People Analytics und Workforce Planning
Retention-Risk-Scoring als Manager-Frühwarnung DSGVO-Art.-22-konform
Der regulatorisch heikelste UC im People-Analytics-Cluster: Retention-Risk-Scoring auf aggregierten Engagement-, Tenure-, Vergütungs- und Vorgesetzten-Signalen. anymize.ai pseudonymisiert Mitarbeiter-IDs und Vorgesetzte vor LLM-Übergabe; human-in-the-loop ist strukturell verankert (kein Auto-Trigger, keine Score-Disclosure an MA). EuGH-C-634/21-SCHUFA und C-203/22-Dun & Bradstreet werden mit Erklärbarkeits-Logik und Modell-Karte adressiert. Pflicht-DPIA + Bias-Audit + BR-Anhörung + Betriebsvereinbarung vor Pilot.
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.
Sondergruppe
Höchstes regulatorisches Risiko-Niveau im People-Analytics-Bereich
DSGVO Art. 22 + EuGH C-634/21 SCHUFA (07.12.2023) + EuGH C-203/22 Dun & Bradstreet (27.02.2025): Score-Erstellen kann bereits als „automatisierte Entscheidung im Sinne von Art. 22” gelten, wenn der Score in nachgelagerten Entscheidungen eine maßgebliche Rolle spielt. Ohne saubere human-in-the-loop-Architektur, DPIA, Bias-Audit, BR-Vereinbarung und EU-AI-Act-Art.-26-Modell-Karte ist der UC eine regulatorische Falle. Senior-Erfahrung Pflicht; nicht für Einsteiger.
Anwendungsbereich
Worum geht es hier?
Anders als der aggregierte Fluktuationsbericht (UC-V-HR-ANA-001/002) operiert das Scoring auf Mitarbeiter-Ebene und ist damit der regulatorisch heikelste Anwendungsfall im People-Analytics-Bereich. DSGVO Art. 22, EuGH C-634/21 SCHUFA und EuGH C-203/22 Dun & Bradstreet greifen unmittelbar. Mit sauberer Architektur (human-in-the-loop strukturell, Transparenz, BR-Vereinbarung, DPIA, Bias-Audit, Modell-Karte) ist Retention-Scoring ein legitimes Frühwarn-Instrument, ohne diese Architektur entstehen regulatorische Verstöße mit 6-7-stelligen Bußgeldern.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- People-Analytics-Lead (technisch), HR-BP Senior (operativ), CHRO/Personalleitung (Governance), DSB HR (DPIA), BR/GBR (Mitbestimmung).
- Seniorität
- Senior und höher, wegen DSGVO-Art.-22-Brisanz nicht für Einsteiger. Ohne erfahrene Datenschutz-Begleitung führt der UC regelmäßig in regulatorische Verstöße.
- Unternehmensgröße
- Konzern und gehobener Mittelstand mit etabliertem Engagement- und People-Analytics-Setup. KMU < 250 MA nur eingeschränkt, Klein-Cohorts machen Scoring schnell re-identifizierend.
