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.
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.