Performance Management und Feedback
Jahres-Performance-Review mit KI strukturiert entwerfen (Stärken, Verbesserungsfelder, Karriereperspektive)
anymize ersetzt Mitarbeiter-Klarnamen, Vergleichs-MA, Vorgesetzten- und Stakeholder-Identitäten automatisch durch Platzhalter, bevor Vorgesetzten-Notizen, OKR-Status und 360°-Inputs an GPT, Claude oder Gemini gehen — und setzt sie nach der KI-Antwort wieder ein. So entsteht der strukturierte Jahres-Review-Entwurf mit Quellen-Pflicht und Bias-Selbst-Check in Minuten statt Stunden, ohne § 26 BDSG oder DSGVO Art. 22 zu berühren.
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.
Anwendungsbereich
Worum geht es hier?
Jahres-Performance-Reviews sind das zentrale, rechtlich relevante Beurteilungsinstrument im Personalmanagement. Sie unterliegen BetrVG § 87 Abs. 1 Nr. 6 (BAG 1 ABR 20/21 — Microsoft-365-Präzedenz) und § 94 (Beurteilungsgrundsätze), DSGVO Art. 22 (keine reine KI-Bewertung), § 26 BDSG (Beschäftigtendatenschutz) und BAG 8 AZR 74/25 (algorithmische Diskriminierung — 120 kEUR). Dieser Workflow operationalisiert die strukturierte Review-Erstellung mit Quellen-Pflicht und Bias-Selbst-Check — die fachliche Würdigung und Letztentscheidung bleiben selbstverständlich bei der Führungskraft und dem HR-BP.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Direkte Vorgesetzte / Team-Lead (verfasst Review), HR-Business-Partner (moderiert/qualitätssichert). Sekundär: HR-Compliance (Bias-Audit), Datenschutzbeauftragte (DPIA Performance-KI), Betriebsrat (§ 87, § 94).
- Seniorität
- Fortgeschritten — Führungserfahrung, AGG-/Bias-Bewusstsein, BetrVG-§-94-Verständnis. Erstmalige Führungskräfte benötigen HR-BP-Pairing.
- Unternehmensgröße
- Mittelstand bis Konzern mit standardisiertem Review-Zyklus und Performance-Tool (Leapsome, Lattice, Culture Amp, Personio, SuccessFactors, Workday). KMU mit Excel-Reviews nutzen KI als Strukturhebel ohne Tool-Integration.
- Spezifische Kontexte
- (a) Standard-Jahres-Zyklus (Q4 oder Q1-Folgejahr), (b) Mid-Year-Calibration als Vorstufe, (c) Beförderungs-Vorbereitung (→ UC-V-HR-PEF-009), (d) Vorbereitung der Compensation-Round. NICHT geeignet bei: laufenden Konfliktverfahren, PIP-Vorgeschichte (→ UC-V-HR-PEF-010), Schwerbehinderten-Status mit BEM-Bezug, Trennungs-Indikation, Schwangerschaft.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Jahres-Reviews sind doppelt belastend: 2–4 Stunden Schreibzeit pro Mitarbeitenden — bei 6–10 Direct Reports also 12–40 Stunden Führungskräfte-Kapazität pro Jahr — und rechtlich heikel. Deloitte Global HC Trends 2024 berichtet, dass 74 % der HR-/Business-Leader Bedarf für neue Performance-Messmethoden sehen, aber nur 10 % bei „Human Sustainability” nennenswert vorankommen. McKinsey HR-Monitor 2025 zeigt 19 % GenAI-Durchdringung in HR-Kernprozessen. Gleichzeitig steigt das Klage-Risiko: BAG 8 AZR 74/25 vom 27.03.2026 hat 120.000 EUR Entschädigung für algorithmische Altersdiskriminierung gesetzt; der Leitsatz gilt analog für Performance-Bewertungs-KI. BetrVG § 87 Abs. 1 Nr. 6 mit BAG 1 ABR 20/21 und ArbG Hamburg 24 BVGa 1/24 machen klar: Jede KI mit Arbeitgeber-Zugang zu Performance-Daten ist mitbestimmungspflichtig. DSGVO Art. 22 verbietet rein automatisierte Bewertungen ohne menschliche Letztentscheidung. § 26 BDSG wird durch BeschDG-Referentenentwurf verschärft: schriftliche Begründungspflicht bei KI-gestützten Personalentscheidungen, Transparenz, menschliche Überprüfung. Review-Notizen enthalten Klarnamen, Bewertungstexte, Vergleichs-Mitarbeitende, Stakeholder — Klasse A. Public-LLM-Upload ohne Pseudonymisierung ist DSGVO-rechtswidrig. anymize löst genau diesen Konflikt: Klarnamen werden vor dem KI-Aufruf zu Platzhaltern; nach der KI-Antwort identifiziert anymize zurück. Halluzinations-Risiko bleibt — die Vier-Augen-Verifikation gegen die Quellen-Notizen ist Pflichtschritt.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Review-Entwurf
2–4 h
Reduktion auf 30–60 Min menschliche Überarbeitung. Bei 8 Direct Reports im Jahres-Zyklus: 16–32 h Führungskräfte-Kapazität gespart.
