People Analytics und Workforce Planning
Personalkosten-Forecast 12/24M mit Tarif-, Inflations- und Pensions-Szenarien
anymize pseudonymisiert Gehaltsbänder, Bonus-Strukturen und Pensions-Beiträge vor LLM-Übergabe; Tarif-Annahmen (WSI-Tarifarchiv), Inflations-Pfad (EZB) und Pensions-Sensitivität (IAS 19) werden als strukturierte Eingabe übergeben. Die KI generiert 6 Szenarien (3 Tarif × Optimistic/Pessimistic Headcount) mit Sensitivitäts-Heatmap und CFO-Briefing, finance-konsistent, BR-§-92-vorbereitet.
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?
Personalkosten-Forecasting verbindet HR-Bestandsdaten mit Finance-Disziplin und ist Pflicht-Bestandteil jeder Konzern-Mittelfristplanung. Der UC ist die monetäre Vertiefung des Headcount-Forecast (UC-V-HR-ANA-004) und schließt Tarif-Effekte (öTV, IG Metall, ver.di), Inflations-Anpassungen und Pensions-Verpflichtungen (IFRS-19/HGB-§-249) ein.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- HR-Controlling-Lead, Compensation & Benefits-Lead, CFO-Office Personalkosten, Finance-BP, Workforce-Planning-Lead.
- Seniorität
- Senior, Tarif-/Pensions-Themen + CFO-Stakeholder-Management.
- Unternehmensgröße
- Konzern (Tarif-gebunden oder house-tariff), gehobener Mittelstand mit Pensions-Verpflichtungen, KMU > 250 MA.
- Spezifische Kontexte
- Tarif-Konzerne (IG Metall, ver.di, EVG, GDL); Pensions-Verpflichtungs-relevante Unternehmen (BetrAVG-Zusagen); ESG-Reporting CSRD/ESRS S1.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Personalkosten sind bei Dienstleistern 40–70 % des Gesamtkostenblocks (DGFP-Recruiting-Benchmark, SRC-0275). 2024/2025/2026 sind die Treiber stark: Tarifabschlüsse (öTV/Bund ~+5,5 % über 24 Monate; IG Metall mit kombinierten Inflationsausgleichs-/Sockel-Komponenten), Inflation > EZB-Ziel, Pensions-Volatilität durch Zins-Bewegung (DBO), Engpassberufs-Vergütungs-Eskalation. Regulatorisch: BetrVG § 92 (Personalplanung); § 87 Abs. 1 Nr. 6 (BAG 1 ABR 20/21) Mitbestimmung; § 26 BDSG + Art. 9 (Schwerbehinderten-Zulagen); DSGVO Art. 22 (keine Auto-Vergütungs-Entscheidungen); EU Pay Transparency Directive 2023/970 (ab 07.06.2026); CSRD/ESRS S1. anymize.ai pseudonymisiert Gehaltsbänder vor LLM-Übergabe; k≥5 für Vergütungs-Cohorts; Tarif-Annahmen als strukturierte Eingabe verhindern LLM-Halluzinationen („IG Metall 4,2 %, bisher unzutreffend”). Pensions-Komplexität (IAS 19 nicht linear) erfordert Actuary-Einbindung.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeitersparnis pro Forecast-Zyklus
2–4 PT
Für 2–4-köpfiges HR-Controlling-Team.
Steuerungs-Hebel
1–3 %
Realistisch: 1–3 % Personalkostenblock durch frühere Reagibilität auf Tarif-Eskalation, Pensions-Effekte und Engpass-Vergütungsdynamik (plausibilisiert).
Vertraulichkeit
Klasse A
anymize.ai pseudonymisiert Klar-Gehälter; Aggregat-only zum LLM. Klar-Individual-Gehälter erreichen die KI nie.
Erkennungsrate
>95 %
Tarif-Annahmen als strukturierte Eingabe; nicht aus LLM-Wissen ableiten lassen.
