Personalentwicklung und Learning
Skill-Gap-Analyse auf Team-Ebene mit KI-Aggregation und Lernpfad-Empfehlung
anymize ersetzt Mitarbeitername, Team-Kürzel und Funktionsebene aller Mitglieder eines 6–20-Personen-Teams automatisch durch Platzhalter, bevor das Skill-Inventar mit Self- und Manager-Bewertungen an GPT, Claude oder Gemini geht. Bewertungs-Skala (1–5) bleibt sichtbar, weil sie für die Gap-Berechnung gebraucht wird. So entsteht die Skill-Heatmap mit Gap-Cluster-Priorisierung und Lernpfad-Empfehlung in Minuten statt Personentagen, ohne § 26 BDSG, BetrVG § 94 oder § 96–98 zu berühren.
Schwierigkeit: Fortgeschritten · 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?
Team-Ebene ist die operative Einstiegsebene für Skill-Gap-Audits (typisch 6–20 MA). Sie steht zwischen organisationsweiter Strategie (UC-V-HR-LRN-002) und individuellem Plan (UC-V-HR-LRN-003/004). Dieser Workflow operationalisiert die DSK-Forderung nach k-Anonymität, BetrVG § 94 (Personalfragebögen) und § 96–98 (Berufsbildung-Mitbestimmung), die L&D-Würdigung und die Teamleitungs-Letztentscheidung bleiben selbstverständlich bei Ihnen.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- L&D-Verantwortliche, HR Business Partner, Teamleitung, Skill-Owner (Funktionsbereichs-Pate), Talent-Management. Sekundär: Betriebsrat (BetrVG § 96–98), Diversity-Officer (AGG-Defensive).
- Seniorität
- Fortgeschritten, Skill-Taxonomie-Verständnis (SFIA, ESCO, eigene), Bewertungs-Methodik (1–5-Skala mit Verhaltens-Ankern) und Bias-Awareness erforderlich.
- Unternehmensgröße
- KMU ab 100 MA mit dedizierter L&D-Rolle, Mittelstand (250–2.000), Konzern (2.000+). KMU <100 nutzen meist Personio-/Leapsome-Standardtaxonomien.
- Spezifische Kontexte
- GenAI-Einführung (IAB STD-0046: +30 PP Substituierbarkeit), Reorganisations-Phasen, Engpass-Skills (BA STD-0055: 163 Engpassberufe), Förderprogramme (Qualifizierungsgeld § 82a SGB III), Transformation Operations/Tech/Sales.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Team-Skill-Gap-Analysen haben drei strukturelle Risiken. Erstens: bei Teams unter 6 Personen wird jede Skill-Heatmap faktisch personenbezogen, DSK-Orientierungshilfe (SRC-0246) fordert k-Anonymität ≥ 6, Re-Identifikation über Skill-Profil-Signatur droht. Zweitens: BetrVG § 94 (SRC-0227) macht Skill-Assessment-Bögen zu mitbestimmungspflichtigen Beurteilungsgrundsätzen; bei Cloud-LLM-Aggregation greift zusätzlich § 87 Abs. 1 Nr. 6 BetrVG (BAG 1 ABR 20/21). Drittens: Dunning-Kruger-Effekte im Self-Assessment und Halo-Effekte im Manager-Assessment können geschlechts-/alters-typische Muster reproduzieren, BAG 8 AZR 74/25 (120.000 EUR algorithmische Altersdiskriminierung) als Warnsignal. Public-LLM-Upload des Skill-Inventars (Mitarbeitername, Team-Kürzel, Bewertungen) ohne Pseudonymisierung verletzt § 26 BDSG. anymize löst genau diesen Konflikt: Klarnamen, Team-Kürzel und Funktionsebenen aller Team-Mitglieder werden vor dem KI-Aufruf zu Platzhaltern; Bewertungs-Skala bleibt sichtbar; nach der KI-Antwort identifiziert anymize zurück.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Team-Audit
1–3 PT
Frontier-KI aggregiert Skill-Inventar, berechnet Gaps und schlägt Lernpfade in Minuten vor; L&D-Letztcheck kommt obendrauf. Bei 10 Teams 10–30 PT/Jahr.
Risiko-Hebel
120 k EUR+
AGG-Klage in BAG-8-AZR-74/25-Größenordnung macht jede Effizienz-Ersparnis trivial. DSGVO-Datenpanne § 33 = 4 %-Umsatz-Risiko.
