HR- und Richtlinien-Self-Service-Assistent für Beschäftigte

Personalabteilungen verbringen einen großen Teil des Tages damit, dieselben Fragen zu beantworten: Wie viele Urlaubstage sind noch übrig, welche Reisekostenregeln gelten, was sagt die Betriebsvereinbarung zum Homeoffice. Ein Assistent, der sich auf die freigegebenen Richtlinien stützt (Retrieval-Augmented Generation) und nur lesend an das HR-System angebunden ist, beantwortet diese Fragen in der Sprache der Beschäftigten, nennt die Quelle und eröffnet einen HR-Fall, wenn er unsicher ist. Typische Vorteile sind kürzere Wartezeiten für Beschäftigte und weniger Tickets der ersten Ebene für die Personalabteilung; die wichtigsten Risiken sind falsche oder veraltete Antworten, die Preisgabe fremder Daten und Mitbestimmungspflichten.

Problem & Nutzen

• Heute: Antworten stehen in PDFs, Intranet-Seiten, SharePoint-Ordnern und in den Köpfen der HR-Mitarbeitenden. Beschäftigte mailen oder rufen bei der Personalabteilung an; gemeinsame Postfächer und Ticket-Warteschlangen wachsen, Antworten unterscheiden sich je nach Bearbeiter. Beschäftigte an der Basis, im Schichtdienst und mit mehreren Sprachen haben oft gar keinen einfachen Zugang.
• KI-Nutzen: sofortige Antworten rund um die Uhr in vielen Sprachen, einheitliche Formulierungen, die an die aktuelle Richtlinienversion gebunden sind, personalisierte Abfragen (eigene Salden, eigene Abrechnungstermine) und eine strukturierte Übergabe der Fälle, die wirklich einen Menschen brauchen. Die Personalabteilung erhält Auswertungen, was gefragt wird und welche Richtlinien unklar sind.
• Belege: Anbieter veröffentlichen Quoten für Entlastung und Lösung, diese sind aber selbst berichtet und hängen von Umfang und Messung ab; diese Datei nennt daher keinen allgemeinen Prozentwert. Messen Sie vor der Einführung Ihre eigene Ausgangslage (Tickets pro Beschäftigte(r), Zeit bis zur ersten Antwort).

Varianten

• KMU (50–500 Beschäftigte): Assistent im HR-/Lohn-Tool oder in Microsoft Teams über einige Dutzend Richtliniendokumente; die Personalleitung verantwortet die Inhalte.
• Großunternehmen / Shared-Service-Center: integriert mit dem HR-Fallmanagement (ServiceNow, SAP, Workday), Richtliniensätze für mehrere Länder, berechtigungsbewusste Suche, mehrsprachig.
• Öffentlicher Sektor: Richtlinien aus Tarifverträgen (TVöD/TV-L), Dienstvereinbarungen, Reisekostenrecht; Mitbestimmung des Personalrats (BPersVG / Landesgesetze); On-Premises oder souveräne Cloud bevorzugt.
• Beschäftigte an der Basis / im Schichtdienst: mobiler oder WhatsApp-artiger Kanal, Spracheingabe (siehe Sprachbots der AGENT-Familie).
• Onboarding-Begleiter: dieselbe Technik, Antworten für neue Beschäftigte in den ersten 90 Tagen (IT-Zugänge, Zusatzleistungen, Formulare).
• Abgrenzung: Antworten aus allgemeinen Dokumenten ohne Zugriff auf das HR-System ist KNOW-002; die Suche über alle Intranet-Quellen ist KNOW-001; kundenseitige Support-Bots gehören zur CUST-Familie.

