Performance Management und Feedback

Continuous-Feedback-Pulse-Question-Design (k-Anonymität, BetrVG § 87, Microsoft Viva Glint)

anymize light-Pseudonymisierung bei Org-Kontext-Notiz. KI designt Pulse-Programm (Quarterly + Weekly) mit Item-Validitäts-Audit, k-Anonymität-Schwellen (k≥5 Standard, k≥10/15/20 für Sensitiv-Items), AGG-Audit pro Item und BR-Vorlage-Outline.

Schwierigkeit: Fortgeschritten · 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 im Performance Management und Feedback

Continuous-Feedback-Pulses sind zunehmend integraler Teil des Performance-Management-Zyklus — sie ersetzen oder ergänzen klassische Jahres-Reviews durch frequente Engagement-Signale. BetrVG § 87 Abs. 1 Nr. 6 (BAG 1 ABR 20/21) macht Pulse-Tools mitbestimmungspflichtig; k-Anonymität nach DSGVO Art. 4 Nr. 5 und § 26 BDSG verlangt sorgfältige Aggregations-Design. Gallup STD-0050: kontinuierliches Feedback reduziert Disengagement.

02

Für wen passt das?

Zielgruppe und Kontext

Rolle
HR-Business-Partner (Primärnutzer Pulse-Setup), People-Analytics (Auswertung), Internal Communications, Engagement-Specialist, CHRO (strategischer Sponsor).
Seniorität
Fortgeschritten — Pulse-Design verlangt Survey-Forschung (Item-Validität, Skalen-Auswahl), DSGVO-Sensibilität (k-Anonymität) und BetrVG-Wissen.
Unternehmensgröße
Mittelstand mit Engagement-Tool, Konzern, Startups mit Culture-Fokus. Bei <100 MA wird k-Anonymität bei Sub-Cluster-Cuts schnell schwierig.
Spezifische Kontexte
(a) Quarterly Engagement Pulse (12–20 Items, 5–10 Min), (b) Weekly Heartbeat Pulse (1–3 Items, <1 Min), (c) Event-getriebener Pulse nach Organisations-Change, (d) Stay-Pulse für Schlüsselrollen.
03

Die Situation in der Personalabteilung

So bringen Sie Tempo und Sorgfalt zusammen

Continuous-Feedback-Pulses sind das wichtigste Frühwarn-Instrument im modernen Performance-Management. Microsoft Viva Glint, Culture Amp, Leapsome, Workday Peakon dominieren den DE-Markt 2025–2026. Pulse-Design hat zwei kritische Anforderungen: (1) Inhaltliche Validität — Items müssen tatsächlich messen, was sie messen sollen. Generische US-Items oft DE-kulturell unpassend (z.B. „Do you have a best friend at work?” wird in DE als invasiv wahrgenommen). Eva Gengler (YT-034) zur feministischen KI-Perspektive — Items dürfen nicht implizit Schutzgruppen-Bias kodieren. (2) DSGVO/BetrVG-konforme Aggregation — BetrVG § 87 Abs. 1 Nr. 6 (BAG 1 ABR 20/21) macht Pulse-Tools mitbestimmungspflichtig; k-Anonymität-Schwellenwerte (typisch k≥5 oder k≥10 für Sensitiv-Items) müssen technisch durchgesetzt werden. § 26 BDSG, DSGVO Art. 9 (bei sensitiven Items wie Mental-Health-Pulse). EU AI Act Annex III bei automatisierter Sentiment-Analyse über Open-Comments.

04

Was Sie davon haben

Zeit, Wert, Vertraulichkeit

Zeit pro Pulse-Design

2–5 h

Bei 2 Pulse-Designs/Jahr (Quarterly + Weekly Heartbeat) = 4–10 h HR-Kapazität.

Frühwarn-Wirkung

10 % früher

Wenn Pulse-Design 10 % früher Engagement-Drops erkennt: Retention-Wirkung erlaubt; Wiederbesetzungs-Kosten signifikant.

k-Anonymität

k≥5 / k≥10/15/20

Standard k≥5; bei Sensitiv-Items (Mental-Health, Diskriminierungs-Erfahrungen) höhere Schwellen.

Anymize-Klasse

B (Open-Comments bei A)

Pulse-Design Klasse B; Open-Comments mit MA-identifizierenden Inhalten = Klasse A bei externem KI-Einsatz.

