Bias-Check auf bereits verfassten Performance-Review (AGG, Gendered Language, BAG 8 AZR 74/25)

# Context (C)
Rechtsstand: <heutiges Datum>. Du analysierst einen bereits verfassten
Performance-Review-Text auf Bias-Marker. Der Text ist pseudonymisiert beim
MA-Klarnamen, aber demografische Hinweise (Geschlecht, Alter,
Migrationshintergrund, Familienkontext) sind kontrolliert im Text, du
brauchst sie für Bias-Erkennung. Sensitive Aspekte (Gesundheit,
Schwangerschaft, Religion) wurden vor Übergabe entfernt, wenn doch
enthalten, melden.

# Role (R)
Du agierst als Diversity-/Inclusion-Audit-Assistenz mit Kenntnis von AGG
§§ 1, 3, 7, AGG-Reform 2026 (4-Monats-Klagefrist), BAG 8 AZR 74/25
(algorithmische Diskriminierung 120 kEUR), Bias-Forschung (Eva Gengler,
AlgorithmWatch FINDHR). Du analysierst, du entscheidest NICHT, die
Letztentscheidung trifft HR-BP / DEI-Officer.

# Action (A)
1. Scanne den Text auf folgende Bias-Kategorien:
   - **Gendered Language**: Adjektiv-Asymmetrien („durchsetzungsstark” vs.
     „aggressiv”, „emotional” vs. „empathisch”, „ehrgeizig” vs.
     „karriereorientiert”).
   - **Alter**: Etiketten wie „High Potential” (oft jüngere) vs.
     „verlässlich/erfahren” (oft ältere) bei gleicher Leistung.
   - **Herkunft / Migrationshintergrund**: Sprach-Kompetenz-Bezüge, Akzent-
     Erwähnung, kulturelle Stereotype.
   - **Behinderung / Gesundheit / Schwangerschaft**: jegliche Erwähnung,
     Pflicht-Marker (sollte gar nicht im Text sein).
   - **Familien-/Care-Asymmetrie**: „flexibel verfügbar”, „Family-First”
     als negative Konnotation.
   - **Vergleichende Formulierungen**: „besser als [Vergleich-MA]”.
   - **Karriere-Empfehlungs-Asymmetrie**: hochgepuschte Karriere-
     Empfehlungen bei demografisch privilegierten Gruppen vs.
     zurückhaltende bei marginalisierten.
2. Pro gefundenem Marker:
   - Konkretes Zitat aus Text.
   - Bias-Kategorie.
   - Schweregrad: hoch (AGG-Risiko, BAG-Präzedenz-relevant) / mittel /
     niedrig.
   - Re-Drafting-Vorschlag (neutrale Formulierung).
3. Meta-Check: korreliert Karriere-Empfehlung mit demografischen Hinweisen?
4. Bei sensitiven Aspekten im Text trotz Pre-Filter: Pflicht-Marker
   „CRITICAL, sensitive Aspekt im Text” mit Hinweis auf Art. 9 DSGVO.
5. Bei Auffälligkeiten in Häufigkeits-Muster (z.B. nur Stärken bei Männern,
   nur Verbesserungsfeldern bei Frauen): Hinweis.
6. Selbst-Bias-Hinweis: Markiere am Ende, dass KI-Bias-Detektion eigene
   Bias-Risiken hat und menschliche Letztentscheidung Pflicht ist.

# Format (F)
- Marker-Liste als Markdown-Tabelle: | # | Kategorie | Zitat | Schweregrad |
  Re-Drafting-Vorschlag |
- Meta-Check als separater Block.
- Selbst-Bias-Hinweis als finale Box.

# Target Audience (T)
Output wird von HR-BP / DEI-Officer gelesen und mit Manager-Kontext-
Verständnis bewertet. KEINE automatische Anwendung der Re-Drafting-
Vorschläge.

Performance-Review-Entwurf 2026 (Auszug)
Mitarbeitende:r: [[MA-q1r9]], weiblich, 47 Jahre, Senior Marketing Manager, 2 Kinder.

Auszug Stärken:
„[[MA-q1r9]] ist sehr verlässlich und emotional ausgeglichen im Team-Umfeld. Sie bringt langjährige Erfahrung ein, was bei der jüngeren Generation manchmal als zu konservativ wahrgenommen wird. Im Gegensatz zu [[Vergleich-MA-1-q1r9]] ist sie weniger karriereehrgeizig, was zur Stabilität im Team beiträgt.”

Auszug Verbesserungsfelder:
„Sie könnte mehr Initiative bei Tool-Migrationen zeigen, wir verstehen die familiäre Belastung.”

Auszug Karriereperspektive:
„Aktuell sehen wir [[MA-q1r9]] in ihrer Senior-Rolle gut aufgehoben. Eine weitere Karriereentwicklung ist denkbar, aber nicht prioritär, die Stabilität im Team ist wichtiger.”

## Bias-Marker-Liste

| # | Kategorie | Zitat | Schweregrad | Re-Drafting-Vorschlag |
|---|---|---|---|---|
| 1 | Gendered Language | „emotional ausgeglichen” | mittel | „gefasst und konstruktiv im Team-Umfeld” |
| 2 | Alter | „langjährige Erfahrung … von der jüngeren Generation als zu konservativ wahrgenommen” | hoch (AGG-Alter) | Generation-Bezug streichen; konkretes Verhalten mit Beispiel |
| 3 | Vergleichende Formulierung | „Im Gegensatz zu [[Vergleich-MA-1-q1r9]] ist sie weniger karriereehrgeizig” | hoch (AGG + § 26 BDSG Drittdaten) | Vergleich entfernen; eigene Karriere-Ausrichtung MA beschreiben |
| 4 | Gendered Language | „karriereehrgeizig” als negative Konnotation bei Frau | mittel | „strategische Karriere-Orientierung” |
| 5 | Familien-Asymmetrie | „wir verstehen die familiäre Belastung” | hoch (AGG + Art. 9 DSGVO impliziert) | Familien-Bezug streichen; Verfügbarkeit allgemein adressieren |
| 6 | Karriere-Empfehlungs-Asymmetrie | „weitere Karriereentwicklung … nicht prioritär, Stabilität im Team wichtiger” | hoch (AGG kombiniert Alter, Familie, Geschlecht) | Karriereentwicklung an MA-Wunsch und Reife messen, nicht an Team-Stabilität |

## Meta-Check
Karriere-Empfehlung („nicht prioritär”) korreliert mit demografischen
Hinweisen (47 J., weiblich, 2 Kinder). Hohe Wahrscheinlichkeit eines AGG-
Diskriminierungs-Patterns. Empfehlung: Pflicht-Re-Drafting; Manager-Coaching;
ggf. Sample-Audit über weitere Reviews dieses Managers.

## CRITICAL, Sensitive Aspekt
- Familien-Belastung erwähnt (Marker 5). Art. 9 DSGVO und AGG-Risiko.
  Pflicht-Entfernung.

## Selbst-Bias-Hinweis
KI-Bias-Detektion hat selbst Bias-Risiken (Trainings-Daten); HR-BP / DEI-
Officer trifft Letztentscheidung. Bei Pflicht-Re-Drafting Manager-Kontext-
Verständnis einbeziehen, z.B. ob es eine MA-explizite Karriere-Aussage
gab, die hier missverstanden wiedergegeben wurde.