Performance Management und Feedback

Exit-Interview-Synthese mit Lessons-Learned und Führungs-Cluster-Auswertung

anymize Exit-Modus: Sensitiv-Filter entfernt Gesundheits-/Familien-Indikatoren; k-Anonymität-Check bei Cluster-Auswertung (k≥5 pro FK-Cluster). KI synthetisiert Einzel-Auswertung + quartalsweise Cluster-Analyse mit AGG-Korrelations-Audit.

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

Exit-Interviews sind das wichtigste Lessons-Learned-Instrument für HR-Organisationen, Gallup STD-0050 zeigt: 70 % der Bindungs-Varianz werden durch die direkte Führungskraft erklärt. Exit-Daten machen Führungs-Muster transparent. Bei Cluster-Auswertung k-Anonymität nach DSGVO Art. 4 Nr. 5 und § 26 BDSG zwingend; AGG-Risiko bei Schutzgruppen-Korrelation in Manager-Clustern (BAG 8 AZR 74/25).

02

Für wen passt das?

Zielgruppe und Kontext

Rolle
HR-Business-Partner (Primärnutzer Einzel-Synthese), Talent-Manager, Retention-Specialist, People-Analytics (Cluster-Auswertung), CHRO (Vorstand-Briefing).
Seniorität
Fortgeschritten, Cluster-Auswertung verlangt Datenkompetenz und Bias-Awareness bei Aggregation.
Unternehmensgröße
Mittelstand und Konzern. Cluster-Auswertung ab ca. 30 Exits/Jahr statistisch sinnvoll.
Spezifische Kontexte
(a) Einzel-Exit-Interview-Synthese nach jedem Exit, (b) Quartals-Cluster-Auswertung mit Manager-/Team-/Rollen-Cuts, (c) Jährliches Exit-Pattern-Briefing für Vorstand. Bei kleinen Teams (≤5 Exits/Quartal) Aggregation NICHT auf Team-Ebene wegen Re-Identifikations-Risiko.
03

Die Situation in der Personalabteilung

So bringen Sie Tempo und Sorgfalt zusammen

Exit-Interviews sind das wichtigste Lessons-Learned-Instrument für HR-Organisationen, wenn sie systematisch ausgewertet werden. Gallup zeigt: 70 % der Bindungs-Varianz durch direkte Führungskraft („People leave managers, not companies”). Bei 50–200 Exits pro Jahr entgeht ohne systematische Auswertung das systematische Bild von: Führungskraft-bezogenen Cluster-Mustern, Rollen-/Karriere-Pfad-Mustern, Vergütungs-/Benefit-Hotspots, Tenure-Mustern (Frühaussteiger nach 6–12 Monaten = Onboarding-Problem). KI in zwei Modi: (1) Einzel-Synthese aus 60–90-Min-Notizen; (2) Cluster-Auswertung über 20–80 pseudonymisierte Berichte quartalsweise. Klasse-A-Risiko hoch: Exit-Notizen enthalten Klarnamen, FK-Klarnamen, persönliche Konflikte, Vergütungs-Details, Gesundheits-/Familien-Bezüge. Bei Cluster-Auswertung k-Anonymität zwingend (bei kleinen Teams Re-Identifikation aus Aggregation möglich).

04

Was Sie davon haben

Zeit, Wert, Vertraulichkeit

Zeit pro Einzel-Synthese

30–60 Min

Reduktion auf 10–20 Min.

Zeit Quartals-Cluster-Auswertung

4–8 h

Reduktion auf 1–2 h.

Retention-Verbesserung

5 % Abgangs-Reduktion

Wenn Cluster-Auswertung 5 % Reduktion freiwilliger Abgänge bewirkt: 50–200 kEUR pro vermiedener Schlüsselrolle.

k-Anonymität

k≥5

FK-Cluster-Auswertung nur bei n≥5; sonst Cluster-Cut deaktiviert.

05

So gehen Sie vor

Der Workflow Schritt für Schritt

1

Exit-Interview-Durchführung durch HR-BP (45–90 Min), strukturierter Leitfaden empfohlen.

