Assistent für Mitarbeitergespräche, Zielvereinbarung und 360-Grad-Feedback

Die Beurteilungsrunde kostet Führungskräfte Tage des Schreibens und HR Wochen des Nachfassens, und das Ergebnis ist oft vage, von Aktualität verzerrt und zwischen Teams uneinheitlich. Ein LLM-Assistent verdichtet die Belege (Ziele, 1:1-Notizen, 360-Grad-Kommentare) zu strukturierten Entwürfen, hilft bei der Formulierung messbarer Ziele und prüft die fertigen Texte und Bewertungen vor der Kalibrierung auf Voreingenommenheit und Lücken. Die Führungskraft bleibt Autorin bzw. Autor und entscheidet. In der EU ist dies ein regulierter Bereich der Beschäftigtenbewertung: Betriebsrat, DSGVO und KI-Verordnung müssen vor dem Start geklärt sein.

Problem & Nutzen

• Heute: Führungskräfte schreiben 5–15 Beurteilungstexte aus dem Gedächtnis und verstreuten Notizen; Freitextantworten aus dem 360-Grad-Feedback werden von Hand (oder von HR) gelesen und zusammengefasst; Ziele sind vage („Kommunikation verbessern“); in Kalibrierungsrunden werden Bewertungen von Führungskräften mit sehr unterschiedlichen Maßstäben verglichen.
• KI-Nutzen: spart Schreib- und Lesezeit, macht Beurteilungen belegbasiert (jede Aussage ist auf eine Quelle rückführbar), erhöht Qualität und Messbarkeit der Ziele und macht uneinheitliche Sprache oder Bewertungen sichtbar, die Menschen übersehen.
• Vom Anbieter berichteter Nutzen: Leapsome bewirbt eine Zeitersparnis von etwa zwei Stunden je Kalibrierungsrunde durch entworfene Beurteilungen; das ist eine Marketingaussage, keine unabhängige Studie [3]. Unabhängige, begutachtete Effektstärken für von LLMs verfasste Beurteilungen sind noch rar, messen Sie daher Ihre eigene Ausgangslage.
• Keine Bewertungsmaschine: Der legitime Nutzen liegt im Entwerfen, Zusammenfassen und in der Qualitätsprüfung. Wenn ein Modell Bewertungen, Beförderungs- oder Gehaltsentscheidungen ableitet, rückt das System in die höchste regulatorische Belastung (siehe Risiken).

Varianten

• KMU (20–250 Beschäftigte): jährliche oder halbjährliche Beurteilung mit Führungskraft und Selbsteinschätzung; der Assistent entwirft überwiegend Texte und Ziele. Oft gibt es keinen Betriebsrat, DSGVO- und Fairnesspflichten gelten dennoch.
• Großunternehmen: Zyklen mit 360-Grad-Feedback, Kalibrierungsgremien, Kompetenzrahmen und Talentrunden; Integration mit HRIS (Workday, SAP SuccessFactors, Personio) und strenge Vereinbarungen mit dem Betriebsrat.
• Öffentlicher Sektor: Beurteilungswesen mit gesetzlich vorgeschriebenen Bewertungsskalen und Mitbestimmung des Personalrats; der Assistent beschränkt sich auf Entwurf und Prüfung der Formulierung; die formale Beurteilung bleibt von Menschen verfasst.
• Entwicklungsteams: Belege aus Tickets und Pull Requests als Eingabe. Das ist die sensibelste Variante, weil sie an Aktivitätsüberwachung grenzt; nur mit ausdrücklicher Vereinbarung und ohne individuelle Produktivitätswerte einsetzen.
• Nur Feedback von Mitarbeitenden an Führungskräfte und im Team: Zusammenfassung von Feedback an Vorgesetzte oder von Umfragen zur Teamgesundheit auf aggregierter Ebene (siehe LANG-013, LANG-019); geringstes Risiko.
• Private Nutzung: Werkzeuge zur Selbstreflexion für jährliche Selbsteinschätzungen oder die Vorbereitung auf Vorstellungsgespräche; keine regulatorische Belastung für die einzelne Person.

