Personalentwicklung und Learning
AGG-Schulung Hiring-Manager (Bias-Reduktion und BAG 8 AZR 74/25-Defensive)
anymize ersetzt interne AGG-Vorfälle und Hiring-Manager-Namen automatisch durch Platzhalter, bevor das Frontier-Modell die 90-Min-AGG-Pflichtschulung mit BAG-8-AZR-74/25-Lehrstück (120.000 EUR algorithmische Altersdiskriminierung), mittelbarer Diskriminierungs-Szenarien und Verhaltens-Test (8 Recruiting-Szenarien) entwirft. Dokumentierte Schulung schwächt AGG-Vermutung in § 22 AGG — Beweislast-Frage entscheidet über 120 k EUR-Linie.
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?
AGG-Schulung für Hiring-Manager ist im L&D-Pillar verortet, greift aber direkt in den Recruiting-Pillar — eine der wenigen Schulungen mit direkter quantifizierbarer Klage-Risiko-Mitigation: BAG 8 AZR 74/25 vom 27.03.2026 (SRC-0256) hat 120.000 EUR Entschädigung wegen algorithmischer Altersdiskriminierung zugesprochen. AGG-Reform Mai 2026 (SRC-0218) verlängert Klagefrist 2 → 4 Monate.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- L&D-Manager, Recruiting-Trainer, HR Business Partner, Diversity & Inclusion-Beauftragte, Hiring-Manager (als Trainees: Engineering-Leads, Sales-Direktoren, Operations-Manager).
- Seniorität
- Einsteiger-L&D für Drafting; Senior für D&I-Sign-off und Trainer-Rolle.
- Unternehmensgröße
- Mittelstand mit dezentralen Hiring-Manager-Strukturen; Konzern mit AGG-Risiko-Management.
- Spezifische Kontexte
- Pflicht-Onboarding neuer Hiring-Manager, jährlicher Refresh nach AGG-Verfahren, anlassbezogene Nachschulung nach internem AGG-Vorfall, KI-Tool-Einführungs-Begleitung (z.B. neues ATS mit Ranking-Funktion), ESG-Reporting CSRD ESRS S1.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
AGG-Schulungen für Hiring-Manager haben drei vertikale Risiken. Erstens: BAG 8 AZR 74/25-Linie — 120.000 EUR Schadensersatz wegen algorithmischer Altersdiskriminierung. Leitsatz: „Wer den Auswahlprozess an einen Algorithmus delegiert, delegiert damit nicht die Verantwortung für die Diskriminierungsfreiheit.” Hiring-Manager müssen verstehen, dass „die KI hat das so vorgeschlagen” keine Entschuldigung ist. Zweitens: Mittelbare Diskriminierung AGG § 3 Abs. 2 — Proxy-Variablen wie „Mobilität”, „kulturelle Passung”, „internationale Erfahrung” korrelieren statistisch mit Geschlecht/Alter/Herkunft. AlgorithmWatch (SRC-0280): 23,9 % berichten Diskriminierung in Bewerbungsphase. Drittens: KI-Tool-spezifische Risiken — ATS mit Ranking (BetrVG § 95 Abs. 2a), Video-Interview-Tools mit Persönlichkeitsanalyse (DSGVO Art. 9), Robot-Recruiting (Annex III Nr. 4 Hochrisiko).
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Curriculum
5–12 h
Bias-Fall-Generierung und rollenspezifische Lokalisierung KI-affin.
BAG-Risiko-Hebel
120 k EUR+
BAG 8 AZR 74/25 als Untergrenze pro Einzelfall + Reputations-Schaden.
AGG-Reform Klagefrist
2 → 4 Monate
AGG-Reform Mai 2026 (SRC-0218) verlängert Verfahrens-Wahrscheinlichkeit.
Beweislast § 22 AGG
Defensive
Dokumentierte Schulung schwächt AGG-Vermutung; revisionssichere Archivierung Pflicht.
