Recruiting und Talent Acquisition
Stellenanzeige Pflege und Gesundheit (Engpassberuf) mit Tarif- und Schichtdienst-Transparenz
anymize ersetzt PDL-Namen, Stationsbezeichnungen und Patient*innen-Referenzen automatisch durch Platzhalter, bevor das Pflege-Briefing an die KI geht. So entsteht eine AGG-konforme Stellenanzeige für Pflegefachkräfte mit konkretem Tarifbezug (AVR Caritas, AVR Diakonie, TVöD-P, TV-L), realistischem Schichtdienst-Modell und Fortbildungs-Pull-Faktoren, ohne § 26 BDSG oder § 203 StGB 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?
Pflege und Gesundheit sind die strukturellen Engpassberufe Nr. 1 in DE (BA Fachkräfteengpassanalyse 2024), die Stellenanzeigen-Qualität ist hier Existenz-Faktor für die Versorgung. Tarifvertragliche Eingruppierung (AVR Caritas, AVR Diakonie, TVöD-P, TV-L Hochschulkliniken) muss korrekt sein; Schichtdienst-Modelle müssen transparent sein, sonst Frust nach Vertragsabschluss und schnelle Kündigungen.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- Personalreferent Pflege, Recruiter Healthcare, HRBP Kliniken/Seniorenheime, Pflegedienstleitung mit Recruiting-Auftrag.
- Seniorität
- Einsteiger bis Fortgeschritten.
- Unternehmensgröße
- Ambulanter Pflegedienst (10-50 MA), Seniorenheim (50-250), Krankenhaus (250-2.000), Konzern-Klinikkette (Helios, Asklepios, Sana).
- Spezifische Kontexte
- Pflegefachkraft (3-jährige Ausbildung), Altenpflegehelfer*in, MFA, MTRA/MTLA, Physiotherapie, Ergotherapie, Hebammen. Engpass-Boards: PFLEGEN-ONLINE, Stepstone Healthcare, Caritas-Jobbörse, Indeed Pflege.
Die Situation in der Personalabteilung
So bringen Sie Tempo und Sorgfalt zusammen
Drei Vertical-Risiken in Pflege-Stellenanzeigen: (1) Tarif-Intransparenz, „Vergütung nach Tarif” reicht nicht; Bewerber*innen erwarten konkrete Tarifgruppe (z.B. AVR P 7 Stufe 4) mit Brutto-Range. EU Pay Transparency (DE-Umsetzung 07.06.2026) verschärft das. (2) Schichtdienst-Beschönigung, „flexible Arbeitszeiten” für 3-Schicht-Betrieb ist irreführend; Bewerber*innen wechseln nach 6 Monaten frustriert. Realistische Schicht-Modelle („3-Schicht mit Wunschdienstplan; max. 2 Wochenenden/Monat”) sind Pflicht für Pipeline-Qualität. (3) Diskriminierungs-Sprache, „junge, belastbare Persönlichkeit” (AGG § 11); „muttersprachlich Deutsch” (oft als verdeckte Herkunfts-Diskriminierung). § 203 StGB: Patient*innen-Daten dürfen niemals im LLM landen.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Stellenanzeige
30–60 Min
DGFP Recruiting Benchmark 2025; LinkedIn Future of Recruiting 2025.
Versorgungs-Hebel
150+ Tage
BA-Engpassanalyse 2024: Pflege-Vakanz-Besetzungsdauer >150 Tage. Bessere Stellenanzeige = kürzere Besetzungsdauer = Versorgungs-Sicherheit.
Vertraulichkeit
strukturell
anymize entfernt PDL-Namen, Stationsbezeichnungen und Patient*innen-Referenzen, § 203 StGB-Heilberufsgeheimnis strukturell gewahrt.
Erkennungsrate
>95 %
Dreifach geprüft. Restmenge im Vorschau-Modus prüfbar.
So gehen Sie vor
Der Workflow Schritt für Schritt
Pflegedienstleitung liefert Roh-Anforderungen: Stationsprofil, Pflegegrad-Mix, Schicht-Modell, Tarifgruppe.
Mensch
Fachliche Anforderungen
Datenklassifikation: PDL-Name, Stationsbezeichnung intern, Patient*innen-Hinweise → Klasse A. Tarifgruppe, Schicht-Modell = Klasse C.
Mensch
§ 26 BDSG · § 203 StGB · DSK-OH KI
Pseudonymisierung: [[PDL-…]], [[Station-…]], [[Pat-Bezug-…]]. Patient*innen-Daten dürfen niemals im LLM landen (§ 203 StGB für Heilberufe).
anymize
DSGVO · § 26 BDSG · § 203 StGB
Spot-Check auf einzigartige Stationsbezeichnungen, Patient*innen-Beispiele.
