Personalentwicklung und Learning
Skill-Taxonomie-Setup KI-gestützt (ESCO EU, SFIA IT, O*NET US: Mapping und Architektur)
Setup einer unternehmensspezifischen Skill-Taxonomie auf Basis ESCO/SFIA/O*NET mit ESCO-Mapping ≥80 %, AGG-Bias-Audit der Skill-Definitionen (keine „Hands-on”, „Hunger”, „native Speaker”), 4-Level-Skill-Definitionen verhaltensbezogen statt jahresbezogen und HRIS-Integrations-Empfehlung. anymize pseudonymisiert die interne Karriere-Architektur (Geschäftsgeheimnis), bevor sie das Cloud-LLM-Modell sieht.
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?
Skill-Taxonomie ist das oft übersehene Fundament des L&D-Pillars, ohne sauber definierte Skill-Taxonomie sind Skill-Gap-Analyse, Lernpfade, Nachfolgeplanung, Talent-Review und Lern-ROI methodisch instabil. Etablierte Standards (ESCO, SFIA, O*NET) bilden das Backbone; unternehmensspezifisches Mapping macht es nutzbar. Abgrenzung: konkrete Skill-Gap-Auswertung in UC-V-HR-LRN-001/002; Career-Pathing in UC-V-HR-LRN-015/016.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Head of Talent Management (Owner), L&D-Manager, HRIS-Architect (Workday, SuccessFactors, Personio), Head of People Analytics, HR Business Partner, Bereichs-Architekt:innen (Engineering Career Framework, Sales-Career-Path-Owner, Finance-Career-Map), BR (Information BetrVG § 87, § 94, § 95).
- Seniorität
- Senior, taxonomisches Denken (Mengenlehre, Hierarchie, Synonym-Auflösung), HRIS-Architektur-Erfahrung, Cross-Functional-Kompetenz.
- Unternehmensgröße
- Mittelstand mit >500 MA und mehreren Funktionsfamilien; Konzern; DAX/MDAX-Listing mit komplexer Career-Pipeline.
- Spezifische Kontexte
- (a) Erst-Setup bei HRIS-Implementation (Workday Skills Cloud, SuccessFactors Job Architecture), (b) Migration von Legacy-Taxonomie auf moderne Standard-Taxonomie, (c) M&A-Integration mit Taxonomie-Konsolidierung, (d) Career-Framework-Refresh, (e) ESG-Reporting-Vorbereitung (CSRD ESRS S1, Skill-Entwicklungs-Metriken).
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Skill-Taxonomie-Setup hat drei vertikale Risiken: (1) Standard-vs.-Internal-Trade-off, ESCO (EU, ~13.890 Skills + 3.008 Berufe) ist umfassend, aber generisch; SFIA (IT, 8 Levels × 6 Kategorien) ist tief, aber IT-spezifisch; O*NET (US) ist datenreich, aber nicht EU-anschlussfähig. Reines Übernehmen macht die Taxonomie unbrauchbar; reines internes Schaffen erzeugt Insel-Lösung ohne Marktdaten-Anschluss. (2) AGG-Bias in Skill-Definitionen, Beschreibungen wie „Hands-on-Mentalität”, „Hunger”, „technische Affinität” (statt konkretem Skill) können altersdiskriminierend wirken (BAG 8 AZR 74/25). Skill-Level-Definitionen mit „Junior braucht X Jahre” sind altersbezogene Proxy-Variablen. (3) BetrVG-§-87-Risiko, Sobald Skill-Taxonomie zur individuellen Leistungs-/Verhaltens-Kontrolle (Skill-Score je MA) verwendet wird, ist § 87 Abs. 1 Nr. 6 berührt; § 94 (Beurteilungsgrundsätze) und § 95 Abs. 2a (Auswahlrichtlinien KI) ebenfalls. anymize hält die interne Funktionsfamilien-Architektur (Geschäftsgeheimnis) und individuelle Skill-Score-Daten aus dem Cloud-LLM-Kontext heraus; öffentliche ESCO-/SFIA-/O*NET-Inhalte bleiben Klartext.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Setup-Phase
10–30 Personentage
Danach 2–5 PT/Jahr Pflege. KI-Hebel besonders bei ESCO-Mapping, Synonym-Auflösung, AGG-Sprach-Check.