So funktioniert es

1. Quellen (Zieltool, 360-Umfrage, 1:1-Notizen, Lob, optional Arbeitsergebnisse)
2. Einwilligungs-/Berechtigungsfilter + Pseudonymisierung (nur Daten, die von der Betriebsvereinbarung gedeckt sind)
3. Retrieval je Mitarbeiter und Beurteilungszeitraum (Embeddings + Metadatenfilter)
4. LLM: Themenextraktion, belegbasierte Zusammenfassung, Beurteilungsentwurf, Zielvorschläge
5. Qualitäts- & Bias-Prüfungen (vage/geschlechtsbezogene/persönlichkeitsbezogene Formulierungen, Recency, fehlende Belege)
6. Führungskraft bearbeitet und verantwortet den Text
7. HR-Kalibrierungsansicht (Verteilungen, Ausreißer)
8. endgültige Beurteilung im HRIS gespeichert; Protokoll KI-Vorschlag vs. Endtext

• Zusammenfassung des 360-Grad-Feedbacks: Das LLM gruppiert Kommentare zu Themen, hält Mindestschwellen für die Zahl der Bewertenden ein (z. B. keine Zusammenfassung unter 3–5 Bewertenden), damit einzelne Bewertende nicht erkennbar sind, und zitiert erst nach der Anonymisierung.
• Zielentwurf: Das LLM formuliert ein grobes Ziel in SMART-/OKR-Form mit messbaren Schlüsselergebnissen um und verknüpft es mit dem Teamziel; Mitarbeitende und Führungskraft vereinbaren es im Gespräch.
• Prüfungen auf Voreingenommenheit und Qualität: Prompts oder ein kleiner feingetunter Klassifikator markieren Adjektive über die Persönlichkeit statt über das Verhalten, geschlechtsbezogene Beschreibungen, unbelegte Superlative und Aussagen ohne Beleg. Kalibrierungsanalysen vergleichen Bewertungen nach Team, Geschlecht, Arbeitszeitmodell und Betriebszugehörigkeit; das sind Statistiken für Menschen, keine automatischen Korrekturen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Führungskraft schreibt oder genehmigt jeden Satz; Bewertungen werden von Menschen eingegeben; HR prüft Ausreißer in der Kalibrierung; die Mitarbeitenden können auf die Beurteilung antworten.

Datenaufbereitung

Benötigt werden Ziele und OKRs, 1:1-Notizen, Feedback und Umfrageergebnisse, Rollenprofile und Kompetenzmodelle. Sie liegen typischerweise im HRIS, in einem Talent-Tool, in Excel-Tabellen, Word-Formularen, E-Mail und Chat sowie in privaten Notizen der Führungskräfte. Lücken: uneinheitliche Zielformate, Freitext-Feedback von sehr ungleicher Qualität, keine gemeinsamen Kompetenzdefinitionen, über Werkzeuge verstreute Notizen und unklare Zugriffsrechte; Daten zu Gesundheit, Gewerkschaftszugehörigkeit oder Ähnlichem müssen ausgeschlossen werden.

Schritte: zuerst das Kompetenz- und Bewertungsschema festlegen (PREP-019); Ziel- und Feedbackbögen in saubere Tabellen umbauen (PREP-011); Export aus dem HRIS per API oder CSV (PREP-005); ein kurzes Glossar für Begriffe wie „erfüllt die Erwartungen“ schreiben (PREP-015); festlegen, welche Daten für welchen Zweck verwendet werden dürfen, und die Rechtsgrundlage klären (PREP-024, PREP-025); Daten für Tests und das Abstimmen von Prompts pseudonymisieren (PREP-022); den Abruf auf das eigene Team der Führungskraft beschränken. Werkzeuge: HRIS-Exporte, n8n, Tabellenkalkulationen. Etwa 25 bis 35 Prozent des Aufwands; die größere Arbeit liegt in der Einigung über den Prozess, nicht in der Technik. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• smb: A, weil HR-Plattformen mit eingebauten Beurteilungsfunktionen und EU-Hosting zu KMU-Preisen existieren und der Beurteilungsprozess standardisiert ist; der Anbieter trägt die meisten Produktpflichten.
• enterprise: B, weil große Unternehmen eigene Beurteilungszyklen haben, Integration mit dem HRIS und eine gemeinsame interne KI-Plattform brauchen und strengen Grenzen aus Betriebsvereinbarungen unterliegen, die eine zugekaufte Blackbox möglicherweise nicht erfüllt.
• public: B, auf einer souveränen EU-/deutschen Cloud, weil Personaldaten in öffentlichen Stellen strengen Souveränitäts- und Personalratsregeln unterliegen.
• developer: C, weil selbst betriebene Modelle den Bau von Beurteilungswerkzeugen erlauben, bei denen Beschäftigtendaten die Umgebung des Kunden nie verlassen.