Mensch
NER-Restrisiko
KI-Drafting + AGG-Bias-Check: „belastbar”, „junges Team” markieren; Tarif-Angabe konkretisieren; Schicht-Modell ehrlich.
Frontier-KI
AGG · Realistik
KI fügt Pflicht-Sections: Tarifgruppe + Brutto-Range (EU Pay Transparency); m/w/d + Schwerbehindertenförderung; Schicht-Modell mit Wunschdienst-Optionen; Fortbildungs-Budget (Pflege-Spezifikum).
Frontier-KI
EU Pay Transparency · AGG · Engpass-Pull-Faktor
Re-Identifikation interner Platzhalter im HR-System.
anymize + Sie
Re-Bind
Sanity-Check durch PDL: Tarifgruppe korrekt? Schicht-Modell realistisch?
Mensch
Validität
AGG-Letztprüfung Vier-Augen (Recruiter + Gleichstellungsbeauftragte ab kommunalen Trägern, MAV bei kirchlichen Trägern). Veröffentlichung auf PFLEGEN-ONLINE, Stepstone Healthcare, Caritas-Jobbörse.
Mensch
AGG · MAV § 36 MVG.EKD · EU AI Act Art. 26
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt PDL-Namen, Stationsbezeichnungen, Patient*innen-Referenzen und Trägername-Kombinationen mit über 95 % Erkennungsrate.
- § 203-StGB-Heilberufsgeheimnis strukturell gewahrt: Patient*innen-Bezüge landen niemals im LLM.
- Bidirektionale Anonymisierung: Platzhalter → KI-Antwort → Re-Identifikation.
- Daten in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO. Originaldokumente werden nicht gespeichert.
Was Sie als Pflege-Recruiter tun
- Pflegedienstleitungs-Briefing einholen: Tarifgruppe, Schicht-Modell, Pflegegrad-Mix.
- Vorschau der Anonymisierung sichten, besonders Stations- und Patient*innen-Referenzen prüfen.
- Tarif-Angabe konkretisieren (AVR P 7 Stufe X mit Brutto-Range); Schicht-Modell ehrlich.
- MAV/BR-Information abhaken (je nach Trägerschaft); Logging im KI-Inventar.
Daten-Input
Stations-/Bereichs-Profil, Pflegegrad-Mix, Schicht-Modell, Tarifgruppe (AVR/TVöD-P/TV-L), Stations-Größe, Team-Zusammensetzung, Fortbildungs-Optionen.
Output-Kontrolle
Re-identifizierte Stellenanzeige mit 6 Sektionen, Tarif-Block (AVR P 7 Stufe X, Brutto-Range), Schicht-Block ehrlich, Pflege-Pull-Faktoren (Fachweiterbildung, Mentor*innen, Springer-Zulagen).
Freigabeprozess
Sichtung Anonymisierung, PDL-Sanity-Check (Tarif + Schicht), AGG-Letztprüfung Vier-Augen, MAV/BR-Information je nach Trägerschaft.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Pflegedienstleitungs-Briefing + Tarifgruppe + Schicht-Modell in anymize einfügen.
2. Diesen Prompt anhängen, Thinking-Modus aktivieren.
3. KI-Output re-identifiziert; PDL-Sanity-Check; AGG-Vier-Augen-Letztprüfung.
4. MAV/BR-Information je nach Trägerschaft, dann Veröffentlichung auf PFLEGEN-ONLINE, Caritas-Jobbörse etc.
# Context (C)
Rechtsstand: <heutiges Datum>. Du draftest eine deutsche Stellenanzeige für
Pflege oder Gesundheit (Pflegefachkraft, Altenpflegehelfer*in, MFA, MTRA,
Physio, Ergo, Hebamme). Input pseudonymisiert.
# Role (R)
Pflege-/Healthcare-Recruiter mit Tarif-Vokabular (AVR Caritas, AVR Diakonie,
TVöD-P, TV-L) und AGG-Bias-Sensibilität. Kennt AGG, EU Pay Transparency,
BA Fachkräfteengpass, BAG 8 AZR 74/25, § 203 StGB (Heilberufsgeheimnis).
# Action (A)
1. 6 Sektionen: Einrichtung/Station, Aufgaben, Anforderungen, Schicht-Modell,
Vergütung & Benefits, Bewerbungsprozess.
2. Tarif-Konkretisierung: AVR P 7 Stufe X, TVöD-P 8a Stufe Y, TV-L Anlage 33,
mit Brutto-Range „X.XXX EUR bis Y.XXX EUR” (EU Pay Transparency).