Vertraulichkeit
strukturell
anymize entfernt Mitarbeitername, Team-Kürzel, Funktionsebene und Personalnummer aller Team-Mitglieder, bevor der Input das Haus verlässt.
Erkennungsrate
>95 %
Dreifach geprüft (Algorithmus + zwei spezialisierte KI-Prüfungen). Restmenge kontrollieren Sie im Vorschau-Modus vor dem KI-Aufruf.
So gehen Sie vor
Der Workflow Schritt für Schritt
Zielprofil 12–24 Monate vom Skill-Owner ableiten: 5–8 strategisch relevante Skills mit Soll-Median und Mindeststand.
Mensch
Strategische Verantwortung
BR-Information bei Skill-Assessment-Bogen (BetrVG § 94); ggf. BV „Skill-Management” abschließen oder bestehende BV „KI-Tools” referenzieren.
Mensch
BetrVG § 94 · § 96–98 · § 87 Abs. 1 Nr. 6
Self-Assessment per Bogen (1–5-Skala mit Verhaltens-Ankern) + Manager-Assessment (Vier-Augen).
Mensch + System
Dunning-Kruger-Mitigation
Daten-Klassifikation: Klasse A, Mitarbeitername, Team-Kürzel, Funktionsebene und Bewertungen. Skill-Taxonomie und Zielprofile = Klasse C. Cloud-LLM-Transfer ohne Anonymisierung untersagt.
Mensch
§ 26 BDSG · DSK KI-OH
anymize anonymisiert automatisch. Mitarbeitername, Team-Kürzel und Funktionsebene werden durch semantische Platzhalter [[MA-…]], [[Team-…]], [[Funktions-Tag-…]] ersetzt. Bewertungs-Skala (1–5) bleibt in Klartext.
anymize
§ 26 BDSG · DSGVO Art. 28 · DSK KI-OH v1.0
Pflicht-k-Anonymitäts-Check: bei n<6 nur Aggregat auf Bereichsebene; bei n≥6 Team-Heatmap mit Median und Streuung.
Mensch
DSK Re-Identifikations-Restrisiko
Frontier-KI aggregiert. Skill-Heatmap (Median Self/Manager), Gap = Ist-Soll, Priorisierung nach strategischer Relevanz und Gap-Träger-Anzahl. Lernpfad-Empfehlung pro Gap-Cluster mit [[EXTERN: …]]-Markierung bei nicht im Katalog gelisteten Vorschlägen.
GPT / Claude / Gemini in anymize
Strukturierter Erstentwurf in Minuten
Bias-Hinweis-Pflicht: bei systematischen geschlechts-/alters-typischen Mustern in der Aggregation [[BIAS-CHECK: …]]. Individual-Empfehlungen mit [[INDIVIDUAL-DSGVO-22]] markieren, diese erfordern menschliche Letztentscheidung.
Mensch + KI
AGG · BAG 8 AZR 74/25 · DSGVO Art. 22
Re-Identifikation durch anymize, L&D-Review (Lernpfad-Katalog-Lookup, [[EXTERN]]-Marker abarbeiten), Skill-Owner-Sign-off, Teamleitung bestätigt, BR bei Pflichtkomponenten konsultiert.
anymize + Sie
Bidirektionale Anonymisierung · BetrVG § 96–98
Aktivierung im LMS (Leapsome, Cornerstone, Personio, SAP SuccessFactors); Quartals-Review der Wirksamkeit.
Mensch + System
Wirksamkeitsmessung
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt Mitarbeitername, Team-Kürzel, Funktionsebene, Personalnummer und Performance-Score aller Team-Mitglieder mit über 95 % Erkennungsrate.
- Dreistufige Prüfung: Algorithmische Analyse, dann zwei spezialisierte KI-Prüfungen, die auch Kontext berücksichtigen (z.B. Funktions-Tag als Karriere-Hinweis vs. als reiner Gruppen-Marker).
- Bidirektionale Anonymisierung: Platzhalter ersetzen Klarnamen, das Frontier-Modell aggregiert und schlägt Lernpfade vor, 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 L&D tun
- Zielprofil 12–24 Monate vom Skill-Owner ableiten, 5–8 strategisch relevante Skills mit Soll-Median und Mindeststand.
