Recruiting und Talent Acquisition

Stellenanzeige IT- und Tech-Rolle mit Gehaltsband nach EU Pay Transparency entwerfen

anymize ersetzt Hiring-Manager-Namen, Team-Mitglieder, interne Projektnamen und GitHub-Organisationen automatisch durch Platzhalter, bevor das Tech-Briefing an GPT, Claude oder Gemini geht und setzt sie nach der KI-Antwort wieder ein. So entsteht eine AGG-konforme, EU-Pay-Transparency-fertige Stellenanzeige für Software Engineering, DevOps, Data oder Cloud Engineering in Minuten statt Stunden, ohne § 26 BDSG oder DSK-Orientierungshilfe KI zu berühren.

In 30 SekundenWas anymize hier leistetIn 5 MinutenPrompt zum KopierenIn 30 MinutenVollständiger Workflow
Mit anymize startenBeispiel ansehen

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.

01

Anwendungsbereich

Worum geht es hier?

KI im Recruiting und Talent Acquisition

Tech-Recruiting ist der härteste Engpass-Markt in Deutschland (BA Fachkräfteengpassanalyse 2024). Stellenanzeigen sind Pflicht-Erstkontakt; ab 07.06.2026 wird der Verzicht auf Gehaltsband (EU Pay Transparency Directive 2023/970) zum AGG-Risiko gemäß § 11 AGG. Dieser UC vertieft den Master-UC für den Engineering-Kontext mit Skill-Stack-Spezifika und konkreter Bias-Linie zu BAG 8 AZR 74/25 (120 k EUR Altersdiskriminierung).

02

Für wen passt das?

Zielgruppe und Kontext

Rolle
Tech-Recruiter, IT-HR-Business-Partner, Talent Acquisition Manager Engineering, Hiring Manager (Engineering Lead, Head of Platform), Personalmarketing Tech.
Seniorität
Einsteiger bis Fortgeschritten. Tech-Recruiter brauchen Stack-Vokabular (React, Kubernetes, Postgres, Terraform, Kafka).
Unternehmensgröße
Tech-Startup (10-100 MA), Scale-up (100-500), Mittelstand-IT-Abteilung (500-2.000), Konzern-IT (2.000+).
Spezifische Kontexte
Software Engineering (Frontend, Backend, Fullstack), DevOps/SRE, Data Engineering, Cloud Engineering, ML Engineering, Cybersecurity. Spezielle Job-Boards: Stack Overflow Jobs, GitHub Jobs, LinkedIn Tech.
03

Die Situation in der Personalabteilung

So bringen Sie Tempo und Sorgfalt zusammen

IT-/Tech-Stellenanzeigen haben drei Vertical-Risiken gegenüber dem Master-UC: (1) Skill-Listen-Inflation, Roh-Entwürfe von Engineering-Leads enthalten oft 15–25 Pflicht-Skills (Einhorn-Effekt), was mittelbar diskriminierend nach AGG § 3 Abs. 2 wirkt, weil Frauen statistisch seltener auf Stellen mit überfüllten Anforderungen bewerben. (2) EU Pay Transparency Pflicht ab 07.06.2026, Tech-Salary-Ranges (z.B. „Senior Backend Engineer 75–110 k EUR + Bonus”) sind häufig wettbewerbssensibel und werden ungern offengelegt. (3) „Junger, dynamischer Tech-Lead” / „Ninja” / „Rockstar” verboten nach AGG § 11; BAG 8 AZR 74/25 hat 120.000 EUR Entschädigung wegen algorithmischer Altersdiskriminierung zugesprochen. DGFP Recruiting 2025: 90 % nutzen KI, überwiegend ohne strukturierten Bias-Check. Roh-Entwurf enthält Hiring-Manager-Namen, Team-Bezeichnungen, interne Projektnamen, alle § 26-BDSG-Daten.

04

Was Sie davon haben

Zeit, Wert, Vertraulichkeit

Zeit pro Stellenanzeige

30–60 Min

Größenordnung. DGFP Recruiting Benchmark 2025: 90 % nutzen KI für Stellenanzeigen; LinkedIn Future of Recruiting 2025: ~20 % Zeit-Entlastung Talent-Professionals.