3. Schicht-Modell-Ehrlichkeit: „3-Schicht im Rotationsmodell; Wunschdienstplan
mit min. 4 Wochen Vorlauf; max. 2 Wochenenden/Monat”, keine vagen Floskeln.
4. Bias-Audit Pflege-spezifisch: „belastbar”, „junges Team”, „dynamisch”,
„herausragend deutsch sprechend” als [BIAS-FLAG]; Sprach-Anforderung als
„Deutsch-Niveau B2 für die Pflege-Dokumentation” formulieren.
5. m/w/d und Schwerbehindertenförderung.
6. Pflege-Pull-Faktoren: Fortbildung, Mentor*innen-Programm, Springer-
Zulagen, betriebliche Altersvorsorge.
7. KI-Transparenz-Hinweis falls KI im weiteren Auswahl-Prozess.
# Format (F)
- 6 Sektionen, kompakt
- Tarif-Block fett
- Schicht-Block tabellarisch oder Bullet
- Bias-Marker als [BIAS-FLAG: Original → Ersatz]
# Target Audience (T)
Pflege-/Gesundheits-Fachkräfte; Erwartung: Faire Tarif-Angabe, ehrliches
Schicht-Modell, Wertschätzung, kein Pathos.So sieht der Input aus
Pseudonymisierter Eingabetext
Rolle: Pflegefachkraft (m/w/d) Innere Medizin
Einrichtung: [[Klinik-a3f9]] (Akutkrankenhaus, 450 Betten)
Station: [[Station-b2e7]] (Innere, 30 Betten, Pflegegrad-Mix 3–5)
Team: 12 Pflegekräfte, PDL [[PDL-c4d1]]
Roh-Anforderungen (PDL):
- Examinierte Pflegefachkraft 3-jährige Ausbildung
- „Junges, belastbares Team, passt in unsere dynamische Kultur”
- „Muttersprachlich Deutsch erforderlich”
- 3-Schicht-Bereitschaft; Wochenend- und Feiertagsdienste
- Erfahrung in der Inneren erwünscht
- Tarif AVR Caritas P 7
Geplant: Wunschdienstplan-System; Praxisanleiter*in-Position bei Eignung.So liefert anymize zurück
Der KI-Entwurf
## Pflegefachkraft (m/w/d), Innere Medizin
### Deine Einrichtung
Akutkrankenhaus mit 450 Betten und überregionalem Einzugsgebiet. Du arbeitest
auf einer Inneren-Station mit 30 Betten in einem Team von zwölf
Pflegefachkräften.
### Deine Aufgaben
- Grund- und Behandlungspflege bei Patient*innen mit Pflegegrad 3–5.
- Eigenverantwortliche Schichten in einem 3-Schicht-Modell.
- Mitarbeit in einem festen Team mit klaren Übergaben.
### Deine Qualifikation
- Abgeschlossene 3-jährige Ausbildung als Pflegefachkraft, Gesundheits- und
Krankenpflegerin oder Altenpfleger*in.
- Deutsch-Kenntnisse B2 oder höher für Pflege-Dokumentation und
Patient*innen-Kommunikation.
- Erfahrung in der Inneren Medizin wünschenswert, kein Muss.
### Dein Schicht-Modell (transparent)
- 3-Schicht im Rotationsmodell (Früh, Spät, Nacht).
- Wunschdienstplan mit mindestens 4 Wochen Vorlauf.
- Maximal zwei Wochenenden pro Monat.
- Springer-Zulage bei kurzfristigen Einsprüngen.
### **Vergütung & Benefits**
- **AVR Caritas P 7, Stufe je nach Berufserfahrung**: ca. 3.300–4.300 EUR
brutto monatlich (EU Pay Transparency Directive).
- Schicht- und Wochenend-Zulagen nach Tarif.
- Jahressonderzahlung und betriebliche Altersvorsorge (KZVK).
- Fachweiterbildung (z.B. Praxisanleiter, Fachweiterbildung Intensiv) finanziert.
- Mentor*innen-Programm in den ersten 6 Monaten.
### 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: „junges, belastbares Team” → neutrale Team-Beschreibung]
[BIAS-FLAG entfernt: „muttersprachlich Deutsch” → „Deutsch B2 für
Pflege-Dokumentation”]Was das HR-Recht verlangt
Pflichten und wie anymize sie abdeckt
AGG § 11, „belastbar”/„jung”/„muttersprachlich” (SRC-0217)
Diese Formulierungen sind kritisch. „Muttersprachlich Deutsch” diskriminiert mittelbar nach Herkunft; als „Deutsch B2 für Pflege-Dokumentation” sachlich-funktional zulässig.
BAG 8 AZR 74/25 (SRC-0256)
120 k EUR AGG-Entschädigung als Risiko-Anker. Pflege-Stellenanzeigen mit „junges Team”-Floskeln tragen das volle Risiko.
