Personaldokumente: Stellenanzeigen, Arbeitszeugnisse, Richtlinien

Personalabteilungen schreiben immer wieder dieselben drei Arten von Texten: Stellenanzeigen, Arbeitszeugnisse und interne Richtlinien. Jede ist rechtlich sensibel. Stellenanzeigen dürfen nicht diskriminieren und müssen nach der EU-Entgelttransparenzrichtlinie das Entgelt nennen. Deutsche Zeugnisse müssen wohlwollend und klar und dennoch wahr sein. Richtlinien müssen zu den Betriebsvereinbarungen und zum geltenden Recht passen. LLMs liefern gute erste Entwürfe in Sekunden aus strukturierten Eingaben. Der Nutzen entsteht durch die Verbindung des Entwerfens mit Compliance-Prüfungen (AGG-Formulierungen, geschlechtsneutrale Berufsbezeichnungen, Gehaltsspanne, Notenformulierungen im Zeugnis) und einer verpflichtenden menschlichen Freigabe. Die KI schreibt den Text. Sie trifft oder bewertet die Personalentscheidung nicht.

Problem & Nutzen

• Heute: Stellenanzeigen werden aus alten Anzeigen kopiert und von Hand bearbeitet. Zeugnisse schreibt die Personalabteilung aus Fragebögen der Führungskräfte mithilfe von Formulierungsbibliotheken oder Vorlagen. Richtlinien entwerfen Personal- oder Rechtsabteilung in Word, oft ohne klare Verbindung zu den Betriebsvereinbarungen, von denen sie abhängen. Die Folgen sind lange Durchlaufzeiten, uneinheitlicher Ton und rechtliche Risiken.
• Rechtlicher Druck bei Stellenanzeigen: § 11 AGG verbietet die Ausschreibung eines Arbeitsplatzes unter Verstoß gegen das Benachteiligungsverbot des § 7 Abs. 1 AGG [5]. Formulierungen wie „Deutsch als Muttersprache", „junges Team" oder geschlechtsspezifische Bezeichnungen („Sekretärin") können nach § 22 AGG die Vermutung einer Diskriminierung begründen und Entschädigungsansprüche nach § 15 AGG auslösen [6]. Ab dem 7. Juni 2026 verlangt die EU- Entgelttransparenzrichtlinie (2023/970), dass das Anfangsentgelt oder eine Entgeltspanne in der Stellenausschreibung oder vor dem Vorstellungsgespräch genannt wird, und sie verbietet Fragen nach der Entgelthistorie [7].
• Rechtlicher Druck bei Zeugnissen: § 109 GewO gibt Beschäftigten einen Anspruch auf ein schriftliches Zeugnis (einfach oder qualifiziert), das klar ist und keine versteckten verschlüsselten Botschaften enthält. Die elektronische Form ist nur mit Einwilligung der Beschäftigten zulässig [4].
• Gemessener Nutzen (Herstellerdaten): Textio berichtet, dass die Bewerberpools seiner Kunden im Schnitt 24 % qualifizierter und 12 % vielfältiger sind und dass Stellen 17 % schneller besetzt werden. In einem A/B-Test bei Square erhielt eine umformulierte Stellenanzeige doppelt so viele Bewerbungen [3]. Das sind vom Hersteller veröffentlichte Fallstudienzahlen, keine unabhängigen Studien. Die Forschung hinter den Prüfungen auf geschlechtsspezifische Formulierungen ergab, dass männlich kodierte Formulierungen in Stellenanzeigen die Attraktivität der Stelle für Frauen verringern [9].