- k-Anonymitäts-Check vor LLM-Transfer: bei n<6 nur Aggregat auf Bereichsebene.
- Vorschau der Anonymisierung sichten, besonders bei Kleinstgruppen auf Stilometrie-Risiko prüfen.
- Bias-Check der KI-Empfehlungen halbjährlich audit (Geschlecht, Alter, Herkunft); Individual-Empfehlungen menschlich approven (DSGVO Art. 22).
Daten-Input
Skill-Inventar des Teams (Mitarbeiter, Team-Kürzel, Funktionsebene, Self-Bewertungen 1–5, Manager-Bewertungen 1–5, ggf. Performance-Score), Zielprofil 12–24 Monate vom Skill-Owner, L&D-Katalog der internen und externen Trainings.
Output-Kontrolle
Pseudonymisierter Input geht an die KI. Re-identifizierte Skill-Heatmap mit Median Self/Manager und Gap-Berechnung, Gap-Priorisierung nach strategischer Relevanz, Lernpfad-Empfehlungen pro Gap-Cluster (intern, extern, On-the-Job, Mentoring) und Bias-Hinweise kommen zurück. anymize selbst trifft keine inhaltlichen Aussagen, die Strukturierung leistet das Frontier-Modell, die L&D-Würdigung machen Sie.
Freigabeprozess
Sie behalten jederzeit die Hoheit: k-Anonymitäts-Check, Sichtung der Anonymisierung, Bias-Audit, L&D-Katalog-Verifikation, Skill-Owner-Sign-off, Teamleitung-Bestätigung, BR-Konsultation bei Pflichtkomponenten. anymize ist der Anonymisierungs-Layer, keine HR-Software.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Skill-Inventar (Self- und Manager-Bewertungen) in anymize einfügen, die Anonymisierung läuft automatisch (Klarnamen, Team-Kürzel, Funktionsebenen werden zu Platzhaltern).
2. Diesen Prompt kopieren und an das pseudonymisierte Skill-Inventar anhängen.
3. In anymize unter „Tools → Reasoning” auf „Thinking-Modus” stellen, dann KI-Aufruf starten, der Output kommt re-identifiziert zurück.
4. k-Anonymitäts-Check (n≥6), Bias-Audit und L&D-Katalog-Verifikation durchführen; [[INDIVIDUAL-DSGVO-22]]-Empfehlungen menschlich approven.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt eine Skill-Gap-Analyse für ein
Team (n≥6) in einem deutschen Unternehmen. Inputs sind pseudonymisiert:
`[[MA-…]]`, `[[Team-…]]`, `[[Funktions-Tag-…]]`. Skill-Bewertungen
(1–5-Skala) sind in Klartext, Zielprofil ist gegeben.
# Role (R)
Du agierst als L&D-Analyse-Assistenz mit Kenntnis von BetrVG § 87 Abs. 1
Nr. 6 (SRC-0211), § 94 (SRC-0227), § 96–98 (Berufsbildung-Mitbestimmung),
§ 26 BDSG (SRC-0215), DSGVO Art. 22 (SRC-0240), AGG §§ 1, 3, 7 (SRC-0217),
EU AI Act Annex III Nr. 4 (SRC-0231), BAG 8 AZR 74/25 (SRC-0256). Du
weißt: Empfehlungen sind Vorschläge; Mensch entscheidet.
# Action (A)
1. Aggregiere Skill-Inventar: Median und Streuung pro Skill (Self vs.
Manager getrennt).
2. Ist-Soll-Vergleich; Gaps und Strengths.
3. Priorisierung nach (a) strategischer Relevanz, (b) Anzahl Gap-Träger,
(c) Engpass-Marker BA STD-0055 / IAB STD-0046.
4. 2–3 Lernpfade pro priorisiertem Gap: intern (mit Katalog-ID), extern
(LinkedIn Learning, Udemy, Coursera, GoodHabitz, Pink University),
Mentoring, On-the-Job-Stretch. Format: Titel, Anbieter, Aufwand, Lernziel.
5. Markiere `[[EXTERN: …]]` für nicht im internen Katalog gelistete
Vorschläge. Erfinde keine Trainings.
6. Markiere `[[INDIVIDUAL-DSGVO-22]]` für Empfehlungen, die individuell
zugeordnet würden, diese erfordern menschliche Letztentscheidung.