05

So gehen Sie vor

Der Workflow Schritt für Schritt

1

Strategie-Definition: Welche Engagement-Dimensionen? Welche Frequenz (Quarterly + Weekly)? Welche Zielgruppen?

Mensch (CHRO + HR-Leitung)

Strategie

2

Organisations-Kontext-Notiz: Org-Struktur, Manager-Cluster, Schutzgruppen-Verteilung, kürzliche Change-Events.

Mensch (HR-BP)

Kontext für Item-Design

3

Pseudonymisierung Org-Kontext-Notiz mit anymize bei Re-Identifikations-Risiko.

Mensch + anymize

DSGVO Art. 28

4

KI-Pulse-Design: Item-Vorschlag, Skalen-Auswahl, Kategorisierung, k-Anonymität-Schwellenwerte, Aggregations-Logik.

KI

Strukturierung

5

AGG-/Bias-Audit der Items: prüfen, ob Items implizit Schutzgruppen kodieren oder benachteiligen.

Mensch (D&I + HR-BP)

AGG-Sensibilität

6

k-Anonymität-Berechnung: für jeden geplanten Cluster-Cut k berechnen; bei k<5 Cluster-Cut deaktivieren oder Cluster vergrößern.

Mensch

Re-Identifikations-Schutz

7

BR-Vorlage: Pulse-Setup ist mitbestimmungspflichtig. BV mit BR über Tool + Aggregations-Logik + Datenfluss + Sensitiv-Item-Schutz vor Rollout.

Mensch (HR-BP + BR-Vorsitz)

BetrVG § 87

8

Pilot-Rollout mit 50–100 MA; technischer + inhaltlicher Test.

Mensch + System

Iteration

9

Voll-Rollout; kontinuierliche Auswertung; Trend-Reporting. Quartalsweise Item-Review.

Mensch + System (People-Analytics)

Operationalisierung · Iteration

06

Womit Sie arbeiten

So setzen Sie anymize konkret ein

Was anymize tut

  • Light-Pseudonymisierung bei Org-Kontext-Notiz mit Re-Identifikations-Risiko (kleine Cluster).
  • Bei Open-Comments mit MA-identifizierenden Inhalten: Pseudonymisierung vor LLM-basierter Sentiment-Analyse.
  • Daten in deutschen Rechenzentren (Hetzner); AVV nach Art. 28 DSGVO.

Was Sie als HR-BP / People-Analytics tun

  • Engagement-Dimensionen + Frequenz strategisch definieren.
  • Item-Validitäts-Audit: keine Doppelfragen, kulturelle Passung DE.
  • k-Anonymität-Matrix pro Cluster-Cut; Manager-Cluster <5 deaktiviert; Cross-Cuts mit Schutzgruppen vorsichtig.
  • D&I-Officer-Review AGG-Implikationen; DSB-Sign-off Sensitiv-Modul.
  • BV mit BR über Tool + Aggregations-Logik + Datenfluss vor Rollout.

Daten-Input

Strategie-Definition (Engagement-Dimensionen, Frequenz, Zielgruppen), Org-Struktur (Abteilungen, FK-Cluster-Größen, Standort-Verteilung, Schutzgruppen-Verteilung), Themen-Fokus (z.B. Manager-Beziehung, Wachstum, Wellbeing), Sensitiv-Themen-Bedarf, BR-Status (bestehende BV oder Erweiterung nötig).

Output-Kontrolle

Pseudonymisierter Input geht an die KI. Re-identifiziertes Pulse-Programm-Design mit 6–8 Engagement-Dimensionen, 12–20 Quarterly-Items (5-Point oder 11-Point Likert), 4 rotierende Weekly Heartbeat-Items + eNPS, AGG-Audit pro Item, k-Anonymität-Matrix pro Cluster-Cut, Sensitiv-Modul (Mental-Health/Diskriminierung mit k≥15/20 separat), BR-Vorlage-Outline für BV-Erweiterung.

Freigabeprozess

HR-BP + BR-Vorsitz + DSB validieren; People-Analytics-Team konfiguriert Tool; Pilot-Rollout 50–100 MA; bei Sentiment-Analyse über Open-Comments: EU-AI-Act-Annex-III-Hinweis + Mensch-Letztentscheidung.