Varianten

• Stellenanzeigen: Erzeugung aus einem Stellenprofil, Varianten für mehrere Kanäle, Übersetzung für grenzüberschreitende Einstellung (→ LANG-009), Fassungen in einfacher Sprache für gewerbliche Tätigkeiten (→ LANG-010) und Bewertung bestehender Anzeigen auf Verzerrungen/Inklusivität.
• Zeugnisse (Arbeitszeugnis): Endzeugnisse und Zwischenzeugnisse, Ausbildungszeugnisse und englische „Reference Letters" für internationale Beschäftigte. Der Entwurf wird aus den Bewertungen der Führungskraft je Kriterium in der deutschen Notenformulierung geschrieben.
• Richtlinien & Personalkommunikation: Richtlinien zu mobilem Arbeiten, Reisen, IT-Nutzung und KI-Nutzung, Onboarding- Handbücher, Entwürfe für Betriebsvereinbarungen als Verhandlungsgrundlage und Schreiben (z. B. Mitteilungen über Vertragsänderungen). Die Frage-Antwort-Funktion auf diesen Richtlinien gehört zu KNOW-003.
• Öffentlicher Sektor: Stellenanzeigen nach den Tarif- und Ausschreibungsregeln des öffentlichen Dienstes (TVöD/TV-L, Bestenauslese nach Art. 33 Abs. 2 GG), mit Pflichthinweisen für schwerbehinderte Bewerberinnen und Bewerber.
• Privatnutzung: Beschäftigte, die die Formulierungen ihres eigenen Zeugnisses prüfen oder Bewerbungen schreiben (→ PERS-012).

So funktioniert es

1. strukturierte Eingabe (Stellenprofil + Gehaltsband | Bewertungsbogen der Führungskraft | Richtlinien-Briefing)
2. Abruf von Hausvorlagen, freigegebener Formulierungsbibliothek, bestehenden Richtlinien & Betriebsvereinbarungen
3. LLM-Entwurf mit festem Systemprompt (Ton, Struktur, rechtliche Pflichtbestandteile)
4. Regel- + LLM-Prüfungen: AGG-sensible Begriffe, m/w/d / geschlechtsneutrale Berufsbezeichnung, Gehaltsspanne vorhanden, Stellvertreter für Alter/Herkunft/Behinderung, Konsistenz der Zeugnisnote, keine erfundenen Fakten
5. menschliche Prüfung im Editor (Personal + Führungskraft; Recht/Betriebsrat bei Richtlinien)
6. Freigabe & Veröffentlichung (Bewerbermanagement / Karriereseite) oder Unterschrift (Zeugnis)
7. Archivierung mit Version

• Entwurf: Ein allgemeines LLM genügt. Die Qualität hängt von strukturierten Eingaben und Beispielen der guten eigenen Texte des Unternehmens ab.
• Zeugnisnoten: Die Führungskraft bewertet Kriterien wie Fachwissen, Arbeitsqualität und Verhalten auf einer Skala. Das LLM ordnet jede Bewertung der etablierten Formulierung zu und muss die Gesamtnote konsistent halten. Oft bleibt eine deterministische Formulierungsbibliothek die maßgebliche Quelle, wobei das LLM die Formulierungen nur flüssig verbindet. Das vermeidet versehentliche Abwertungen durch Nuancen.
• Compliance-Prüfungen: ein Lexikon (z. B. eine Wortliste zur Entschlüsselung von Geschlechterkodierung, eine AGG-Begriffsliste) plus ein LLM- Prüf-Prompt. Prüfungen der Gehaltsspanne und der Pflichtfelder sind einfache Regeln.
• Mensch-in-der-Schleife (Human-in-the-Loop): Jeder Text wird von einer namentlich benannten Person freigegeben. Bei Zeugnissen bestätigt die Führungskraft Fakten und Bewertung. Bei Richtlinien geben Personal/Recht frei, und der Betriebsrat wird beteiligt, wo Mitbestimmung gilt.

Datenaufbereitung

Benötigt werden: Stellenprofile und Gehaltsbänder (Personalsystem, Excel), Notizen der Führungskräfte, für Zeugnisse die Stammdaten der Beschäftigten, Aufgabenlisten und Kriterienbewertungen (Personalsystem, Personalakte, oft auf Papier) sowie bestehende Richtlinien, Betriebsvereinbarungen, Tarifverträge und Rechtstexte (Dateiablagen, Intranet, PDFs).