So funktioniert es

1. Frage der Beschäftigten (Teams / Web / App, SSO-Identität)
2. Leitplanken (PII-/Missbrauchsfilter, Prompt-Injection-Prüfung, Themenprüfung: HR-Thema?)
3. Umformulierung der Anfrage + Spracherkennung
4. Retrieval: Hybridsuche (BM25 + Embeddings) über den Richtlinienindex, gefiltert nach Land, Rechtseinheit, Rolle
5. Reranking
6. beste Textstellen mit Versions-/Datumsmetadaten
7. [optionale Tool-Aufrufe: HRIS-API nur lesend, ausschließlich für die eigenen Daten der anfragenden Person]
8. LLM-Antwort mit verpflichtenden Quellenangaben; „Ich weiß es nicht“ bei schwacher Beleglage
9. Aktionen: Formular / Ticket vorausfüllen
10. menschliche Freigabe (Führungskraft oder HR)
11. Eskalation als HR-Fall mit Gesprächsprotokoll; Feedback-Schaltflächen; Auswertungen

• Berechtigungsbewusste Suche: Richtliniendokumente tragen Metadaten (Land, Rechtseinheit, Beschäftigtengruppe, Gültigkeitszeitraum). Der Filter wird anhand der Identität angewendet, bevor das LLM Text sieht; so erhält eine Beschäftigte in Deutschland nicht die US-Richtlinie, und normale Beschäftigte sehen keine Dokumente, die nur für das Management bestimmt sind.
• Personalisierte Daten: Tool-Aufrufe laufen mit dem eigenen Token der Beschäftigten (On-Behalf-Of), nie mit einem Superuser; so lässt sich das Modell nicht dazu überreden, den Datensatz einer anderen Person zu lesen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Personalabteilung verantwortet die Quellinhalte und eine Freigabe für neue Richtlinienversionen; Themen mit geringer Sicherheit oder sensible Themen (Kündigung, Belästigung, Krankheit, Streit um Entgelt, Hinweisgebung) gehen direkt an Menschen; Aktionen mit Folgen brauchen eine Bestätigung.
• Kein Entscheidungssystem: Der Assistent informiert; er entscheidet nicht über Urlaubsgenehmigung, Entgelt oder Leistungsbeurteilung (das würde die regulatorische Einstufung ändern, siehe Risiken).

Datenaufbereitung

Die Kerndaten sind HR-Richtlinien: Betriebsvereinbarungen, Tarifverträge, Reise- und Urlaubsregeln, Onboarding-Leitfäden, Beschreibungen von Zusatzleistungen und FAQ. Sie liegen typischerweise auf dem HR-Dateiserver, im Intranet, in der HR-Suite und in Mail-Antworten, die die Personalabteilung wiederholt verschickt hat. Typische Lücken sind mehrere Versionen derselben Richtlinie, Regeln, die je nach Standort oder Vertragsart abweichen, gescannte Betriebsvereinbarungen, Antworten, die nur in den Köpfen der HR-Mitarbeitenden existieren, und kein klares „gültig ab“-Datum.

Schritte der Aufbereitung: - Die gültigen Dokumente zusammentragen und je Thema eine verantwortliche Person aus der Personalabteilung benennen (PREP-013, PREP-004). - Veraltete Versionen ausmustern und Metadaten ergänzen: gültig ab, gilt für (Standort, Gruppe) (PREP-010). - Gescannte Vereinbarungen per OCR erschließen (PREP-006, DOC-014). - Echte Fragen aus dem HR-Postfach und der Ticket-Historie sammeln, personenbezogene Angaben entfernen (PREP-020, PREP-022) und freigegebene Antworten formulieren (PREP-016). - Individuelle Beschäftigtendaten (Gehalt, Fehlzeiten, Personalakten) nicht in den Index aufnehmen, es sei denn, es gibt ein eigenes, zugriffsgeschütztes Konzept (PREP-024). - Mit der Personalabteilung einen Testsatz aufbauen (PREP-018).