7. Bias-Hinweis: bei systematischen geschlechts-/alters-typischen Mustern
in der Aggregation `[[BIAS-CHECK: …]]` setzen.
8. Checkliste „L&D-Review vor Aktivierung” mit 8 Items.
# Format (F)
- „Skill-Heatmap Team” als Markdown-Tabelle
- „Gap-Priorisierung” als nummerierte Liste
- „Lernpfad-Empfehlungen” pro Gap
- „Bias-Hinweise”
- Checkliste als Markdown-Checkbox-Liste
# Target Audience (T)
L&D-Verantwortliche, Skill-Owner, Teamleitung, ggf. BR. Sachlich,
entwicklungs-orientiert, nicht-stigmatisierend.So sieht der Input aus
Pseudonymisierter Eingabetext
Skill-Inventar Team [[Team-a3f9]] (Funktionsbereich Operations, n=12)
Erhebungsdatum 2026-04-15; Skala 1 (Anfänger) – 5 (Experte)
Zielprofil 12-Monate-Horizont (Skill-Owner [[Owner-b2e7]]):
| Skill | Soll-Median | Mindeststand |
| Process Excellence | 4 | 3 |
| Datenanalyse SQL/Excel | 4 | 3 |
| GenAI Tool Literacy | 3 | 2 |
| Stakeholder-Kommunikation | 4 | 3 |
| Projektmanagement | 4 | 3 |
Ist-Bewertungen (Median Self / Median Manager / Anzahl <Mindeststand):
| Skill | Self | Manager | <Mindest |
| Process Excellence | 3 | 3 | 3 |
| Datenanalyse | 4 | 3 | 4 |
| GenAI Tool Literacy | 2 | 1 | 9 |
| Stakeholder-Komm. | 4 | 4 | 1 |
| Projektmanagement | 3 | 3 | 5 |
L&D-Katalog 2026 (Auszug):
- „Lean Green Belt Operations” (intern, 3 Tage, L-2026-101)
- „SQL für Operations” (intern, 2 Tage, L-2026-115)
- „Microsoft Copilot in der Praxis” (intern, 1 Tag, L-2026-203)
- „Scrum Foundation” (extern Scrum Alliance, 2 Tage)So liefert anymize zurück
Der KI-Entwurf
## Skill-Heatmap Team [[Team-a3f9]] (n=12)
| Skill | Soll | Self | Manager | Gap | <Mindest |
|---|:---:|:---:|:---:|:---:|:---:|
| Process Excellence | 4 | 3 | 3 | -1 | 3 |
| Datenanalyse | 4 | 4 | 3 | -1 | 4 |
| **GenAI Tool Literacy** | 3 | 2 | 1 | **-2** | **9** |
| Stakeholder-Komm. | 4 | 4 | 4 | 0 | 1 |
| Projektmanagement | 4 | 3 | 3 | -1 | 5 |
**Beobachtung**: Stärkster Gap GenAI (-2, 9/12 MA unter Mindeststand).
Self-Manager-Divergenz bei Datenanalyse (Self 4 vs. Manager 3),
Dunning-Kruger-Verdacht.
## Gap-Priorisierung
1. **GenAI Tool Literacy**, höchste strategische Relevanz (IAB STD-0046:
Substituierbarkeits-Trigger), 9/12 MA betroffen. Sofortmaßnahme.
2. **Projektmanagement**, 5/12 unter Mindeststand.
3. **Datenanalyse**, 4/12; Re-Assessment wegen Self-Manager-Divergenz.
4. **Process Excellence**, 3/12.
## Lernpfad-Empfehlungen
### Gap 1, GenAI Tool Literacy
- Intern: „Microsoft Copilot in der Praxis” (L-2026-203, 1 Tag) für alle
9 betroffenen MA.
- Extern: „Generative AI for Business” Coursera (10–15 h online) als
Vertiefung. `[[EXTERN: Anbieter im Katalog ergänzen]]`
- On-the-Job: Senior-MA als Team-Pate für 6 Wochen.
### Gap 2, Projektmanagement
- „Scrum Foundation” (extern Scrum Alliance, 2 Tage) für 5 MA.
## Bias-Hinweise
Keine systematischen geschlechts-/alters-typischen Muster auf
Aggregat-Ebene erkennbar. `[[INDIVIDUAL-DSGVO-22: Individuelle
Pfad-Zuordnung erfolgt manuell durch Manager + MA + L&D.]]`
## Checkliste, L&D-Review vor Aktivierung
- [ ] Zielprofil mit Skill-Owner abgestimmt.