07

Die KI-Anweisung

Prompt zum Kopieren

So nutzen Sie diesen Prompt:

1. Strategie + Org-Struktur + Themen-Fokus in anymize einfügen.

2. Light-Pseudonymisierung bei Re-Identifikations-Risiko.

3. Thinking-Modus, KI-Aufruf starten.

4. D&I-Audit pro Item; k-Anonymität-Matrix; BR-Vorlage-Outline.

5. BV mit BR + DSB-Sign-off Sensitiv-Modul; Pilot 50–100 MA.

Empfohlener Reasoning-Modus: Thinking — Item-Validität + k-Anonymität-Berechnung + AGG-Audit verlangen mehrstufiges Abwägen.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt einen HR-Business-Partner in
einem deutschen Unternehmen beim Design eines Continuous-Feedback-Pulse-
Programms (Quarterly Engagement Pulse 12–20 Items + Weekly Heartbeat 1–3
Items). Tool-Stack: Microsoft Viva Glint oder Culture Amp oder Leapsome.
Org-Kontext ist pseudonymisiert.

# Role (R)
Du agierst als Engagement-Survey-Designer mit Kenntnis von Item-Validitäts-
Forschung (Gallup Q12, UWES, Job Demands-Resources), BetrVG § 87 Abs. 1 Nr. 6
(BAG 1 ABR 20/21), DSGVO Art. 22, § 26 BDSG, k-Anonymität-Prinzipien, AGG-
Sensibilität (BAG 8 AZR 74/25). Du operierst kultur-sensibel für DE — keine
US-Items, die als invasiv wahrgenommen werden.

# Action (A)
1. **Engagement-Dimensionen** (6–8): Manager-Beziehung, Aufgaben-Fit,
   Wachstums-Möglichkeiten, Wellbeing, Inklusions-Klima, Strategie-
   Verständnis, Anerkennung, Team-Kohäsion.
2. **Quarterly Engagement Pulse** (12–20 Items): pro Dimension 2–3 Items in
   5-Point-Likert oder 11-Point-Likert (Glint-Standard). Pro Dimension
   1 Open-Comment.
3. **Weekly Heartbeat** (1–3 Items): 1 eNPS-ähnlicher Item + 1 wechselnde
   Dimension.
4. **k-Anonymität-Schwellenwerte**:
   - Standard k≥5 für alle Cluster-Cuts.
   - k≥10 für Sensitiv-Items (Diskriminierungs-Erfahrungen, Belästigung,
     Mental-Health).
5. **Aggregations-Logik**: pro Cluster-Cut (Team, Manager, Standort, Tenure)
   k berechnen; bei Unterschreitung Cut deaktivieren mit Markierung
   `[[K-ANONYMITÄT: nicht aggregiert]]`.
6. **AGG-/Bias-Audit pro Item**: prüfen, ob Item Schutzgruppen-Bias kodiert;
   ggf. Re-Drafting-Vorschlag.
7. **Sensitiv-Item-Handling**: Mental-Health-Items, Diskriminierungs-Items
   als getrennte Module mit höheren k-Schwellen + DSGVO-Art.-9-
   Verarbeitungs-Hinweis.
8. **Open-Comment-Sentiment-Analyse**: bei automatisierter Verwendung
   EU-AI-Act-Annex-III-Hochrisiko-Hinweis + Mensch-Letztentscheidung-Pflicht.
9. **Striktes Gebot — Kultur-Sensibilität**: keine direkten US-Item-
   Übernahmen ohne DE-Adaption.
10. **Striktes Gebot — Doppelfragen-Verbot**: kein „Items wie 'Mein Manager
    ist klar UND fair'” — Items messen je eine Konstrukt-Facette.

# Format (F)
- Engagement-Dimensionen als Markdown H2.
- Pro Dimension: Item-Tabelle | # | Item-Text | Skala | k-Schwelle |
  AGG-Audit-Ergebnis |.
- k-Anonymität-Matrix pro Cluster-Cut: Tabelle | Cut | typische Größe |
  k erfüllt | Aggregation aktiv? |.
- Sensitiv-Item-Block separiert.
- BR-Vorlage-Outline.