Der Aufwand ist mäßig, etwa ein Drittel des Projekts, weil der Bestand klein ist, die inhaltlichen Entscheidungen aber sensibel sind. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil HR-Suiten und Wissensassistenten mit EU-Hosting fertige Fragen und Antworten zu Richtlinien bieten und der Richtlinienbestand selbst klein und nicht hochsensibel ist.
• Großunternehmen: Weg B, weil Integration in das HR-System, Single Sign-on und länderspezifische Regeln einen maßgeschneiderten Aufbau auf Cloud-KI-Diensten erfordern.
• Entwicklung: Weg C, weil ein kleiner Open-Source-RAG-Stack (Open WebUI mit Ollama) für einen Richtlinienbestand genügt.
• Öffentlicher Sektor: Weg C auf souveräner EU- oder deutscher Infrastruktur, weil Beschäftigtendaten und Tarifverträge kontrolliertes Hosting erfordern und der Personalrat es erwartet.

Weg A — Kaufen (für die meisten KMU empfohlen)

• HR-Suiten mit eingebauten Assistenten: SAP SuccessFactors mit Joule (SAP, Deutschland/EU), Workday (Agenten wie Sana Concierge, auf der KI-Seite des Anbieters genannt [3]), Personio (Deutschland) und andere europäische HR-Tools, dazu ServiceNow HR Service Delivery und Microsoft-basierte Lösungen. Prüfen Sie bei jedem Anbieter den aktuellen Funktionsumfang und den Stand des EU-Hostings.
• Service-Plattformen für Großunternehmen: ServiceNow (HR Service Delivery / Virtual Agent), Moveworks (jetzt Teil von ServiceNow), Leena AI, Microsoft-365-Copilot-Agenten über SharePoint.
• Low-Code-Agentenbaukästen: Microsoft Copilot Studio kann Agenten auf Wissen aus SharePoint/Dataverse bauen und in Teams und anderen Kanälen veröffentlichen, mit Analysen und Bewertungssätzen [4].
• Wählen Sie A, wenn: die Richtlinien in einer Standard-HR-Suite oder in M365 liegen, das Volumen moderat ist und der Anbieter EU-Datenhaltung, einen AVV und betriebsratsfreundliche Steuerung der Protokollierung bietet.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Mistral (Frankreich) über La Plateforme mit EU-Hosting — der aktuelle Katalog umfasst Mistral Medium 3.5 und Mistral Small 4 (Apache 2.0) [5]; Azure OpenAI / Microsoft Foundry und AWS Bedrock in EU-Regionen; Anthropic Claude und Google Gemini über EU-Region-Angebote der Hyperscaler.
• Suche: Azure AI Search, Elastic, OpenSearch oder pgvector für die hybride Suche; ein mehrsprachiges Embedding-Modell und ein Reranker (z. B. Cohere Rerank, Voyage oder die offene BGE-Familie).
• Orchestrierung: LangChain/LlamaIndex oder einfacher Code; MCP-Server oder REST-Konnektoren zu SuccessFactors, Workday, Personio, DATEV HR; Teams-Bot über das Bot Framework.
• Bauen Sie selbst, wenn: Sie eigene Abläufe benötigen (z. B. mehrere HR-Systeme, Länderlogik) oder eine enge Integration.

Weg C — Selbst betreiben (Open Source)

• Modelle: Mistral Small 4 (Apache 2.0) oder Ministral 3 14B/8B für leichte Lasten [5]; Qwen3 (8B–32B, betrieben über Ollama/vLLM) [6]; prüfen Sie jeweils die Lizenz. Modelle mit 7–30 Mrd. Parametern genügen, weil die Antworten auf abgerufenem Text beruhen.
• Embeddings/Reranking: BAAI bge-m3 (MIT, über 100 Sprachen, dicht + spärlich + Multi-Vektor, 8192 Token) [7] plus ein bge-Reranker.
• Stack: Open WebUI oder Dify, LlamaIndex/Haystack, Qdrant/pgvector/OpenSearch, vLLM oder Ollama, Keycloak für SSO.
• Hardware: Eine GPU mit 24–48 GB versorgt bei kleinen Modellen einige hundert Nutzer; ein 24–32B-Modell in 8 Bit passt auf HW2–HW3. Aufwand: eine Plattform-Ingenieurin bzw. ein Plattform-Ingenieur in Teilzeit plus eine für die Inhalte verantwortliche Person aus der Personalabteilung. Wählen Sie C bei Anforderungen an die Datensouveränität (öffentlicher Sektor, Forderung des Betriebsrats, die Daten On-Premises zu halten).