Weg A — Kaufen (empfohlen für die meisten KMU)

• Leistungs-/Talentplattformen mit eingebauter KI: Lattice (KI-Entwurf von Beurteilungen aus 1:1-Gesprächen, Feedback und Zielen; erklärt, keine Leistungsentscheidungen zu treffen, und läuft auf OpenAI-Modellen) [2]; Leapsome (Büro in Berlin; Zusammenfassungen je Mitarbeitenden vor Beurteilungsrunden, KI-Zielvorschläge, nennt DSGVO- und KI-Verordnungs-Konformität) [3]; Culture Amp (Zusammenfassung von Kommentaren, Stimmungsanalyse, je Organisation abschaltbare KI-Funktionen, generative Modelle von Google Vertex) [4]; außerdem Workday, SAP SuccessFactors, Personio, Microsoft Viva/Copilot in M365 und 15Five.
• Prüfen: EU-Datenresidenz und Unterauftragsverarbeiter (welcher LLM-Anbieter, wo), Widerspruch gegen Training mit Ihren Daten, je Modul abschaltbare KI-Funktionen, Anonymitätsschwellen für Bewertende, Prüfpfad, rollenbasierter Zugriff, Dokumentation des Anbieters zu den Hochrisiko-Pflichten der KI-Verordnung (Art. 13 Gebrauchsanweisung), betriebsratstaugliche Dokumentation.
• Wählen Sie A, wenn: Sie bereits ein Beurteilungswerkzeug haben oder brauchen, weniger als einige tausend Beschäftigte haben und keine besonderen Anforderungen an die Datensouveränität bestehen.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: führende LLMs mit Verarbeitung in der EU (Claude, GPT und Gemini über Azure/AWS Bedrock/Vertex in EU-Regionen) oder EU-Anbieter wie Mistral; ein Modell mit langem Kontext bewältigt ein Jahr an Notizen je Mitarbeitenden. Nutzen Sie strukturierte Ausgaben für Zusammenfassungen mit Quellen-IDs.
• Orchestrierung: n8n oder Power Automate, die aus dem HRIS und dem Umfragewerkzeug lesen; ein Vektorspeicher (pgvector, Qdrant) je Mandant mit strengen Abruffiltern je Mitarbeitenden; Pseudonymisierung personenbezogener Daten vor dem Aufruf.
• Integrationspunkte: HRIS-APIs (Personio, SuccessFactors, Workday), Umfragewerkzeuge, Teams/Slack für Erinnerungen an Führungskräfte.
• Wählen Sie B, wenn: Ihr Beurteilungsprozess individuell ist oder das SaaS-Werkzeug keine KI hat und keine Anforderung an On-Premises-Betrieb besteht. Hinweis: Wer ein eigenes System baut, wird nach der KI-Verordnung Anbieter und Betreiber, wenn er es für die eigenen Beschäftigten in Betrieb nimmt.