Risiko-Hebel

120 k EUR

BAG 8 AZR 74/25 (27.03.2026): höchste AGG-Entschädigung wegen algorithmischer Altersdiskriminierung. AGG-Reform Mai 2026: Klagefrist 2 → 4 Monate verlängert.

Vertraulichkeit

strukturell

anymize entfernt Hiring-Manager, Team-Mitglieder, interne Projekt-Codenamen und GitHub-Organisationen, 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.

05

So gehen Sie vor

Der Workflow Schritt für Schritt

1

Tech-Rohanforderungen vom Engineering Lead einholen: Stack, Seniorität, Team-Größe, Tech-Stack-Übersicht, gewünschtes Gehaltsband.

Mensch

Fachliche Anforderungen kommen aus dem Team

2

Datenklassifikation: Hiring-Manager-Name, interne Projektnamen, GitHub-Org-Name → Klasse A. Stack-Namen (React, Kubernetes) = Klasse C.

Mensch

§ 26 BDSG · DSK-Orientierungshilfe KI

3

Pseudonymisierung mit anymize: [[Lead-…]], [[Projekt-…]], [[GitHub-Org-…]], [[Standort-Tech-Hub-…]] falls identifizierend.

anymize

DSGVO Art. 28 · § 26 BDSG

3.5

Spot-Check auf seltene Stack-Kombinationen, die nur ein Team beherrscht (= Re-Identifikation).

Mensch

NER-Restrisiko

4

KI-Drafting + AGG-Bias-Check: Skill-Liste auf Must-haves (max. 5–7) und Nice-to-haves trennen; Alters-/Geschlechts-/Herkunfts-Konnotationen markieren (z.B. „Ninja”, „Rockstar”, „native English speaker”).

Frontier-KI

AGG § 11 · BAG 8 AZR 74/25

5

KI fügt Pflicht-Sections: Gehaltsband (EU Pay Transparency) als „75–110 k EUR p.a. + Performance-Bonus”; m/w/d; Hinweis Schwerbehindertenförderung; KI-Transparenz-Hinweis (EU AI Act Art. 50), falls KI im Auswahlprozess.

Frontier-KI

EU Pay Transparency 2023/970 · AGG · EU AI Act Art. 50

6

Re-Identifikation interner Platzhalter im HR-System.

anymize + Sie

Daten verlassen geschützte Umgebung erst nach Re-Bind

7

Tech-Sanity-Check durch Hiring Manager: Stack-Korrektheit, Realistik der Anforderungen.

Mensch

Validität

8

Bias-Letztprüfung Vier-Augen (Recruiter + Diversity-Officer ab Konzern). Veröffentlichung Karriereseite + Stack Overflow Jobs + LinkedIn Tech + Job-Boards; Logging im KI-Inventar (EU AI Act Art. 26, 6 Monate).

Mensch

AGG-Schutzfunktion · EU AI Act Art. 26

06

Womit Sie arbeiten

So setzen Sie anymize konkret ein

Was anymize tut

  • Erkennt Hiring-Manager-Namen, Team-Mitglieder, interne Projekt-Codenamen und GitHub-Organisationen mit über 95 % Erkennungsrate.
  • Dreistufige Prüfung: Algorithmische Analyse, dann zwei spezialisierte KI-Prüfungen, die auch Kontext berücksichtigen (z.B. ein Projekt-Codename vs. ein Open-Source-Stack-Name).
  • Bidirektionale Anonymisierung: Platzhalter ersetzen Klarnamen, das Frontier-Modell antwortet mit AGG-bereinigter Stellenanzeige, 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 Tech-Recruiter tun

  • Tech-Rohanforderungen vom Engineering Lead einholen und Pflicht-Skills auf 5–7 verdichten lassen.
  • Vorschau der Anonymisierung sichten, besonders seltene Stack-Kombinationen auf Stilometrie-Risiko prüfen.
  • Bias-Marker abarbeiten; Gehaltsband publikationsreif; m/w/d und Schwerbehindertenförderungs-Hinweis vorhanden.
  • Vier-Augen-Sign-off (Recruiter + Diversity-Officer ab Konzern); Logging im KI-Inventar (EU AI Act Art. 26).