Typische Lücken: fehlende oder veraltete Stellenprofile, nie strukturiert erfasste Bewertungen, Richtlinien in mehreren Fassungen und als Scans, keine Formulierungsbibliothek für die Notenformulierungen und Personaldaten an Orten mit weitem Zugriff.

Aufbereitungsschritte: - Ein strukturiertes Eingabeformular für Zeugnisse festlegen: Aufgaben, Kriterienbewertungen, Note (siehe PREP-019, PREP-016). - Freigegebene Texte von Stellenanzeigen und Zeugnissen als Formulierungsbibliothek und Beispiele sammeln (siehe PREP-016, PREP-015). - Richtlinien digitalisieren und per OCR verarbeiten, eine gültige Fassung behalten und indexieren (siehe PREP-006, PREP-013, DOC-014). - Personenbezogene Daten für Tests pseudonymisieren (siehe PREP-022) und die Rechtsgrundlage prüfen (siehe PREP-025); Zugriffsrechte einschränken (siehe PREP-023).

Grober Anteil: etwa 30 bis 40 Prozent des Aufwands. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg C. Beschäftigtendaten, Bewertungen und Zeugnisse sind sehr sensibel, und ein einfacher lokaler Stack (zum Beispiel Ollama mit einem kleinen Modell und einer Vorlage) läuft auf HW1/HW2, ohne Personaldaten an Dritte zu senden.
• Großunternehmen: Weg C. Personaldaten bleiben auf einer gemeinsamen internen KI-Plattform im Unternehmen, die auch andere Personalanwendungen bedient.
• Entwickler: Weg C. Offene Modelle mit einer regelbasierten Compliance-Prüfung geben volle Kontrolle über die Notenformulierungen im Zeugnis und die Protokollierung.
• Öffentlicher Sektor: Weg C. Personaldaten und Vergaberegeln sprechen für den Eigenbetrieb oder eine souveräne deutsche Cloud.

Weg A — Kaufen (Standardsoftware)

• Stellenanzeigen / inklusive Sprache: Textio Recruiting (US) [3]; generative Funktionen für Stellenbeschreibungen in Bewerbermanagement-/HCM-Suiten wie SAP SuccessFactors (EU-Rechenzentren), Workday, Personio (München, EU) und LinkedIn Hiring Assistant (macht aus groben Notizen Stellenbeschreibungen, ein Zusatz zu LinkedIn Recruiter) [8]. Prüfen Sie, welche Edition die Funktion enthält.
• Zeugnisse: deutsche Zeugnissoftware wie Haufe Zeugnis Manager (auf Formulierungsbibliothek basiert, über 12.000 Musterformulierungen; die Produktseite nennt keine KI-Funktion) [1], personalwerk Zeugnisgenerator, Zeugnisfairness und verlingo. Sie sind überwiegend regel-/formulierungsbasiert und daher vorhersagbar und rechtssicher; in einigen Produkten kommt LLM-Feinschliff hinzu [2].
• Allgemeine Assistenten: Microsoft 365 Copilot (EU Data Boundary), ChatGPT Enterprise, Mistral Le Chat Enterprise (EU-Anbieter) und Langdock (Berlin, EU) mit gemeinsamen Prompt-Vorlagen für die Personalarbeit.
• Weg A wählen, wenn: Sie ein KMU mit Standardbedarf sind. Ein Zeugniswerkzeug plus ein Bewerbermanagement mit KI-Entwurf deckt 80 % der Arbeit ab.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Mistral (in der EU gehostet, z. B. Mistral Medium/Large), Claude über AWS Bedrock Frankfurt oder Google Vertex AI EU, GPT über Azure OpenAI EU Data Zone und Gemini in den EU-Regionen von Vertex AI.
• Aufbau: ein Vorlagendienst mit JSON-Schemas je Dokumentart, RAG über das Richtlinienarchiv (Embeddings + Vektordatenbank) und ein Prüfschritt als zweiter LLM-Aufruf mit festem Bewertungsraster plus Lexikon.
• Integration: Bewerbermanagement (Personio, SAP SuccessFactors, Workday, d.vinci, softgarden) über API, um Entwürfe zu übergeben. Personalstammdaten speisen Zeugnisentwürfe. Das DMS speichert unterzeichnete Fassungen.
• Weg B wählen, wenn: Sie einen eigenen Prozess über Bewerbermanagement, HCM und DMS, mehrsprachige Ausgabe oder eigene Prüfregeln brauchen.