So gehen Sie vor
Der Workflow Schritt für Schritt
Schulungs-Auftrag: Hiring-Manager-Population, Pflicht-Dauer 90 Min, Pflicht-Inhalte (AGG-Grundsätze, Bias-Mechanismen, KI-Tool-Spezifika, BAG 8 AZR 74/25-Lehrstück).
Mensch (L&D + HR + D&I)
Curriculum-Steuerung
Rechtsstand-Update: BAG 8 AZR 74/25 (SRC-0256), AGG-Reform Mai 2026 (SRC-0218), ggf. neue ArbG-Entscheidungen.
Mensch
Aktualitäts-Pflicht
Daten-Klassifikation: interne Bewerbungs-Fälle mit AGG-Bezug = Klasse A; aggregierte Recruiting-Funnel-Statistiken = Klasse B; AGG-Gesetzestext, BAG-Urteilstexte = Klasse C.
Mensch
§ 26 BDSG
anymize pseudonymisiert: [[Bewerber-…]], [[Hiring-Manager-…]], [[Beanstandung-…]].
anymize
DSGVO Art. 28
KI-Drafting des Curriculums: 4-5 Module à 15-20 Min, je mit Lernziel + Bias-Fallbeispiel + Quiz + Verhaltens-Test.
KI
Geschwindigkeit
BAG 8 AZR 74/25-Lehrstück-Modul zentral einbauen: Urteils-Kern, Konsequenzen für Hiring-Manager-Verhalten.
KI + Mensch
Kern-Inhalt
KI-Tool-Spezifika-Modul: ATS-Ranking, Robot-Recruiting, Video-Interview-Persönlichkeitsanalyse — was darf der HM aktivieren?
KI + Mensch
Tool-Realität
Juristische Verifikation: AGG-Artikel-Referenzen, BAG-Urteile, EuGH-Verweise prüfen.
Mensch (Justitiariat)
Halluzinations-Risiko
D&I-Sign-off + BR-Information BetrVG § 96-98. Roll-out via Cornerstone/SuccessFactors/LinkedIn Learning; Teilnahme-Tracking.
Mensch + LMS
Mitbestimmung · Beweisbarkeit
Revisionssichere Archivierung: Teilnahme-Listen, Curriculum-Version, Verhaltens-Test-Ergebnisse (Bias-Erkennungs-Quote).
System
AGG-§-22-Defensive
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt interne AGG-Vorfälle, Bewerber-/Hiring-Manager-Namen mit über 95 % Erkennungsrate.
- Pseudonymisierung von Vorfalls-Details vor LLM-Drafting; AGG-Gesetzestext + BAG-Urteile direkt verarbeitbar.
- Bidirektionale Anonymisierung für rollenspezifische Fallbeispiele.
Was Sie als L&D + D&I tun
- BAG 8 AZR 74/25-Lehrstück (120.000 EUR algorithmische Altersdiskriminierung) als Pflicht-Modul integrieren.
- Rollenspezifische Beispiele: Engineering (Skill-Listen-Inflation), Sales (junger dynamischer Sales-Hunter), Operations (Schichtbereitschaft als Eltern-/Pflegezeit-Proxy).
- Verhaltens-Test mit 8 Szenarien (mind. 2 zu mittelbarer Diskriminierung); Bestehensgrenze 6/8 = 75 %.
- Revisionssichere Archivierung als AGG-§-22-Defensive.
Daten-Input
Hiring-Manager-Population, Anlass (Pflicht-Onboarding/Refresh/Vorfall-Nachschulung), interner AGG-Vorfall (pseudonymisiert), KI-Tools im Einsatz (ATS, Video-Interview, ggf. Robot-Recruiting).
Output-Kontrolle
Re-identifiziertes Curriculum mit 5-Modul-Struktur (M1 AGG-Grundsätze, M2 Bias-Mechanismen, M3 BAG-Lehrstück, M4 KI-Tool-Spezifika, M5 Verhaltens-Test), Bias-Szenarien rollenspezifisch, Teilnahme-Bestätigungs-Template.