Risiko-Hebel
120 kEUR
BAG 8 AZR 74/25: 120 kEUR Entschädigung für algorithmische Diskriminierung pro Fall; AGG-Reform 2026 mit 4-Monats-Klagefrist erhöht das Risiko.
Vertraulichkeit
strukturell
anymize entfernt Mitarbeiter-, Vorgesetzten-, Vergleichs-MA- und Stakeholder-Identitäten, bevor der Input das Haus verlässt.
Erkennungsrate
>95 %
Dreifach geprüft (Algorithmus + zwei spezialisierte KI-Prüfungen). Restmenge im Vorschau-Modus vor dem KI-Aufruf kontrollierbar.
So gehen Sie vor
Der Workflow Schritt für Schritt
Vorgesetzte:r sammelt ganzjährig strukturierte 1:1-Notizen mit Datum, Beobachtungen, Erfolgen, Feedback-Hinweisen (im Performance-Tool oder Notion/OneNote).
Mensch
Datenbasis gegen Recency-Bias
OKR-/KPI-Status aus Performance-Tool (Leapsome, Lattice, Personio, SuccessFactors, Workday) exportieren.
Mensch + System
Quantitative Faktenbasis
Klasse-Entscheidung: Klarnamen MA, Vorgesetzte, Vergleichs-MA, Stakeholder, Bewertungstexte = Klasse A. OKR-/KPI-Werte ohne Personenbezug = Klasse B.
Mensch
§ 26 BDSG · DSGVO Art. 22
anymize anonymisiert automatisch. Klarnamen werden durch Platzhalter [[MA-…]], [[Manager-…]], [[Vergleich-MA-…]], [[Stakeholder-…]] ersetzt; re-identifizierende Details entfernt.
anymize
§ 26 BDSG · DSGVO Art. 28 · DSK KI-OH v1.0
Pflicht-Spot-Check auf sensitive Aspekte: Schwangerschaft, Krankheit, Behinderung, Religion, Herkunft → vor KI-Übergabe entfernen.
Mensch
AGG · Art. 9 DSGVO · BAG 8 AZR 74/25
Frontier-KI prüft. Der pseudonymisierte Input geht an GPT, Claude oder Gemini in anymize. Der Prompt fragt Zusammenfassung, OKR-Auswertung, Stärken, Verbesserungsfelder, Stakeholder-Beobachtungen, Karriereperspektive und Entwicklungsmaßnahmen mit Quellen-Pflicht pro Aussage ab.
GPT / Claude / Gemini in anymize
Strukturierter Erstentwurf in Minuten
KI führt Bias-Selbst-Check durch: Recency, Halo/Horn, AGG, Gendered Language (Eva Gengler) — als separater Output-Block.
KI
Quality Gate
Vier-Augen-Verifikation Pflicht: jede Aussage gegen Quellen-Notiz prüfen; eigene Formulierung anpassen; Karriereperspektive personalisieren. Re-Identifikation durch anymize.