Weg C — Selbst betreiben (Open Source)

• Modelle: Open-Weight-Instruct-Modelle im Bereich 30–120 Mrd. Parameter (z. B. der Klasse Mistral Small/Medium, Qwen3, gpt-oss-120b oder Veröffentlichungen der Llama-Familie; Lizenzbedingungen prüfen), bereitgestellt über vLLM oder Ollama; die Qualität im Deutschen muss an echten Beurteilungstexten getestet werden.
• Stack: Embedding-Modell + pgvector/Qdrant, Guardrails/Filter für personenbezogene Daten (Presidio), n8n oder Camunda, selbst betriebenes Umfragewerkzeug (LimeSurvey) als Eingabe.
• Hardware: HW3 (eine GPU mit 48–96 GB) für ein Modell der Klasse 70–120 Mrd., eine Karte mit 24–32 GB (HW2) genügt für ein Modell mit etwa 14–30 Mrd., wenn die Textqualität akzeptabel ist. Die Beurteilungssaison ist stoßweise, daher reicht eine kleine gemeinsam genutzte GPU.
• Wählen Sie C, wenn: Betriebsrat oder Regeln des öffentlichen Sektors verlangen, dass Beschäftigtendaten Ihre Infrastruktur nie verlassen.

Weg D — Eigenes Training

Für die Textgenerierung selten lohnend. Ein kleiner feingetunter Encoder-Klassifikator für voreingenommene/vage Formulierungen oder ein unternehmensspezifischer Kompetenz-Tagger kann mit einigen tausend gelabelten Beurteilungssätzen trainiert werden; das Labeln muss durch geschulte HR-Mitarbeitende erfolgen. Feintuning auf früheren Beurteilungen birgt das Risiko, historische Voreingenommenheit zu reproduzieren; prüfen Sie daher zuerst die Trainingsdaten.

Stand der Technik (2026)

• Eingebettete Copiloten in HR-Suiten sind Standard: Beurteilungsentwürfe aus angesammelten Belegen, zusammengefasstes 360-Grad-Feedback, Zielvorschläge und Coaching-Hinweise für Führungskräfte [2][3][4].
• LLMs mit langem Kontext können ein ganzes Jahr an Notizen auf einmal lesen, doch belegverknüpfte Ausgaben (jede Aussage verweist auf eine Notiz) sind die praktische Qualitätskontrolle.
• Erkennung von Voreingenommenheit besteht meist aus lexikalischer/LLM-basierter Formulierungsanalyse plus statistischen Kalibrierungsansichten; sie erkennt Muster, sie beweist keine Fairness.
• Grenzen und Fehlerbilder: halluzinierte Leistungen, allgemeines „HR-Sprech“, das für alle gleich klingt, Gefälligkeit gegenüber dem Prompt der Führungskraft, Verlust von Nuancen, systematische Unterschiede in der Art, wie das Modell über verschiedene Gruppen schreibt (durch A/B-Tests der Ausgaben prüfen), Überverlass durch Führungskräfte unter Zeitdruck, Deanonymisierung von Bewertenden durch markante Zitate und „Automation Bias“ in der Kalibrierung. LLM-Zusammenfassungen von Feedback sollten nie die einzige Grundlage für Bewertungen sein.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general + embedding-text + vector-db + guardrails): LANG-004 (HR-Dokumente, Zeugnisse), KNOW-003 (HR-Self-Service-Assistent), LANG-013 und LANG-019 (Feedback- und Umfrageanalyse), SPEECH-001 (Meeting-Notizen liefern Belege für 1:1-Gespräche). Ein interner LLM-Server (HW3) und eine Schicht zur Pseudonymisierung personenbezogener Daten können alle HR-Assistenten bedienen.
• Nachbarn mit anderem Risiko: PRED-012 (Vorhersage von Fluktuation) und LANG-032 (Überwachung der Kommunikation) nutzen Beschäftigtendaten zur Vorhersage/Überwachung und unterliegen strengeren Grenzen; speisen Sie deren Ergebnisse nicht in Beurteilungen ein. CONV-017 (Recruiting-Chatbot) und AGENT-009 (Onboarding) teilen sich die HRIS-Integration und Vorlagen für den Betriebsrat.
• Datenpipeline: HRIS-Konnektor, Rollen-/Kompetenztaxonomie und ein Register für Einwilligungen/Berechtigungen sind für alle HR-Anwendungsfälle wiederverwendbar.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen, um das KI-Modul zu aktivieren; üblicherweise als Zusatz pro Beschäftigtem und Monat bepreist.
• Weg B: 2–3 Monate einschließlich Betriebsvereinbarung, DSFA und Integration; die Token-Kosten sind klein gegenüber der Zeit der Führungskräfte.
• Weg C: 3–5 Monate; ein GPU-Server plus Betrieb; Hauptaufwand ist die Qualitätsprüfung auf Deutsch.
• Kennzahlen: Zeitaufwand der Führungskraft je Beurteilung, Abschlussquote und Rechtzeitigkeit der Beurteilungen, Anteil der Beurteilungen mit Belegverweisen, Zielqualität (Anteil der Ziele mit messbaren Schlüsselergebnissen), Streuung der Bewertungsverteilung zwischen Teams, von Mitarbeitenden wahrgenommene Fairness in Pulsbefragungen, Änderungsquote der KI-Entwürfe, Zahl der akzeptierten Hinweise auf Voreingenommenheit.