Folge-Hebel
alle Folge-Workflows
Skill-Gap-Analyse, Career-Pathing, Nachfolgeplanung, Lern-ROI werden methodisch besser, bessere Taxonomie multipliziert.
AGG-Defensive
Bias-bereinigt
BAG 8 AZR 74/25: 120.000 EUR Entschädigung; bias-bereinigte Skill-Definitionen reduzieren AGG-Klage-Risiko.
ESG-Verzahnung
CSRD ESRS S1
Bessere Taxonomie ermöglicht bessere Skill-Entwicklungs-Metriken über Zeit.
So gehen Sie vor
Der Workflow Schritt für Schritt
Standard-Auswahl: ESCO als EU-Backbone (zwingend), SFIA für IT (Best Practice DE-IT), O*NET als US-Anker bei US-Subsidiaries.
Mensch (Head of TM + HRIS)
Strategische Architektur-Wahl
Interne Funktionsfamilien-Inventur: welche Funktionen / Job-Levels haben wir? Karriere-Architektur (Engineering Levels, Sales Tracks, Finance Career Map).
Mensch (Bereichs-Architekt:innen)
Datenbasis
Skill-Roh-Liste pro Funktionsfamilie: was sind die Pflicht-Skills heute? (Stellenanzeigen-Analyse, Manager-Befragung, ESCO-/SFIA-Suchanfragen).
Mensch + KI
Material-Sammlung
Daten-Klassifikation: interne Funktionsfamilien-Architektur = Klasse A (Geschäftsgeheimnis); Skill-Bezeichnungen, Standard-Taxonomie-Referenzen = Klasse C.
Mensch
§ 26 BDSG
Pseudonymisierung mit anymize: [[Funktionsfamilie-…]], [[Karriere-Level-…]] bei Geschäftsgeheimnis-relevanten Karriere-Maps.
anymize
DSGVO Art. 28
KI-gestütztes ESCO-Mapping: jeden internen Skill auf ESCO-ID matchen; Synonym-Auflösung; Skill-Hierarchie aufbauen.
GPT / Claude / Gemini in anymize
Geschwindigkeit
AGG-Bias-Audit Skill-Definitionen: „Hands-on”, „Hunger”, „technische Affinität”, „junior/senior”, „Years-of-Experience”, alterspezifische / herkunfts-spezifische / geschlechtsspezifische Proxy-Variablen entfernen.
KI + Mensch (D&I)
AGG · BAG 8 AZR 74/25
Skill-Level-Definitionen (Beginner / Intermediate / Advanced / Expert), verhaltensbezogen, nicht jahresbezogen formuliert. Career-Levels × Skill × erwartetes Level mappen.
Mensch (Bereichs-Architekt:innen)
AGG-Defensive · Career-Framework
HRIS-Integration: Workday Skills Cloud / SuccessFactors Job Architecture / Personio. BetrVG-Workflow: Information BR vor Aktivierung der Skill-Score-Funktionen je MA.
Mensch (HRIS-Architect + BR)
Tooling · Mitbestimmung
Roll-out mit Manager-Training (Skill-Bewertung), MA-Self-Service. Jährliche Pflege: neue ESCO-Versionen, Funktionsfamilien-Änderungen, Bias-Re-Audit.
Mensch + KI
Adoption · Aktualität
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Pseudonymisiert interne Funktionsfamilien-Architektur und Karriere-Maps (Geschäftsgeheimnis) vor dem Cloud-LLM-Transfer.
- Öffentliche ESCO-/SFIA-/O*NET-Inhalte bleiben Klartext, Mapping funktioniert normal.
- Bidirektionale Re-Identifikation der KI-Antworten in Ihrem anymize-Tenant.
- Verarbeitung in deutschen Rechenzentren (Hetzner); AVV nach Art. 28 DSGVO im Standardvertrag.
Was Sie als Head of TM tun
- Standard-Auswahl (ESCO + SFIA + O*NET) strategisch festlegen.
- Funktionsfamilien-Inventur mit Bereichs-Architekt:innen.
- AGG-Bias-Audit gemeinsam mit D&I; Skill-Level-Definitionen verhaltensbezogen.
- HRIS-Integration mit HRIS-Architect; BR-Information vor Skill-Score-Aktivierung.
- Jährliche Pflege-Routine etablieren.