Mensch + anymize
DSGVO Art. 22 · BAG 8 AZR 74/25
HR-BP-Quality-Check: AGG-Sensibilität, Bias-Selbstprüfung, Quellen-Belegung, Konsistenz mit OKR/KPI. Bei standardisiertem Template: BR-Information § 94 BetrVG; bei KI-Tool BR-BV nach § 87 Abs. 1 Nr. 6.
Mensch
Vier-Augen-Prinzip · BetrVG-Mitbestimmung
Review-Gespräch mit Mitarbeitende:r (60–90 Min): Selbstreflexion, OKR-Auswertung, gegenseitiges Feedback, Karriereperspektive, Entwicklungsmaßnahmen. Dokumentation im Performance-Tool, Folge-Maßnahmen, revisionssichere Archivierung.
Mensch + System
Personalführungs-Kernkompetenz · Aufbewahrungspflicht
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt Klarnamen MA, Vorgesetzte, Vergleichs-MA, Stakeholder und Stakeholder-Rollen mit über 95 % Erkennungsrate.
- Dreistufige Prüfung: Algorithmische Analyse, dann zwei spezialisierte KI-Prüfungen mit Kontext-Bewusstsein (z.B. eine Person als Mitarbeiterin vs. als externe Stakeholderin).
- Bidirektionale Anonymisierung: Platzhalter ersetzen Klarnamen, das Frontier-Modell antwortet mit Kontext, anymize re-identifiziert beim Empfang.
- Daten in deutschen Rechenzentren (Hetzner). Originaldokumente werden nicht gespeichert — nur die Zuordnung Platzhalter ↔ Klarname, mit Aufbewahrungsfrist nach Ihrer Wahl.
Was Sie als Vorgesetzte:r / HR-BP tun
- Strukturierte 1:1-Notizen über das Jahr pflegen — Quellenbasis gegen Recency-Bias.
- Spot-Check auf sensitive Aspekte (Schwangerschaft, Krankheit, Behinderung) — diese dürfen nicht in Bewertung einfließen.
- Vier-Augen-Verifikation jede Aussage gegen Quelle; Bias-Selbst-Check der KI durchsehen.
- HR-BP-Quality-Check vor MA-Gespräch; bei standardisiertem Template BR-§-94-Information.
Daten-Input
Kontinuierliche 1:1-Notizen über das Jahr (mit Datum), OKR-/KPI-Status Q1–Q4, Mid-Year-Feedback, Stakeholder-Beobachtungen (anonymisiert nach Rolle), Trainings-Status, Karriere-Wünsche aus Mid-Year. KEINE sensitiven Aspekte (Gesundheit, Schwangerschaft, Behinderung, Religion, Herkunft).
Output-Kontrolle
Pseudonymisierter Input geht an die KI. Re-identifizierter Review-Entwurf mit Zusammenfassung, OKR-/KPI-Tabelle, Stärken (3–5 mit Quellen), Verbesserungsfeldern (3–5 konstruktiv), Stakeholder-Beobachtungen, Karriereperspektive (realistisch), Entwicklungsmaßnahmen (3–5 konkret) und Bias-Selbst-Check kommt zurück.
Freigabeprozess
Sie behalten jederzeit die Hoheit: Sichtung der Anonymisierung, Vier-Augen-Verifikation jede Aussage gegen Quelle, HR-BP-Quality-Check, bei standardisiertem Template BR-Konsultation. anymize ist der Anonymisierungs-Layer, keine Performance-Management-Software.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Kontinuierliche 1:1-Notizen, OKR-Status und Stakeholder-Beobachtungen in anymize einfügen — die Anonymisierung läuft automatisch (Klarnamen, Vergleichs-MA, Stakeholder werden zu Platzhaltern).
2. Diesen Prompt kopieren und an die Notizen anhängen.
3. In anymize unter „Tools → Reasoning” auf „Thinking-Modus” stellen, dann KI-Aufruf starten — der Output kommt re-identifiziert zurück.