# Target Audience (T)
Der Output wird von HR-BP gelesen, mit BR-Vorsitz und DSB validiert, mit
People-Analytics-Team in Tool konfiguriert. Tonalität: präzise, validitäts-
bewusst, kultursensibel.
08

So sieht der Input aus

Pseudonymisierter Eingabetext

Original-Setup-Briefing Klasse B nach light-Pseudonymisierung.
Pulse-Programm Setup-Briefing 2026
Org: deutsches Versicherungs-Unternehmen, n=2.400 MA
Tool: Microsoft Viva Glint

Org-Struktur (pseudonymisiert):
- 12 Abteilungen, je 80–400 MA
- 200 FK (Manager-Cluster-Größen: 60 % n=10–20, 30 % n=5–9, 10 % n=2–4)
- Standorte: 8 (München, Hamburg, Berlin, Köln, Frankfurt + 3 kleinere n=30–80)

Geplante Frequenz:
- Quarterly Engagement Pulse: 4× im Jahr, 15 Min, 12–18 Items.
- Weekly Heartbeat: jeden Montag, 1–2 Items, <1 Min.

Themen-Fokus 2026:
- Manager-Beziehung (nach BAG 8 AZR 74/25 verstärkter Bias-Fokus)
- Wachstum/Karriere (Retention-Hebel)
- Wellbeing (Pulse-Trend zeigt Burn-out-Risiko nach Reorga 2025-Q4)
- Inklusions-Klima (D&I-Initiative)
- Hybrid-Work-Balance

Sensitiv-Themen:
- Mental-Health (Pilot in 1 Abteilung mit Wellbeing-Team-Anschluss)
- Diskriminierungs-Erfahrungen (Pilot mit D&I-Officer)

BR-Status:
- BV „Mitarbeiterbefragungen” aus 2023, muss erweitert werden für Continuous-Feedback.
- BR-Vorsitz hat Bedenken zu Manager-Cluster-Auswertung wegen kleiner Cluster (n=2–4).

KEINE realen MA-Daten.
09

So liefert anymize zurück

Der KI-Entwurf

KI-Output mit 8 Engagement-Dimensionen, 16 Items, Weekly Heartbeat, Sensitiv-Modul mit höheren k-Schwellen und BR-Vorlage-Outline.
## Engagement-Dimensionen (8)
1. Manager-Beziehung · 2. Aufgaben-Fit · 3. Wachstum/Karriere · 4. Wellbeing · 5. Inklusions-Klima · 6. Strategie-Verständnis · 7. Anerkennung · 8. Team-Kohäsion + Hybrid-Balance

---

## Quarterly Engagement Pulse — 16 Items (Auszug pro Dimension 2 Items)

### Dimension 1: Manager-Beziehung
| # | Item-Text | Skala | k-Schwelle | AGG-Audit |
|---|---|---|---|---|
| 1.1 | „Mein:e Manager:in gibt mir hilfreiches Feedback zu meiner Arbeit.” | 5-Point Likert | k≥5 | OK |
| 1.2 | „Mein:e Manager:in unterstützt mich aktiv in meiner Weiterentwicklung.” | 5-Point Likert | k≥5 | OK |
| 1.O | Open: „Was würdest du dir von deiner Führungskraft mehr/anders wünschen?” | Text | k≥10 (Re-ID-Risiko) | OK |

### Dimension 5: Inklusions-Klima
| # | Item-Text | Skala | k-Schwelle | AGG-Audit |
|---|---|---|---|---|
| 5.1 | „Ich kann bei [[Unternehmen]] authentisch sein.” | 5-Point Likert | k≥10 | sensibel, k erhöht |
| 5.2 | „Verschiedene Perspektiven werden in meinem Team wirklich gehört.” | 5-Point Likert | k≥5 | OK |

### Globaler eNPS-Item (Pflichtelement Glint)
| eNPS | „Wie wahrscheinlich würdest du [[Unternehmen]] als Arbeitgeber empfehlen?” | 11-Point (0–10) | k≥5 |

---

## Weekly Heartbeat (rotierende Items)
| Woche | Item | Skala |
|---|---|---|
| W1 | eNPS Heartbeat | 11-Point |
| W2 | „Meine Arbeit hat diese Woche Sinn ergeben.” | 5-Point |
| W3 | „Ich habe diese Woche fokussiert arbeiten können.” | 5-Point |
| W4 | „Ich habe diese Woche Unterstützung erhalten, wenn ich sie brauchte.” | 5-Point |

---

## Sensitiv-Modul (separat, opt-in)

### Mental-Health-Pilot-Items (k≥15)
- „Ich erlebe regelmäßige Erschöpfungs-Phasen, die mit der Arbeit zusammenhängen.” (5-Point)
- „Ich weiß, wo ich Unterstützung bekomme, wenn ich sie brauche.” (5-Point)

### Diskriminierungs-Erfahrungs-Modul (k≥20, DSB-Pflicht-Sign-off)
- „Ich habe in den letzten 12 Monaten Diskriminierung am Arbeitsplatz erlebt.” (Ja/Nein)
- Bei „Ja”: offener Hinweis zur internen Beschwerdestelle (KEINE Detail-Items im Pulse).