Daten-Input
Setup-Auftrag (Unternehmens-Profil, Funktionsfamilien-Inventur, Skill-Roh-Liste aus Stellenanzeigen-Analyse, Standards-Auswahl ESCO/SFIA/O*NET), pseudonymisierte interne Karriere-Architektur, Bereichs-spezifische Career-Frameworks (Engineering Levels, Sales Tracks, Finance Career Map).
Output-Kontrolle
ESCO-Mapping-Tabelle mit Coverage-Quote ≥80 %, Skill-Hierarchie (3 Ebenen: Skill-Familie > Skill-Cluster > Einzel-Skill), 4-Level-Skill-Definitionen verhaltensbezogen, AGG-Bias-Audit-Block mit `[[BIAS-FLAG]]`-Liste und Re-Drafting-Vorschlägen, Funktionsfamilien-Mapping (Career-Levels × Skills × erwartetes Level), HRIS-Integrations-Empfehlung als Checkliste, BetrVG-Konformitäts-Checkliste. anymize selbst trifft keine Mapping-Entscheidung, Strukturierung leistet das Frontier-Modell, die AGG- und BR-Würdigung machen Sie.
Freigabeprozess
Head of TM → Bereichs-Architekt:innen → HRIS-Architect → D&I (AGG-Bias-Audit) → BR-Information BetrVG § 87 → Geschäftsführung.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Funktionsfamilien-Inventur + Skill-Roh-Liste aus Stellenanzeigen-Analyse in anymize einfügen, interne Karriere-Maps werden zu Platzhaltern.
2. Diesen Prompt kopieren und an die Inventur anhängen.
3. In anymize unter Tools → Reasoning auf Max-Modus stellen, dann KI-Aufruf starten, der Output kommt re-identifiziert zurück.
4. AGG-Bias-Audit gemeinsam mit D&I; Skill-Level-Definitionen verhaltensbezogen prüfen; BR-Information vor HRIS-Skill-Score-Aktivierung.
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt das Setup einer Skill-
Taxonomie für ein deutsches Unternehmen. Der Input ist pseudonymisiert:
interne Funktionsfamilien-Architektur, Karriere-Levels durch
[[Kategorie-Hash]]. ESCO-/SFIA-/O*NET-Inhalte sind öffentlich.
# Role (R)
Du agierst als Talent-Management-Architekt mit Kenntnis ESCO (EU-Skill-
Klassifikation, ~13.890 Skills + 3.008 Berufe), SFIA (8 Levels × 6
Kategorien IT), O*NET (US-Anker); BetrVG § 87, § 94, § 95 Abs. 2a,
§ 96-98 (Berufsbildung); AGG §§ 1, 3, 7; BAG 8 AZR 74/25; DSGVO Art. 22,
Art. 28; § 26 BDSG; EU AI Act Art. 4; CSRD ESRS S1.
# Action (A)
1. ESCO-Mapping: für jeden internen Skill aus der Roh-Liste den
passendsten ESCO-ID + ESCO-Bezeichnung finden. Synonyme zusammen-
führen. Coverage-Quote ausweisen.
2. SFIA-Mapping (bei IT-Skills): IT-Skills zusätzlich auf SFIA-Code +
Level zuordnen.
3. O*NET-Cross-Reference (optional bei US-Subsidiaries).
4. Skill-Hierarchie: 3-Ebenen-Hierarchie (Skill-Familie > Skill-Cluster >
Einzel-Skill).
5. Skill-Level-Definitionen: für jeden Skill 4-Level-Definition (Beginner /
Intermediate / Advanced / Expert), VERHALTENSBEZOGEN, nicht
jahresbezogen.
6. AGG-Bias-Audit: prüfe jede Skill-Definition auf alters- / herkunfts- /
geschlechtsspezifische Konnotationen. Markiere mit `[[BIAS-FLAG]]`
bei Verdacht. Beispiele: "Hands-on" (präziser formulieren),
"Hunger" (→ "Akquisitions-Drive"), "native Speaker" (Herkunfts-Bias).
7. Funktionsfamilien-Mapping: pro Funktionsfamilie erwartete Skills ×
Level pro Karriere-Stufe.
8. HRIS-Integrations-Empfehlung: Workday Skills Cloud / SuccessFactors
Job Architecture / Personio, welche Skill-IDs anlegen, welche
Hierarchie.
9. BetrVG-§-87-Checkliste: welche Skill-Scoring-Funktionen lösen
Mitbestimmung aus?
