People Analytics und Workforce Planning
Pay-Equity-Statistik mit multivariater Regression nach EU-Richtlinie 2023/970
anymize.ai pseudonymisiert MA-IDs, Manager-Namen und Funktions-Codes; k≥5 je Funktion × Karrierestufe × Geschlecht × Standort. Die Regression (log-Gehalt ~ Geschlecht + Funktion + Karrierestufe + Tenure + Standort + Performance) erfolgt bevorzugt on-premise oder in Figures.hr/Workday Pay Equity; KI generiert nur Narrativ. Bei Adjusted Gap > 5 % gemeinsame Bewertung mit AN-Vertretern (Art. 9 RL 2023/970).
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?
Pay-Equity-Statistik ist die methodisch anspruchsvollste Schnittstelle von Compensation und People Analytics. EU Pay Transparency Directive 2023/970 ab 07.06.2026 (kein Aufschub) verlangt jährlichen Bericht mit unbereinigtem + bereinigtem GPG, Quartil-Verteilung und gemeinsamer Bewertung bei Gap > 5 %. Multivariate Regression mit k-anonymen Cluster-Aggregaten ist Goldstandard.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Compensation-Manager, People-Analytics-Lead, HR-Compliance, ESG-/CSRD-Reporting-Owner, Datenschutzbeauftragter HR.
- Seniorität
- Senior — Regression-Methodik + EU-2023/970-Pflichten.
- Unternehmensgröße
- Konzern (>1.000 MA), großer Mittelstand mit ≥250 MA (EU-Pflicht-Schwelle), CSRD-pflichtig.
- Spezifische Kontexte
- Berichtszyklus jährlich; bei Gap > 5 % gemeinsame Bewertung mit AN-Vertretern; Beweislastumkehr-Vorbereitung (AGG-Reform Mai 2026).
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
EU Pay Transparency Directive 2023/970 (SRC-0236) ab 07.06.2026 verlangt: unbereinigter GPG (Mean + Median), bereinigter Gap (controlled for legitimate factors), Aufschlüsselung nach Karrierestufe/Funktion, Pay-Gap-Quartilen; bei Gap > 5 % ohne sachliche Rechtfertigung gemeinsame Bewertung mit AN-Vertretern; Beweislastumkehr (Art. 18). Multivariate Regression der Goldstandard: log(Gehalt) = β0 + β1·Geschlecht + β2·Funktion + β3·Karrierestufe + β4·Tenure + β5·Standort + β6·Performance + ε. β1 = Adjusted Pay Gap. Wichtig: Manager-Diskretion (willkürliche Performance-Boni) darf nicht als Kontrolle einfließen — Bias würde „weggerechnet”. Daten-Brisanz: Vergütungsdaten = höchste Sensibilität (§ 26 BDSG, SRC-0215; § 19 EntgTranspG, SRC-0221); k-Anonymität k≥5 je Cluster Pflicht. anymize.ai pseudonymisiert MA-IDs, Manager-Namen und Funktions-Codes; Regression bevorzugt on-premise oder in spezialisiertem Comp-Tool (Figures.hr, Workday Pay Equity).
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeitersparnis pro Berichtszyklus
2–5 PT
Anbieter-Studien mit Eigeninteresse; Regression-Qualität abhängig von Datenqualität.
Risiko-Hebel
Bußgeld + Reputation
EU-2023/970 Beweislastumkehr-Vorbereitung; Bußgelder national festzusetzen (Mindestmaß durch Richtlinie); Reputationsrisiko bei CSRD-Veröffentlichung.
Vertraulichkeit
Klasse A höchste
Vergütungs-Daten = höchste Sensibilität. anymize.ai pseudonymisiert; Regression bevorzugt on-premise oder in spezialisiertem Comp-Tool.
Erkennungsrate
>95 %
k≥5 je Funktion × Karrierestufe × Geschlecht × Standort; Robustheits-Check (mit/ohne Performance-Variable).
So gehen Sie vor
Der Workflow Schritt für Schritt
DPIA + BR-Anhörung (BetrVG § 87 Abs. 1 Nr. 6, § 94 falls Performance-Kriterien betroffen).