- Spezifische Kontexte
- Branchen mit hoher Wechselbereitschaft (IT, Beratung, Customer Success). Ungeeignet, wenn der Score automatisch in Vergütungs-/Beförderungs-Entscheidungen einfließen soll, dann ist es DSGVO Art. 22 mit aller Härte.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Gallup Engagement Index Deutschland 2024 (STD-0050): nur 9 % der DE-Beschäftigten weisen hohe emotionale Bindung auf, historisches Tief; 40 % der Beschäftigten sind bereits im ersten Jahr offen für Wechsel. In dieser Marktlage suchen Unternehmen nach Frühwarn-Indikatoren. Technisch ist Retention-Risk-Scoring breit verfügbar (Visier Vee, Workday Illuminate, Lattice, Culture Amp). Regulatorisch ist es das kritischste HR-Analytics-Thema: DSGVO Art. 22 verbietet vollautomatische Einzelfallentscheidungen mit erheblicher Wirkung. EuGH C-634/21 SCHUFA (07.12.2023) weitet das aus: schon das Erstellen eines Scores kann „automatisierte Entscheidung” sein, wenn der Score in nachgelagerten Entscheidungen eine maßgebliche Rolle spielt. EuGH C-203/22 Dun & Bradstreet (27.02.2025) verlangt Transparenz, Scoring-Logik muss laienverständlich erklärt werden; Geschäftsgeheimnisse entbinden nicht. BetrVG § 87 Abs. 1 Nr. 6 + § 94 (Beurteilungsgrundsätze) machen das System mitbestimmungspflichtig. AGG-Bias-Risiko (BAG 8 AZR 74/25, 120.000 EUR Entschädigung Altersdiskriminierung) bei mittelbar diskriminierenden Proxy-Variablen. EU AI Act Annex III Nr. 4 macht Recruiting-/Beförderungs-/Kündigungs-relevante KI zu Hochrisiko. anymize.ai pseudonymisiert MA-IDs und Vorgesetzte vor LLM-Übergabe; die KI generiert eine Manager-Empfehlung (keine Score-Anzeige des Mitarbeiters, keine automatische Aktion) mit Disclaimer; human-in-the-loop ist strukturell verankert. Halluzinations-/Drift-Risiko bei LLM-Score-Erklärungen bleibt, Bias-Audit + Drift-Monitoring + Modell-Karte sind Pflichtschritte.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Steuerungs-Hebel
5–15 %
Plausibler Hebel: 5–15 % Reduktion ungeplanter Fluktuation im Wirkkreis (nicht empirisch belegt). Fluktuationskosten 50–150 % Jahresgehalt (DGFP-Benchmark). Effekte erst nach 2–3 Quartalen plausibilisierbar.
Risiko-Hebel
6–7-stellig
Höchstes regulatorisches Risiko-Niveau. Falsche Score-Architektur kann AGG-Schadensersatz (BAG 8 AZR 74/25: 120 k EUR), BR-Streit, DSK-Bußgeld und Vertrauens-Erosion auslösen, Kosten leicht > Nutzen.
Vertraulichkeit
strukturell
anymize.ai pseudonymisiert MA-IDs und Vorgesetzte vor LLM-Übergabe. Score-Logik in Modell-Karte dokumentiert (EuGH C-203/22); keine Score-Anzeige des Mitarbeiters; Art.-15-Auskunfts-Prozess etabliert.
Erkennungsrate
>95 %
Dreifach geprüft. Variable-Whitelist erzwingt Art.-9-Datenausschluss (keine Gesundheits-/Schwangerschafts-/Religions-Daten). Bias-Audit-Heatmap quartalsweise.
So gehen Sie vor
Der Workflow Schritt für Schritt
DPIA, Bias-Audit, BR-Anhörung, Betriebsvereinbarung vor Pilot. Min. 3–6 Monate Vorlauf. Variable-Whitelist (keine Art.-9-Datum); Modell-Karte mit Score-Komponenten + Gewichtungen.
Mensch (DSB+HR+BR+Recht)
DSGVO Art. 35 · BetrVG § 87 Abs. 1 Nr. 6 + § 94 · EU AI Act Art. 26
Signal-Definition: Engagement-Score, Tenure, Performance-Trend, Gehaltslevel vs. Markt, Anzahl Vorgesetzten-Wechsel, Beförderungs-Lücke, Standort-Cluster-Quote. Keine sensiblen Attribute (DSGVO Art. 9), keine mittelbar diskriminierenden Proxies.
Mensch
§ 26 BDSG · AGG · DSGVO Art. 9 · BAG 8 AZR 74/25
Datenklassifikation: Mitarbeiter-Score = Klasse A. Pseudonymisierung mit anymize.ai (Klarname → `[[MA-Hash-…]]`, Vorgesetzte → `[[Mgr-Hash-…]]`, Standort → `[[Standort-Hash-…]]`).
anymize
§ 26 BDSG · DSGVO Art. 28
Score-Berechnung in People-Analytics-Plattform mit Erklärbarkeit-Pflicht: Score-Komponenten + Gewichtung dokumentiert (EuGH C-203/22). Score selbst bleibt in deutschem RZ.