- [ ] Self + Manager-Assessment vollständig.
- [ ] k-Anonymität n≥6 erfüllt (hier n=12 ✓).
- [ ] L&D-Katalog-Lookup; `[[EXTERN]]`-Marker geklärt.
- [ ] BR informiert (BetrVG § 94, § 96–98).
- [ ] Individual-Empfehlungen durch Manager + MA bestätigt (DSGVO Art. 22).
- [ ] Bias-Verteilung dokumentiert.
- [ ] Wirksamkeits-Meilensteine 3/6/12 Monate gesetzt.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
BetrVG § 87 Abs. 1 Nr. 6, Technische Überwachung (SRC-0211)
KI-LMS und Skill-Tracking mit Manager-Einsicht fallen unter Mitbestimmung. BAG 1 ABR 20/21 (SRC-0257) als Präjudiz: KI-Tools mit Arbeitgeber-Account sind technische Überwachungseinrichtungen. BV vor Aktivierung Pflicht.
BetrVG § 94, Personalfragebögen und Beurteilungsgrundsätze (SRC-0227)
Skill-Assessment-Bögen sind Beurteilungsgrundsätze nach § 94 Abs. 1 Satz 1 BetrVG; BR ist vorab zu beteiligen. Wird das umgangen, ist die Skill-Bewertung unwirksam und das L&D-Projekt verliert Velocity.
BetrVG §§ 96–98, Berufsbildung-Mitbestimmung
Bei Pflichtkomponenten in Lernpfaden greift Mitbestimmung; BR-Konsultation vor Roll-out. anymize entfernt zwar Klarnamen, die BetrVG-Würdigung des Lernpfad-Pflicht-Charakters bleibt L&D-Aufgabe.
DSGVO Art. 22, Verbot vollautomatischer Pfad-Zuweisung (SRC-0240)
Vollautomatische Lernpfad-Aktivierung pro MA ist verboten. KI strukturiert und schlägt vor, Manager + MA + L&D entscheiden. Markierung [[INDIVIDUAL-DSGVO-22]] zwingt zur expliziten menschlichen Letztentscheidung.
AGG §§ 1, 3, 7, Bias-Risiko (SRC-0217)
Systematisch unterrepräsentierte Demografie-Gruppen in Stretch-/Beförderungs-Lernpfaden erzeugen AGG-Klage-Risiko. BAG 8 AZR 74/25 (SRC-0256): 120.000 EUR algorithmische Altersdiskriminierung als Warnsignal. Halbjährlicher Bias-Audit Pflicht.
DSK-Orientierungshilfe KI, k-Anonymität (SRC-0246)
Bei Teams n<6 ist Skill-Heatmap faktisch personenbezogen; Re-Identifikation über Skill-Profil-Signatur droht. DSK fordert k-Anonymität ≥ 6 und strikte Datenminimierung. Bei Kleinstgruppen Aggregat nur auf Bereichsebene.
EU AI Act Annex III Nr. 4, Personalmanagement-Hochrisiko (SRC-0231)
Sobald Skill-Daten in Beförderungs-/Versetzungs-Entscheidungen fließen, ist es Hochrisiko-KI (Annex III Nr. 4); Pflichten Art. 26 (Logs, menschliche Aufsicht) ab 02.08.2026 (oder 02.12.2027 Digital Omnibus SRC-0244).
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Die datenschutzrechtlich entscheidende Frage bei Team-Skill-Gap-Analysen: Sieht der KI-Anbieter die Klarnamen, Team-Kürzel und Funktionsebenen der Mitarbeitenden? Antwort mit anymize: nein. Mitarbeiternamen, Team-Kürzel, Funktionsebenen und Personalnummern 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 Abs. 1 BDSG (Beschäftigungs-Kontext) i.V.m. Art. 6 Abs. 1 lit. f DSGVO (berechtigtes Interesse L&D). Die Klarnamen werden aus dem KI-Kontext gehalten, was § 26 BDSG strukturell entlastet. Bei Teams n<6: k-Anonymität verlangt Aggregat auf Bereichsebene (DSK SRC-0246).