Mensch
DSGVO Art. 35 · Mitbestimmung
Daten-Extraktion HRIS: Gehalt (Brutto + Variable), Funktion, Karrierestufe, Tenure, Standort, Performance, Geschlecht.
Mensch (mit System)
Datenbasis
Datenklassifikation: Individuelle Gehälter = Klasse A (höchste Sensibilität); Cluster-Aggregate = Klasse C bei k≥5.
Mensch
§ 26 BDSG · § 19 EntgTranspG
k-Anonymitäts-Check (k≥5) je Funktion × Karrierestufe × Geschlecht × Standort.
Mensch + anymize
Re-Identifikationsschutz
Pseudonymisierung: MA-IDs, Manager-Namen, exotische Funktions-Bezeichnungen → Platzhalter.
anymize
DSGVO Art. 28
Regression on-premise oder in DSGVO-konformer Umgebung (Figures.hr, Workday Pay Equity, beqom): log-Gehalt ~ Geschlecht + Kontrollen.
Mensch + Tool
Modell-Validität
KI-gestützte Interpretation/Berichts-Drafting: bereinigt vs. unbereinigt; Quartile; Funktions-Aufschlüsselung; Beweislastumkehr-Vorbereitung.
GPT / Claude / Gemini in anymize
Geschwindigkeit
Statistik-Verifikation (Pflichtschritt): R², Konfidenzintervalle, Multikollinearität (VIF), Heteroskedastizität; Robustheit gegen Performance-Variable.
Mensch
Methodische Validität
Bei Adjusted Gap > 5 %: Maßnahmen-Plan + AN-Vertreter-Einbeziehung (Art. 9 RL 2023/970). BR-Anhörung Output; CSRD-Konsistenz; revisionssichere Ablage.
Mensch
EU-Pflicht · Mitbestimmung · § 257 HGB
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Pseudonymisiert MA-IDs, Manager-Namen, exotische Funktions-Bezeichnungen.
- Erzwingt k≥5 je Funktion × Karrierestufe × Geschlecht × Standort.
- Empfiehlt Regression on-premise oder in spezialisiertem Comp-Tool (Figures.hr) — KI nur für Narrativ.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO.
Was Sie als Compensation-Manager tun
- DPIA + DSB-Sign-off; BR-Anhörung BetrVG § 87 + § 94.
- Regression-Diagnostik (R², KI, VIF, Heteroskedastizität) durchführen.
- Robustheits-Check (mit/ohne Performance-Variable) — Performance kann selbst Bias-anfällig sein.
- Bei Gap > 5 % gemeinsame Bewertung Art. 9 RL 2023/970 mit AN-Vertretern initiieren.
Daten-Input
Pseudonymisierte Vergütungs-Daten (k≥5), Funktion × Karrierestufe × Geschlecht × Standort × Tenure × Performance.
Output-Kontrolle
Pseudonymisiertes Aggregat geht an die KI (oder Regression on-premise). Re-identifizierte Gap-Übersicht (unbereinigt vs. bereinigt), Robustheits-Vergleich-Tabelle, Quartil-Verteilung, Funktions-Aufschlüsselung, EU-2023/970-Konformitäts-Checkliste und Maßnahmen-Plan kommen zurück.
Freigabeprozess
DPIA + DSB-Sign-off, BR-Anhörung § 87 + § 94, k-Anonymität, Regression-Diagnostik, bei Gap > 5 % gemeinsame Bewertung, CSRD-/ESRS-S1-Konsistenz, AVV mit LLM-Provider.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. DPIA + DSB-Sign-off + BR-Anhörung § 87 + § 94.
2. Regression on-premise oder in Figures.hr durchführen; Output mit anymize-Pseudonymisierung in KI einfügen.
3. Diesen Prompt anhängen, „Thinking-Modus” wählen.
4. Bei Gap > 5 % gemeinsame Bewertung Art. 9 RL 2023/970 mit AN-Vertretern; CSRD-/ESRS-S1-Konsistenz.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt die Aufbereitung einer Pay-Equity-Regression-Analyse nach EU-Richtlinie 2023/970 (SRC-0236, DE-Umsetzung 07.06.2026) für ein deutsches Unternehmen mit ≥250 MA und BetrVG-Mitbestimmung. Input: pseudonymisierte Cluster-Aggregate (k≥5) mit log-Gehalt-Regression-Output.