Freigabeprozess
L&D → D&I → Justitiariat → BR-Information BetrVG § 96-98 → Veröffentlichung.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Interne AGG-Fälle in anymize pseudonymisieren.
2. Rollen-Verteilung (Engineering/Sales/Operations) im Prompt definieren.
3. Verhaltens-Test 8 Szenarien (mind. 2 mittelbare Diskriminierung) menschlich kalibrieren.
4. Justitiariat-Verifikation jeder Artikel-Referenz Pflicht; D&I-Sign-off vor Roll-out.
5. Revisionssichere Archivierung als § 22 AGG Beweislast-Defensive.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt das Drafting einer 90-Min-
AGG-Pflichtschulung für Hiring-Manager eines deutschen Unternehmens.
Der Input ist pseudonymisiert: interne AGG-Vorfälle, Bewerber-/
Hiring-Manager-Namen durch `[[Kategorie-Hash]]`-Platzhalter.
Gesetzestexte, BAG-Urteile sind Klartext.
# Role (R)
Du agierst als AGG-Compliance-Trainer mit juristischer Sensibilität und
Bias-Mechanik-Wissen. Du kennst AGG §§ 1, 3 (insb. mittelbare
Diskriminierung Abs. 2), 7, 11, 15, 22 (Beweislast), AGG-Reform Mai 2026
(SRC-0218), BAG 8 AZR 74/25 (SRC-0256, 27.03.2026, 120.000 EUR), BetrVG
§ 87, § 95 Abs. 2a (SRC-0214), DSGVO Art. 22 (SRC-0240), EU AI Act
Annex III Nr. 4 (SRC-0231), DSK-Orientierungshilfe KI (SRC-0246),
Antidiskriminierungsstelle Rechtsgutachten KI (SRC-0253).
# Action (A)
1. Erstelle ein 5-Modul-Curriculum à ca. 18 Min: M1 AGG-Grundsätze,
M2 Bias-Mechanismen (kognitiv + algorithmisch), M3 BAG-8-AZR-74/25-
Lehrstück, M4 KI-Tool-Spezifika (ATS-Ranking, Video-Interview,
Robot-Recruiting), M5 Verhaltens-Test.
2. Pro Modul: Lernziel + 4-6 Folien + 3 Quiz-Fragen + 1 rollenspezifisches
Fallbeispiel (Engineering, Sales, Operations).
3. BAG-8-AZR-74/25-Lehrstück verpflichtend mit Urteils-Kern: „Wer den
Auswahlprozess an einen Algorithmus delegiert, delegiert damit nicht
die Verantwortung für die Diskriminierungsfreiheit dieses Prozesses.”
4. Bias-Verhaltens-Test in M5: 8 realistische Recruiting-Szenarien mit
Multiple Choice; mind. 6/8 Pflicht. Mind. 2 Szenarien adressieren
mittelbare Diskriminierung über Proxy-Variablen.
5. Markierungen: alle AGG-Paragraphen, BAG-Urteile mit `[REF: ...]`;
unsichere Verweise mit `[[REF-PRÜFEN]]`.
6. Erfinde keine Urteile. `[[QUELLE-FEHLT]]` bei fehlenden Quellen.
7. Rollen-Differenzierung: Engineering, Sales, Operations.
8. Teilnahme-Bestätigung + Verhaltens-Test-Ergebnis (Bestehensgrenze
6/8 = 75 %).
# Format (F)
- Modul-Übersicht als Markdown-Tabelle.
- Modul-Inhalte: Lernziel + Folien-Bullets + Quiz + Fallbeispiel.
- M5 Verhaltens-Test mit 8 Szenarien + Antworten.
- Quellen-Block am Ende.
- Teilnahme-Bestätigungs-Template.