Was anymize konkret leistet
- Erkennt Mitarbeitername, Team-Kürzel, Funktionsebene, Personalnummer und Performance-Score mit über 95 % Genauigkeit.
- Ersetzt sie durch semantische Platzhalter, bevor das Skill-Inventar an GPT, Claude oder Gemini geht.
- Re-identifiziert die KI-Antwort automatisch, Sie sehen die Skill-Heatmap und Lernpfad-Empfehlungen mit den richtigen Klarnamen zurück.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO im Standardvertrag.
- Alternative Suite-Pfade: Leapsome AI Copilot (DE-native), SAP SuccessFactors Skills + Joule (Konzern-Suite, EU-Tenant), Workday Skills Cloud + Illuminate (US-Hosting → SCC/TADPF beachten), Degreed (Skill-First-Aggregator), On-Premises-LLM (Llama 3 / Mistral) für regulierte Branchen.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- Zielprofil 12–24 Monate vom Skill-Owner final abgestimmt?
- Self- + Manager-Assessment vollständig (Vier-Augen-Prinzip)?
- k-Anonymität n≥6 erfüllt? Bei n<6 Aggregat auf Bereichsebene?
- Anonymisierungs-Vorschau gesichtet, Klarnamen, Team-Kürzel und Funktionsebenen erkannt?
- BR-Information BetrVG § 94 / § 96–98 dokumentiert?
Nach der KI-Antwort
- Re-Identifikation korrekt, alle Platzhalter zurückgesetzt?
- L&D-Katalog-Lookup; [[EXTERN]]-Marker abgearbeitet?
- Bias-Hinweise auditiert (Geschlecht, Alter, Herkunft)?
- [[INDIVIDUAL-DSGVO-22]]-Empfehlungen menschlich approved?
Vor der LMS-Aktivierung
- Skill-Owner-Sign-off + Teamleitung-Bestätigung?
- AVV mit LMS-Anbieter DSGVO-Art.-28-konform?
- Wirksamkeits-Meilensteine 3/6/12 Monate definiert?
- EU AI Act Art. 26 Logs aktiviert (bei Hochrisiko-Trigger)?
Typische Fehlermuster und wie anymize gegensteuert
- →KI halluziniert externe Trainings, die nicht im L&D-Katalog stehen, [[EXTERN]]-Marker zwingt zur Verifikation gegen aktuellen Anbieter-Katalog.
- →KI ignoriert k-Anonymität bei Teams n<6, der Prompt zwingt zur expliziten Aggregations-Logik.
- →KI replicates Dunning-Kruger-Self-Assessment-Bias ohne Manager-Validierung, Self/Manager getrennt aggregieren.
- →KI reproduziert geschlechts-/alters-typische Skill-Zuschreibungen, Bias-Hinweis-Pflicht im Prompt mit [[BIAS-CHECK]] zwingt zur Reflexion.
- →KI schlägt vollautomatische Pfad-Zuweisung vor, [[INDIVIDUAL-DSGVO-22]]-Marker zwingt zur menschlichen Letztentscheidung.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Aufsichtsrecht
- Technische Überwachung (SRC-0211)
- Personalfragebögen, Beurteilungsgrundsätze (SRC-0227)
- Berufsbildung-Mitbestimmung
- Beschäftigtendatenverarbeitung (SRC-0215)
- Keine vollautomatische Pfad-Zuweisung (SRC-0240)
- Auftragsverarbeitung: AVV-Pflicht (SRC-0242)
- DPIA bei systematischem Profiling
- Diskriminierungsverbot Entwicklungs-Investitionen (SRC-0217)
Primärnormen: EU AI Act und DSK
- Personalmanagement-Hochrisiko (SRC-0231)
- k-Anonymität, strikte Datenminimierung (SRC-0246)
- Qualifizierungsgeld Förderfähigkeit
Rechtsprechung und Studien
- 120.000 EUR algorithmische Altersdiskriminierung (SRC-0256)
- KI-Mitbestimmungs-Präjudiz (SRC-0257)
- Beschäftigtendatenschutz-Reform (SRC-0268)
- 19 % GenAI in HR-Kernprozessen (SRC-0271)
- 12 % Weiterbildungs-KI-Nutzung (SRC-0276)
- GenAI-Substituierbarkeit +30 PP (STD-0046)
- 163 Engpassberufe, 1,4 Mio offene Stellen (STD-0055)
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.