Personalentwicklung und Learning
Nachfolgeplanung Schlüsselposition (Mobley v. Workday, BAG 8 AZR 74/25, BetrVG § 95)
anymize ersetzt Kandidaten-Daten (Name, Geburtsjahr, Vorgängerunternehmen, Standort), Anforderungs-Profil und Demografie-Marker automatisch durch Platzhalter, bevor das Frontier-Modell Match-Scores, Ready-Now/1Y/3Y-Klassifikation, Bias-Audit (χ²/Fairlearn) und BetrVG-§-95/§-99-Workflow für die Einzel-Schlüsselposition komponiert. Mobley-v.-Workday-Linie und BAG 8 AZR 74/25 (120.000 EUR) als methodische Anker; Talent-Review-Komitee entscheidet final menschlich.
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?
Einzel-Schlüsselposition-Nachfolge ist ad-hoc-getriebene Variante des Talent-Reviews — Konzentrations-Risiko ist hoch (ein Bewerber klagt vs. Sammelklage-Risiko). Dieser Workflow operationalisiert EU-AI-Act-Hochrisiko-Pflichten (Annex III Nr. 4 + Art. 26 + Art. 27 FRIA), Mobley-v.-Workday-Linie und BetrVG § 95/§ 99-Doppel-Mitbestimmung.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Talent Management, CHRO / Personalleitung, HR Business Partner mit Talent-Verantwortung, Geschäftsführung als Letztentscheider, Aufsichtsrat (bei Vorstands-Nachfolge nach DCGK), Diversity & Inclusion, Rechtsabteilung, BR.
- Seniorität
- Senior — geschäftsstrategische Sensitivität, juristische Belastbarkeit, Bias-Reflexivität.
- Unternehmensgröße
- Mittelstand mit >500 MA und mehreren Hierarchie-Ebenen; Konzern; DAX/MDAX-Listing.
- Spezifische Kontexte
- Notfall-Nachfolge bei plötzlichem Ausfall, geplante Pensionierung mit 6-12 Monaten Vorlauf, interne Re-Org-Wechsel, M&A-bedingte Schlüsselpositions-Doppelung, Aufsichtsrats-getriebene Vorstands-Nachfolge mit DCGK-Diversity.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Einzel-Schlüsselposition-Nachfolge hat drei Verschärfungen. Erstens: Mobley v. Workday (US, 2024) — erste Sammelklage gegen HR-SaaS-Anbieter wegen algorithmischer Diskriminierung in Talent-Tools; bei US-gehosteten Talent-Suites + konzern-übergreifender Talent-Mobilität DE-Risiko (BAG Workday SRC-0260). Zweitens: BAG 8 AZR 74/25 (27.03.2026) — 120.000 EUR algorithmische Altersdiskriminierung; bei Einzelfall-Klage hohes Konzentrations-Risiko. Drittens: BetrVG § 95 + § 99 Doppel-Mitbestimmung — § 95 Abs. 2a (Auswahlrichtlinien KI) bei algorithmischem Matching; § 99 (Versetzung) bei tatsächlicher Stellenbesetzung; konzentrierte Frist-Verfahren. AGG § 22 erleichterte Beweislast; Antidiskriminierungsstelle (SRC-0253). Public-LLM ohne strikte Pseudonymisierung der Talent-Daten verletzt § 26 BDSG; vollautomatisches Matching ohne menschliche Letztentscheidung verletzt DSGVO Art. 22 und EU AI Act Art. 26.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Schlüsselposition
1–3 PT
Größenordnung; initial-Aufwand für KI-gestützte Methodik-Etablierung hoch — Effizienz-Gewinn skaliert mit Anzahl Fälle pro Jahr.
Klage-Risiko BAG-Linie
120 k EUR+
BAG 8 AZR 74/25 als Untergrenze pro Einzelfall + Reputations-Schaden + Mobley-übertragbare Sammelklagen.
EU AI Act Sanktion
15 Mio EUR / 3 %
Art. 99 bei Annex III Nr. 4-Hochrisiko-Verstoß; FRIA + Art. 26 Logs Pflicht.
Erkennungsrate
>95 %
anymize entfernt Kandidaten-Identität + Karriere-Historie; Demografische Marker SEPARAT.