4. Vier-Augen-Verifikation jede Aussage gegen Quelle, dann HR-BP-Quality-Check.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt das Drafting eines jährlichen
Performance-Reviews für ein deutsches Unternehmen. Du erhältst
pseudonymisierte Inputs (Klasse A mit Platzhaltern `[[MA-…]]`,
`[[Manager-…]]`, `[[Vergleich-MA-…]]`, `[[Stakeholder-…]]`):
kontinuierliche 1:1-Notizen mit Datum, OKR-/KPI-Status Q1–Q4, Mid-Year-
Feedback, Stakeholder-Beobachtungen, Trainings. KEINE sensitiven Merkmale
(Gesundheit, Schwangerschaft, Behinderung, Religion, Herkunft) sind
enthalten oder dürfen einfließen.
# Role (R)
Du agierst als Performance-Review-Assistenz mit Kenntnis von BetrVG § 87
Abs. 1 Nr. 6 (BAG 1 ABR 20/21 Präzedenz) und § 94 (Beurteilungsgrundsätze),
DSGVO Art. 22 (keine reine KI-Bewertung), § 26 BDSG, AGG §§ 1, 3, 7 und
BAG 8 AZR 74/25 (algorithmische Diskriminierung 120 kEUR). Du kennst
Bias-Forschung: Recency, Halo/Horn, Gendered Language (Eva Gengler).
# Action (A)
1. Erzeuge Review-Entwurf mit Sections: (1) Zusammenfassung (4–6 Sätze,
ausgewogen); (2) OKR-/KPI-Tabelle | OKR/KPI | Ziel | Ist | Erfüllungsgrad
| Datenquelle |; (3) Stärken (3–5 Bullets, jede mit Quellenangabe);
(4) Verbesserungsfelder (3–5 Bullets, jede konstruktiv); (5) Stakeholder-
Beobachtungen (anonymisiert nach Rolle); (6) Karriereperspektive (3–5
Sätze, realistisch); (7) Entwicklungsmaßnahmen (3–5 konkrete
Trainings/Coaching/Stretch).
2. Jede Aussage in (3)–(6) MUSS Quellenangabe haben (`[Quelle: 1:1-Notiz
2026-04-15]` / `[Quelle: OKR-Tracker Q3]`). Ohne Quelle =
`[[QUELLE-FEHLT]]`. Erfinde keine Vorfälle.
3. Bias-Selbst-Check als separater Block: (a) Recency-Anteil < 30 %?
(b) Halo/Horn-Check; (c) AGG-Sensibilität pro 7 Merkmal; (d) Gendered
Language.
4. Karriereperspektive: realistisch an Rolle und Reife; bei Beförderungs-
Reife konkretisieren (Rolle, Zeithorizont, Voraussetzungen).
5. Bei widersprüchlichen Quellen: Widerspruch benennen, NICHT auflösen.
6. Bei Spekulation: `[[UNSICHER: …]]`.
7. Vorgesetzten-Review-Checkliste mit 8 Items am Ende.
8. Vergleichende Bewertungen mit anderen MA, sensitive Bezüge unzulässig.
# Format (F)
- Sections (1)–(7) als H2.
- OKR-Tabelle als Markdown-Tabelle.
- Bias-Selbst-Check als separater Block mit Sub-Sections (a)–(d).
- Vorgesetzten-Review-Checkliste als Checkbox-Liste.
# Target Audience (T)
Output wird von Vorgesetzten gelesen, vollständig überarbeitet, von HR-BP
qualitätsgesichert, im Performance-Tool eingetragen. Tonalität: sachlich,
faktenorientiert, konkret. Verbesserungsfelder konstruktiv (nicht
defizitär). Keine Beförderungs-Versprechen ohne Voraussetzungs-Klarstellung.So sieht der Input aus
Pseudonymisierter Eingabetext
Performance-Review-Inputs Jahres-Review 2026
Mitarbeitende:r: [[MA-Vorname-k4l2]] [[MA-Nachname-k4l2]], Senior Product Manager, im Team seit 4 Jahren.