Mensch

Vertrauens-basiertes Gespräch

2

Pseudonymisierung mit anymize Exit-Modus: MA-Name → Platzhalter; FK-Name → Platzhalter; Kollegen → Rolle statt Name. Sensitiv-Filter Gesundheit/Familie.

Mensch + anymize

§ 26 BDSG · DSGVO Art. 9 · Art. 28

3

KI-Einzel-Synthese (Modus A): strukturierte Auswertung in Kategorien Führungskraft, Karriere, Vergütung, Kultur, Aufgaben, Lebensbalance, Externe Faktoren. Boomerang-Score.

KI

Strukturierung · Konsistenz

4

Rück-Substitution; HR-BP-Review; Speicherung in Exit-Datenbank (revisionssicher).

Mensch + anymize

Re-Mapping · revisionssichere Doku

5

Quartalsweise: Aggregation aller Einzel-Synthesen (20–80 pro Quartal) als pseudonymisierter Korpus.

Mensch + System

Datenbasis Cluster-Auswertung

6

k-Anonymität-Check: für jeden Cluster-Cut (Team, Manager, Rolle) prüfen, ob k≥5 Exits, sonst Cluster zu klein, nicht auswerten.

Mensch

Re-Identifikations-Risiko

7

KI-Cluster-Auswertung (Modus B): Themen-Cluster über alle Exits, Häufigkeits-Quantifizierung, Korrelationen (Tenure/Rolle/Standort), Hotspot-Identifikation.

KI

Pattern-Erkennung

8

AGG-/Bias-Audit: prüfe Cluster auf Schutzgruppen-Korrelation (überproportional ältere/jüngere/weibliche/männliche Exits in bestimmten Clustern).

Mensch

AGG · BAG 8 AZR 74/25

9

Maßnahmen-Set: Manager-Coaching, HR-Policy, Vergütungs-Justierung, Onboarding-Verbesserungen. Briefing an CHRO/Vorstand; BR-Quartals-Briefing in aggregierter Form.

Mensch (HR-Leitung + People-Analytics)

Operationalisierung · Governance

06

Womit Sie arbeiten

So setzen Sie anymize konkret ein

Was anymize tut (Exit-Modus)

  • Pseudonymisiert MA-Name, FK-Name, Kollegen, Stakeholder.
  • Sensitiv-Filter entfernt Gesundheits-/Familien-Indikatoren (DSGVO Art. 9).
  • k-Anonymität-Vorbereitung: erhält demografische Bins für Cluster-Auswertung.
  • Daten in deutschen Rechenzentren (Hetzner); AVV nach Art. 28 DSGVO.

Was Sie als HR-BP / People-Analytics tun

  • Strukturierter Exit-Leitfaden für Einzel-Gespräche.
  • Sensitiv-Filter durchsehen, keine Art. 9-Daten in Synthese.
  • k-Anonymität-Check vor Cluster-Auswertung (k≥5 pro FK/Team/Rolle).
  • AGG-Korrelations-Audit bei Manager-Cluster-Auswertung.
  • Trennung Stay-Interview-Archiv (UC-V-HR-PEF-014) ↔ Exit-Archiv.

Daten-Input

Einzel-Exit-Interview-Notizen mit Austritts-Hauptgrund (Taxonomie: Karriere, Führungskraft, Vergütung, Kultur, Aufgaben, Externe, Lebensbalance, Sonstige), Manager-Bezug (Skala + qualitativ), Boomerang-Score, Verbesserungs-Empfehlungen vom MA. Quartalsweise: Korpus aller Einzel-Synthesen (n=20–80).

Output-Kontrolle

Modus A (Einzel): 8 Sektionen mit Austritts-Hauptgrund, Sekundär-Gründen, Manager-Bezug, Boomerang-Score, Verbesserungs-Empfehlungen, Externe Faktoren, Onboarding-Bezug (falls Tenure < 24 Monate), Vertraulichkeits-Indikator. Modus B (Cluster): Top-5-Themen mit Häufigkeit, Manager-Cluster (anonymisiert, nur bei k≥5), Tenure-Pattern, Rollen-/Standort-Cluster, AGG-Korrelations-Audit, Maßnahmen-Set auf Manager-/HR-/Org-Ebene.