# Target Audience (T)
Hiring-Manager ohne tiefe juristische Vorbildung. Tonalität: klar, an
konkreten Recruiting-Szenarien orientiert, ohne Verharmlosung der
Klage-Risiken; BAG-Linie als wirtschaftliche Realität benennen
(120.000 EUR pro Fall).So sieht der Input aus
Pseudonymisierter Eingabetext
Schulungs-Auftrag: 90-Min-AGG-Pflichtschulung für ~[[HM-Anzahl]] Hiring-Manager.
Zielrollen: Engineering (40 %), Sales (25 %), Operations (25 %), Sonstige (10 %).
Anlass: Pflicht-Refresh + interner AGG-Vorfall im Q1 (Klage abgewehrt, aber Mitigation gefordert).
Rechtsstand-Schwerpunkte:
- BAG 8 AZR 74/25 (27.03.2026, SRC-0256, 120.000 EUR algorithmische Altersdiskriminierung).
- AGG-Reform Mai 2026 (SRC-0218, Klagefrist 2 → 4 Monate).
- Antidiskriminierungsstelle Rechtsgutachten KI (SRC-0253).
Interner AGG-Vorfall Q1 (pseudonymisiert):
- Vorfall [[Beanstandung-a3f9]]: Hiring-Manager [[HM-b2e7]] (Engineering) hat in Stellenanzeige „junger, dynamischer Tech-Lead” formuliert. Bewerber [[Bewerber-c4d1]] (53 J) klagte; Klage außergerichtlich beigelegt (~25.000 EUR).
KI-Tools im Einsatz:
- ATS [[ATS-d5e2]] mit Ranking-Funktion (BetrVG § 95 Abs. 2a SRC-0214, BV abgeschlossen).
- Video-Interview-Tool [[Tool-f7a3]] OHNE Persönlichkeitsanalyse.
- Kein Robot-Recruiting (Vollautomatisierung) im Einsatz.So liefert anymize zurück
Der KI-Entwurf
## Curriculum: AGG-Schulung Hiring-Manager 2026
### Modul-Übersicht
| Modul | Lernziel | Dauer | Quiz-Schwelle |
|---|---|---|---|
| M1 | AGG-Grundsätze und geschützte Merkmale | 15 min | 3/3 |
| M2 | Kognitive + algorithmische Bias-Mechanismen | 18 min | 2/3 |
| M3 | BAG 8 AZR 74/25-Lehrstück | 18 min | 3/3 |
| M4 | KI-Tool-Spezifika (ATS, Video, Robot-Recruiting) | 18 min | 2/3 |
| M5 | Verhaltens-Test (8 Szenarien) | 21 min | 6/8 |
### Modul M3 — BAG-8-AZR-74/25-Lehrstück
**Lernziel**: Hiring-Manager verstehen, dass Algorithmus-Delegation die AGG-Verantwortung nicht abnimmt.
**Folien-Bullets**:
- Sachverhalt: KI-gestütztes Bewerber-Ranking. Klägerin (53 J) wurde wegen Alters benachteiligt. BAG 27.03.2026 = 120.000 EUR Schadensersatz [REF: SRC-0256].
- BAG-Leitsatz: „Wer den Auswahlprozess an einen Algorithmus delegiert, delegiert damit nicht die Verantwortung für die Diskriminierungsfreiheit dieses Prozesses.”
- AGG § 22: Bewerber-Beweislast erleichtert — bei Indizien muss Arbeitgeber das Gegenteil beweisen.
- AGG-Reform Mai 2026: Klagefrist 2 → 4 Monate.
- Konsequenz: KI-Ranking ist Vorschlag, NIE alleinige Entscheidungsgrundlage. Dokumentation der menschlichen Letztentscheidung Pflicht.