So gehen Sie vor
Der Workflow Schritt für Schritt
Schlüsselposition definieren: Funktion, Anforderungs-Profil (geschlechts-/alters-/herkunfts-neutral), Pflicht-Skills, Mobilitäts-Anforderung, Zeit-Horizont.
Mensch (Geschäftsführung + CHRO)
Strategische Verantwortung
Anforderungs-Profil-Bias-Check (vgl. UC-M-HR-001 Stellenanzeige-Bias-Check) — Proxy-Variablen prüfen.
Mensch + KI
AGG-Defensive
Talent-Pool definieren: explizit karrierebereite Kandidat:innen mit Senior-Erfahrung; min. 3-8 Kandidat:innen.
Mensch
Eigene Einwilligung
Daten-Klassifikation: Kandidaten-Namen, Geburtsdatum, Geschlecht, Karriere-Historie, Performance-Score, Skill-Bewertung = Klasse A. Demografische Marker SEPARAT.
Mensch
§ 26 BDSG
anymize pseudonymisiert: [[Kandidat-…]], [[Geb-Jahr-…]], [[Vorgängerunternehmen-…]], [[Standort-…]].
anymize
DSGVO Art. 28 · EU AI Act
KI-Matching: Match-Score je Kandidat:in × Schlüsselposition; Klassifikation Ready-Now / 1Y / 3Y / nicht ready.
KI
Strukturierung
Bias-Audit: Demografische Verteilung des Talent-Pools vs. Ready-Now-Empfehlung; χ²-Test / Fairlearn. Bei Abweichung >15 PP [[BIAS-FLAG]].
KI + Mensch
AGG · BAG 8 AZR 74/25 · EU AI Act Art. 26
Proxy-Variable-Audit: Korrelation „Mobilität”, „internationale Erfahrung”, „kulturelle Passung” mit demografischen Merkmalen — mittelbare Diskriminierung AGG § 3 Abs. 2.
KI + Mensch
AGG mittelbar
Rück-Substitution für Talent-Review-Vorlage; HR-BP-Letztprüfung.
anymize + Mensch
Re-Identifikation lokal
BetrVG-Vorabprüfung: greift § 95 Abs. 2a Auswahlrichtlinien? Greift § 99 bei Versetzung? Falls ja: BR-Beteiligung einplanen.
Mensch (HR + Justitiariat)
Mitbestimmung
Talent-Review-Komitee (Geschäftsführung + CHRO + Bereichsvorstand): Diskussion, finale Entscheidung. KI-Output ist Vorschlag, nicht Entscheidung.
Mensch
DSGVO Art. 22 · EU AI Act Art. 26
Bei Vorstands-Nachfolge: Aufsichtsrats-Vorlage mit DCGK-Diversity-Begründung. BR-Beteiligung nach BetrVG § 99 bei Versetzung (1-Wochen-Frist).
Mensch
Corporate Governance
Dokumentation für Compliance: Match-Logik, Bias-Audit, menschliche Diskussions-Punkte; EU AI Act Art. 26 Logs (6 Monate).
Mensch + System
Compliance
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt Kandidaten-Namen, Geburtsjahr, Vorgängerunternehmen, Standort mit über 95 % Erkennungsrate.
- Demografische Marker SEPARAT in Bias-Audit-Datei; NICHT direkt mit Empfehlungs-Kandidaten verknüpft.
- Bidirektionale Anonymisierung; bei Vorstands-Nachfolge zusätzliche Aufsichtsrats-Vorlage-Schicht.
Was Sie als CHRO tun
- Anforderungs-Profil-Bias-Check (UC-M-HR-001 Stellenanzeige-Logik).
- Bias-Audit mit χ²-Test oder Fairlearn / IBM AI Fairness 360 durchführen.
- Talent-Review-Komitee dokumentiert menschliche Diskussion (EU AI Act Art. 26).
- Bei Vorstand: Aufsichtsrats-Vorlage mit DCGK-Diversity-Begründung.
Daten-Input
Schlüsselposition-Anforderungs-Profil, Talent-Pool (3-8 Kandidat:innen mit Karriere-Wunsch-Einwilligung), Skill-/Performance-/Mobilitäts-Daten, Demografie-Aggregat SEPARAT.
Output-Kontrolle
Re-identifizierte Match-Matrix mit Score-Berechnung (Skill 40 % / Erfahrung 30 % / Mobilität 15 % / Performance 15 %), Ready-Klassifikation, Bias-Audit-Findings mit [[BIAS-FLAG]]/[[BIAS-PROXY]], BetrVG-Check, Diskussions-Punkte für Talent-Review-Komitee, Aufsichtsrats-Vorlage bei Vorstand.