Menschen & Veränderung

Beziehen Sie Leitung und HR von Anfang an als Prozessverantwortliche ein, den Betriebsrat vor jeder Werkzeugauswahl, die Datenschutzbeauftragten für die DSFA und die IT-Sicherheit für die Zugriffsrechte. Führungskräfte und Mitarbeitende als Endnutzer wirken an der Gestaltung des Piloten mit; idealerweise kommen die KI-Botschafter aus HR und aus den Führungskräften.

Betriebsrat: ja. Das System verarbeitet Leistungsdaten und ist objektiv geeignet, Verhalten oder Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG, BAG); §90 Abs. 1 Nr. 3 verlangt die Unterrichtung über KI in Arbeitsprozessen, §80 Abs. 3 erlaubt die Hinzuziehung eines KI-Sachverständigen, und §95 Abs. 2a betrifft Auswahlrichtlinien, wenn das System für Personalentscheidungen genutzt wird. Öffentlicher Sektor: Personalrat. Eine Betriebsvereinbarung sollte Zwecke, verbotene Nutzungen (keine automatischen Bewertungen, kein Ranking) und den Datenzugriff festlegen. Siehe GUIDE-004.

Eine DSFA nach Art. 35 DSGVO ist sehr wahrscheinlich (systematische Bewertung von Beschäftigten); schließen Sie außerdem einen AVV ab (GUIDE-005). Der Anwendungsfall ist nach der KI-Verordnung hochriskant, wenn er Entscheidungen über Beschäftigte beeinflusst; die Pflichten aus Anhang III gelten ab dem 2. Dez. 2027. Art. 4 verlangt die Förderung der KI-Kompetenz: Schulen Sie Führungskräfte zu Voreingenommenheit und zur Prüfung von KI-Zusammenfassungen (GUIDE-006). Kommunizieren Sie früh, dass die KI entwirft und strukturiert, die Führungskräfte aber entscheiden und mit den Mitarbeitenden sprechen (GUIDE-008). Pilotieren Sie mit einem freiwilligen Team. Typische Sorgen sind Überwachung und ungerechte Bewertungen; begegnen Sie ihnen mit Transparenz, Einsicht der Mitarbeitenden in die Zusammenfassungen und menschlicher Entscheidung.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): KI-Systeme, die dazu bestimmt sind, Leistung und Verhalten von Personen in Arbeitsverhältnissen zu überwachen und zu bewerten oder Entscheidungen über Arbeitsbedingungen, Beförderung oder Kündigung zu treffen, sind nach Anhang III Nr. 4 Buchst. b hochriskant [1]. Reine Schreibhilfen, die nur die Formulierung verbessern, können außerhalb liegen, ein System aber, das Belege zu Beurteilungen, Punktwerten oder Rangfolgen zusammenfasst, sollte als hochriskant behandelt werden. Zu den Betreiberpflichten (Art. 26) zählen Nutzung gemäß Gebrauchsanweisung, kompetente menschliche Aufsicht, relevante Eingabedaten, Aufbewahrung der Protokolle von mindestens sechs Monaten und die Information der Arbeitnehmervertreter und betroffenen Beschäftigten vor der Nutzung [5]. Der Anwendungstermin der Pflichten aus Anhang III wird auf der zitierten Seite mit dem 2. Dezember 2027 angegeben (nach der Verschiebung durch die EU); prüfen Sie vor der Planung das aktuelle Datum [5]. Die KI-Kompetenz nach Art. 4 gilt bereits. Schließen Sie nie aus Stimme, Video oder Text auf Emotionen von Beschäftigten, da dies am Arbeitsplatz verboten ist (Art. 5 Abs. 1 lit. f) [6].
• DSGVO: Beschäftigtendaten nach Art. 6 und §26 BDSG; Art. 22 verbietet Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und erhebliche Wirkung haben [7], daher muss tatsächlich ein Mensch entscheiden. Eine DSFA ist voraussichtlich erforderlich; Transparenz, Zweckbindung und Löschfristen für Feedback und Notizen gelten. Daten der Bewertenden brauchen besonderen Schutz. Art. 88 DSGVO erlaubt Betriebsvereinbarungen als Rechtsgrundlage [7].
• Mitbestimmung (Deutschland): Die Einführung technischer Systeme, die zur Überwachung von Verhalten oder Leistung der Beschäftigten geeignet sind, löst die Mitbestimmung des Betriebsrats nach §87 Abs. 1 Nr. 6 BetrVG aus [8]; eine Betriebsvereinbarung sollte Datenquellen, verbotene Nutzungen (keine automatisierte Bewertung, keine individuellen Produktivitätswerte), Zugriffsrechte und Aufbewahrung festlegen. Entsprechung im öffentlichen Sektor: Personalvertretungsgesetze.
• Weitere Risiken: Diskriminierung (AGG), unzuverlässige Zusammenfassungen, die Karrieren zu Unrecht schaden, abschreckende Wirkung, wenn Beschäftigte eine lückenlose Beweissammlung befürchten, Anbieterabhängigkeit und Übermittlungen von Unterauftragsverarbeitern in Drittländer.
• Gegenmaßnahmen: menschliche Urheberschaft und Freigabe, Belegverknüpfungen, Recht der Mitarbeitenden auf Stellungnahme und auf Einsicht, welche KI eingesetzt wurde, regelmäßige Prüfungen der Ausgaben auf Voreingenommenheit, Abschaltung der KI-Funktionen je Modul, Beschränkung der Eingaben auf vereinbarte Quellen.

