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.

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.