Daten-Input

Job-Profil (Rohentwurf Engineering Lead), Stack-Liste, Team-Beschreibung, geplantes Gehaltsband (intern abgestimmt), Standort und Arbeitsmodell.

Output-Kontrolle

Pseudonymisierter Input geht an die KI. Re-identifizierte AGG-konforme Stellenanzeige mit 6 Sektionen (Rolle/Team, Aufgaben, Must-haves max. 5–7, Nice-to-haves, Wir bieten, Gehaltsband + Bewerbung), Bias-Markern und EU-Pay-Transparency-Block kommt zurück. anymize selbst trifft keine inhaltlichen Aussagen, die Strukturierung leistet das Frontier-Modell.

Freigabeprozess

Sie behalten jederzeit die Hoheit: Sichtung der Anonymisierung, Tech-Sanity-Check, Bias-Letztprüfung, Diversity-Officer-Freigabe ab Konzern. anymize ist der Anonymisierungs-Layer, keine HR-Software.

07

Die KI-Anweisung

Prompt zum Kopieren

So nutzen Sie diesen Prompt:

1. Tech-Rohanforderungen + Gehaltsband intern in anymize einfügen, die Anonymisierung läuft automatisch (Hiring-Manager, Team-Mitglieder, interne Projektnamen werden zu Platzhaltern).

2. Diesen Prompt kopieren und an die Anforderungen anhängen.

3. In anymize unter „Tools → Reasoning” auf „Thinking-Modus” stellen, dann KI-Aufruf starten, der Output kommt re-identifiziert zurück.

4. Bias-Marker abarbeiten, Vier-Augen-Sign-off mit Diversity-Officer (ab Konzern), dann Logging im KI-Inventar.

Empfohlener Reasoning-Modus in anymize: Thinking-Modus. Modell-Empfehlung: Frontier-LLM im EU-Tenant (Azure OpenAI Frankfurt) mit AVV; bei AGG-Bias-Pass Claude bevorzugt (besseres Style-Coaching).
# Context (C)
Rechtsstand: <heutiges Datum>. Du unterstützt das Drafting einer deutschen
IT-/Tech-Stellenanzeige (Software Engineer, DevOps, Data Engineer, Cloud
Engineer). Der Input ist pseudonymisiert: Hiring-Manager, Team-Name, interne
Projektnamen durch [[Kategorie-Hash]]-Platzhalter. Stack-Namen (React,
Kubernetes, Postgres, Terraform) sind Klartext.

# Role (R)
Du agierst als Tech-Recruiter mit Stack-Vokabular und AGG-Bias-Sensibilität.
Du kennst AGG §§ 1, 3, 7, 11, EU Pay Transparency Directive 2023/970
(DE-Umsetzung 07.06.2026), EU AI Act Annex III Nr. 4 und BAG 8 AZR 74/25
(120 k EUR Altersdiskriminierung).

# Action (A)
1. Stellenanzeige in 6 Sektionen entwerfen: Rolle/Team, Aufgaben, Must-haves
   (max. 5–7), Nice-to-haves, Wir bieten, Gehaltsband + Bewerbungsprozess.
2. Must-haves auf 5–7 reduzieren, alles darüber als „Nice-to-have”
   deklarieren (Anti-Einhorn-Effekt).
3. Bias-Marker setzen: alle Formulierungen mit Alters-/Geschlechts-/Herkunfts-
   Konnotation als [BIAS-FLAG] kennzeichnen (z.B. „junger”, „dynamischer”,
   „Ninja”, „Rockstar”, „native English”).
4. Gehaltsband in „min–max EUR p.a. + variable Komponente” einfügen
   (EU Pay Transparency).
5. m/w/d und Schwerbehindertenförderungs-Hinweis einfügen.
6. KI-Transparenz-Hinweis falls KI im weiteren Prozess: „Wir setzen
   KI-gestützte Tools zur Vorauswahl ein. Die finale Entscheidung trifft
   ein Mensch.”
7. Stack-Konsistenz-Check: alle Stack-Bezeichnungen aktuell (kein
   „AngularJS” wenn „Angular” gemeint).