Freigabeprozess

HR-BP Einzel-Synthese; HR-Leitung + People-Analytics Cluster-Auswertung; CHRO/Vorstand-Briefing in aggregierter Form; BR-Quartals-Briefing.

07

Die KI-Anweisung

Prompt zum Kopieren

So nutzen Sie diesen Prompt:

1. Modus A: Einzel-Exit-Notizen in anymize Exit-Modus einfügen (Sensitiv-Filter aktiv).

2. KI-Aufruf für Einzel-Synthese.

3. Modus B: Korpus aller Einzel-Synthesen pseudonymisiert aggregieren.

4. k-Anonymität-Check pro Cluster-Cut (k≥5).

5. AGG-Korrelations-Audit; Vorstand-Briefing aggregiert.

Empfohlener Reasoning-Modus: Thinking, Cluster-Auswertung verlangt mehrstufiges Abwägen (k-Anonymität, AGG-Audit, Maßnahmen-Differenzierung).
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt einen HR-Business-Partner
(Modus A) oder People-Analytics-Team (Modus B) bei der Auswertung von Exit-
Interviews. Input ist pseudonymisiert (Klasse-A-Platzhalter). Gesundheits-/
familiäre Indikatoren sind ausdrücklich aus dem Input entfernt (DSGVO Art. 9).

# Role (R)
Du agierst als HR-Analyst mit Kenntnis von Gallup-Engagement-Forschung
(70 % Führungs-Anteil), AGG-Sensibilität (BAG 8 AZR 74/25), k-Anonymität-
Prinzipien für Cluster-Aggregation. Du kennst die Differenz zwischen MA-
Erzählung (subjektiv) und Strukturursache (objektiv) und benennst beides
klar getrennt.

# Action (A)

## Modus A, Einzel-Synthese
1. Strukturiere die Synthese in 8 Sektionen: (1) Austritts-Hauptgrund aus
   Taxonomie {Karriere, Führungskraft, Vergütung, Kultur, Aufgaben, Externe,
   Lebensbalance, Sonstige}; (2) Sekundär-Gründe (1–3); (3) Manager-Bezug
   (Skala 1–5 + qualitativ); (4) Boomerang-Score (Y/N + 1 Satz Begründung);
   (5) Konkrete Verbesserungs-Empfehlungen vom MA; (6) Externe Faktoren;
   (7) Onboarding-Bezug (falls Tenure < 24 Monate); (8) Vertraulichkeits-
   Indikator.
2. Bei Manager-/Kollegen-Konflikten klar markieren `[Subjektiv: MA-Sicht]`
   vs. `[Objektiv: dokumentierter Vorfall]`.
3. Bei Gesundheits-Indikatoren in Notizen: `[[SENSITIV-MED: aus Synthese entfernt]]`.
4. Keine vergleichenden Aussagen über andere MA.

## Modus B, Cluster-Auswertung
1. Quartals-Themen-Cluster aus N pseudonymisierten Einzel-Synthesen.
2. **k-Anonymität-Check**: für jeden Cluster-Cut prüfen, ob k ≥5 Exits,
   sonst Cut nicht auswerten und Markierung
   `[[K-ANONYMITÄT: zu kleiner Cluster (n<5), nicht aggregiert]]`.
3. Top-5-Themen mit Häufigkeit (% der Exits).
4. **Manager-Cluster** (anonymisiert): bei welchem Manager-Cluster häufen
   sich welche Themen? Nur bei k≥5.
5. **Tenure-Pattern**: Verteilung der Exits über Tenure-Bins.
6. **AGG-Korrelations-Audit**: gibt es Schutzgruppen-Korrelation in den Top-
   Clustern? Markieren, NICHT konkludieren (Korrelation ≠ Kausalität).
7. **Maßnahmen-Empfehlungen** auf Manager-/HR-/Org-Ebene.

# Format (F)
- Modus A: 8 Sektionen als Markdown.
- Modus B: 5 Cluster-Sektionen + Maßnahmen-Set + AGG-Audit + Vertraulichkeits-Note.