10. Markiere unsichere ESCO-Mappings mit `[[ESCO-VERIFIZIEREN]]`.
# Format (F)
- ESCO-Mapping-Tabelle (Interner Skill | ESCO-ID | ESCO-Bezeichnung |
Confidence).
- Skill-Hierarchie als verschachtelte Liste.
- Skill-Level-Definitionen pro Skill 4 Bullets.
- AGG-Bias-Audit-Block mit `[[BIAS-FLAG]]`-Liste.
- Funktionsfamilien-Mapping als Tabelle.
- HRIS-Integrations-Empfehlung als Checkliste.
- BetrVG-Konformitäts-Checkliste.
# Target Audience (T)
Head of Talent Management, Bereichs-Architekt:innen, HRIS-Architect,
D&I, BR (Information). Tonalität: präzise, taxonomisch, AGG-defensiv.So sieht der Input aus
Pseudonymisierter Eingabetext
Setup-Auftrag: Skill-Taxonomie Setup für [[Unternehmen]] (~3.500 MA).
Funktionsfamilien (pseudonymisiert):
- [[Funktionsfamilie-Engineering]], 6 Levels L1-L6.
- [[Funktionsfamilie-Sales]], 5 Levels L1-L5.
- [[Funktionsfamilie-Finance]], 5 Levels L1-L5.
- [[Funktionsfamilie-Operations]], 4 Levels L1-L4.
- [[Funktionsfamilie-HR]], 4 Levels L1-L4.
- [[Funktionsfamilie-Marketing]], 4 Levels L1-L4.
- [[Funktionsfamilie-Customer-Success]], 4 Levels L1-L4.
- (8 Funktionsfamilien gesamt)
Skill-Roh-Liste aus Stellenanzeigen-Analyse 2025 (Auszug, n=210):
- Engineering: Python, JavaScript/TypeScript, Java, Kotlin, Go, Rust,
React, Angular, Vue, Node.js, Spring, Django, Kubernetes, Docker, AWS,
Azure, GCP, Terraform, GitHub Actions, ArgoCD, Postgres, MongoDB, Redis,
Kafka, REST APIs, Microservices, DDD, TDD, CI/CD, Observability,
"Hands-on-Mentalität" [BIAS-VERDACHT], "Hunger" [BIAS-VERDACHT], …
- Sales: Account Management, New Business, Pipeline-Building, Forecasting,
Salesforce, HubSpot, MEDDPICC, Challenger Sale, Negotiation, "Hunger"
[BIAS-VERDACHT], "Closing-Mentalität" [BIAS-VERDACHT], …
- Finance: Controlling, FP&A, Treasury, IFRS, HGB, SAP S/4HANA, Excel-
Modeling, Power BI, M&A, ESG-Reporting (CSRD ESRS), …
ESCO-Backbone gewünscht; SFIA für Engineering-Track ergänzend;
O*NET bei US-Subsidiary (15 % MA).So liefert anymize zurück
Der KI-Entwurf
## ESCO-Mapping-Tabelle (Auszug)
| Interner Skill | ESCO-ID | ESCO-Bezeichnung | Confidence |
|---|---|---|---|
| Python | [ESCO-ID-PYTHON] | Python (computer programming) | hoch |
| JavaScript/TypeScript | [ESCO-ID-JS] | JavaScript | hoch |
| Kubernetes | [ESCO-ID-K8S] | container orchestration tools | hoch |
| Terraform | [ESCO-ID-IAC] | infrastructure as code | mittel-hoch |
| Salesforce | [ESCO-ID-CRM] | customer relationship management software | mittel |
| MEDDPICC | nicht in ESCO |, | `[[ESCO-VERIFIZIEREN]]` |
| IFRS | [ESCO-ID-IFRS] | International Financial Reporting Standards | hoch |
| ESG-Reporting CSRD ESRS | [ESCO-ID-SUSTAINABILITY] | sustainability reporting | mittel-hoch |
| "Hands-on-Mentalität" | nicht mapping-fähig |, | `[[BIAS-FLAG]]` |
| "Hunger" | nicht mapping-fähig |, | `[[BIAS-FLAG]]` |
**ESCO-Mapping-Coverage:** 187 von 210 internen Skills (89 %). 23 ohne
direktes Match, davon 9 unternehmensspezifisch, 14 sprachlich-vage
Begriffe für AGG-Bias-Audit markiert.
