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.
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.