# Target Audience (T)
Modus A: HR-BP + ggf. CHRO bei prominenten Abgängen.
Modus B: CHRO/Vorstand + BR/D&I + People-Analytics-Team.
Tonalität: sachlich, evidenzbasiert, keine Schuld-Zuweisung an einzelne
Manager, sondern Muster-Beschreibung mit Maßnahmen-Vorschlag.
08

So sieht der Input aus

Pseudonymisierter Eingabetext

Original-Einzel-Exit-Notizen nach Pseudonymisierung. Sensitiv-Filter hat keine Art. 9-Daten zu filtern.
Exit-Interview-Notizen [[MA-p4q1]], Senior Sales Manager
Tenure: 2,5 Jahre | FK: [[FK-Sales-Region-Süd]]
Letzter Tag: 2026-06-30

Austritts-Anlass:
- Geht zu Wettbewerber [[Wettbewerber-X]] auf Senior-Director-Rolle.
- „Bei euch ist der Director-Pfad seit 14 Monaten unklar; bei [[Wettbewerber-X]] habe ich die Rolle in 2 Gesprächen unterschrieben.”

Manager-Beziehung:
- FK [[FK-Sales-Region-Süd]] sehr operativ, wenig strategisch.
- 1:1 wöchentlich, aber 80 % CRM-Status, 20 % Karriere.
- Konflikt 2025-Q3 zu Quoten-Anpassung: FK ohne MA-Konsultation Quote +25 %.
- Auf Skala 1–5: Manager-Beziehung 2,5.

Vergütung:
- Aktuell 95 kEUR + 20 kEUR STI.
- [[Wettbewerber-X]] bietet 115 kEUR + 30 kEUR STI + Aktien.

Karriere-Pfad:
- Hat 2024 Director-Wunsch geäußert; „wurde anerkannt, nichts ist passiert.”
- 14 Monate ohne Bewegung.

Boomerang:
- „Würde mich in 3–5 Jahren wieder bewerben, falls Director-Pfad existiert.”

Verbesserungs-Empfehlungen (vom MA):
1. Klarer Director-Pfad mit Zeithorizonten.
2. FK-Coaching strategisch.
3. Vergütungs-Review bei Senior-Roles vor LinkedIn-Wechsel.

KEINE Gesundheits-/Familien-Bezüge.
09

So liefert anymize zurück

Der KI-Entwurf

KI-Output zeigt Einzel-Synthese (Modus A) mit Subjektiv/Objektiv-Trennung und Cluster-Auswertung (Modus B) mit k-Anonymität-Check und AGG-Audit.
## Modus A, Einzel-Synthese

### 1. Austritts-Hauptgrund
**Karriere**, fehlender Director-Pfad über 14 Monate.

### 2. Sekundär-Gründe
- Vergütung (Wettbewerber +20 kEUR + Aktien)
- Führungskraft (operativer Fokus)

### 3. Manager-Bezug
- Skala: 2,5/5.
- Qualitativ: FK sehr operativ; 1:1-Verteilung 80/20 (CRM/Karriere).
- Konflikt-Beobachtung [Subjektiv: MA-Sicht]: Quoten-Anpassung Q3/2025 ohne
  Konsultation als Vertrauens-Bruch erlebt. [Objektiv: dokumentierter
  Vorfall]: Quotenanpassung +25 %.

### 4. Boomerang-Score
**Y**, „Würde mich in 3–5 Jahren wieder bewerben, falls Director-Pfad existiert.”

### 5. Konkrete Verbesserungs-Empfehlungen (MA)
1. Klarer Director-Pfad mit Zeithorizonten.
2. FK-Coaching strategisch.
3. Vergütungs-Review bei Senior-Roles **vor** LinkedIn-Wechsel, proaktiv.

### 6. Externe Faktoren
- Pull-Faktor: konkrete Director-Rolle bei [[Wettbewerber-X]] mit kurzem
  Entscheidungs-Prozess (2 Gespräche).

### 7. Onboarding-Bezug
- Onboarding 2024 „ok”, aber ohne Karriere-Pfad-Klarheit. Empfehlung für
  Senior-Onboarding: Karriere-Map als Tag-30-Element.