Weg C — Selbst betreiben (Open Source)

• Modelle: offene LLMs mit starkem Deutsch wie Mistral Small 3.x, Qwen3 (14B–32B), Gemma 3 27B oder gpt-oss-20b/120b. Betreiben Sie sie mit vLLM oder Ollama und nutzen Sie Open WebUI als Chat- Oberfläche mit gemeinsamen Prompt-„Workspaces".
• RAG: mehrsprachige Embeddings (z. B. BGE-M3, multilingual-e5) mit Qdrant oder pgvector über Richtlinien und Betriebsvereinbarungen.
• Hardware: HW2 (eine GPU mit 24–32 GB) genügt für ein quantisiertes Modell mit 14–32B bei den Mengen einer Personal- abteilung. Nutzen Sie HW3 für Modelle mit 70B+/120B und für den Betrieb mehrerer Abteilungen.
• Warum wählen: Zeugnisse und Richtlinien enthalten personenbezogene und mitbestimmte Inhalte. On-Premises hilft öffentlichen Stellen und Betriebsräten, die eine Cloud-Verarbeitung von Beschäftigtendaten ablehnen.

Weg D — Eigenes Training

Lohnt sich selten. Ein LoRA-Feintuning eines kleinen offenen Modells auf einigen hundert freigegebenen unternehmenseigenen Zeugnissen oder Stellenanzeigen kann Hausstil und Notenformulierungen festschreiben. Der Abruf von Beispielen (Few-Shot) kommt dem aber meist nahe. Das Training mit früheren Zeugnissen bedeutet, dass Beschäftigtendaten für einen neuen Zweck verarbeitet werden, was zuerst eine Prüfung der Zweckvereinbarkeit nach DSGVO und Pseudonymisierung erfordert.

Stand der Technik (2026)