Mensch + Plattform
EuGH C-203/22 · DSGVO Art. 22 Abs. 3
KI-Generierung Manager-Empfehlung (nicht: Score-Anzeige des Mitarbeiters, nicht: automatische Aktion). Output: 3–5-Punkte-Erläuterung + Stay-Gesprächs-Vorschläge.
GPT / Claude / Gemini in anymize
Manager-Coaching · keine Mitarbeiter-Entscheidung
Rück-Substitution Platzhalter in Manager-Anwendung (verschlüsselt, kein Cloud-Round-Trip).
anymize
DSGVO Art. 28 · § 26 BDSG
Human-in-the-loop-Prüfung: Manager liest Empfehlung, plausibilisiert gegen eigene Beziehung, entscheidet selbst über Stay-Gespräch. Score = Frühwarnung, nicht Auslöser.
Mensch
DSGVO Art. 22 (Vermeidung automatisierter Entscheidung)
Stay-Gespräch durch Manager mit dokumentiertem Anlass „turnusmäßiges Karriere-Gespräch”, nicht mit Score-Bezug. Bei Art.-15-Anfrage: vollständige Score-Logik herausgeben.
Mensch
Schutz Mitarbeiter-Vertrauen · Art.-15-Auskunftsrecht
Feedback-Loop und Drift-Monitoring: Quartal-weise Predicted-vs-Actual, False-Positive, Demografie-Bias-Check (AGG). Re-Training bei Drift; BR-Information.
Mensch + Tool
EU AI Act Art. 26 · BetrVG § 80
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Pseudonymisiert MA-IDs, Vorgesetzte und Standorte vor LLM-Übergabe, die KI sieht nur `[[MA-Hash-…]]`, `[[Mgr-Hash-…]]`, `[[Standort-Hash-…]]`.
- Bidirektionale Anonymisierung: Score-Komponenten bleiben in Klartext (für Manager-Erläuterung benötigt), Identifikatoren werden ersetzt.
- Re-identifikation in der Manager-Anwendung verschlüsselt, kein Cloud-Round-Trip, der Klarname kommt nie aus dem deutschen RZ heraus.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO im Standardvertrag; AVV-Pflicht bei Cloud-LLM.
Was Sie als People-Analytics-Lead tun
- DPIA + Bias-Audit + BR-Vereinbarung + Modell-Karte VOR Pilot, kein Roll-Out ohne diese vier Bausteine.
- Variable-Whitelist: keine Art.-9-Daten (Gesundheit, Schwangerschaft, Religion), keine mittelbar diskriminierenden Proxies (z.B. Vergütungslevel benachteiligt Eltern in Teilzeit).
- Quartalsweise Bias-Audit: Score-Verteilung nach Alter, Geschlecht, Schwerbehindertenstatus statistisch signifikant prüfen.
- Art.-15-Auskunfts-Prozess für Beschäftigte etabliert; bei FRIA-Pflicht (Art. 27 EU AI Act) Grundrechte-Folgenabschätzung.
Daten-Input
Aggregierte Score-Komponenten je MA (Tenure, Beförderungs-Lücke, Vergütungslevel vs. interner Median, Engagement-Score, Vorgesetzten-Wechsel, Standort-Cluster), Klasse A. Team-Engagement-Trends (k≥5, Klasse B). Branchen-Benchmark (Gallup, DGFP, Klasse C). Verboten: Gesundheits-/Krankheitsdaten (DSGVO Art. 9), Schwangerschaft, Pflegezeit, Religion, sexuelle Orientierung, Migrationshintergrund.