## Skill-Hierarchie (3 Ebenen, Auszug)
- **Skill-Familie: Software-Engineering**
- Skill-Cluster: Programming Languages
- Python, JavaScript/TypeScript, Java, Kotlin, Go, Rust
- Skill-Cluster: Cloud & Infrastructure
- Kubernetes, Docker, AWS, Azure, GCP, Terraform
- Skill-Cluster: Data & Messaging
- Postgres, MongoDB, Redis, Kafka
- **Skill-Familie: Sales-Excellence**
- Skill-Cluster: Account-Management
- Account-Planning, C-Level-Stakeholder-Management
- Skill-Cluster: New-Business
- Outbound-Prospecting, Discovery-Calling
- Akquisitions-Drive (ersetzt "Hunger")
## Skill-Level-Definitionen (Auszug: Python)
- **Beginner**: kann einfache Python-Skripte lesen und kleine Anpassungen
vornehmen; nutzt unter Anleitung Standard-Bibliotheken.
- **Intermediate**: erstellt eigenständig kleinere Python-Module; nutzt
fortgeschrittene Standard-Bibliotheken; debug-fähig.
- **Advanced**: designt komplexe Python-Anwendungen; nutzt fortgeschrittene
Patterns; reviewt Code-Beiträge anderer.
- **Expert**: gibt Architektur-Entscheidungen vor; mentort Team in Best-
Practices; bekannt für Beiträge zu Open-Source-Libraries oder internen
Plattform-Komponenten.
**Bewusst KEINE jahresbezogenen Definitionen** ("Junior braucht 2 Jahre
Python" wäre altersbezogener Proxy nach AGG § 3 Abs. 2).
## AGG-Bias-Audit Skill-Definitionen
| Skill-Bezeichnung | Bias-Verdacht | Empfehlung |
|---|---|---|
| "Hands-on-Mentalität" | technologie-/alters-affin | → "Aktive Code-Review-Praxis" + "Iterative Entwicklungs-Methodik" |
| "Hunger" (Sales) | altersbezogen-stereotyp | → "Akquisitions-Drive, eigenständige Pipeline-Generierung" |
| "Closing-Mentalität" | stereotypen-belastet | → "Verhandlungs-Abschluss-Kompetenz (MEDDPICC)" |
| "Junger, dynamischer Teamplayer" | alters-bias direkt | → entfernen; Verhaltens-Konkretion |
| "Native English Speaker" | herkunfts-bias | → "English Working Proficiency C1+" |
**`[[BIAS-FLAG]]`:** 14 sprachlich-vage Begriffe in der Roh-Liste mit
Bias-Verdacht, alle umformuliert oder entfernt.
## Funktionsfamilien-Mapping (Auszug: [[Funktionsfamilie-Engineering]])
| Skill | L1 | L2 | L3 | L4 | L5 | L6 |
|---|:---:|:---:|:---:|:---:|:---:|:---:|
| Python | Beginner | Intermediate | Intermediate | Advanced | Advanced | Expert |
| Kubernetes |, | Beginner | Intermediate | Intermediate | Advanced | Advanced |
| Code-Review-Praxis | Beginner | Intermediate | Advanced | Advanced | Expert | Expert |
| Architektur-Design | (|) | Beginner | Intermediate | Advanced | Expert |
| Mentoring | (|) | Beginner | Intermediate | Advanced | Expert |
## HRIS-Integrations-Empfehlung
- [ ] Workday Skills Cloud: alle 187 ESCO-Mappings als Skill-Tags
anlegen mit ESCO-ID als External-Reference.
- [ ] SAP SuccessFactors Job Architecture: Funktionsfamilien-Mapping
als Job-Profile importieren.
- [ ] Skill-Self-Assessment-Modul aktivieren (BetrVG-Information vorher).
- [ ] Manager-Skill-Bewertungs-Funktion: BetrVG-§-87-Mitbestimmungs-Pflicht.
- [ ] Lightcast-Marktdaten-Integration für Salary-Benchmark.
## BetrVG-Konformitäts-Checkliste
- [ ] BR-Information vor Skill-Score-Aktivierung (BetrVG § 87 Abs. 1 Nr. 6).
- [ ] BetrVG § 94: Manager-Skill-Bewertung erfordert ggf. Auswahl-
richtlinien-BV.