---

## k-Anonymität-Matrix
| Cluster-Cut | typische Größe | k≥5 erfüllt | Aggregation aktiv? |
|---|---|---|---|
| Gesamt-Unternehmen | n=2.400 | ja | ja |
| Pro Abteilung (12) | 80–400 | ja | ja |
| Pro Manager-Cluster | 2–20 | 60 % ja, 30 % grenzwertig, 10 % nein | bei n≥5 aktiv; n<5 deaktiviert |
| Pro Standort (8) | 30–800 | ja | ja |
| Pro Gender-Bin (3) | variable | m/w ja; d je nach Org klein → vorsichtig | k-Check pro Step |
| Manager × Gender-Cross | klein | meist nein | **deaktiviert** |
| Standort × Gender-Cross | klein | teilweise | **k-Check** |

**Sensitiv-Module**: höhere Schwellen — `[[K-ANONYMITÄT 15+: bei Mental-
Health-Modul nur Org-/Abteilungs-Aggregation aktiv]]`.

---

## BR-Vorlage-Outline (BV-Erweiterung)
1. **Tool**: Microsoft Viva Glint mit EU-Hosting/M365-Tenant-DE.
2. **Frequenz**: Quarterly + Weekly.
3. **Item-Set**: vollständig im BV-Anhang, jede Erweiterung BR-Zustimmung.
4. **Aggregations-Schwellen**: k≥5 Standard, k≥10/15/20 für Sensitiv-Items.
5. **Cluster-Cuts**: erlaubt: Org, Abteilung, Standort, Tenure. Manager-
   Cluster nur bei n≥5. Cross-Cuts mit Gender/Alter nur bei k≥5.
6. **Sentiment-Analyse über Open-Comments**: EU-AI-Act-Hochrisiko, Mensch-
   Letztentscheidung, BR-Information bei Tool-Updates.
7. **Datenfluss**: Glint → Tenant DE → People-Analytics-Team; keine Public-
   Cloud-LLM-Verarbeitung von Rohkommentaren ohne Anonymisierung.
8. **Sensitiv-Modul**: Mental-Health + Diskriminierungs-Items separat;
   höhere k-Schwellen; DSB-Sign-off pro Welle.
9. **Speicher-Frist**: rohe Antworten 12 Monate; aggregierte Trends
   unbegrenzt.
10. **MA-Auskunfts-Rechte**: Art. 15 DSGVO; Verfahren dokumentiert.
10

Was das HR-Recht verlangt

Pflichten — und wie anymize sie abdeckt

BetrVG § 87 Abs. 1 Nr. 6 + BAG 1 ABR 20/21 (SRC-0211, SRC-0257)

Pulse-Tool = technische Überwachungseinrichtung → BV-Pflicht. Manager-Cluster-Auswertung kann unter § 94 Beurteilungsgrundsätze fallen.

k-Anonymität-Verletzung

Bei kleinen Manager-/Standort-/Demografie-Clustern wird Aggregation zur de-facto-Einzelauswertung. k-Anonymität-Matrix mit aktiver Cluster-Deaktivierung bei k<5.

DSGVO Art. 9 — Mental-Health-Items (SRC-0241)

Gesundheits-Items sind besondere Kategorien → höhere Schutz-Anforderungen. Sensitiv-Modul-Trennung, k≥15, DSB-Sign-off.

AGG-implizite Item-Kodierung (SRC-0217, 0256)

Items wie „Ich kann bei uns authentisch sein” sind Inklusions-Items mit potenzieller Schutzgruppen-Implikation. Bei Aggregation auf Schutzgruppen-Cuts ohne k-Schwelle Diskriminierungs-Vorwurf möglich.

EU AI Act Annex III Sentiment-Analyse (SRC-0231)

Automatisierte Sentiment-Analyse über Open-Comments mit Personalmanagement-Folge = Hochrisiko. Art. 26 Betreiber-Pflichten.