# Role (R)
Du agierst als Compensation-Manager mit Pay-Equity-Statistik-Kompetenz, EU-2023/970-Kenntnis und HR-Compliance-Sensibilität. Du kennst EU Pay Transparency Directive 2023/970 (SRC-0236), EntgTranspG (SRC-0221), AGG §§ 1, 3, 7 (SRC-0217), § 26 BDSG, BAG 8 AZR 74/25 (SRC-0256), ESRS S1 (STD-0058).
# Action (A)
1. **Unbereinigter Gap**: Mean + Median je Geschlecht; Gesamt-Unternehmen + Funktions-Cluster.
2. **Bereinigter Gap (Adjusted)**: β1-Koeffizient aus Regression log(Gehalt) ~ Geschlecht + Kontrollen; Konfidenzintervall 95 %.
3. **Robustheits-Check**: Regression mit/ohne Performance-Variable; R²-Vergleich.
4. **Quartil-Verteilung**: Anteil Geschlecht je Quartil.
5. **Funktions-Aufschlüsselung**: Adjusted Gap je Funktion (k≥5); Auffälligkeiten > 5 % rot markieren.
6. **EU-2023/970-Konformitäts-Check**: Pflicht-Aufschlüsselungen abgedeckt; Maßnahmen-Plan bei Gap > 5 %.
7. **Beweislastumkehr-Vorbereitung**: Dokumentation legitimer Faktoren je Adjusted-Gap-Ausreißer-Cluster.
8. Kennzeichnung: jede Zahl mit [HRIS] oder [Regression-Output] taggen.
# Format (F)
- Gap-Übersicht-Tabelle (unbereinigt vs. bereinigt)
- Robustheits-Vergleich-Tabelle
- Quartil-Verteilung-Tabelle
- Funktions-Aufschlüsselung-Tabelle
- EU-2023/970-Konformitäts-Checkliste
- Maßnahmen-Plan (bei Gap > 5 %)
# Target Audience (T)
CHRO + Compensation + ESG-/CSRD-Reporting + BR. Statistisch sauber, EU-2023/970-konform.So sieht der Input aus
Pseudonymisierter Eingabetext
Pay-Equity-Analyse 2025 (Konzern, 4.200 MA, CSRD-pflichtig)
Regression Output (log-Gehalt ~ Geschlecht + Funktion + Karrierestufe + Tenure + Standort + Performance):
- n = 4.180 (vollständige Datensätze)
- R² = 0,72
- β_Geschlecht (weiblich = 1): -0,038 (p < 0,001, 95 %-KI: -0,055 bis -0,021)
- Multikollinearität (VIF max): 2,4 (akzeptabel)
Adjusted Pay Gap: 3,8 % (weiblich erhält 3,8 % weniger nach Kontrolle).
Robustheit (ohne Performance-Variable): β_Geschlecht = -0,054 → Adjusted Gap 5,4 %.
Interpretation: Performance-Variable absorbiert ~1,6 pp Gap; Performance selbst kann Bias enthalten.
Unbereinigter Gender Pay Gap: Mean 18,4 %; Median 14,2 %
Quartil-Verteilung (Q1 = oberstes Gehaltsquartil):
- Q1: Männer 76 %, Frauen 24 %
- Q4: Männer 51 %, Frauen 49 %
Funktions-Aufschlüsselung Adjusted Gap (k≥5):
- [[Funktion-Sales-b2e7]] (n=142): 6,2 % (rot, > 5 %)
- [[Funktion-Engineering-c4d1]] (n=218): 2,1 %
- [[Funktion-CS-d8a3]] (n=96): 4,8 %
- [[Funktion-Operations-f7c2]] (n=180): 4,1 %So liefert anymize zurück
Der KI-Entwurf
## Pay-Equity-Statistik 2025 — (EU 2023/970)
### Gap-Übersicht
| Kennzahl | Wert | Quelle |
|---|---|---|
| Unbereinigter Mean Gap | 18,4 % | [HRIS] |
| Unbereinigter Median Gap | 14,2 % | [HRIS] |
| **Bereinigter (Adjusted) Gap** | **3,8 %** (95 %-KI: 2,1–5,5 %) | [Regression-Output] |
| R² | 0,72 | [Regression-Output] |
**Ergebnis: 3,8 % Adjusted Gap; 95 %-KI knapp unter 5 %-Schwelle.** Funktions-Aufschlüsselung zeigt jedoch > 5 % in mehreren Clustern.