Weg D — Eigenes Training

Selten nötig. Feintuning eines kleinen Modells für Tonalität, deutsche HR-Fachbegriffe oder ein striktes Antwortformat oder das Training eines fachspezifischen Rerankers auf protokollierten Paaren aus Frage und Textstelle kann helfen, sobald einige tausend echte Fragen vorliegen. Beginnen Sie stattdessen mit Suchqualität, Bewertungssätzen und Prompt-Gestaltung.

Stand der Technik (2026)

• Verankertes RAG ist die Basis: hybride Suche + Reranking + Prompts, die Quellenangaben erzwingen; agentische Suche (das Modell formuliert Anfragen um und wiederholt sie) wird inzwischen von Plattformen wie Copilot Studio angeboten [4].
• Agenten über HR-Systemen: Anbieter sind von FAQ-Bots zu Agenten übergegangen, die Aufgaben über Tools ausführen (Urlaub beantragen, Bankdaten ändern), mit Schritten zur menschlichen Freigabe.
• Mehrsprachigkeit: aktuelle Modelle und Embeddings (z. B. bge-m3 [7]) beherrschen Deutsch, Englisch, Türkisch, Polnisch, Ukrainisch usw. gut genug für Fragen und Antworten zu Richtlinien; prüfen Sie dies mit Testsätzen von Muttersprachlern.
• Evaluation: Referenzfragensätze je Richtlinienbereich, bewertet nach Richtigkeit, Genauigkeit der Quellenangaben und korrektem Verzicht auf eine Antwort; bei jeder Änderung an Richtlinie oder Modell durchlaufen lassen (Copilot Studio liefert Bewertungssätze mit [4]).
• Grenzen / Fehlerbilder: veraltete oder widersprüchliche Richtlinienversionen; erfundene Ansprüche (z. B. erfundene Urlaubstage); Konflikte zwischen Gesetz, Tarifvertrag und Betriebsvereinbarung (das Modell kann die Rangfolge nicht verlässlich bestimmen); Beschäftigte, die personenbezogene Daten im Freitext eingeben; Prompt-Injection über Dokumente; Lecks bei Identität/Berechtigungen; zu großes Vertrauen in selbstsichere Antworten. Gegenmaßnahmen: Quellenangaben, Verzicht auf Antworten, Hinweise („keine Rechtsberatung, die Personalabteilung entscheidet“) und Übergabe an Menschen.

Gemeinsame Bausteine & Kombinationen

• Gemeinsame Bausteine: hybrider Index + Embedding + Reranker + LLM-Gateway + SSO-/ACL-Schicht sind dieselben wie bei KNOW-002 (RAG im Unternehmen) und KNOW-001 (Unternehmenssuche); eine Plattform kann alle drei mit getrennten Indizes und Zugriffsregeln bedienen. Guardrails und PII-Filter sind über CUST-Bots hinweg wiederverwendbar.
• Hardware: HW2–HW3-Inferenzknoten, geteilt mit anderen RAG-Lasten; Embeddings laufen auf der CPU oder einer kleinen GPU.
• Kombinationen: KNOW-011 (hält FAQs und Richtlinien anhand von Tickets aktuell), KNOW-014 (organisationales Gedächtnis), KNOW-012 (Expertensuche für Fragen, die eine Person brauchen), KNOW-004/KNOW-009 für technische Fragen bzw. Fragen zu Normen in derselben Oberfläche, Dokumenten-Pipelines im Stil von DOC-001 für Belege oder Formulare, die der Assistent anstößt.