Erste Schritte

1. Klären Sie den Umfang mit HR, Datenschutz und Betriebsrat: erlaubte Eingaben, verbotene Nutzungen, Grundsatz „nur Entwürfe“. Schließen Sie eine Betriebsvereinbarung oder Pilotvereinbarung ab.
2. Führen Sie eine DSFA durch und ordnen Sie die beabsichtigte Nutzung nach Anhang III Nr. 4 Buchst. b ein; fragen Sie Anbieter nach ihrer Dokumentation zur KI-Verordnung.
3. Pilotieren Sie mit 2–3 freiwilligen Teams: KI nur für Entwürfe, Führungskräfte bearbeiten, vergleichen Sie Zeit und Qualität mit dem letzten Zyklus.
4. Ergänzen Sie Prüfungen der Formulierung und der Kalibrierung; prüfen Sie eine Stichprobe der KI-Entwürfe auf Unterschiede zwischen Gruppen.
5. Schulen Sie Führungskräfte (KI-Kompetenz, Art. 4), veröffentlichen Sie eine kurze Transparenznotiz für Beschäftigte und prüfen Sie die Kennzahlen nach dem Zyklus.

Quellen

1. EU AI Act, Annex III (high-risk systems), point 4 Employment — https://artificialintelligenceact.eu/annex/3/
2. Lattice — AI features and principles — https://lattice.com/ai
3. Leapsome — product page (AI review summaries, goal suggestions) — https://www.leapsome.com
4. Culture Amp — AI features and principles — https://www.cultureamp.com/platform/ai
5. EU AI Act, Article 26 — Obligations of deployers of high-risk AI systems — https://artificialintelligenceact.eu/article/26/
6. EU AI Act, Article 5 — Prohibited AI practices — https://artificialintelligenceact.eu/article/5/
7. Regulation (EU) 2016/679 (GDPR), Art. 22 and Art. 88 — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32016R0679
8. Betriebsverfassungsgesetz §87 (Mitbestimmungsrechte) — https://www.gesetze-im-internet.de/betrvg/__87.html