So gehen Sie vor
Der Workflow Schritt für Schritt
BR-Information § 92 + DPIA-Check.
Mensch
BetrVG § 92 · DSGVO Art. 35
HRIS-Vergütungs-Daten-Export: Gehaltsbänder, Bonus-Strukturen, Sozialabgaben, Pensions-Beiträge (aggregiert pro Funktion-Standort-Tarifzugehörigkeit, k≥5).
Mensch
§ 26 BDSG · DSGVO Art. 5
Datenklassifikation: Aggregate Klasse A; Pseudonymisierung mit anymize.ai. Klar-Individual-Gehälter dürfen LLM nicht erreichen.
anymize
§ 26 BDSG · DSGVO Art. 9 (Schwerbehinderten-Zulagen)
Headcount-Plan-Input aus UC-V-HR-ANA-004 (12/24M-Szenarien).
Mensch
Konsistenz
Tarif-Szenario-Definition: Base / Best / Worst je Tarifkreis (WSI-Tarifarchiv, eigene Annahmen). Inflations-Szenarien: EZB-Pfad als Eingabe.
Mensch
Tarif-/Macro-Annahmen menschliche Setzungen
Pensions-Verpflichtungs-Effekte: DBO-Sensitivität (Zinsannahme), Service-Cost-Trend.
Mensch + Actuary
IAS 19 · HGB § 249
KI-Szenariomodellierung: Personalkosten Q1-Q8 mit Funktion × Standort × Tarif × Szenario; 6 Szenarien (3 Tarif × Optimistic/Pessimistic Headcount); Sensitivitäts-Heatmap.
GPT / Claude / Gemini in anymize
Berechnungsmodellierung · Szenario-Visualisierung
CFO-Review: Konsistenz mit integriertem Finanzplan. BR-Beratung § 92 + Compensation-Lead-Validierung.
Mensch
Finance-Disziplin · BetrVG § 92
Drift-Monitoring: monatlicher Predicted-vs-Actual; Re-Forecast bei Tarifabschluss.
Mensch + Tool
EU AI Act Art. 26
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Pseudonymisiert Gehaltsbänder, Bonus-Strukturen und Pensions-Beiträge vor LLM-Übergabe, Klar-Individual-Gehälter erreichen die KI nie.
- Erzwingt k≥5 für Vergütungs-Cohorts; bei Schwerbehinderten-Zulagen (DSGVO Art. 9) zusätzlich l-Diversity.
- Tarif-Annahmen + EZB-Inflations-Pfad + Pensions-Zins-Sensitivität als strukturierte Eingabe, nicht aus LLM-Wissen.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO.
Was Sie als HR-Controlling tun
- BR-Information § 92 vor Forecast; bei sensiblen Tarif-Themen Betriebsvereinbarung.
- Tarif-Annahmen mit Compensation-Lead validieren (WSI-Tarifarchiv-Bezug); Actuary für Pensions-Sensitivität einbinden.
- CFO-Briefing mit Sensitivitäts-Logik (Tarif +1 pp, Inflation +1 pp, Pensions-Zins −50 bps).
- Drift-Monitoring monatlich; Re-Forecast bei Tarifabschluss.
Daten-Input
Aggregierte Gehaltsbänder, Bonus-Strukturen, Sozialabgaben, Pensions-Beiträge (Klasse A). Tarif-Eckwerte (Klasse B, öffentlich vergleichbar). WSI-Tarifarchiv, EZB-Daten (Klasse C). Verboten: Klar-Individual-Gehälter, IBAN, BIC, persönliche Bonus-Werte.
Output-Kontrolle
Pseudonymisiertes k-anonymes Aggregat geht an die KI. Re-identifizierte Personalkosten-Tabelle (6 Szenarien × Quartal × Funktion × Tarifkreis), Sensitivitäts-Heatmap, Top-3-Treiber und CFO-Briefing (max. 200 Wörter) kommen zurück.