Vorgesetzte:r: [[Manager-k4l2]] (VP Product)
KONTINUIERLICHE 1:1-NOTIZEN:
- 2026-01-12: „Discovery-Sprint zu Mobile-Feature strukturiert geleitet, Team adoptiert Framework.”
- 2026-03-08: „Stakeholder-Workshop mit [[Stakeholder-Sales-k4l2]] vorbildlich moderiert.”
- 2026-05-22: „Roadmap-Konflikt mit Engineering [[Stakeholder-Eng-k4l2]] über Prioritäten; konstruktive Lösung.”
- 2026-07-18: „Mid-Year-Feedback: Wunsch nach Group-PM-Pfad in 12–18 Monaten.”
- 2026-09-25: „Launch Feature X termingerecht, 30 % Adoption über Plan.”
- 2026-11-15: „Spezifikationen gelegentlich zu high-level für Engineering-Übergabe.”
- 2026-12-02: „Internes Knowledge-Sharing zu Discovery-Methodik.”
OKR-STATUS Q1–Q4 2026 (aus Lattice):
- Q1 „Discovery-Framework Mobile etablieren”: 100 %
- Q2 „Cross-Team-Alignment Roadmap”: 95 %
- Q3 „Feature X Launch”: 110 %
- Q4 „Quartals-Adoption +25 %”: 120 %
KPIs:
- Feature-Adoption-Rate: 32 % (Team-Median 22 %) → +45 % über Median
- Discovery-Cycle-Time: 4 Wochen (Team 6 Wochen) → 33 % schneller
- Stakeholder-NPS: 72 (Team 58)
STAKEHOLDER-FEEDBACK:
- [[Stakeholder-Sales-k4l2]] 2026-10-30: „Sehr klare Roadmap-Kommunikation.”
- [[Stakeholder-Eng-k4l2]] 2026-11-22: „Specs könnten technisch tiefer sein.”
- [[Vergleich-MA-1-k4l2]] (Peer-PM): „Sehr hilfsbereit, methodisch reif.”
TRAININGS: Pendo PM Certification Q2; Reforge Strategy Sprint Q3.
KEINE sensitiven Merkmale.So liefert anymize zurück
Der KI-Entwurf
## 1. Zusammenfassung
[[MA-k4l2]] zeigt 2026 ein Senior-PM-Profil mit klaren Group-PM-Indikatoren:
OKR-Erfüllung in 3 von 4 Quartalen übertroffen, methodische Reife im
Discovery-Framework, konstruktive Cross-Team-Reife in Konflikt-Situationen.
Verbesserungsfeld in technischer Spec-Tiefe — adressierbar.
## 2. OKR-/KPI-Auswertung
| OKR/KPI | Ziel | Ist | Erfüllungsgrad | Datenquelle |
|---|---|---|---|---|
| Q1 Discovery-Framework | 100 % | 100 % | erfüllt | Lattice |
| Q3 Feature X Launch | 100 % | 110 % | übertroffen | Lattice |
| Feature-Adoption-Rate | Median 22 % | 32 % | +45 % | Analytics |
## 3. Stärken
- Methodische Reife im Discovery-Framework [Quelle: 1:1 2026-01-12; OKR Q1].
- Cross-Team-Stakeholder-Moderation [Quelle: 1:1 2026-03-08; NPS 72].
- Termingerechte Lieferung mit Übererfüllung [Quelle: OKR Q3 110 %; Q4 120 %].
## 4. Verbesserungsfelder
- Technische Spec-Tiefe für Engineering-Übergabe gelegentlich zu high-level
[Quelle: 1:1 2026-11-15; Stakeholder-Eng 2026-11-22]. Konstruktiv:
gemeinsames Spec-Template mit Tech-Lead etablieren.
## 5. Karriereperspektive
[[MA-k4l2]] zeigt mehrfach Group-PM-Verhalten. Mögliche nächste Rolle:
Group Product Manager. Zeithorizont: 12–18 Monate. Voraussetzungen zu
klären 2027-Q1: technische Spec-Tiefe demonstrierbar; Portfolio-Strategie.