- [ ] BetrVG § 95 Abs. 2a: bei KI-gestütztem Skill-Matching für Stellen-
besetzung BV-Pflicht.
- [ ] BetrVG § 96-98 (Berufsbildung): Skill-Gap-Auswertung als Anlass.
- [ ] AGG-Bias-Audit dokumentiert (D&I-Sign-off).
- [ ] DPIA nach DSGVO Art. 35 bei systematischem Skill-Profiling.
- [ ] EU AI Act Art. 4 KI-Kompetenz der Manager:innen für Skill-Bewertung.
`[[ESCO-VERIFIZIEREN]]`: 9 unternehmensspezifische Skills ohne direktes
ESCO-Match, als interne Erweiterung pflegen, jährlich gegen neue
ESCO-Versionen prüfen.Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
BetrVG § 87 Abs. 1 Nr. 6, Mitbestimmung bei Skill-Score-Tools
Sobald Skill-Taxonomie zur individuellen Leistungs-/Verhaltens-Kontrolle (Skill-Score je MA) verwendet wird, BV-Pflicht. BR-Information vor HRIS-Skill-Score-Aktivierung.
BetrVG § 94, Beurteilungsgrundsätze
Skill-Bewertungs-Systeme können unter § 94 fallen; Auswahlrichtlinien-BV bei Manager-Skill-Bewertung.
BetrVG § 95 Abs. 2a, Auswahlrichtlinien bei KI-Skill-Matching
Bei KI-gestütztem Skill-Matching für Stellenbesetzung BV-Pflicht; Auswahlrichtlinien transparent dokumentieren.
AGG-Bias in Skill-Definitionen (BAG 8 AZR 74/25)
„Hands-on”, „Hunger”, „native Speaker”, „junger, dynamischer Teamplayer”, sprachlich-vage Begriffe mit alters-/herkunfts-/geschlechtsspezifischen Konnotationen. BAG 8 AZR 74/25: 120.000 EUR Entschädigung im Einzelfall.
Jahresbezogene Skill-Level-Definitionen
„Junior braucht 2 Jahre Python” = altersbezogener Proxy nach AGG § 3 Abs. 2 (mittelbare Diskriminierung). Stattdessen verhaltensbezogene Definitionen.
EU AI Act Annex III Nr. 4, Hochrisiko-KI-Anwendung
Bei KI-Skill-Matching für Personalentscheidung (Hiring, Beförderung, Versetzung, Entlassung) Hochrisiko; Art. 26 Betreiber-Pflichten.
EU AI Act Art. 4, KI-Kompetenz-Pflicht (seit 02.02.2025)
Manager, die KI-gestützte Skill-Bewertungen nutzen, brauchen nachweisbare KI-Kompetenz; Schulungs-Pflicht für Bewerter.
DSGVO Art. 22 + Art. 35
Keine vollautomatisierte Personalentscheidung auf Skill-Basis; DPIA bei systematischem Skill-Profiling.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Die datenschutzrechtlich entscheidende Frage beim Skill-Taxonomie-Setup: Sieht der KI-Anbieter die interne Karriere-Architektur (Geschäftsgeheimnis) und individuelle Skill-Score-Daten? Antwort mit anymize: nein, die Funktionsfamilien- und Karriere-Level-Identitäten werden vor dem Cloud-LLM-Transfer durch Platzhalter ersetzt; öffentliche ESCO-/SFIA-/O*NET-Inhalte bleiben Klartext; individuelle MA-Skill-Scores werden gar nicht in die Mapping-Phase übertragen. Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO (berechtigtes Interesse Talent-Management) + § 26 BDSG. AVV mit HRIS-Anbieter und Marktdaten-Anbieter (Lightcast). DPIA nach Art. 35 bei systematischem Skill-Profiling Pflicht. EU AI Act Art. 4 (KI-Kompetenz-Pflicht seit 02.02.2025) und Annex III Nr. 4 (Hochrisiko-Anwendung bei KI-Skill-Matching für Personalentscheidung) sind unmittelbar einschlägig. Verarbeitung in deutschen Rechenzentren (Hetzner); AVV nach Art. 28 DSGVO im Standardvertrag.
Was anymize konkret leistet
- Pseudonymisiert die interne Karriere-Architektur (Geschäftsgeheimnis) vor dem Cloud-LLM-Transfer.