Freigabeprozess
HR-BP-Entwurf → D&I-Bias-Sign-off → Justitiariat-AGG-Defensive → Talent-Review-Komitee → BR-Beteiligung → (Aufsichtsrat bei Vorstand).
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Anforderungs-Profil und Talent-Pool in anymize pseudonymisieren.
2. Demografische Marker SEPARAT in Bias-Audit-Datei führen.
3. FRIA nach EU AI Act Art. 27 vor erstem Einsatz dokumentieren.
4. Talent-Review-Komitee dokumentiert menschliche Diskussion (Art. 26).
5. Bei Vorstand: Aufsichtsrats-Vorlage mit DCGK-Diversity-Begründung.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt die Nachfolgeplanung für
eine einzelne Schlüsselposition in einem deutschen Unternehmen. Der Input
ist pseudonymisiert (Klasse-A-Daten mit `[[Kandidat-…]]`,
`[[Geb-Jahr-…]]`, `[[Funktions-Tag-…]]`). Demografische Marker
(Geschlecht, Geburts-Decade) sind SEPARAT in einer Bias-Audit-Datei.
# Role (R)
Du agierst als Talent-Management-Assistenz mit Kenntnis BetrVG § 87, § 95
Abs. 2a Auswahlrichtlinien (SRC-0214), § 99 Versetzungs-Mitbestimmung;
AGG §§ 1, 3, 7 (SRC-0217) inkl. mittelbare Diskriminierung; AGG-Reform
Klagefrist 4 Monate (SRC-0218); DSGVO Art. 22 (SRC-0240), Art. 28
(SRC-0242), Art. 35 (SRC-0243); EU AI Act Annex III Nr. 4 (SRC-0231),
Art. 26 (SRC-0233), Art. 27 FRIA (SRC-0234); BAG 8 AZR 74/25 (SRC-0256);
BAG Workday (SRC-0260); Mobley v. Workday US-Sammelklage; Antidiskri-
minierungsstelle (SRC-0253). Du weißt: Empfehlungen sind Vorschläge —
keine Entscheidungen.
# Action (A)
1. Berechne pro Kandidat:in einen Match-Score (0–100): Skill-Match (40 %),
Erfahrungs-Match (30 %), Mobilitäts-Match (15 %), Performance-Trend
(15 %). Logik transparent dokumentieren (EuGH C-203/22 Erklärbarkeit).
2. Klassifiziere: Ready-Now (>85), Ready-1Y (75-85), Ready-3Y (60-75),
nicht ready (<60).
3. Bias-Audit:
a. Vergleiche Empfehlungs-Verteilung Ready-Now gegen Talent-Pool-
Demografie (Geschlecht, Geburts-Decade).
b. Bei Abweichung >15 PP `[[BIAS-FLAG: ...]]`.
c. Proxy-Variable-Audit: korrelieren „Mobilität”, „internationale
Erfahrung” mit demografischen Merkmalen? `[[BIAS-PROXY: …]]`.
4. BetrVG-Check: Welche Bestimmungen (§ 87, § 95, § 99) greifen? Welche
Fristen?
5. Aufsichtsrats-Vorlage (falls Vorstand) mit DCGK-Diversity-Begründung.
6. Markiere alle Empfehlungen, die ohne menschliche Letztentscheidung
nicht umgesetzt werden dürfen, mit `[[DSGVO-22-Letztentscheidung]]`.
7. Erfinde keine Karriere-Stationen. `[[DATEN-LÜCKE]]` bei fehlenden
Daten.
8. Checkliste „Talent-Review-Komitee Vorbereitung” mit 10 Items.
# Format (F)
- „Match-Matrix” als Markdown-Tabelle.
- „Ready-Klassifikation”.
- „Bias-Audit Findings” mit `[[BIAS-FLAG]]` / `[[BIAS-PROXY]]`.
- „BetrVG-Check” mit Frist-Aufstellung.
- „Diskussions-Punkte Talent-Review-Komitee”.
- Optional: Aufsichtsrats-Vorlagen-Skizze.
- Checkliste.