## 6. Entwicklungsmaßnahmen
1. Spec-Template mit Tech-Lead etablieren — schließt Lücke + stärkt Eng-Vertrauen.
2. Group-PM-Mentor extern (z.B. via Plato/Reforge).
3. Reforge Strategy Mastery (Folge-Programm).
---
## Bias-Selbst-Check
- (a) Recency-Bias: Quellen-Verteilung Q1–Q4 ausgewogen. **OK**.
- (b) Halo/Horn-Effekt: Stärken und Verbesserungsfelder thematisch
unabhängig. **OK**.
- (c) AGG-Sensibilität: keine Bezüge zu geschützten Merkmalen. **OK**.
- (d) Gendered Language: neutralisiert. **OK**.
## Vorgesetzten-Review-Checkliste
- [ ] Alle Aussagen gegen Quellen geprüft.
- [ ] Eigene Formulierungs-Tiefe ergänzt.
- [ ] Karriereperspektive realistisch.
- [ ] Bias-Selbst-Check durchgesehen.
- [ ] HR-BP-Quality-Check AGG durchgeführt.
- [ ] BR-BV KI-HR-Tool vorhanden.Was das HR-Recht verlangt
Pflichten — und wie anymize sie abdeckt
BetrVG § 87 Abs. 1 Nr. 6 (SRC-0211) + BAG 1 ABR 20/21 (SRC-0257) + ArbG HH 24 BVGa 1/24 (SRC-0259)
Performance-KI mit Arbeitgeber-Zugang ist mitbestimmungspflichtig. BR-BV ist Voraussetzung; ohne BV droht Untersagung. ArbG Hamburg hat die ChatGPT-Privat-Account-Linie klar gezogen.
BetrVG § 94 (SRC-0227)
Standardisiertes KI-Review-Template über das Team = Beurteilungsgrundsatz; BR-Mitbestimmung. Bei abteilungsspezifischen Templates Doppel-Konsultation prüfen.
DSGVO Art. 22 (SRC-0240)
Vorgesetzte:r darf KI-Entwurf nicht „abnicken”; substanzielle Überarbeitung und eigene begründete Entscheidung Pflicht. EuGH C-203/22 D&B verlangt Transparenz der Bewertungslogik.
AGG §§ 1, 3, 7 (SRC-0217) + BAG 8 AZR 74/25 (SRC-0256)
Algorithmische Diskriminierung 120 kEUR pro Fall. AGG-Reform 2026 (SRC-0218) verlängert Klagefrist auf 4 Monate. Gendered Language (Eva Gengler) als Pflicht-Check.
§ 26 BDSG (SRC-0215) + BeschDG-Entwurf (STD-0053)
Pseudonymisierung Pflicht; BeschDG verschärft schriftliche KI-Begründungspflicht. Audit-Trail (Modell, Prompt-Version, Sign-offs) heute schon dokumentieren.
EU AI Act Annex III Nr. 4 (SRC-0231) + Art. 26 (SRC-0233)
HR-KI in Personalmanagement = Hochrisiko; Betreiber-Pflichten: Logging, menschliche Aufsicht, Transparenz, DPIA.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Die datenschutzrechtlich entscheidende Frage bei Jahres-Reviews: Sieht der KI-Anbieter die Klarnamen der Mitarbeitenden, Vorgesetzten, Vergleichs-MA und Stakeholder? Antwort mit anymize: nein. Klarnamen werden vor dem KI-Aufruf durch Platzhalter ersetzt; nach der KI-Antwort identifiziert anymize zurück. Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO ist Teil des Standardvertrags, Originaldokumente werden nicht gespeichert. Rechtsgrundlage § 26 BDSG i.V.m. Art. 6 Abs. 1 lit. b DSGVO (Erfüllung Arbeitsvertrag). DPIA nach Art. 35 DSGVO Pflicht (systematisches Profiling). Sensitive Aspekte (Gesundheit, Schwangerschaft, Religion) gehören gar nicht in den Review — Art. 9 DSGVO strukturell ausgeschlossen.