- Öffentliche ESCO-/SFIA-/O*NET-Inhalte bleiben Klartext, Mapping funktioniert auf Standard-Daten.
- Bidirektionale Re-Identifikation der KI-Antworten in Ihrem anymize-Tenant.
- Verarbeitung in deutschen Rechenzentren (Hetzner); AVV nach Art. 28 DSGVO im Standardvertrag.
- Alternative Tool-Pfade: Workday Skills Cloud (native Skill-Taxonomie, KI-gestützt), SAP SuccessFactors Job Architecture + Joule, Cornerstone Skills Graph, Eightfold (Talent-Intelligence), Lightcast/Burning Glass (Marktdaten-Integration), eigenes Setup anymize.ai + Azure OpenAI Frankfurt + ESCO-API + Python-Hierarchie-Modellierung.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- Standard-Auswahl (ESCO + SFIA + O*NET) strategisch festgelegt?
- Funktionsfamilien-Inventur mit Bereichs-Architekt:innen abgestimmt?
- Skill-Roh-Liste aus Stellenanzeigen-Analyse + Manager-Befragung vorhanden?
- anymize-Pseudonymisierung der internen Karriere-Maps erfolgt?
Nach der KI-Antwort
- ESCO-Mapping-Coverage ≥80 %?
- AGG-Bias-Audit Skill-Definitionen `[[BIAS-FLAG]]`-frei (D&I-Sign-off)?
- Skill-Level-Definitionen VERHALTENSBEZOGEN (keine jahresbezogenen)?
- Funktionsfamilien-Mapping Career-Levels × Skills × erwartetes Level vollständig?
Vor dem HRIS-Roll-out
- BR-Information BetrVG § 87 vor Skill-Score-Aktivierung versandt?
- DPIA nach DSGVO Art. 35 vorhanden?
- EU AI Act Art. 4 Manager-Schulung für Skill-Bewertung organisiert?
- CSRD ESRS S1 Reporting-Anschluss vorbereitet?
- Jährliche Pflege-Routine etabliert (neue ESCO-Versionen, Bias-Re-Audit)?
Typische Fehlermuster und wie anymize gegensteuert
- →KI übernimmt sprachlich-vage Begriffe („Hands-on”, „Hunger”) ohne Re-Drafting, AGG-Bias-Audit fängt das ab.
- →KI generiert jahresbezogene Skill-Level-Definitionen, verhaltensbezogene Definitionen im Prompt explizit.
- →KI matcht alle internen Skills auf ESCO ohne Confidence-Bewertung, `[[ESCO-VERIFIZIEREN]]` für unsichere Matches.
- →KI vergisst BetrVG-§-87-Checkliste bei HRIS-Integration, Mitbestimmung im Prompt explizit.
- →KI integriert Marktdaten-Anbieter (Lightcast) ohne AVV-Hinweis, Art. 28 DSGVO im Output prüfen.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Mitbestimmung
- Mitbestimmung bei Skill-Score-Tools
- Beurteilungsgrundsätze: Skill-Bewertung
- Auswahlrichtlinien bei KI-Skill-Matching
- Berufsbildung: Skill-Gap-Auswertung als Anlass
Primärnormen: AGG, Datenschutz, KI
- Diskriminierungsverbot in Skill-Definitionen
- 120.000 EUR Entschädigung: algorithmische Altersdiskriminierung
- Beschäftigtendaten: interne Karriere-Architektur
- Keine vollautomatische Personal-Entscheidung · AVV · DPIA
- Hochrisiko-KI bei Skill-Matching für Personalentscheidung
- KI-Kompetenz-Pflicht seit 02.02.2025
- Pseudonymisierung vor Cloud-LLM
- Mittelbare Diskriminierung über Proxy-Variablen
Standards, Tools, Studien
- ~13.890 Skills + 3.008 Berufe: EU-Backbone, kostenfreie API
- 8 Levels × 6 Kategorien: Best Practice DE-IT
- US-Anker bei Subsidiaries: datenreich, nicht EU-anschlussfähig
- Native Skill-Taxonomie, KI-gestützt
- Skill-Taxonomie-Layer mit KI
- Marktdaten-Integration für Skill-Demand und Salary-Benchmark
- 19 % HR-Kernprozesse mit GenAI
- Skill-Entwicklungs-Metriken als Reporting-Item
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.