# Target Audience (T)
HR Business Partner, D&I, Justitiariat, Talent-Review-Komitee. Sachlich,
evidenzbasiert, defensiv-juristisch belastbar. Keine Endgültigkeits-
Aussagen.So sieht der Input aus
Pseudonymisierter Eingabetext
Schlüsselposition: [[Pos-Werkleiter-DE-Süd]]
Hintergrund: Geplante Pensionierung Q4/2026; Vorlauf 8 Monate.
Anforderungs-Profil:
- Skill: Produktions-Leadership 5/5, Lean Management 4/5, IATF-16949 4/5, Personalführung 5/5, EHS 4/5.
- Erfahrung: 10+ J Produktion, 3+ J Werk-Leitung.
- Mobilität: DE-Süd; Wechselbereitschaft Standort innerhalb DE optional.
- Sprachen: DE C2, EN B2.
Talent-Pool (n=5, pseudonymisiert):
| Kandidat | Funktions-Tag | Erfahrung (J) | Skill-Score | Lean | IATF | Führung | EHS | Mobilität |
|---|---|:---:|:---:|:---:|:---:|:---:|:---:|---|
| [[Kandidat-A]] | Stellv. Werkleiter DE-Süd | 14 | 5 | 4 | 5 | 4 | 4 | lokal |
| [[Kandidat-B]] | Produktionsleiter DE-West | 12 | 4 | 5 | 3 | 5 | 4 | DE ok, Kinder |
| [[Kandidat-C]] | Head of Operations CZ | 11 | 4 | 5 | 4 | 4 | 4 | EU ok |
| [[Kandidat-D]] | Senior Plant Manager AT | 13 | 5 | 3 | 4 | 5 | 5 | DACH ok |
| [[Kandidat-E]] | Werkleiter (extern, FR) | 16 | 5 | 5 | 5 | 5 | 4 | DACH ok, EN C1 |
Demografisches Aggregat (separat):
- Geschlecht: 4 männlich, 1 weiblich ([[Kandidat-B]]).
- Geburts-Decade: 1 vor 1970, 3 1970er, 1 1980er.
- Herkunft: 4 DE, 1 extern FR.So liefert anymize zurück
Der KI-Entwurf
## Match-Matrix [[Pos-Werkleiter-DE-Süd]]
| Kandidat | Skill (40 %) | Erfahrung (30 %) | Mobilität (15 %) | Performance-Trend (15 %) | Gesamt | Klassifikation |
|---|:---:|:---:|:---:|:---:|:---:|---|
| [[Kandidat-A]] | 33 | 28 | 15 | 13 | **89** | Ready-Now |
| [[Kandidat-B]] | 30 | 24 | 12 | 13 | **79** | Ready-1Y |
| [[Kandidat-C]] | 31 | 22 | 13 | 12 | **78** | Ready-1Y |
| [[Kandidat-D]] | 31 | 26 | 14 | 13 | **84** | Ready-1Y (Schwelle) |
| [[Kandidat-E]] | 35 | 32 | 14 | 14 | **95** | Ready-Now |
Erklärungs-Logik (transparent EuGH C-203/22): Skill = 40 % × (Score/5); Erfahrung = 30 % × (min(J, 15)/15); Mobilität = 15 %; Performance-Trend = 15 %.
## Ready-Klassifikation
- **Ready-Now**: [[Kandidat-E]] (95), [[Kandidat-A]] (89)
- **Ready-1Y**: [[Kandidat-D]] (84), [[Kandidat-B]] (79), [[Kandidat-C]] (78)
## Bias-Audit Findings
| Demografie | Pool-Anteil | Ready-Now-Anteil | Abweichung | Flag |
|---|:---:|:---:|:---:|---|
| Männlich | 80 % | 100 % | +20 PP | `[[BIAS-FLAG: Weibliche Kandidatin unterrepräsentiert in Ready-Now]]` |
| Weiblich | 20 % | 0 % | -20 PP | (siehe oben) |
| Geburts-Decade vor 1970 | 20 % | 50 % | +30 PP | `[[BIAS-FLAG-INVERS: ältere Kandidaten überrepräsentiert]]` |
`[[BIAS-PROXY: „Mobilität” — [[Kandidat-B]] (weiblich, Kinder) hat Mobilitäts-Constraint; bei Standort-Wechsel-Anforderung indirekt elternspezifisch diskriminierend. Schlüsselposition ist hier standort-fix; Talent-Review-Komitee soll Stretch-Auflagen für [[Kandidat-B]] explizit ohne Mobilitäts-Druck definieren.]]`
**Empfehlung Bias-Mitigation**:
- [[Kandidat-B]] (Ready-1Y, weiblich, 79) explizit als Ready-Now-Pfad mit 12-Monaten-Stretch-Programm zur Schließung IATF-Gap entwickeln.