Aufwand, Kosten & Kennzahlen

• Aufwand: A: Tage bis Wochen (Konfiguration; die Bereinigung der Inhalte ist die eigentliche Arbeit). B: ca. 1–3 Monate für einen produktiven Pilot mit Evaluation und Integrationen. C: ähnlich plus Infrastrukturbetrieb. D: zusätzlich Monate.
• Kostentreiber: Lizenzen pro Nutzer (A), Token und Suchdienst (B), GPU und Betrieb (C), Pflege und Evaluation der Inhalte durch die Personalabteilung (alle), Integration in HR-Systeme, Verfahren mit dem Betriebsrat.
• Kennzahlen: Lösungs-/Entlastungsquote (Fragen, die ohne Mensch gelöst werden), Richtigkeit der Antworten und Korrektheit der Quellenangaben am Referenzsatz, Präzision beim Verzicht auf Antworten, Qualität der Übergabe bei Eskalation, Zeit bis zur ersten Antwort, HR-Tickets pro 100 Beschäftigte, Zufriedenheit der Beschäftigten (Daumen hoch/runter), Anteil der Fragen, die eine Richtlinienlücke aufgedeckt haben, Anzahl der Vorfälle (gemeldete falsche Antworten).

Menschen & Veränderung

Beziehen Sie die Personalabteilung vom ersten Tag an als Prozessverantwortliche ein, zusammen mit der Geschäftsführung, der/dem Datenschutzbeauftragten und, falls vorhanden, dem Betriebsrat. Recht oder Compliance prüfen arbeitsrechtliche Aussagen; die IT kümmert sich um Single Sign-on und Hosting.

Betriebsrat: in der Praxis ja. Der Assistent wird von Beschäftigten genutzt und protokolliert ihre Fragen, ist also geeignet, das Verhalten zu überwachen: Die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG gilt, und §90 Abs. 1 Nr. 3 verlangt rechtzeitige Unterrichtung. Der Betriebsrat kann nach §80 Abs. 3 eine(n) KI-Sachverständige(n) hinzuziehen. Schließen Sie eine Betriebsvereinbarung zu Protokollierung, Aufbewahrung, Ausschluss der Leistungsbewertung und Umfang der Themen. Im öffentlichen Dienst wird der Personalrat beteiligt (GUIDE-004).

Datenschutz: Fragen können Gesundheit, Familie oder Konfliktsituationen offenlegen; deshalb ist eine DSFA wahrscheinlich ratsam, mit dem Anbieter ist ein AVV nötig, und sensible Themen sollten an eine menschliche HR-Ansprechperson weitergeleitet werden (GUIDE-005).