Freigabeprozess
BR-Information § 92, DPIA, Actuary-Sign-off Pensions, CFO + Compensation-Lead-Freigabe, monatliches Drift-Monitoring.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. BR-Information § 92 + DPIA vor Forecast.
2. Aggregierte Gehaltsbänder + Tarif-Annahmen + Inflations-Pfad + Pensions-Sensitivität in anymize einfügen, Klar-Gehälter werden automatisch pseudonymisiert.
3. Diesen Prompt anhängen, „Thinking-Modus” wählen.
4. CFO + Compensation-Lead-Validierung; BR-Beratung § 92; Drift-Monitoring monatlich.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt einen 12/24-Monats-Personalkosten-
Forecast für ein deutsches Unternehmen. Eingabe: aggregierte Gehaltsbänder (k≥5),
Headcount-Plan-Szenarien (Base/Best/Worst), Tarif-Annahmen, Inflations-Pfad,
Pensions-Sensitivität. Klar-Gehälter sind pseudonymisiert.
# Role (R)
Du agierst als HR-Controlling-Specialist mit Kenntnis von BetrVG § 92, § 90, § 87,
§ 26 BDSG, DSGVO Art. 22, Art. 35, EU Pay Transparency Directive, CSRD/ESRS S1
und IAS 19 / HGB § 249. Du formulierst szenario-basiert und finance-konsistent.
# Action (A)
1. Personalkosten-Berechnung je Funktion × Standort × Tarifkreis × Quartal Q1–Q8.
2. Sensitivitäts-Analyse: Tarif +1 pp, Inflation +1 pp, Pensions-Zins −50 bps.
3. Aggregation auf 6 Szenarien (3 Tarif × Optimistic/Pessimistic Headcount).
4. Personalkosten-Block-Aufschlüsselung: Grundgehälter, Bonus, AG-SV, Pensions-Beiträge.
5. Engpass-Cluster-Aufschlag-Hinweis (BA-STD-0055-Bezug).
6. CFO-Briefing-Übersicht: Top-3-Treiber des Kosten-Blocks Q-zu-Q.
7. Markiere Unsicherheiten explizit; keine Punkt-Schätzungen ohne Bandbreite.
# Format (F)
- Personalkosten-Tabelle | Quartal | Funktion | Tarifkreis | Base | Best | Worst |.
- Sensitivitäts-Heatmap | Tarif-Annahme | Inflation | Pensions-Zins | Effekt MEUR |.
- Top-3-Treiber als Bullet-Liste.
- CFO-Briefing-Block: max. 200 Wörter.
- Unsicherheits-Block am Ende.
# Target Audience (T)
HR-Controlling-Lead, CFO-Office, Finance-BP. Tonalität: finance-präzise, szenario-
basiert. Keine individuellen Personen-Bezüge.So sieht der Input aus
Pseudonymisierter Eingabetext
Eingabe (aggregiert, k≥5):
Headcount Q1 2026 (aus UC-V-HR-ANA-004 Base):
- Software-Engineering: 320 MA → Q1 2027: 365 (+45)
- Customer Success: 145 → 158
- Operations: 425 → 410
Gehaltsbänder Median (aggregiert, pseudonymisiert):
- Software-Engineering Senior: 95 kEUR
- Software-Engineering Junior: 58 kEUR
- Customer Success: 62 kEUR
- Operations: 48 kEUR
Tarif-Annahmen (eigene Szenarien, WSI-Basis):
- Base: +3,5 % Tarif Q3 2026, +2,5 % Q3 2027
- Best (für AG): +2,5 % / +2,0 %
- Worst (für AG): +5,0 % / +4,0 %
Inflations-Pfad EZB-konsistent: 2,5 % p.a.
Pensions: Zins-Annahme 3,5 %; Sensitivität ±50 bps → DBO ±8 %.
Personalkosten Q1 2026 Block:
- Grundgehälter: 78 MEUR p.a.