### Robustheits-Check
| Spezifikation | Adjusted Gap | R² |
|---|---|---|
| Mit Performance-Variable | 3,8 % | 0,72 |
| Ohne Performance-Variable | 5,4 % | 0,69 |
| Delta | +1,6 pp | -0,03 |
**Interpretation**: Performance absorbiert 1,6 pp Gap. Wenn Performance-Variable Bias enthält (UC-V-HR-ANA-015), wird „echter” Adjusted Gap unterschätzt. Konservativer Wert: 5,4 %.
### Funktions-Aufschlüsselung Adjusted Gap (k≥5)
| Funktion | n | Adjusted Gap | EU-2023/970-Status |
|---|---|---|---|
| [[Funktion-Sales-b2e7]] | 142 | 6,2 % | **Rot — gemeinsame Bewertung Pflicht** |
| [[Funktion-CS-d8a3]] | 96 | 4,8 % | Gelb (nahe Schwelle) |
| [[Funktion-Engineering-c4d1]] | 218 | 2,1 % | Grün |
### EU-2023/970-Konformitäts-Checkliste
- [x] Unbereinigter Mean + Median berichtet.
- [x] Bereinigter Gap mit Methodik dokumentiert.
- [x] Quartil-Verteilung berichtet.
- [x] Funktions-Aufschlüsselung mit k≥5.
- [ ] **Gemeinsame Bewertung Sales-Cluster** (> 5 %): mit AN-Vertretern initiieren (Art. 9 RL 2023/970).
### Maßnahmen-Plan (Adjusted Gap > 5 %)
1. **Gemeinsame Bewertung [[Funktion-Sales-b2e7]]**: mit BR + GBR Audit der Variable-Vergütungs-Struktur.
2. **Sales-Variable-Vergütungs-Audit**: Korrelation Quota-Erreichung × Bonus-Auszahlung × Geschlecht.
3. **Performance-System-Korrektur** (UC-V-HR-ANA-015): Tendency-to-Center + Gender-Bias in Ratings.
4. **Korrektur-Budget 2026**: 0,5–1 % Comp-Pool für gezielte Anpassungen in Sales.Was das HR-Recht verlangt
Pflichten — und wie anymize sie abdeckt
EU Pay Transparency Directive 2023/970 (SRC-0236, STD-0057)
DE-Umsetzung 07.06.2026. Pflicht-Berichts-Komponenten + gemeinsame Bewertung bei Gap > 5 %.
EntgTranspG (SRC-0221)
Nationale Vorgängerregelung; § 19 Auskunftsanspruch.
AGG §§ 1, 3, 7 (SRC-0217)
Diskriminierungsverbot Vergütung.
BAG 8 AZR 74/25 (SRC-0256)
120 k EUR Entschädigung; algorithmische Bias-Risiken.
§ 26 BDSG (SRC-0215)
Vergütungs-Daten = besonders sensibel.
BetrVG § 87 Abs. 1 Nr. 6 (SRC-0211) + § 94 (SRC-0227)
Pay-Equity-Tool = technische Einrichtung; Performance-Eingang Beurteilungsgrundsätze.
DSGVO Art. 22 (SRC-0240) + Art. 35 DPIA (SRC-0243)
Vergütungs-Score nie automatisch entscheidend; DPIA zwingend.