• Die Entwurfsqualität ist für gängige Sprachen gelöst. Spitzenmodelle und mittelgroße offene Modelle schreiben flüssige deutsche und englische Personaltexte. Unterschiede machen Workflow, Steuerung der Formulierungen, Compliance-Prüfungen und Integration mit Bewerbermanagement/HCM.
• Agentische Recruiting-Suiten (LinkedIn Hiring Assistant, Workday, SAP Joule) bündeln das Entwerfen von Stellenanzeigen mit Sourcing und Vorauswahl [8]. Diese nachgelagerten Schritte sind Hochrisiko (AGENT-008, AGENT-033) und sollten getrennt vom Schreibschritt gesteuert werden.
• Entgelttransparenz macht aus Stellenanzeigen strukturierte Dokumente: Gehaltsspanne, geschlechtsneutrale Berufsbezeichnung und objektive Kriterien sind jetzt Pflichtfelder, was die automatische Prüfung erleichtert [7].
• Bekannte Fehlerbilder:
• LLMs zeigen messbare geschlechtsspezifische Verzerrungen in erzeugten Empfehlungsschreiben, bei der Wortwahl („warmherzig" gegenüber „Vorbild") und bei erfundenen Inhalten [10].
• Feine Verschiebungen in der Formulierung können unbeabsichtigt die Note eines deutschen Zeugnisses verändern.
• Modelle erfinden Aufgaben oder Erfolge, die nicht in der Eingabe stehen.
• Modelle schreiben generische Anzeigen, die zwischen Arbeitgebern austauschbar sind.
• Modelle zitieren in Richtlinien veraltete Rechtsvorschriften.
• Gegenmaßnahmen: Formulierungsbibliotheken maßgeblich halten, Geschlechtertausch-Tests mit den Zeugnis-Prompts durchführen, Grounding-Prüfungen gegen die Eingabe ergänzen und die aktuellen Rechtsquellen abrufen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general + RAG + Leitplanken): LANG-002 Korrespondenz, LANG-003 Berichte, LANG-011 Umschreiben in die Markensprache und KNOW-003 Self-Service zu Personalrichtlinien. Die hier geschriebenen Richtlinien sind die Wissensbasis, aus der KNOW-003 antwortet; sie teilen sich daher einen Vektorindex und einen LLM-Server (HW2/HW3).
• Nachbarn in der Pipeline: DATA-025 liefert die Gehaltsbänder und die geschlechtsneutrale Stellenarchitektur für entgelttransparente Anzeigen. Die Stellenanzeige speist dann CONV-017 (Recruiting-Chatbot), AGENT-033 (Sourcing) und AGENT-008 (Vorauswahl, Hochrisiko). Onboarding-Dokumente speisen AGENT-009.
• Abgrenzung: LANG-036 behandelt wiederkehrende Leistungsbeurteilungen und 360-Grad-Feedback, die eine Bewertung mit hohem Risiko sind. Dieser Anwendungsfall behandelt einmalige Dokumente. Das Zeugnis nutzt Bewertungen, die die Führungskraft bereits abgegeben hat, und erstellt die Beurteilung nicht selbst.
• Transformations-Ergänzungen: LANG-009 (Übersetzung) und LANG-010 (Leichte Sprache) nutzen dasselbe Modell.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage. Kosten sind SaaS pro Nutzer oder ein Zusatz zur Lizenz des Bewerbermanagements/HCM. Zeugniswerkzeuge werden typischerweise pro Nutzer oder nach Zahl der Zeugnisse abgerechnet.
• Weg B: 3–8 Wochen für Vorlagen, Prüfungen und Anbindung an das Bewerbermanagement. Tokenkosten sind bei Personalmengen vernachlässigbar.
• Weg C: 4–10 Wochen einschließlich Einrichtung des GPU-Servers. Der laufende Aufwand sind Modellaktualisierungen und Pflege von Prompts und Formulierungen.
• Kennzahlen: Zeit bis zur Veröffentlichung einer Stellenanzeige, Durchlaufzeit von Zeugnissen (Tage von der Anfrage bis zur Unterschrift), Anteil der Entwürfe, die mit kleinen Korrekturen freigegeben werden, Befunde der Compliance-Prüfung je Anzeige, Zahl der Bewerbungen und Anteil unterrepräsentierter Bewerbender je Anzeige (A/B-getestet), Zahl der Zeugnisstreitigkeiten oder Berichtigungen und Vorlaufzeit für Richtlinienänderungen.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung, die Personalleitung als Prozessverantwortliche, die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten, den Betriebsrat, die Rechtsabteilung für AGG und Zeugnisrecht und die IT ein. Einstellende Führungskräfte und Personalmitarbeitende sind die Endnutzer. Beziehen Sie den Betriebsrat ab der Planung ein, nicht erst bei der Einführung.

Betriebsrat: ja. Auch wenn die KI nur entwirft, fließen Beschäftigtendaten und Bewertungen durch das System, das zur Überwachung von Verhalten oder Leistung geeignet sein kann (§ 87 Abs. 1 Nr. 6 BetrVG, BAG: objektive Eignung genügt); § 90 Abs. 1 Nr. 3 verlangt rechtzeitige Unterrichtung, § 80 Abs. 3 erlaubt dem Betriebsrat, einen KI-Sachverständigen hinzuzuziehen, und § 95 Abs. 2a gilt, wenn KI die Auswahl unterstützt. Öffentlicher Sektor: Personalrat. Eine Betriebsvereinbarung ist ratsam (GUIDE-004).