# Format (F)
- 6 Sektionen, je 2–4 Sätze oder Bullet-Liste
- Bias-Marker als [BIAS-FLAG: Begründung]
- Gehaltsband-Zeile fett
- Unsicherheiten als „Nicht verifizierbar:” präfixen

# Target Audience (T)
Tech-Talents (Senior Engineer, Lead Engineer); Erwartung: Klare technische
Sprache, kein Marketing-Geschwurbel, transparente Anforderungen, faires
Gehaltsband.
08

So sieht der Input aus

Pseudonymisierter Eingabetext

Original-Briefing nach anymize-Anonymisierung. Hiring-Manager, Team-Bezeichnung, interner Standort sind durch anymize-Platzhalter im Format [[Kategorie-Hash]] ersetzt. Stack-Namen bleiben Klartext, weil sie für die Stellenanzeige benötigt werden.
Rolle: Senior Backend Engineer
Team: [[Team-a3f9]] (Plattform-Squad, 6 Engineers + 1 Tech Lead [[Lead-b2e7]])
Standort: [[Standort-c4d1]] (hybrid; 2 Tage Office, 3 Tage Remote)

Roh-Anforderungen (Hiring Manager [[Lead-b2e7]]):
- Mind. 5 Jahre Backend-Erfahrung
- Java, Kotlin, Spring Boot
- Kubernetes, Docker, AWS oder GCP
- Postgres, Redis, Kafka
- Event-driven Architecture, DDD
- CI/CD: GitHub Actions, ArgoCD
- Linux, Bash
- „Junger, dynamischer Teamplayer mit Hands-on-Mentalität”
- Native English speaker bevorzugt
- TDD, Clean Code, Code Reviews
- Erfahrung mit Performance-Tuning, Observability (Datadog, Prometheus)

Geplantes Gehaltsband intern: 80–105 k EUR p.a. + 10 k Bonus + ESOP.
09

So liefert anymize zurück

Der KI-Entwurf

KI-Output nach Bias-Bereinigung und EU-Pay-Transparency-Anpassung. Must-haves auf 5 reduziert (Anti-Einhorn). Bias-Flags transparent dokumentiert. Re-identifikation hat hier mit Platzhaltern gearbeitet, in Ihrer Umgebung sehen Sie die echten Team-Namen zurück.
## Senior Backend Engineer (m/w/d), Plattform-Squad

### Deine Rolle
In der Plattform-Squad baust und betreibst Du die Backend-Services, auf
denen unser Produkt läuft. Du gestaltest Architektur-Entscheidungen aktiv
mit, arbeitest mit fünf Engineer-Kolleg*innen und einem Tech Lead.

### Deine Aufgaben
- Design, Implementierung und Betrieb von event-driven Backend-Services
  (Kafka, Postgres).
- CI/CD-Pipelines und Deployment-Automatisierung (GitHub Actions, ArgoCD,
  Kubernetes).
- Performance-Tuning und Observability (Datadog, Prometheus).
- Code Reviews, Mentoring und Beiträge zur Engineering-Kultur.

### Must-haves (5)
- Mehrjährige Backend-Erfahrung mit Java oder Kotlin und Spring Boot.
- Kubernetes und ein Cloud-Provider (AWS oder GCP).
- Postgres und Kafka in produktiver Anwendung.
- Erfahrung mit event-driven Architektur und Domain-Driven Design.
- CI/CD-Praxis mit GitHub Actions oder gleichwertig.

### Nice-to-haves
- Redis, Observability-Stacks (Datadog, Prometheus).
- TDD-Praxis, Erfahrung mit Performance-Tuning.
- Erfahrung in Plattform-Teams oder Internal-Developer-Platforms.