- Bonus/STI: 9 MEUR
- AG-SV (~21 %): 16,4 MEUR
- Pensions-Beiträge: 4,2 MEUR
- TOTAL Q1 2026: 111 MEUR p.a.So liefert anymize zurück
Der KI-Entwurf
## Personalkosten-Forecast 12M, 6 Szenarien
### Szenario-Übersicht (Personalkosten p.a. zum Q1 2027)
| Szenario | Tarif | Headcount | Personalkosten p.a. | Δ vs. Q1 2026 |
|---|---|---|---|---|
| Base/Base | +3,5 % | 365 SWE / 158 CS | 124,2 MEUR | +11,9 % |
| Base/Best | +3,5 % | 380 SWE / 165 CS | 127,1 MEUR | +14,5 % |
| Worst/Base | +5,0 % | 365 / 158 | 126,0 MEUR | +13,5 % |
### Top-3-Treiber (Base/Base vs. Q1 2026)
1. Headcount-Aufbau Software-Engineering +45 MA → +4,3 MEUR.
2. Tarif-Anpassung +3,5 % gesamt → +3,9 MEUR.
3. Inflations-bedingte Marktnachjustierung Engpass-Cluster → +2,2 MEUR Markt-Premium.
### Sensitivitäts-Heatmap (Base-Headcount)
- Tarif +1 pp: +1,1 MEUR p.a.
- Inflation +1 pp: ~+0,5 MEUR.
- Pensions-Zins −50 bps: DBO +~3,5 MEUR (IAS-19 nicht GuV, sondern OCI).
### CFO-Briefing
Der Personalkosten-Block wächst im Base-Szenario um 11,9 % auf 124,2 MEUR, getrieben
durch Headcount-Aufbau Engineering (+4,3 MEUR), Tarif-Anpassung (+3,9 MEUR) und
Markt-Premium Engpass-Cluster (+2,2 MEUR).
### Unsicherheits-Block
- Tarif-Annahmen sind Setzungen vor Tarifrunde; bei Abschluss Re-Forecast Pflicht.
- Pensions-Effekt jenseits ±50 bps nicht linear; Actuary einbinden.
- Keine automatische Vergütungs-/Headcount-Entscheidung aus Forecast.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
BetrVG § 92 + § 87 Abs. 1 Nr. 6 (SRC-0211, SRC-0257)
Personalkosten-Forecast mit MA-Daten = informations- und mitbestimmungssensibel. Mitigation: BR-Information; aggregierte Eingabe k≥5; Betriebsvereinbarung.
§ 26 BDSG + DSGVO Art. 9 (SRC-0215)
Individual-Gehälter und Schwerbehinderten-Zulagen sind sensibel. Mitigation: Aggregat-only zum LLM; Pseudonymisierung Pflicht.
Tarif-Annahmen-Halluzination
LLM kann falsche Tarif-Abschluss-Daten erfinden. Mitigation: Tarif-Annahmen als strukturierte Eingabe; nicht aus LLM-Wissen ableiten.
Pensions-Komplexität (IAS 19/HGB § 249)
Effekte nicht linear; LLM kann zu starke Pauschalierungen vornehmen. Mitigation: Actuary einbinden; Sensitivität dokumentiert; LLM nur als Erläuterungs-Werkzeug.
EU Pay Transparency Directive 2023/970
Forecast sollte mit Gender-Pay-Gap-Reporting (UC-M-HR-013) konsistent sein. Mitigation: Geschlechts-Aggregat als Sub-Auswertung.