**Quiz**:
1. Schadensersatzbetrag BAG 8 AZR 74/25? → 120.000 EUR.
2. Beweislast nach AGG § 22? → Arbeitgeber, wenn Indizien.
3. Klagefrist nach AGG-Reform? → 4 Monate.
**Fallbeispiel Engineering**:
[[Beanstandung-a3f9]]: Hiring-Manager [[HM-b2e7]] verwendete „junger, dynamischer Tech-Lead”. Bewerber [[Bewerber-c4d1]] (53 J) klagte; ~25.000 EUR. Hätte BAG-Linie 120.000 EUR werden können. Was hätte HM tun sollen?
- Stellenanzeigen-Bias-Check (UC-V-HR-REC-001).
- Kein Alters-implizierendes Vokabular.
- Skill-Liste auf 5-7 Must-haves begrenzen.
### Modul M5 — Verhaltens-Test (8 Szenarien, Auszug)
**Szenario 1 (Engineering)**: Bewerberin (44 J) hat 18 J Backend-Erfahrung, fehlt aber bei „Kubernetes 5+ J”. KI rankt sie auf Platz 12 von 15. Was tun?
- a) ATS-Ranking folgen → Ablehnung.
- b) ATS-Ranking überprüfen, Mensch-Entscheidung dokumentieren, Skill-Lücke gegen Plus-Punkte abwägen. ✓
- c) Sofort einladen, um Alters-Klage zu vermeiden.
**Szenario 2 (Sales — Mittelbare Diskriminierung)**: Stellenanzeige verlangt „70 % Reisebereitschaft”. Bewerberin mit zwei kleinen Kindern bewirbt sich nicht. Risiko?
- a) Keines.
- b) Mittelbare Diskriminierung möglich (AGG § 3 Abs. 2): Reise-Anforderung korreliert statistisch mit Eltern-/Pflegezeit. Anforderung nur, wenn fachlich zwingend; sonst Hybrid-Modell. ✓
- c) Reiseanforderung verstärken.
[... 6 weitere Szenarien analog ...]
**Bestehensgrenze**: 6/8 = 75 %.
### Teilnahme-Bestätigung
- Name: ________________ Datum: _________
- Modul-ID: AGG-HM-2026-v1.0
- Verhaltens-Test: ___/8 (Bestehensgrenze 6/8)
- Bestätigung Teilnehmer: ______________________Was das HR-Recht verlangt
Pflichten — und wie anymize sie abdeckt
BAG 8 AZR 74/25 — 120.000 EUR algorithmische Altersdiskriminierung (SRC-0256)
Höchste AGG-Entschädigung. Bei Einzel-Hiring-Manager-Klage hohes Konzentrations-Risiko. Lehrstück-Modul zentral in Schulung.
AGG-Reform Mai 2026 (SRC-0218)
Klagefrist 2 → 4 Monate; Verfahrens-Risiko steigt. Schulungs-Doku wichtiger denn je für § 22 AGG-Beweislast-Defensive.
AGG § 3 Abs. 2 — Mittelbare Diskriminierung (SRC-0217)
Proxy-Variablen („Mobilität”, „kulturelle Passung”, „internationale Erfahrung”) korrelieren statistisch mit Geschlecht/Alter/Herkunft. Mittelbare Diskriminierung erfordert sachliche Rechtfertigung.
BetrVG § 95 Abs. 2a — Auswahlrichtlinien KI (SRC-0214)
Bei ATS mit Ranking BV-Pflicht. Bei Robot-Recruiting (Vollautomatisierung) ggf. FRIA nach EU AI Act Art. 27.
DSGVO Art. 22 — Vollautomatische Entscheidung (SRC-0240)
Keine vollautomatische Einzelfallentscheidung. ATS-Ranking ist Vorschlag, Mensch entscheidet.
EU AI Act Annex III Nr. 4 + Art. 50 (SRC-0231/0235)
Hochrisiko-KI in Beschäftigung + KI-Transparenz-Pflicht. Stellenanzeige muss KI-Hinweis enthalten („Wir setzen KI-gestützte Tools zur Vorauswahl ein. Die finale Entscheidung trifft ein Mensch.”).
