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.
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.