DSGVO Art. 22 (SRC-0240)
Keine automatischen Vergütungs-Entscheidungen aus Forecast. Mitigation: Forecast = Planungs-Werkzeug, nicht Entscheidungs-Trigger.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Vergütungs-Daten sind hoch sensitiv (§ 26 BDSG, DSGVO Art. 9 bei Schwerbehinderten-Zulagen). anymize.ai pseudonymisiert Gehaltsbänder vor LLM-Übergabe; Klar-Individual-Gehälter erreichen die KI nie. k≥5 für Vergütungs-Cohorts; bei Schwerbehinderten-Zulagen l-Diversity. Tarif-Annahmen + EZB-Inflations-Pfad + Pensions-Zins-Sensitivität als strukturierte Eingabe, verhindert LLM-Halluzinationen bei externer Daten-Verknüpfung. Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO. BetrVG § 92 + § 90 + § 87 Abs. 1 Nr. 6 (BAG 1 ABR 20/21) Mitbestimmung. DSGVO Art. 22: keine automatischen Vergütungs-Entscheidungen. EU Pay Transparency Directive 2023/970: ab 07.06.2026 Gehaltsband-Pflicht + GPG-Reporting. CSRD/ESRS S1 Vergütungs-Offenlegung. EU AI Act Art. 26 KI-Inventar; bei Personalentscheidungs-Bezug Annex III. IAS 19 / HGB § 249 Pensions-Verpflichtungen. MitbestG bei Konzernen Aufsichtsrats-Beteiligung.
Was anymize konkret leistet
- Pseudonymisiert Gehaltsbänder, Bonus-Strukturen, Pensions-Beiträge, Klar-Individual-Gehälter erreichen LLM nie.
- k≥5 für Vergütungs-Cohorts; bei Schwerbehinderten-Zulagen l-Diversity.
- Tarif-Annahmen + EZB-Pfad + Pensions-Sensitivität als strukturierte Eingabe.
- Verarbeitung in deutschen Rechenzentren (Hetzner).
- Alternative: Workday Adaptive Planning, Anaplan HCM, SAP SuccessFactors Compensation, Visier.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- BR-Information nach BetrVG § 92 dokumentiert?
- DPIA-Check abgeschlossen?
- k-Anonymität k≥5 für jede Vergütungs-Cohort?
- Tarif-Annahmen als strukturierte Eingabe (nicht aus LLM-Wissen)?
- Pensions-Sensitivität mit Actuary abgestimmt?
Nach der KI-Antwort
- 6 Szenarien mit Sensitivitäts-Heatmap?
- Top-3-Treiber dokumentiert?
- CFO-Briefing finance-konsistent (mit FP&A abgestimmt)?
- Unsicherheits-Block am Ende explizit?
Laufender Betrieb
- AVV mit anymize-Anbieter und Cloud-LLM?
- KI-Inventar nach EU AI Act Art. 26?
- Drift-Monitoring monatlich; Re-Forecast bei Tarifabschluss?
- CFO-Office + Compensation-Lead-Freigabe?
Typische Fehlermuster und wie anymize gegensteuert
- →KI erfindet Tarif-Abschluss-Zahlen aus eigenem Wissen, strukturierte Tarif-Eingabe verhindert das.
- →KI pauschalisiert Pensions-Effekte linear, Actuary-Einbindung + IAS-19-Hinweis fängt das ab.
- →KI gibt Punkt-Schätzungen ohne Sensitivität, der Prompt zwingt zur Heatmap.
- →KI bezieht Klar-Gehälter ein, anymize.ai-Pseudonymisierung verhindert das strukturell.
- →KI gibt automatische Vergütungs-Anpassungs-Empfehlungen, der Prompt verbietet Auto-Entscheidungen.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Mitbestimmung und Datenschutz
- Personalplanung-Beratung
- Neue Technik
- Mitbestimmung KI-Tool
- Beschäftigtendatenverarbeitung
- Schwerbehinderten-Zulagen
- Keine Auto-Entscheidung
- Folgenabschätzung
- Gehaltsband + GPG-Reporting ab 07.06.2026
Rechtsprechung und EU AI Act
- Microsoft 365 + § 87 BetrVG
- Hochrisiko bei Personalentscheidung
- KI-Inventar
- Pensions-Verpflichtungen
- Vergütungs-Offenlegung
Studien und Plattformen
- Personalkosten 40–70 %
- 19 % KI-Adoption
- Plattform-Beleg
- Plattform-Beleg
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.