EU Pay Transparency 2023/970 (SRC-0236)
DE-Umsetzung 07.06.2026: Tarif konkret nennen + Brutto-Range. „Vergütung nach Tarif” reicht nicht.
§ 203 StGB, Heilberufsgeheimnis (SRC-0230)
Patient*innen-Beispiele oder Stations-Daten dürfen niemals im LLM landen. anymize entfernt sie strukturell.
MVG-EKD/MVG-K + BetrVG
Bei kirchlichen Trägern Beteiligungspflichten der MAV; bei privaten Trägern BR. Vor produktivem Einsatz einer KI-Recruiting-Funktion: Mitbestimmung sichern (BetrVG § 87 Abs. 1 Nr. 6).
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
PDL-Namen, Stationsbezeichnungen und Patient*innen-Referenzen sieht der KI-Anbieter nicht, anymize ersetzt sie vor dem KI-Aufruf durch Platzhalter. Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO i.V.m. § 26 BDSG. Bei Patient*innen-Bezug zusätzlich Art. 9 DSGVO (Gesundheitsdaten) und § 203 StGB (Heilberufsgeheimnis). Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO. § 203 StGB strukturell gewahrt: Patient*innen-Bezüge landen niemals im LLM.
Was anymize konkret leistet
- Erkennt PDL-Namen, Stationsbezeichnungen, Patient*innen-Referenzen und Träger-Identifikatoren mit über 95 % Genauigkeit.
- § 203-StGB-Heilberufsgeheimnis strukturell gewahrt.
- Bidirektionale Anonymisierung mit Re-Identifikation nach KI-Antwort.
- Daten in deutschen Rechenzentren (Hetzner). AVV nach Art. 28 DSGVO.
- Alternative Compliance-Ansätze: JOIN AI mit DE-Hosting, softgarden DEKRA-DSGVO-Zertifikat, Caritas-eigene Job-Plattformen, Personio AI EU-Hosting.
Sicherheitscheck vor der Veröffentlichung
Was anymize liefert, was Sie souverän entscheiden
Vor dem KI-Aufruf
- Anonymisierungs-Spot-Check inkl. Patient*innen-Bezüge?
- Tarifgruppe + Brutto-Range konkret abgestimmt?
- Schicht-Modell realistisch (kein „flexible Arbeitszeiten”)?
Nach der KI-Antwort
- Bias-Marker abgearbeitet (kein „junges Team”, „muttersprachlich Deutsch”)?
- Tarifgruppe konkret + Brutto-Range?
- Schicht-Modell ehrlich und transparent?
Vor Veröffentlichung
- m/w/d + Schwerbehindertenförderung?
- KI-Transparenz-Hinweis?
- Fortbildungs-/Pull-Faktoren genannt?
- MAV/BR-Information abgehakt (je nach Trägerschaft); Logging KI-Inventar?
Typische Fehlermuster und wie anymize gegensteuert
- →KI behält „belastbar”, „junges Team” aus PDL-Briefing, Bias-Letztprüfung mit Gleichstellungsbeauftragten fängt das ab.
- →Tarif als „Vergütung nach Tarif”, Prompt zwingt zur Konkretisierung (AVR P 7 Stufe X + Brutto-Range).
- →Schicht-Modell als „flexible Arbeitszeiten”, irreführend; Prompt zwingt zu ehrlichem 3-Schicht-Modell.
- →Patient*innen-Bezug im Briefing („Hauptsächlich Demenz-Patient*innen”), anymize entfernt; § 203 StGB strukturell gewahrt.
- →Sprach-Anforderung als „muttersprachlich Deutsch”, diskriminiert nach Herkunft; Prompt formuliert als „Deutsch B2 für Pflege-Dokumentation”.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen: Antidiskriminierung und Pay Transparency
- Diskriminierungsverbot Stellenausschreibung
- Tarif konkret + Brutto-Range Pflicht ab 07.06.2026
- 120 k EUR algorithmische Altersdiskriminierung
- Recruiting-KI Hochrisiko + Transparenz
Primärnormen: Heilberufsgeheimnis und Datenschutz
- Heilberufsgeheimnis: Patient*innen-Bezüge dürfen nicht im LLM landen
- Beschäftigtendatenverarbeitung
- Besondere Kategorien (Gesundheitsdaten)
- Auftragsverarbeitung: AVV-Pflicht
- Behörden-Position LLM im HR
Studien und Engpass-Kontext
- Pflege/Gesundheit Top-Engpassberufe
- 90 % KI-Nutzung Stellenanzeigen
- Engpass-Kontext Pflege/Gesundheit
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.