Output-Kontrolle
Pseudonymisierter Input geht an die KI. Re-identifizierte Manager-Empfehlung mit Top-3-Score-Komponenten in laienverständlicher Sprache + 3–5 Manager-Handlungs-Hinweisen (alle prozess-/nicht entscheidungsbezogen) + Disclaimer kommt zurück. Score-Werte werden NICHT zitiert; Wahrscheinlichkeits-Aussagen verboten.
Freigabeprozess
Sie behalten jederzeit die Hoheit: DPIA + Bias-Audit + BR-Vereinbarung VOR Pilot; quartalsweises Drift-Monitoring; Manager entscheidet eigenständig (human-in-the-loop strukturell); Art.-15-Auskunft auf Anfrage. anymize.ai ist der Pseudonymisierungs-Layer, keine Score-Engine.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. DPIA + Bias-Audit + BR-Vereinbarung + Modell-Karte MÜSSEN vor Pilot vorliegen, sonst kein Roll-Out.
2. Score-Komponenten (Tenure, Beförderungs-Lücke, Vergütungslevel etc.) in anymize einfügen, MA-IDs und Vorgesetzte werden automatisch pseudonymisiert.
3. Diesen Prompt anhängen, „Thinking-Modus” wählen, KI-Aufruf starten.
4. Manager liest re-identifizierte Empfehlung; entscheidet eigenständig über Stay-Gespräch; Score wird NICHT an MA kommuniziert; bei Art.-15-Anfrage vollständige Score-Logik herausgeben.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt einen Manager in Deutschland mit einer
**Hinweis-Empfehlung** für ein mögliches Stay-/Karriere-Gespräch. Eingabe: pseudonymisierter
Retention-Risk-Score (`[[MA-Hash-…]]`) mit Score-Komponenten. Du arbeitest ausschließlich
mit Platzhaltern; Rück-Substitution erfolgt intern. Du triffst **keine** Personal-
entscheidung und **keine** Aussage über das Team-Mitglied selbst.
# Role (R)
Du agierst als HR-BP-Assistenz mit Kenntnis von DSGVO Art. 22 (Verbot automatisierter
Einzelfallentscheidung), EuGH C-634/21 (SCHUFA), EuGH C-203/22 (Dun & Bradstreet,
Transparenz), BetrVG § 87 Abs. 1 Nr. 6, AGG und BAG 8 AZR 74/25. Score = Frühwarnung,
**nicht** Entscheidungsgrundlage.
# Action (A)
1. Erläutere die Top-3-Score-Komponenten in laienverständlicher Sprache (z.B.
„längere Phase ohne Beförderung”, „Vergütungslevel unter internem Median”).
2. Formuliere 3–5 Manager-Handlungs-Hinweise, **alle prozess-/nicht entscheidungs-
bezogen** („Karriere-Gespräch in 6 Wochen”, „Entwicklungs-Pfade vorstellen”,
„Gehalts-Review nächster Zyklus”).
3. Schließe mit Disclaimer: „Diese Empfehlung ist Frühwarn-Hilfe, keine Personal-
entscheidung. Gespräch und Konsequenzen liegen vollständig bei dir.”
4. Keine Aussagen über Vergleichs-Mitarbeitende; keine Score-Werte zitieren; keine
Wahrscheinlichkeits-Behauptungen („verlässt mit 73 % Wahrscheinlichkeit”); keine
spekulativen Gründe.
# Format (F)
- Sektion 1: Score-Komponenten als Bullet-Liste.
- Sektion 2: Handlungs-Hinweise nummeriert.
- Sektion 3: Disclaimer als Hervorhebung.