### Wir bieten
- Hybrides Arbeiten: 2 Tage Office, 3 Tage Remote.
- Lern-Budget, Konferenz-Besuche, On-Call-Vergütung.
- Diverse, internationale Engineering-Kultur. Deutsch- und
  Englisch-Kenntnisse genügen für die tägliche Arbeit.

### **Gehaltsband: 80.000–105.000 EUR p.a. + bis zu 10.000 EUR Bonus + ESOP**
(EU Pay Transparency Directive)

### Bewerbung
- Schwerbehinderte Bewerber*innen werden bei gleicher Eignung bevorzugt
  berücksichtigt.
- Wir setzen KI-gestützte Tools zur Vorauswahl ein; die finale Entscheidung
  trifft ein Mensch (EU AI Act Art. 50).

[BIAS-FLAG entfernt: „Junger, dynamischer Teamplayer” → ersetzt durch
neutrale Verhaltensbeschreibung]
[BIAS-FLAG entfernt: „Native English speaker bevorzugt” → ersetzt durch
„Deutsch- und Englisch-Kenntnisse genügen für die tägliche Arbeit”]
10

Was das HR-Recht verlangt

Pflichten und wie anymize sie abdeckt

AGG § 11, Stellenausschreibung (SRC-0217)

Verbot diskriminierender Formulierungen. „Junger, dynamischer Teamplayer” = Alters-Bias; „Native English speaker” = Herkunfts-Bias. KI markiert solche Formulierungen als [BIAS-FLAG] und schlägt neutrale Verhaltensanker vor, Sie verantworten die finale Entscheidung.

BAG 8 AZR 74/25, algorithmische Altersdiskriminierung (SRC-0256)

27.03.2026: 120.000 EUR Entschädigung. Höchste AGG-Entschädigung wegen algorithmischer Altersdiskriminierung in einer Tech-Stellenanzeige. AGG-Reform Mai 2026 verlängert Klagefrist auf 4 Monate, Risiko-Hebel deutlich erhöht.

EU Pay Transparency 2023/970, Gehaltsband-Pflicht (SRC-0236)

DE-Umsetzung 07.06.2026: Gehaltsangabe in der Anzeige Pflicht; Frage nach Vorgehalt verboten. Tech-Salary-Ranges (z.B. „Senior Backend Engineer 75–110 k EUR + Bonus”) müssen offen kommuniziert werden. Bei fehlendem Gehaltsband ab 07.06.2026: AGG-§-11-Risiko.

EU AI Act Annex III Nr. 4 + Art. 50, KI-Transparenz (SRC-0231/0235)

KI-Transparenz-Pflicht bei Chatbot-Recruiting/Vorauswahl. Stellenanzeige muss bei KI-gestützter Vorauswahl klar kennzeichnen: „Wir setzen KI-gestützte Tools zur Vorauswahl ein. Die finale Entscheidung trifft ein Mensch.”

§ 26 BDSG + DSK-Orientierungshilfe KI (SRC-0215/0246)

Hiring-Manager-Namen, Team-Mitglieder und interne Projektnamen sind Beschäftigtendaten i.S. § 26 BDSG. Public-Cloud-LLM-Transfer ohne Pseudonymisierung verstößt gegen DSK-Orientierungshilfe KI. anymize ersetzt sie durch Platzhalter.

11

Datenschutz und Vertraulichkeit

So funktioniert das mit anymize

Die datenschutzrechtlich entscheidende Frage beim Tech-Stellenanzeigen-Drafting: Sieht der KI-Anbieter die Hiring-Manager-Namen, internen Projektnamen und GitHub-Organisationen? Antwort mit anymize: nein. Sie 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. Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO (berechtigtes Interesse Personalsuche) i.V.m. § 26 BDSG. Die Klarnamen werden aus dem KI-Kontext gehalten, was § 26 BDSG strukturell entlastet.