Datenschutz: Beschäftigtendaten sind personenbezogene Daten; prüfen Sie eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) und schließen Sie mit jedem Auftragsverarbeiter einen AVV (GUIDE-005). Die KI darf Personen nicht bewerten oder einordnen; Bewertungen kommen von der Führungskraft.

KI-Kompetenz: Unterstützen Sie Personalabteilung und Führungskräfte mit kurzen Schulungen zu Verzerrungen, Zeugnisrecht und Prüfpflicht (Art. 4 KI-Verordnung, GUIDE-006). Starten Sie den Pilot mit zwei oder drei Personalmitarbeitenden zuerst bei Stellenanzeigen, dann bei Zeugnissen. Typische Sorge: „Die KI entscheidet über mein Zeugnis." Antwort: Sie formuliert nur die Bewertung der Führungskraft; Personalabteilung und Führungskraft geben frei (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act) — kommt darauf an:
• Textentwurf: Ein Werkzeug, das nur Text schreibt oder glättet, den ein Mensch anschließend freigibt, ist in der Regel kein Hochrisiko-System. Es erfüllt eine vorbereitende Aufgabe oder verbessert das Ergebnis einer zuvor abgeschlossenen menschlichen Tätigkeit (Art. 6 Abs. 3 Buchst. b/d) [11].
• Hochrisiko-Fälle: Anhang III Nr. 4 Buchst. a nennt ausdrücklich KI, die eingesetzt wird, um „gezielte Stellenanzeigen zu schalten" und Bewerber zu filtern oder zu bewerten. Entscheidet dasselbe Werkzeug, wer die Anzeige sieht, ist es Hochrisiko [11]. Ein Zeugnisgenerator, der die Leistungsnote selbst aus Leistungs- oder Verhaltensdaten ableitet, fällt unter Anhang III Nr. 4 Buchst. b (Bewertung der Leistung). Jedes Profiling hält ein System unabhängig von Art. 6 Abs. 3 im Hochrisiko-Bereich.
• Gestaltungsregel: Der Mensch legt die Bewertung fest, und die KI formuliert sie nur.
• Art. 50: Die Offenlegung nach Art. 50 Abs. 4 gilt für Text zu Angelegenheiten von öffentlichem Interesse und hat eine Ausnahme bei redaktioneller Prüfung [12]. Bei Personaltexten greift sie selten, doch die Offenlegung des KI-Einsatzes gegenüber den Beschäftigten ist gute Praxis. Die KI-Kompetenz (Art. 4) gilt für Nutzer in der Personalabteilung.
• DSGVO: Zeugnisse und Richtlinienfälle enthalten Beschäftigtendaten. Sie brauchen eine Rechtsgrundlage (Art. 6 Abs. 1 Buchst. b/c und § 26 BDSG), einen AVV mit dem Anbieter, EU-Hosting, kein Training mit Kunden- daten und Löschung der Prompts. Geben Sie Gesundheits-, Gewerkschafts- oder Disziplinardaten nie in einen Prompt, ohne dass dafür ein klarer Bedarf besteht.
• Deutsches Arbeitsrecht:
• Zeugnisse: § 109 GewO verlangt Wahrheit, Wohlwollen, Klarheit und keine verschlüsselten Formulierungen [4].
• Stellenanzeigen: AGG §§ 1, 7, 11, 15 und 22 [5][6] sowie § 164 SGB IX (prüfen, ob schwerbehinderte Bewerberinnen und Bewerber die Stelle besetzen können).
• Betriebsrat: Die Einführung von KI-Werkzeugen löst in der Regel die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG aus, wenn das Werkzeug Verhalten oder Leistung überwachen kann [13], dazu Informationsrechte nach § 90 BetrVG.
• Entgelttransparenz: Die nationale Umsetzung der Richtlinie 2023/970 (Frist 7. Juni 2026, mehrere Mitgliedstaaten verspätet) bringt verpflichtende Entgeltangaben und geschlechtsneutrale Einstellung [7].
• Gegenmaßnahmen:
• Lexikonbasierte AGG- und Geschlechterkodierungs-Prüfungen beibehalten.
• Geschlechtertausch-Tests mit den Zeugnis-Prompts durchführen.
• Die Fakten des Zeugnisses von den Beschäftigten bestätigen lassen.
• Eine Versionshistorie der Richtlinien führen.
• Ein Prüfprotokoll von KI-Entwurf gegenüber Endtext führen.
• Das Werkzeug nie Noten oder Zielgruppenauswahl entscheiden lassen.