CSRD/ESRS S1 (STD-0058)
Externe Berichts-Konsistenz.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Rechtsgrundlage Art. 6 Abs. 1 lit. c DSGVO (rechtliche Verpflichtung EU 2023/970) + § 26 BDSG. Art. 28 DSGVO AVV; Art. 35 DPIA zwingend. Datenklassen: Individuelle Gehälter = Klasse A (höchste Sensibilität); Cluster-Aggregate (k≥5) = Klasse C. anymize.ai pseudonymisiert; Regression bevorzugt on-premise oder in spezialisiertem Comp-Tool (Figures.hr, beqom, Workday Pay Equity, Korn Ferry Pay). EU Pay Transparency Directive 2023/970 (SRC-0236) ab 07.06.2026 Pflicht-Berichts-Komponenten; bei Gap > 5 % gemeinsame Lohnbewertung mit AN-Vertretern (Art. 9 RL). AGG-Reform Mai 2026 Beweislastumkehr-Vorbereitung; BAG 8 AZR 74/25. BetrVG § 87 Abs. 1 Nr. 6 + § 94 + § 80; BAG 1 ABR 20/21. CSRD/ESRS S1 externe Konsistenz. EU AI Act Annex III sobald Vergütungs-Entscheidung KI-gestützt.
Was anymize konkret leistet
- Pseudonymisiert MA-IDs, Manager-Namen, Funktions-Codes vor LLM-Übergabe.
- Erzwingt k≥5 je Funktion × Karrierestufe × Geschlecht × Standort.
- Empfiehlt Regression on-premise oder in spezialisiertem Comp-Tool — KI nur für Narrativ.
- Verarbeitung in deutschen Rechenzentren (Hetzner).
- Alternative: Figures.hr (EU-Pay-Transparency-spezialisiert), beqom Pay-Equity-Modul, Workday Pay Equity Analytics, Korn Ferry Pay, Visier Vee Compensation, OneTrust für DPIA-Workflow.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert — was Sie souverän entscheiden
Vor der Regression
- DPIA + DSB-Sign-off?
- BR-Anhörung BetrVG § 87 + § 94?
- k-Anonymität (k≥5) je Funktion × Karrierestufe × Geschlecht × Standort?
- Pseudonymisierungs-Spot-Check?
Nach der Regression
- Regression-Diagnostik (R², KI, VIF, Heteroskedastizität)?
- Robustheits-Check (mit/ohne Performance-Variable)?
- Quartil-Verteilung berichtet?
- Funktions-Aufschlüsselung k≥5?
Vor Berichts-Veröffentlichung
- Bei Gap > 5 % gemeinsame Bewertung Art. 9 RL 2023/970?
- Beweislastumkehr-Vorbereitung dokumentiert?
- CSRD-/ESRS-S1-Konsistenz?
- AVV mit LLM-Provider?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI bezieht Manager-Diskretion (willkürliche Bonus-Zuteilung) als Kontroll-Variable ein — würde Bias „wegrechnen”; der Prompt warnt explizit.
- →KI vergisst Robustheits-Check (mit/ohne Performance-Variable) — der Prompt erzwingt explizit.
- →KI ignoriert 5-%-Schwelle EU-2023/970 trotz Funktions-Cluster-Überschreitung — Konformitäts-Checkliste fängt das ab.
- →KI verwendet falsche Bereinigungs-Methodik (z.B. Logarithmus statt Linear) — Auditor-Abstimmung empfohlen.
- →KI extrapoliert Quartil-Verteilung trotz k<5 in oberen Quartilen — Suppression erzwingen.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen — EU 2023/970 und EntgTranspG
- DE-Umsetzung 07.06.2026 — Pflicht ab 250 MA
- Nationale Vorgängerregelung
- Diskriminierungsverbot Vergütung
- Vergütungs-Daten besonders sensibel
- Keine Auto-Vergütungs-Entscheidung
- Folgenabschätzung zwingend
BetrVG und Rechtsprechung
- Pay-Equity-Tool = technische Einrichtung
- Beurteilungsgrundsätze
- 120 k EUR algorithmische Diskriminierung
- Externe Berichts-Konsistenz
Studien und Plattformen
- 14 % mit Regressions-Ansatz
- Pay-Equity-Methodik
- Multivariate Regression mit k≥5 Standard
- DE 07.06.2026
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.