Antidiskriminierungsstelle (SRC-0253)
AGG schützt strukturell nicht ausreichend vor algorithmischer Diskriminierung — Reformbedarf. Eigene Defensive durch dokumentierte Schulung.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO + Art. 6 Abs. 1 lit. c (§ 12 AGG-Pflicht zu Schutzmaßnahmen). § 12 AGG: Arbeitgeber-Pflicht zu Schutzmaßnahmen vor Diskriminierung; Schulung ist anerkannte Maßnahme. AVV nach Art. 28 mit LMS-Anbieter. anymize entfernt interne AGG-Fälle vor LLM-Drafting.
Was anymize konkret leistet
- Erkennt interne AGG-Vorfälle, Bewerber-/Hiring-Manager-Namen mit über 95 % Genauigkeit.
- Pseudonymisierung von Vorfalls-Details für Curriculum-Drafting; AGG-Gesetzestext + BAG-Urteile direkt verarbeitbar.
- Alternative LMS: Cornerstone Learning, SAP SuccessFactors Learning + Joule (SRC-0306), Workday Learning + Illuminate (SRC-0307), LinkedIn Learning Hub, Articulate Storyline / Rise 360 für interaktive Verhaltens-Tests.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert — was Sie souverän entscheiden
Vor dem KI-Aufruf
- BAG 8 AZR 74/25-Lehrstück-Inhalt aktuell?
- AGG-Reform Mai 2026 Klagefrist 2 → 4 Monate referenziert?
- Interne Vorfälle pseudonymisiert?
- Rollen-Verteilung definiert (Engineering/Sales/Operations)?
Inhaltliche Qualität
- Mittelbare-Diskriminierungs-Szenarien (Proxy-Variablen) im Verhaltens-Test?
- AGG § 22 Beweislast adressiert?
- KI-Tool-Spezifika (ATS, Video-Interview) korrekt?
- D&I-Sign-off dokumentiert?
Roll-out und Archivierung
- BR-Information BetrVG § 96-98?
- Verhaltens-Test ≥ 6/8 Bestehensgrenze konfiguriert?
- Revisionssichere Archivierung (AGG-§-22-Defensive)?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI verwechselt unmittelbare (Abs. 1) und mittelbare (Abs. 2) Diskriminierung — Justitiariat-Check.
- →KI erfindet BAG-Urteile — [[REF-PRÜFEN]] zwingt zur Verifikation.
- →KI ignoriert AGG-Reform Klagefrist-Update — Rechtsstand-Pre-Brief.
- →KI formuliert „neutrale” Skill-Anforderungen ohne Bias-Check (z.B. „native English speaker”) — D&I-Sign-off auf Skill-Listen.
- →KI ignoriert rollenspezifische Differenzierung — Engineering vs. Sales vs. Operations als Pflicht-Tracks.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen — AGG und Rechtsprechung
- Diskriminierungsverbot + Beweislast (SRC-0217)
- Klagefrist 2 → 4 Monate (SRC-0218)
- 120.000 EUR algorithmische Altersdiskriminierung (SRC-0256)
- Arbeitgeber-Pflicht zu Schutzmaßnahmen
Primärnormen — EU AI Act, DSGVO und BetrVG
- Hochrisiko-KI Beschäftigung (SRC-0231)
- KI-Transparenz-Pflicht (SRC-0235)
- Verbot vollautomatischer Entscheidung (SRC-0240)
- KI-Tool-Mitbestimmung (SRC-0211)
- ATS-Auswahlrichtlinien (SRC-0214)
- HR-Datenschutz (SRC-0246)
- AGG strukturell unzureichend (SRC-0253)
Markt und Studien
- 19 % GenAI HR; 28 % formales KI-Training (SRC-0271)
- 90 % KI-Nutzung Stellenanzeigen (SRC-0275)
- 12 % KI in Weiterbildung (SRC-0276)
- 23,9 % Diskriminierung Bewerbungsphase (SRC-0280)
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.