- Talent-Pool-Erweiterung: weitere weibliche Senior-Produktions-Manager:innen identifizieren.
## BetrVG-Check
| Bestimmung | Greift? | Frist | Maßnahme |
|---|---|---|---|
| BetrVG § 87 Abs. 1 Nr. 6 | Ja (KI-Tool mit Arbeitgeber-Account) | laufend | Bestehende BV greift |
| BetrVG § 95 Abs. 2a | Ja (algorithmisches Matching) | vor Anwendung | BV / Sachverständiger-Pflicht |
| BetrVG § 99 (Versetzung) | Ja bei Stellenbesetzung | 1 Woche (Abs. 3) | BR-Antrag zeitnah |
## Diskussions-Punkte Talent-Review-Komitee
1. [[Kandidat-E]] höchste Skill-Match (95), aber extern → kultureller Fit / Onboarding-Risiko.
2. [[Kandidat-A]] hat Werkleitungs-Erfahrung gleicher Standort → konservative Option.
3. Warum 0 weibliche Kandidatinnen in Ready-Now? Skill-/Erfahrungs-Daten oder Bewertungs-Bias?
4. Performance-Trend-Daten — Halo-Effekte?
5. Ist „Mobilität” als 15 %-Faktor angemessen bei standort-fixer Position?
6. IATF-16949-Lücke bei [[Kandidat-B]] — Stretch-Projekt 12 Monate realistisch?
## Checkliste — Talent-Review-Komitee Vorbereitung
- [ ] Anforderungsprofil geschlechts-/alters-/herkunfts-neutral.
- [ ] Talent-Pool aus Karriere-Wunsch-Einwilligungen.
- [ ] anymize-Pseudonymisierung erfolgt.
- [ ] Demografische Marker separat geführt.
- [ ] Bias-Audit durch D&I bestätigt.
- [ ] Match-Logik transparent (EuGH C-203/22).
- [ ] EU AI Act Art. 26 Logs angelegt.
- [ ] DPIA nach DSGVO Art. 35.
- [ ] BR informiert (BetrVG § 87 / § 95 / § 99).
- [[DSGVO-22-Letztentscheidung]] für finale Stellenbesetzung Mensch.Was das HR-Recht verlangt
Pflichten — und wie anymize sie abdeckt
BAG 8 AZR 74/25 — Einzelfall-Klage-Risiko (SRC-0256)
120.000 EUR algorithmische Altersdiskriminierung. Bei Einzel-Schlüsselposition-Klage hohes Konzentrations-Risiko — ein Bewerber klagt vs. Sammelklage.
Mobley v. Workday (US, 2024)
Erste Sammelklage gegen HR-SaaS-Anbieter wegen algorithmischer Diskriminierung. Bei US-Hosted Talent-Tools + konzern-übergreifender Talent-Mobilität für DE adressierbar.
EU AI Act Annex III Nr. 4 + Art. 26 + Art. 27 FRIA (SRC-0231/0233/0234)
Hochrisiko-KI; Logs 6 Monate, menschliche Aufsicht, ggf. FRIA bei signifikanter Auswirkung. Bußgelder bis 15 Mio EUR / 3 % Konzernumsatz.
BAG Workday DSGVO (SRC-0260)
Konzern-Datentransfer-Schadensersatz. Bei US-Hosting (Workday, Cornerstone) Schrems-II-Risiko.
BetrVG § 95 Abs. 2a + § 99 + § 87 — Doppel-Mitbestimmung
§ 95 bei Auswahlrichtlinien; § 99 bei Versetzung; § 87 bei KI-Tool. Bei Einzelfall ist Mitbestimmungs-Verfahren konzentriert — wenig Zeit-Puffer.
AGG § 22 + AGG-Reform (SRC-0217/0218)
Erleichterte Beweislast; Klagefrist 4 Monate. Dokumentierte Bias-Audit als Defensive.