Erste Schritte

1. Sammeln Sie Ihre 20 besten Stellenanzeigen, Zeugnisse und Richtlinien als Referenzbeispiele. Legen Sie einen Stil- leitfaden und eine freigegebene Tabelle mit Formulierungen und Noten für Zeugnisse fest.
2. Richten Sie einen in der EU gehosteten Assistenten ein (Weg A oder B) mit drei festen Vorlagen: Stellenanzeige, Zeugnis aus Bewertungsbogen und Entwurf/Aktualisierung einer Richtlinie.
3. Ergänzen Sie eine Compliance-Checkliste: AGG-Begriffsliste, m/w/d oder geschlechtsneutrale Berufsbezeichnung, Gehaltsspanne, SGB-IX- Hinweis und Konsistenz der Zeugnisnote. Führen Sie sie bei jedem Entwurf automatisch aus.
4. Stimmen Sie die Nutzung mit dem Betriebsrat und der bzw. dem Datenschutzbeauftragten ab und dokumentieren Sie, dass Menschen die Bewertungen festlegen und alle Texte freigeben.
5. Messen Sie Durchlaufzeit und Resonanz der Bewerbenden vorher und nachher. Testen Sie umformulierte Stellenanzeigen per A/B-Test.

Quellen

1. Haufe — Zeugnis Manager / Arbeitszeugnisgenerator — https://www.haufe.de/hr/arbeitszeugnisgenerator
2. OMR Reviews — Haufe Zeugnis Manager reviews and alternatives — https://omr.com/de/reviews/product/haufe-zeugnismanager/all/2
3. Textio — "You can hire smarter" (customer results, products) — https://textio.com/blog/you-can-hire-smarter
4. § 109 Gewerbeordnung (Zeugnis) — https://www.gesetze-im-internet.de/gewo/__109.html
5. § 11 AGG (Ausschreibung) — https://www.gesetze-im-internet.de/agg/__11.html
6. ADVANT Beiten — Gestaltung von rechtssicheren Stellenanzeigen (AGG case law) — https://www.advant-beiten.com/aktuelles/gestaltung-von-rechtssicheren-stellenanzeigen
7. EU Pay Transparency Directive — what employers hiring in Europe need to know (Art. 5, transposition status) — https://euremotejobs.com/eu-pay-transparency-directive-what-employers-need-to-know/ ; legal text: https://eur-lex.europa.eu/eli/dir/2023/970/oj
8. TechCrunch — LinkedIn launches Hiring Assistant — https://techcrunch.com/2024/10/29/linkedin-launches-its-first-ai-agent-to-take-on-the-role-of-job-recruiters
9. Gaucher, Friesen & Kay (2011), Evidence that gendered wording in job advertisements exists and sustains gender inequality, J. Personality and Social Psychology — https://doi.org/10.1037/a0022530
10. Wan et al. (2023), "Kelly is a Warm Person, Joseph is a Role Model": Gender Biases in LLM-Generated Reference Letters, EMNLP Findings — https://arxiv.org/abs/2310.09219
11. EU AI Act — Annex III and Article 6 — https://artificialintelligenceact.eu/annex/3/ ; https://artificialintelligenceact.eu/article/6/
12. EU AI Act — Article 50 transparency obligations — https://artificialintelligenceact.eu/article/50/
13. § 87 BetrVG (Mitbestimmungsrechte) — https://www.gesetze-im-internet.de/betrvg/__87.html
14. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj