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.
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.