# Target Audience (T)
Direkter Vorgesetzter; entscheidet eigenständig. Tonalität: kollegial, sachlich,
nicht alarmistisch, nicht deterministisch. Keine Personen-Bewertung; nur Prozess-Hinweise.So sieht der Input aus
Pseudonymisierter Eingabetext
Eingabe für LLM (pseudonymisiert, keine Klarnamen):
Mitarbeiter: [[MA-Hash-a1b2]]
Funktion: Software-Engineering Senior
Vorgesetzter: [[Mgr-Hash-c3d4]]
Standort: [[Standort-Hash-e5f6]]
Tenure: 4,2 Jahre
Score (Retention-Risk): 71/100 (Quartil 4, erhöht)
Score-Komponenten (Gewicht in %):
- Beförderungs-Lücke 36 Monate (25 %)
- Vergütungslevel −8 % vs. interner Median in vergleichbarer Rolle (22 %)
- Engagement-Score letzte 2 Pulse-Surveys leicht unter Team-Mittel (18 %)
- 2 Vorgesetzten-Wechsel in 24 Monaten (15 %)
- Tenure-Bucket-Risiko (12 %)
- Standort-Cluster mit erhöhter Fluktuationsquote (8 %)
Cohort-Vergleichsgruppe Software-Engineering Senior: n=312, Median-Score 52.
Hinweis: Score = Frühwarn-Hinweis; keine Aussage über Wechsel-Wahrscheinlichkeit einer Person.So liefert anymize zurück
Der KI-Entwurf
## Hinweis-Empfehlung für Manager-Gespräch
### Score-Komponenten (intern, nicht an Mitarbeitende weitergeben)
- **Beförderungs-Lücke**: 36 Monate ohne Stellen-/Karriere-Schritt, größter Faktor (25 %).
- **Vergütungslevel**: rund 8 % unter internem Median in vergleichbarer Rolle (22 %).
- **Engagement-Pulse**: letzte beide Pulse-Surveys leicht unter Team-Mittel (18 %).
- **Führungs-Kontext**: zwei Vorgesetzten-Wechsel in 24 Monaten (15 %).
### Manager-Handlungs-Hinweise (Prozess-Ebene)
1. Plane innerhalb der nächsten 6 Wochen ein turnusmäßiges Karriere-Gespräch. Leite
es **nicht** mit „Wir haben gesehen, dass …” ein, der Score ist intern.
2. Bereite die internen Entwicklungs-Pfade in Software-Engineering vor (Tech-Lead,
Architecture, Engineering-Management) und biete sie aktiv an.
3. Prüfe im nächsten Vergütungszyklus (Q3 2026) die interne Markt-Position,
gemeinsam mit Compensation-Partner.
4. Erfrage offen, wie die letzten beiden Vorgesetzten-Wechsel erlebt wurden.
5. Halte den nächsten Pulse-Survey im Blick und biete proaktiv Folgegespräch.
> **Disclaimer.** Frühwarn-Hilfe für dich als Vorgesetzte/n. **Keine** Personal-
> entscheidung, **keine** Aussage über Wechsel-Wahrscheinlichkeit. Du entscheidest
> eigenständig. Score wird nicht angezeigt; Auskunft nach DSGVO Art. 15 → Personalleitung.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
DSGVO Art. 22 + EuGH C-634/21 SCHUFA (SRC-0266), automatisierte Einzelfallentscheidung
Härtester Fallstrick. Score, der automatisch in Vergütungs-/Beförderungs-Entscheidungen einfließt, verletzt Art. 22. SCHUFA-Urteil (07.12.2023) weitet das auf das Score-Erstellen aus. Mitigation: human-in-the-loop strukturell; kein Auto-Trigger; keine Score-Anzeige in Vergütungs-Tools.
EuGH C-203/22 Dun & Bradstreet (SRC-0267), Transparenzpflicht
Score-Logik muss laienverständlich erklärbar sein (27.02.2025). Mitigation: Modell-Karte mit Komponenten + Gewichtungen; auf Art.-15-Anfrage erläutern; Geschäftsgeheimnis entbindet nicht.
BetrVG § 87 Abs. 1 Nr. 6 + § 94 (SRC-0211, SRC-0227, SRC-0257)
Score-System mitbestimmungspflichtig (BAG 1 ABR 20/21); § 94 (Beurteilungsgrundsätze) zwingend. Mitigation: Betriebsvereinbarung vor Roll-Out; Hans-Böckler I.M.U. (STD-0054) als Praxis-Referenz.
AGG-Bias (BAG 8 AZR 74/25 (SRC-0256)) 120.000 EUR Entschädigung
Mittelbar diskriminierende Proxies (Vergütungslevel benachteiligt Eltern in Teilzeit; Beförderungs-Lücke benachteiligt Schwerbehinderte mit Reha-Phasen) erzeugen Diskriminierung. Mitigation: Bias-Audit vor Roll-Out + quartalsweise; Demografie-Vergleich der Score-Verteilung.
DSGVO Art. 9 (SRC-0241), besondere Kategorien
Krankheits-, Schwangerschafts-, Religions-Daten dürfen nicht in Score. Mitigation: Variable-Whitelist; technisch erzwungener Ausschluss in anymize.ai.
Vertrauens-Risiko und Mitarbeiter-Kommunikation
Wenn Belegschaft erfährt, dass „Wechsel-Scores” zirkulieren, Vertrauens-Erosion. DGB-Position kritisch. Mitigation: transparente Kommunikation; BR-Kommunikation; Art.-15-Auskunfts-Prozess.
Drift und Score-Degradation
Modell altert; Bias kann sich erst nach Quartalen zeigen. Mitigation: monatliches Drift-Monitoring; quartalsweises Bias-Audit; BR-Bericht; Re-Training bei Drift > 20 % Predicted-vs-Actual.
EU AI Act Annex III Nr. 4 (SRC-0231), Hochrisiko
Bei Beförderungs-/Kündigungs-Bezug Hochrisiko-KI. Mitigation: klare Trennung „Frühwarnung vs. Entscheidung”; Modell-Doku nach Art.-26-Standard (SRC-0233); FRIA Art. 27 (SRC-0234) bei breitem Einsatz.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Retention-Risk-Scoring ist DSGVO-Art.-22-Zentralnorm-Fall. Das Verbot automatisierter Einzelfallentscheidungen mit erheblicher Wirkung wird durch EuGH C-634/21 SCHUFA (07.12.2023) auf das Score-Erstellen ausgeweitet, wenn der Score in nachgelagerten Entscheidungen eine maßgebliche Rolle spielt, ist es bereits Art. 22. EuGH C-203/22 Dun & Bradstreet (27.02.2025) verlangt Transparenzpflicht: Scoring-Logik muss laienverständlich erklärbar sein; Geschäftsgeheimnisse entbinden nicht. anymize.ai pseudonymisiert MA-IDs und Vorgesetzte vor LLM-Übergabe; human-in-the-loop ist strukturell verankert (Manager entscheidet eigenständig, kein Auto-Trigger, keine Score-Disclosure an MA). BetrVG § 87 Abs. 1 Nr. 6 + § 94 (Beurteilungsgrundsätze) machen das System mitbestimmungspflichtig, Betriebsvereinbarung vor Roll-Out Pflicht. AGG §§ 1, 3, 7 + BAG 8 AZR 74/25 (120 k EUR Altersdiskriminierung): Bias-Audit + Modell-Karte. § 26 BDSG + DSGVO Art. 35 DPIA: zwingend vor Pilot. DSGVO Art. 9: Variable-Whitelist erzwingt Ausschluss von Gesundheits-/Schwangerschafts-/Religions-Daten. EU AI Act Annex III Nr. 4 (Hochrisiko bei Personalentscheidungs-Kopplung) + Art. 26 (KI-Inventar) + Art. 27 FRIA (Grundrechte-Folgenabschätzung). Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO. Originaldokumente werden nicht gespeichert.
Was anymize konkret leistet
- Pseudonymisiert MA-IDs, Vorgesetzte und Standorte vor LLM-Übergabe, KI sieht ausschließlich Hash-Platzhalter.
- Variable-Whitelist erzwingt Ausschluss von Art.-9-Daten (Gesundheit, Schwangerschaft, Religion), technisch, nicht optional.