DCGK — Diversity bei Vorstands-Nachfolge
Aufsichtsrat verlangt Diversity-Begründung bei Vorstands-Nachfolge. CSRD ESRS S1 Berichtspflicht.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Rechtsgrundlage Art. 6 Abs. 1 lit. b DSGVO + § 26 BDSG; bei Mitbestimmungs-Pflicht-Verarbeitung BetrVG-Tatbestand. AVV nach Art. 28 + § 25b KWG (für Bank-/Versicherer-Sektor). anymize-Einordnung Kernhebel — Kandidaten-Daten zwingend pseudonymisieren vor jedem externen LLM-Transfer; Demografische Marker SEPARAT für Bias-Audit.
Was anymize konkret leistet
- Erkennt Kandidaten-Daten (Name, Geburtsjahr, Vorgängerunternehmen, Standort) mit über 95 % Genauigkeit.
- Demografische Marker SEPARAT in Bias-Audit-Datei.
- Alternative Talent-Suite-Pfade: Workday Talent + Illuminate (SRC-0307, US-Hosting → SCC + TADPF), SAP SuccessFactors Succession + Joule (SRC-0306, EU-Tenant), Cornerstone Succession, Mercer Talent Match (Beratungs-orientiert), Fairlearn / IBM AI Fairness 360 für Bias-Audit-Statistik.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert — was Sie souverän entscheiden
Vor dem KI-Matching
- Anforderungs-Profil geschlechts-/alters-/herkunfts-neutral?
- Talent-Pool aus Karriere-Wunsch-Einwilligungen?
- anymize-Pseudonymisierung erfolgt?
- Demografische Marker separat geführt?
- FRIA nach EU AI Act Art. 27 dokumentiert (bei signifikanter Auswirkung)?
Bias-Audit
- Match-Logik transparent (EuGH C-203/22 Erklärbarkeit)?
- Bias-Audit dokumentiert; D&I-Sign-off?
- Proxy-Variable-Audit (Mobilität, Sprache, internationale Erfahrung)?
- DPIA nach DSGVO Art. 35?
Governance
- BR informiert BetrVG § 87 / § 95 / § 99?
- Talent-Review-Komitee dokumentiert menschliche Diskussion?
- EU AI Act Art. 26 Logs (6 Monate)?
- DCGK-Diversity-Begründung bei Vorstand?
- [[DSGVO-22-Letztentscheidung]] für finale Stellenbesetzung Mensch?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI gewichtet Mobilität zu hoch (15 %) bei standort-fixer Position — Talent-Review-Komitee soll Mobilität neutralisieren.
- →KI ignoriert Pool-Demografie-Bias (z.B. 0 weibliche Kandidatinnen in Ready-Now) — [[BIAS-FLAG]] zwingt zur Adressierung.
- →KI verwechselt Proxy-Variablen (z.B. „internationale Erfahrung” als Herkunfts-Proxy) — [[BIAS-PROXY]]-Marker.
- →KI macht vollautomatisches Matching ohne menschliche Letztentscheidung — [[DSGVO-22-Letztentscheidung]] Pflicht.
- →KI vergisst BetrVG § 99-Versetzungs-Frist (1 Woche) — Justitiariat-Vorlauf.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen — Mitbestimmung und Antidiskriminierung
- KI-Tool-Mitbestimmung (SRC-0211)
- Auswahlrichtlinien KI (SRC-0214)
- Versetzungs-Mitbestimmung
- Diskriminierungsverbot + Beweislast (SRC-0217)
- Klagefrist 2 → 4 Monate (SRC-0218)
- Beschäftigtendaten (SRC-0215)
Primärnormen — EU AI Act und DSGVO
- Hochrisiko-KI Personalmanagement (SRC-0231)
- Anwender-Pflichten (SRC-0233)
- FRIA (SRC-0234)
- Verbot vollautomatischer Entscheidung (SRC-0240)
- AVV (SRC-0242)
- DPIA (SRC-0243)
Rechtsprechung und Studien
- 120.000 EUR algorithmische Diskriminierung (SRC-0256)
- Konzern-Datentransfer-Schadensersatz (SRC-0260)
- Erste HR-SaaS-Sammelklage-Warnung
- AGG strukturell unzureichend (SRC-0253)
- Diversity-Anforderung Aufsichtsrat
- 19 % GenAI HR (SRC-0271)
- Talent-Suite (SRC-0307)
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.