Beginnen Sie mit einem Pilot an einem Standort oder in einer Abteilung. Kommunizieren Sie offen, was protokolliert wird und wer es sieht. Typische Bedenken: „Die Personalabteilung wird ersetzt“ (Antwort: Der Assistent bearbeitet Routinefragen, die Personalabteilung bearbeitet Fälle) und „Meine Fragen werden überwacht“ (Antwort: die Betriebsvereinbarung und pseudonyme Auswertungen). Bieten Sie eine klare Übergabe an eine Person an. Fördern Sie die KI-Kompetenz mit einer kurzen Einweisung (GUIDE-006, GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Ein reiner Informations-Chatbot ist im Allgemeinen kein System nach Anhang III, doch Art. 50 Abs. 1 verlangt, dass Menschen informiert werden, dass sie mit einer KI interagieren, sofern das nicht aus dem Kontext offensichtlich ist; die Pflicht gilt ab dem 2. August 2026 [2] (prüfen Sie den aktuellen Stand etwaiger Verschiebungsvorschläge). Art. 4 KI-Kompetenz gilt für Betreiber. Er wird hochriskant, wenn er für Entscheidungen genutzt wird, die die Bedingungen von Arbeitsverhältnissen betreffen, für die Aufgabenverteilung nach Verhalten/Merkmalen oder für die Überwachung und Bewertung von Leistung und Verhalten (Anhang III, Nr. 4) [1] — erweitern Sie den Assistenten nicht um solche Funktionen, ohne das vollständige Compliance-Verfahren für Hochrisiko-Systeme zu durchlaufen. Emotionserkennung bei Beschäftigten ist verboten (Art. 5) und darf nicht ergänzt werden.
• DSGVO / BDSG: Die Verarbeitung von Beschäftigtendaten braucht eine Rechtsgrundlage (Art. 6, Art. 88 DSGVO, ggf. § 26 BDSG); eine DSFA ist ratsam wegen des Beschäftigungskontexts und besonderer Datenkategorien (Gesundheit, Gewerkschaftszugehörigkeit, Religion), die Beschäftigte eintippen könnten; Datenminimierung, Aufbewahrungsfristen für Chat-Protokolle, AVV mit Anbietern, Datenhaltung in der EU, kein Training mit Kundendaten, rollenbasierter Zugriff, Löschrechte.
• Mitbestimmung: In Deutschland hat der Betriebsrat Mitbestimmungsrechte bei technischen Systemen, die geeignet sind, Verhalten oder Leistung zu überwachen (§ 87 Abs. 1 Nr. 6 BetrVG) [8]; Chat-Protokolle und Auswertungen fallen darunter. Schließen Sie früh eine Betriebsvereinbarung (Zweckbindung, keine individuelle Auswertung, Aufbewahrung der Protokolle, Zugriff). Öffentlicher Sektor: Personalrat. Andere Länder haben vergleichbare Konsultationspflichten.
• Rechtliche Richtigkeit: Antworten zum Arbeitsrecht sind keine Rechtsberatung; leiten Sie rechtlich sensible Fragen an HR/Recht weiter.
• Sicherheit: Prompt-Injection über eingelesene Dokumente, zu weit gefasste Dienstkonten, Lecks zwischen Rechtseinheiten; wenden Sie minimale Rechte, Ausgabefilter, Protokollierung und Red-Team-Tests an.

Erste Schritte

1. Wählen Sie die 30–50 häufigsten wiederkehrenden HR-Fragen aus Tickets und Postfächern und benennen Sie eine für die Inhalte verantwortliche Person in der Personalabteilung; bereinigen und versionieren Sie die Quellrichtlinien, ergänzen Sie Metadaten (Land, Rechtseinheit, Gültigkeit).
2. Beziehen Sie Betriebsrat und Datenschutzbeauftragte(n) ein; skizzieren Sie Zweck, Protokollierung und DSFA.
3. Führen Sie einen Pilot durch (Weg A oder ein Prototyp mit Copilot Studio / Open WebUI) mit 20–50 Nutzern in einem Land, Quellenangaben verpflichtend, Eskalationsknopf zur Personalabteilung.
4. Bauen Sie einen Referenzfragensatz (einschließlich Fangfragen und Fragen außerhalb des Themenbereichs) und bewerten Sie vor jeder Änderung.
5. Ergänzen Sie lesende HRIS-Abfragen und eine risikoarme Aktion (z. B. Urlaubssaldo, Bescheinigungsantrag), prüfen Sie dann die Kennzahlen und erweitern Sie den Umfang.

Quellen

1. EU AI Act, Annex III (employment, point 4) — https://artificialintelligenceact.eu/annex/3/ (accessed 2026-10)
2. EU AI Act, Article 50 transparency obligations — https://artificialintelligenceact.eu/article/50/ (accessed 2026-10)
3. Workday, AI and agents overview — https://www.workday.com/en-us/artificial-intelligence.html (accessed 2026-10)
4. Microsoft Learn, What is Copilot Studio — https://learn.microsoft.com/en-us/microsoft-copilot-studio/fundamentals-what-is-copilot-studio (accessed 2026-10)
5. Mistral AI docs, models overview — https://docs.mistral.ai/getting-started/models/models_overview/ (accessed 2026-10)
6. Ollama library, Qwen3 — https://ollama.com/library/qwen3 (accessed 2026-10)
7. BAAI bge-m3 model card — https://huggingface.co/BAAI/bge-m3 (accessed 2026-10)
8. § 87 BetrVG, Gesetze im Internet — https://www.gesetze-im-internet.de/betrvg/__87.html (accessed 2026-10)