### 8. Vertraulichkeits-Indikator
- Manager-Feedback gewünscht 1:1 mit FK, HR-BP arrangiert.
- Cluster-Auswertung anonymisiert: Zustimmung.

---

## Modus B, Cluster-Auswertung Q2/2026 (über N=42)

### Top-5-Themen
| # | Thema | Häufigkeit | Trend ggü. Q1 |
|---|---|---|---|
| 1 | Karriere-Pfad-Unklarheit | 38 % (16/42) | + (Q1: 28 %) |
| 2 | Vergütung Wettbewerb DE 2026 | 31 % (13/42) | + (Q1: 22 %) |
| 3 | Führungskraft operativ-strategisch | 24 % (10/42) | stabil |
| 4 | Hybrid-/Remote-Disput | 17 % (7/42) | + |
| 5 | Strategie-Unklarheit Tier-2-Sales | 14 % (6/42) | neu |

### Manager-Cluster (k-Anonymität: nur k≥5)
- **[[FK-Cluster-A]]** (Region Süd, n=7 Exits): Karriere-Pfad-Cluster
  überrepräsentiert (5/7), **Hotspot**.
- **[[FK-Cluster-B]]** (Engineering Plattform, n=6 Exits): Hybrid-Disput
  überrepräsentiert (4/6), **Hotspot**.
- Andere Manager-Cluster mit n<5: `[[K-ANONYMITÄT: nicht aggregiert]]`.

### Tenure-Pattern
24 % Exits in den ersten 12 Monaten, Onboarding-Trigger.

### AGG-Korrelations-Audit
- Geschlecht: Exit-Quote w/m 22 %/19 %, leichte Verschiebung, statistisch
  nicht signifikant bei n=42.
- Alter: Exits über 50: 9 % der Exits (Workforce-Anteil 11 %), unauffällig.
- Schutzgruppen-Korrelation in Karriere-Pfad-Cluster: nicht überproportional.
- **Markierung**: keine AGG-relevante Korrelation in diesem Quartal, dennoch
  jährliche Wiederholung empfohlen.

### Maßnahmen-Empfehlungen

**Manager-Ebene**:
- M1: [[FK-Cluster-A]]-Coaching strategischer Karriere-Pfad-Konversation.
- M2: [[FK-Cluster-B]]-Workshop Hybrid-Erwartungs-Klarheit.

**HR-Ebene**:
- H1: Director-Pfad-Konkretisierung Sales, Skill-Map, Zeithorizonte (CHRO Q3).
- H2: Proaktiver Vergütungs-Review bei Senior-Roles (>2 Jahre Tenure).
- H3: Senior-Onboarding-Modul „Karriere-Map Tag 30”.

**Org-Ebene**:
- O1: Strategie-Klarheit Tier-2-Sales (CRO + CHRO Q3-Workshop).
- O2: Hybrid-Policy-Refresh (CHRO + BR Q4).

### Vertraulichkeits-Note
- Aggregation auf Cluster-Ebene (n≥5) DSGVO-/k-Anonymität-konform.
- Manager-Cluster-Identitäten nur intern bei CHRO + People-Analytics-Lead.
- BR-Quartals-Briefing in aggregierter Form.
10

Was das HR-Recht verlangt

Pflichten und wie anymize sie abdeckt

k-Anonymität bei Cluster-Auswertung

Bei kleinen Manager-Clustern (n<5) wird Exit-Cluster zur de-facto-Bewertung einzelner FK. Mitigation: k≥5 als Schwellenwert.

AGG-Risiko bei Führungs-Cluster (SRC-0217, 0256)

Wenn Manager-Cluster mit überproportional Schutzgruppen-Exits identifiziert wird, kann das AGG-Klage triggern (Diskriminierungs-Vermutung). Trennung Korrelation/Kausalität.

BetrVG § 87 + § 94 (SRC-0211, 0227, 0257)

KI-Tool für Exit-Analyse = technische Überwachungseinrichtung → BV-Pflicht. Manager-Cluster-Auswertung kann als Manager-Bewertung wirken → § 94 Mitbestimmung.