Was anymize konkret leistet
- Erkennt Klarnamen MA, Vorgesetzte, Vergleichs-MA und Stakeholder mit über 95 % Genauigkeit.
- Ersetzt sie durch semantische Platzhalter, bevor die Review-Notizen an GPT, Claude oder Gemini gehen.
- Re-identifiziert die KI-Antwort automatisch — Sie sehen den Review-Entwurf mit den richtigen Klarnamen zurück.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO im Standardvertrag.
- Performance-Tool-natives LLM als Alternative (Leapsome AI Copilot, SuccessFactors Joule, Workday Illuminate) — KI im Tenant, aber BR-BV und DPIA Pflicht.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert — was Sie souverän entscheiden
Vor dem KI-Aufruf
- Kontinuierliche 1:1-Notizen mit Datum vollständig? Recency-Bias-Risiko bei lückenhafter Notiz-Basis.
- Anonymisierungs-Vorschau gesichtet — Klarnamen, Stakeholder, Vergleichs-MA erkannt?
- Sensitive Aspekte (Schwangerschaft, Krankheit, Behinderung, Religion) entfernt?
- OKR-/KPI-Status aus Performance-Tool exportiert und in Input integriert?
Nach der KI-Antwort
- Re-Identifikation korrekt — alle Platzhalter zurückgesetzt?
- Jede Aussage in Stärken/Verbesserungsfeldern mit Quellenangabe; [[QUELLE-FEHLT]] aufgelöst?
- Recency-Verteilung < 30 % aus letzten 4 Wochen?
- Bias-Selbst-Check (Recency, Halo, AGG, Gendered Language) durchgesehen?
Vor dem MA-Gespräch
- Substanzielle Überarbeitung durch Vorgesetzte:n (kein „Abnicken”)?
- HR-BP-Quality-Check (AGG, Konsistenz mit OKR/KPI, Realismus Karriere)?
- Bei standardisiertem Template: BR-Information § 94 BetrVG dokumentiert?
- Audit-Trail (Modell, Prompt-Version, Sign-offs) in Personalakte?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI erfindet plausibel klingende Vorfälle ohne Quelle — Quellen-Pflicht im Prompt + [[QUELLE-FEHLT]]-Markierung fängt das ab.
- →Recency-Bias bei lückenhaft dokumentierten Notizen — Recency-Check < 30 % aus letzten 4 Wochen.
- →Gendered Language (Eva Gengler/YT-034) — KI reproduziert Trainings-Daten-Bias; explizite Sprach-Prüfung Pflicht.
- →Vergleichende Bewertungen mit anderen MA verletzen § 26 BDSG (Drittdaten) — Prompt-Verbot.
- →Pauschale „High Potential”-Etiketten ohne konkrete Belege — Karriereperspektive immer mit Voraussetzungen-Klarheit.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen — Arbeitsrecht und Mitbestimmung
- Mitbestimmung bei technischen Einrichtungen (SRC-0211)
- Beurteilungsgrundsätze (SRC-0227)
- Microsoft-365-Präzedenz, KI-Tool-Mitbestimmung (SRC-0257)
- ChatGPT-Privat-Account-Verbot (SRC-0259)
Primärnormen — Datenschutz und Diskriminierung
- Beschäftigtendatenverarbeitung (SRC-0215)
- Keine reine KI-Bewertung; menschliche Letztentscheidung (SRC-0240)
- Auftragsverarbeitung — AVV-Pflicht (SRC-0242)
- Diskriminierungs-Schutz (SRC-0217)
- Algorithmische Diskriminierung 120 kEUR (SRC-0256)
- Personalmanagement-KI = Hochrisiko (SRC-0231)
- Personalakten nicht ungeschützt in Public-LLMs (SRC-0246)
Markt und Studien
- 19 % GenAI in HR-Kernprozessen (SRC-0271)
- DE-native Performance-Tool-AI (SRC-0310)
- 74 % Bedarf für neue Performance-Methoden (STD-0048)
- Faire Reviews als Retention-Hebel (STD-0050)
- Schriftliche KI-Begründungspflicht (STD-0053)
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.