Was anymize konkret leistet

  • Erkennt Hiring-Manager-Name, Team-Mitglieder, interne Projekt-Codenamen und GitHub-Organisationen mit über 95 % Genauigkeit.
  • Ersetzt sie durch semantische Platzhalter, bevor das Tech-Briefing an GPT, Claude oder Gemini geht.
  • Re-identifiziert die KI-Antwort automatisch, Sie sehen die Stellenanzeige mit den richtigen internen Bezügen zurück.
  • Verarbeitung in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO im Standardvertrag.
  • Alternative Tools für Bias-Detection: Textio (US), JOIN AI (DE-Anbieter), Gender Decoder by Kat Matfield; ATS-Integration via Personio AI, softgarden (DEKRA-DSGVO), SAP SuccessFactors Joule.
12

Sicherheitscheck vor der Veröffentlichung

Was anymize liefert, was Sie souverän entscheiden

Vor dem KI-Aufruf

  • Anonymisierungs-Vorschau gesichtet, Hiring-Manager, interne Projektnamen, GitHub-Org erkannt?
  • Bei seltenen Stack-Kombinationen: Stilometrie-Spot-Check durchgeführt?
  • Gehaltsband intern abgestimmt (EU-Pay-Transparency-Range fertig)?
  • Datenklassifikation: Klasse-A-Daten (Hiring-Manager, Projekt-Codes) identifiziert?

Nach der KI-Antwort

  • Re-Identifikation korrekt, alle Platzhalter zurückgesetzt?
  • Must-have-Liste auf 5–7 Items verdichtet (Anti-Einhorn)?
  • Bias-Marker abgearbeitet, Begründungen dokumentiert?
  • Stack-Bezeichnungen aktuell und korrekt (kein „AngularJS” statt „Angular”)?

Vor Veröffentlichung

  • Gehaltsband in der Anzeige (EU Pay Transparency)?
  • m/w/d + Schwerbehindertenförderungs-Hinweis vorhanden?
  • KI-Transparenz-Hinweis bei Vorauswahl-KI?
  • Vier-Augen-Sign-off (Recruiter + Diversity-Officer ab Konzern); Logging im KI-Inventar (EU AI Act Art. 26, 6 Monate)?

Typische Fehlermuster und wie anymize gegensteuert

  • →KI behält Bias-Phrasen aus Hiring-Manager-Briefing („Ninja”, „Rockstar”), Bias-Letztprüfung mit Diversity-Officer fängt das ab.
  • →Must-have-Liste mit 12–15 Items (Einhorn-Effekt), Prompt zwingt explizit zu max. 5–7 Must-haves.
  • →KI „verbessert” Stack-Bezeichnungen falsch (z.B. „Angular” → „AngularJS”), Tech-Sanity-Check durch Hiring Manager Pflicht.
  • →Gehaltsband fehlt oder zu weit gefasst (>30 % Spread), EU-Pay-Transparency-Verstoß ab 07.06.2026.
  • →KI fügt KI-Transparenz-Hinweis nicht ein, obwohl Vorauswahl-KI eingesetzt wird, EU AI Act Art. 50 Verstoß.
13

Rechtsgrundlagen

Normen, Urteile, Belege

Primärnormen: Antidiskriminierung und Pay Transparency

  • Diskriminierungsverbot und Stellenausschreibung
  • Klagefrist 2 → 4 Monate verlängert
  • Gehaltsangabe in Stellenanzeige Pflicht ab 07.06.2026
  • Recruiting-KI Hochrisiko-Kategorie
  • Transparenzpflichten bei KI-Interaktion
  • 120 k EUR algorithmische Altersdiskriminierung

Primärnormen: Datenschutz

  • Beschäftigtendatenverarbeitung
  • Auftragsverarbeitung: AVV-Pflicht bei Cloud-LLM
  • Behörden-Position zu LLM-Einsatz im HR
  • Bewerberdatenschutz

Studien und Praxis

  • 90 % nutzen KI für Stellenanzeigen-Erstellung
  • ~1 Tag/Woche Ersparnis bei Talent-Professionals
  • IT-Berufe Top-3-Engpassberufe
  • EU-Pay-Transparency-Praxis

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.

Kostenlos startenWie es funktioniert

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.