§ 26 BDSG (SRC-0215)

Exit-Notizen + Vergütungs-Details + Manager-Beziehungs-Daten = Klasse A. Cloud-LLM-Transfer ohne Pseudonymisierung verletzt § 26.

DSGVO Art. 9 (SRC-0241)

Exit-Interviews triggern oft Gesundheits-/Familien-Themen, gehören NICHT in Exit-Synthese-Datenbank. Sensitiv-Filter Pflicht.

Manager-Diffamierungs-Risiko

Subjektive MA-Aussagen über FK können bei ungeschützter Aufnahme in Synthese eine Diffamierungs-Komponente haben. Trennung Subjektiv/Objektiv im Prompt.

ArbG Hamburg 24 BVGa 1/24 (SRC-0259)

ChatGPT-Privat-Account für Exit-Synthese → § 26 BDSG-Verletzung.

11

Datenschutz und Vertraulichkeit

So funktioniert das mit anymize

Exit-Notizen = Klasse A; Gesundheits-/Familien-Indikatoren = DSGVO Art. 9 (ausschließen via Sensitiv-Filter). AVV nach Art. 28 DSGVO. DPIA für KI-Synthese-Workflow + Cluster-Auswertung (Art. 35 DSGVO). k-Anonymität als technische/organisatorische Maßnahme. Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO + § 26 BDSG. Trennung Exit-Synthese-Archiv von Personal-Akte (Vertraulichkeits-Schutz).

Was anymize konkret leistet

  • Exit-Modus: Sensitiv-Filter entfernt Gesundheits-/Familien-Indikatoren vor KI-Synthese.
  • k-Anonymität-Vorbereitung: erhält demografische Bins für Cluster-Auswertung.
  • People-Analytics-Tool mit Exit-Modul als Alternative: Workday, Culture Amp, Leapsome, KI im Tenant, BV-Pflicht.
  • Hybrid: Einzel-Synthese mit KI, Cluster-Auswertung manuell durch People-Analytics-Team.
12

Sicherheitscheck vor der Veröffentlichung

Was anymize liefert, was Sie souverän entscheiden

Vor LLM-Transfer

  • Pseudonymisierung mit Sensitiv-Filter aktiv (Gesundheit/Familie raus).
  • Trennung Subjektiv/Objektiv im HR-BP-Briefing dokumentiert.
  • Vertraulichkeits-Wunsch MA dokumentiert.

Modus A (Einzel-Synthese)

  • Trennung Subjektiv/Objektiv durchgängig im Output.
  • Keine Vergleichs-Aussagen mit anderen MA.
  • Boomerang-Score erfasst.

Modus B (Cluster-Auswertung)

  • k-Anonymität ≥5 pro Cluster (FK, Team, Rolle, Standort).
  • AGG-Korrelations-Audit (mit Korrelation-≠-Kausalität-Hinweis).
  • Maßnahmen auf 3 Ebenen differenziert (Manager/HR/Org).
  • Trend ggü. Vorquartal dokumentiert.
  • BR-Briefing-Form aggregiert vorbereitet.

Typische Fehlermuster und wie anymize gegensteuert

  • →k-Anonymität-Verletzung, kleiner Manager-Cluster (n<5) wird de-facto-Bewertung einzelner FK.
  • →AGG-Korrelations-Schlussfolgerung statt -Indikator, Korrelation ≠ Kausalität.
  • →Vermengung Subjektiv/Objektiv, Manager-Diffamierungs-Risiko.
  • →Gesundheits-/Familien-Daten in Synthese, DSGVO Art. 9-Verstoß.
  • →Exit-Synthese-Archiv nicht getrennt von Personal-Akte, Vertraulichkeits-Bruch.
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)
  • Diskriminierungs-Schutz (SRC-0217)
  • Gesundheits-/Familien-Daten (SRC-0241)
  • Menschliche Letztentscheidung (SRC-0240)
  • DSGVO-Praxis (SRC-0246)

Markt und Studien

  • GenAI HR-Adoption (SRC-0271)
  • Performance-Methoden-Wandel (STD-0048)
  • 70 % Bindungs-Varianz durch FK (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.