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.

01

Anwendungsbereich

Worum geht es hier?

KI in People Analytics und Workforce Planning

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.

02

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.
03

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.

04

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.

05

So gehen Sie vor

Der Workflow Schritt für Schritt

0

BR-Information § 92 + DPIA-Check.

Mensch

BetrVG § 92 · DSGVO Art. 35

1

HRIS-Vergütungs-Daten-Export: Gehaltsbänder, Bonus-Strukturen, Sozialabgaben, Pensions-Beiträge (aggregiert pro Funktion-Standort-Tarifzugehörigkeit, k≥5).

Mensch

§ 26 BDSG · DSGVO Art. 5

2

Datenklassifikation: Aggregate Klasse A; Pseudonymisierung mit anymize.ai. Klar-Individual-Gehälter dürfen LLM nicht erreichen.

anymize

§ 26 BDSG · DSGVO Art. 9 (Schwerbehinderten-Zulagen)

3

Headcount-Plan-Input aus UC-V-HR-ANA-004 (12/24M-Szenarien).

Mensch

Konsistenz

4

Tarif-Szenario-Definition: Base / Best / Worst je Tarifkreis (WSI-Tarifarchiv, eigene Annahmen). Inflations-Szenarien: EZB-Pfad als Eingabe.

Mensch

Tarif-/Macro-Annahmen menschliche Setzungen

5

Pensions-Verpflichtungs-Effekte: DBO-Sensitivität (Zinsannahme), Service-Cost-Trend.

Mensch + Actuary

IAS 19 · HGB § 249

6

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

7

CFO-Review: Konsistenz mit integriertem Finanzplan. BR-Beratung § 92 + Compensation-Lead-Validierung.

Mensch

Finance-Disziplin · BetrVG § 92

8

Drift-Monitoring: monatlicher Predicted-vs-Actual; Re-Forecast bei Tarifabschluss.

Mensch + Tool

EU AI Act Art. 26

06

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.

07

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.

Empfohlener Reasoning-Modus in anymize: Thinking-Modus.
# 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.
08

So sieht der Input aus

Pseudonymisierter Eingabetext

Aggregat nach anymize-Pseudonymisierung. Gehaltsbänder als Median (k≥5); Tarif-Annahmen als strukturierte Eingabe (WSI-Tarifarchiv-Bezug).
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.
09

So liefert anymize zurück

Der KI-Entwurf

KI-Output nach Re-Identifikation. 6 Szenarien mit Sensitivitäts-Heatmap; CFO-Briefing mit Top-3-Treibern.
## 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.
10

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.

11

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.
12

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.
13

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.