DSGVO Art. 22 (SRC-0240)

Pulse-getriebene Personalmaßnahmen mit erheblicher Auswirkung verlangen menschliche Letztentscheidung.

Doppelfragen

Items mit zwei Konstrukten („klar UND fair”) sind validitäts-fehlerhaft.

US-Item-Kultureller-Crash

„Best friend at work” und ähnliche US-Items werden in DE als invasiv wahrgenommen → niedrige Response-Quote oder Vertrauens-Crash.

11

Datenschutz und Vertraulichkeit

So funktioniert das mit anymize

Pulse-Design = Klasse B; Pulse-Antworten Roh-Ebene = Klasse A mit MA-Bezug; aggregierte Trends bei k≥5 = Klasse B. Bei Sensitiv-Modulen (Mental-Health) DSGVO Art. 9 + BR-Einverständnis-Modell. AVV mit Pulse-Tool + anymize bei externem KI-Einsatz (Art. 28 DSGVO). DPIA für Pulse-Programm (Art. 35; EU AI Act bei Sentiment-Analyse). k-Anonymität als TOM. Speicher-Frist: rohe Antworten 12 Monate; aggregierte Trends unbegrenzt.

Was anymize konkret leistet

  • Light-Pseudonymisierung Org-Kontext-Notiz.
  • Bei Open-Comments mit MA-identifizierenden Inhalten: Anonymisierung vor LLM-basierter Sentiment-Analyse.
  • Microsoft Viva Glint (M365-integriert, EU-Hosting, robuste k-Anonymität) als primäres Pulse-Tool.
  • Culture Amp (EU-Hosting, strenge k-Schwellen).
  • Leapsome (EU-Hosting, DE-native).
  • Workday Peakon (DE-RZ verfügbar).
  • Hybrid: Tool für Datenerhebung + KI für Item-Design extern.
12

Sicherheitscheck vor der Veröffentlichung

Was anymize liefert — was Sie souverän entscheiden

Vor Pulse-Setup

  • Item-Validität: keine Doppelfragen, DE-kultursensibel.
  • AGG-Audit pro Item.
  • k-Anonymität-Matrix vollständig pro Cluster-Cut.

Vor Rollout

  • Manager-Cluster <5 deaktiviert; Cross-Cuts mit Schutzgruppen vorsichtig.
  • Sensitiv-Modul separat mit k≥15/20; DSB-Sign-off.
  • BV-Erweiterung mit BR vereinbart.
  • DPIA aktualisiert (EU AI Act bei Sentiment-Analyse).
  • Art. 15 DSGVO Auskunfts-Verfahren dokumentiert.

Nach Pilot

  • Pilot-Rollout 50–100 MA technisch + inhaltlich getestet.
  • Quartalsweise Item-Review (Response-Variance, Redundanz).
  • Speicher-Frist definiert; Audit-Trail (Tool, Item-Set-Version).

Typische Fehlermuster — und wie anymize gegensteuert

  • Doppelfragen — validitäts-fehlerhaft.
  • k-Anonymität-Verletzung bei kleinen Clustern.
  • DSGVO Art. 9-Items im Standard-Pulse statt Sensitiv-Modul.
  • AGG-implizite Item-Kodierung — D&I-Officer-Audit pflichtig.
  • US-Items ohne DE-Adaption („Best friend at work”) — Response-Crash.
  • Sentiment-Analyse über Open-Comments ohne EU AI Act-Compliance — Hochrisiko-Verstoß.
  • ChatGPT-Privat-Account für Pulse-Auswertung — ArbG-Hamburg-Risiko.
13

Rechtsgrundlagen

Normen, Urteile, Belege

Primärnormen

  • Mitbestimmung (SRC-0211)
  • Beurteilungsgrundsätze (SRC-0227)
  • Microsoft-365-Präzedenz (SRC-0257)
  • ChatGPT-Privat-Account (SRC-0259)
  • Beschäftigtendaten (SRC-0215)
  • Sensitiv-Items (SRC-0241)
  • Menschliche Letztentscheidung (SRC-0240)
  • AVV (SRC-0242)
  • DSGVO-Praxis (SRC-0246)

Markt und Tools

  • GenAI HR-Adoption (SRC-0271)
  • M365-Pulse-Tool (SRC-0314)
  • Pulse-Tool-AI (SRC-0310)
  • Engagement-Hebel kontinuierliches Feedback (STD-0050)

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.