Slots):
- Senior Engineering: Match 65 %; **Stakeholder-Management-Coaching-Lücke** → 6-Mo-Programm.
### BR-Info-Status
BetrVG § 95 Auswahlrichtlinien aus 2022 erwähnen KI-Tool NICHT. **Empfehlung**: BR-Nachverhandlung, KI-gestützte Mobility-Empfehlungen aufnehmen (BetrVG § 87 + § 95).
### Empfehlungen
1. **AGG-Audit Promotions**: 30 weibliche, 20 Elternzeit-MA, 15 >50-MA mit höchstem Skills-Match auf 2025-Promotion-Eligibility prüfen.
2. **Reskilling-Programm Backend → AI/ML Engineering** (UC-V-HR-LRN-018): 6 Mo, 8–12 Teilnehmer:innen.
3. **Career-Hub-Rollout** Workday Career Hub / Eightfold mit BR-Vereinbarung.
4. **Elternzeit-Korrektur**: Promotion-Eligibility-Kriterien überprüfen.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
BetrVG § 95 (Auswahlrichtlinien)
KI-Tool für Mobility-Empfehlungen = Auswahlrichtlinie; Mitbestimmung; BR-Vereinbarung Pflicht.
BetrVG § 87 + § 92 (SRC-0211, SRC-0212, SRC-0257)
Technische Einrichtung + Personalplanung.
AGG §§ 1, 3, 7 (SRC-0217)
Diskriminierungsverbot Beförderung/Mobility.
BAG 8 AZR 74/25 (SRC-0256)
Algorithmische Diskriminierung in HR-Entscheidungen.
DSGVO Art. 22 (SRC-0240)
Mobility-Empfehlung ≠ automatische Entscheidung; Human-in-the-Loop.
§ 26 BDSG (SRC-0215)
Personenbezug Karriereverläufe + Skills-Profile.
EU AI Act Annex III Nr. 4 (SRC-0231)
HR-Tool mit Beförderungseinfluss = Hochrisiko.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO + § 26 BDSG. Art. 28 DSGVO AVV. Art. 35 DPIA bei umfassender Skills-Profil-Verarbeitung Pflicht. Datenklassen: Individuelle Karriereverläufe + Skills-Profile = Klasse A; Funktionsfamilien-Aggregate = Klasse C. anymize.ai pseudonymisiert MA-IDs, Manager-Namen, Funktions-Codes; k≥5 je Cluster. BetrVG § 95 (Auswahlrichtlinien) zwingend; § 87 + § 92 + BAG 1 ABR 20/21. AGG + BAG 8 AZR 74/25 Bias-Risiko. EU AI Act Annex III Nr. 4 Hochrisiko. Skills-Adjacency-Modell dokumentiert (EuGH C-203/22-Transparenz); „Cultural Fit” als Mobility-Kriterium ausgeschlossen.
Was anymize konkret leistet
- Pseudonymisiert MA-IDs, Manager-Namen, Funktions-Codes.
- Erzwingt k≥5; 4/5-Rule-Heatmap-Vorlage; Elternzeit-Bias-Check.
- Skills-Adjacency-Match auf pseudonymisierter Basis.
- Verarbeitung in deutschen Rechenzentren (Hetzner).
- Alternative: Workday Career Hub (EU-Tenant), Eightfold AI Talent Intelligence, Gloat Talent Marketplace, SAP SuccessFactors Career Development, Visier Vee Mobility-Modul.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- DPIA dokumentiert?
- BR-Vereinbarung BetrVG § 95 + § 87 abgeschlossen?
- k-Anonymität (k≥5)?
- Pseudonymisierungs-Spot-Check?
Nach der KI-Antwort
- 4/5-Rule auf alle AGG-Dimensionen?
- Elternzeit-Korrekturen explizit ausgewertet?
- Skills-Adjacency-Modell dokumentiert (EuGH-Transparenz)?
- Human-in-the-Loop in Mobility-Entscheidungen?
Vor Distribution
- EU-AI-Act-Logging?
- Skills-Gap-Maßnahmenplan an L&D übergeben (UC-V-HR-LRN-018)?
- AVV mit anymize-Anbieter und Cloud-LLM?
- BR-Info-Status verifiziert?
Typische Fehlermuster und wie anymize gegensteuert
- →KI ignoriert Elternzeit-Bias (Karenz als Performance-Lücke), der Prompt erzwingt expliziten Check.
- →KI gibt Skills-Match ohne Modell-Karte, EuGH-Transparenz-Anforderung verlangt Dokumentation.
- →KI extrapoliert Career-Lattice-Pfade aus historischen Bewegungen mit Bias, Audit-Stichprobe empfehlen.
- →KI verwendet „Cultural Fit” als Mobility-Kriterium, der Prompt schließt das aus.
- →KI gibt deterministische Mobility-Entscheidungen, Human-in-the-Loop zwingend.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Mitbestimmung und AGG
- Mitbestimmung KI-Tool + Auswahlrichtlinien
- Personalplanung
- Diskriminierungsverbot Mobility
- Human-in-the-Loop
- Personenbezug Karriereverläufe
- Hochrisiko bei Beförderungseinfluss
Rechtsprechung
- Algorithmische Diskriminierung
- Microsoft 365 + § 87 BetrVG
Studien und Plattformen
- External-Hiring -15-25 % bei Skills-First
- Internal-Mobility +2-3 J Retention
- Plattform-Beleg
- 64 % verlassen wegen mangelnder Karrierepfade
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.