- Re-identifikation in Manager-Anwendung verschlüsselt, kein Cloud-Round-Trip, Klarname kommt nie aus dem deutschen RZ.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO im Standardvertrag.
- Alternative: Native Plattform (Visier Vee, Workday Illuminate, Lattice, Culture Amp) mit AVV/HRIS-Anbindung, beschränkte Transparenz; oder Kein-Scoring-Pfad mit nur aggregierten Cohort-Risikoberichten (geringerer Hebel, deutlich niedrigeres Risiko).
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor Pilot (Pflicht-Bausteine)
- DPIA nach DSGVO Art. 35 vor Pilot abgeschlossen?
- Bias-Audit (Demografie-Vergleich Score-Verteilung) vor Roll-Out + quartalsweise?
- Betriebsvereinbarung nach BetrVG § 87 Abs. 1 Nr. 6 + § 94 unterzeichnet?
- Modell-Karte mit Score-Komponenten + Gewichtung dokumentiert (EuGH C-203/22)?
- Variable-Whitelist (kein Art.-9-Datum als Score-Komponente)?
Vor und nach KI-Aufruf
- Pseudonymisierung der MA-IDs und Vorgesetzten geprüft?
- Human-in-the-loop strukturell verankert (kein Auto-Trigger)?
- KI-Output enthält keine Score-Werte und keine Wahrscheinlichkeits-Aussagen?
- Manager-Empfehlung enthält Disclaimer und Art.-15-Verweis?
Laufender Betrieb
- AVV mit anymize-Anbieter und Cloud-LLM (DSGVO Art. 28)?
- KI-Inventar-Eintrag nach EU AI Act Art. 26; bei Personalentscheidungs-Bezug FRIA (Art. 27)?
- Art.-15-Auskunfts-Prozess für Beschäftigte etabliert?
- Drift-Monitoring monatlich; BR-Bericht quartalsweise?
Typische Fehlermuster und wie anymize gegensteuert
- →KI behauptet Wechsel-Wahrscheinlichkeit in Prozent („verlässt mit 73 %”), der Prompt verbietet das explizit; Manager-Plausibilisierung fängt das ab.
- →KI zitiert Score-Wert im Output („Score 71/100”), der Prompt zwingt zur intern-Markierung; Score wird nie an MA kommuniziert.
- →KI generiert Empfehlungen mit demografischen Sub-Aussagen („typisch bei jungen MA”), AGG-Bias-Risiko; Bias-Audit fängt das ab.
- →KI extrapoliert mittelbar diskriminierende Proxies, Variable-Whitelist + quartalsweises Bias-Audit verhindern.
- →Manager nutzt Empfehlung als Entscheidungs-Grundlage statt als Frühwarnung, der Disclaimer im Output + BR-Vereinbarung dokumentieren human-in-the-loop strukturell.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Datenschutz und Mitbestimmung
- Verbot automatisierter Einzelfallentscheidung: Zentralnorm
- Variable-Whitelist; keine Gesundheits-/Religions-Daten
- Folgenabschätzung zwingend
- Mitbestimmung KI-Tool
- Beurteilungsgrundsätze
- BR-Informationsrecht
- Beschäftigtendatenverarbeitung
EuGH-Rechtsprechung (kritischste DSGVO-Brisanz)
- Score-Erstellen kann bereits Art.-22-Fall sein; 07.12.2023
- Transparenzpflicht für Scoring-Logik; 27.02.2025
- 120.000 EUR Altersdiskriminierung; algorithmische Bias
- Microsoft 365 + GBR + § 87 BetrVG
EU AI Act und Plattformen
- Hochrisiko bei Personalentscheidungs-Kopplung
- KI-Inventar; Modell-Karten-Pflicht
- Grundrechte-Folgenabschätzung
- Plattform-Belegt
- Plattform-Beleg
- Betriebsvereinbarungen-Praxis
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.