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.

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.