Analyse von Arbeitsschutz-Vorfällen und Beinahe-Unfällen & Entwurf von Gefährdungsbeurteilungen

Sicherheitsteams sammeln Meldungen zu Vorfällen und Beinahe-Unfällen als Freitext, doch es bleibt wenig Zeit, sie alle zu lesen, Muster zu finden oder die Gefährdungsbeurteilungen aktuell zu halten. Ein LLM-basierter Assistent klassifiziert jede Meldung, bündelt wiederkehrende Ursachen, markiert Ereignisse mit hohem Potenzial und entwirft Einträge für Gefährdungsbeurteilungen, Unterweisungsmaterial und Prüflisten nach ArbSchG und DGUV-Regeln. Eine qualifizierte Person (Fachkraft für Arbeitssicherheit, Arbeitsschutzbeauftragte) prüft und zeichnet alles ab; die KI entscheidet nie über Schutzmaßnahmen.

Problem & Nutzen

• Heute: Meldungen treffen als Papierformulare, E-Mails, App-Einträge oder Chatnachrichten in unterschiedlicher Qualität und Sprache ein. Sie werden wenigen groben Kategorien zugeordnet, kaum über die gesetzlich geforderte Unfallstatistik hinaus ausgewertet, und Gefährdungsbeurteilungen sind oft allgemeine Word-/Excel-Dokumente, die der Realität im Betrieb hinterherhinken. Kleine Betriebe haben häufig gar keine aktuelle Beurteilung.
• Rechtlicher Rahmen (Deutschland): Arbeitgeber müssen die Gefährdungen der Arbeit beurteilen (§ 5 ArbSchG, einschließlich physischer, chemischer und biologischer Gefährdungen, Arbeitsmittel, Verfahren, Qualifikation und psychischer Belastung), Ergebnisse, Maßnahmen und Wirksamkeitskontrollen dokumentieren und Unfälle mit mehr als drei Tagen Arbeitsunfähigkeit erfassen (§ 6 ArbSchG). Beschäftigte müssen bei der Einstellung, bei Veränderungen im Aufgabenbereich und bei Einführung neuer Arbeitsmittel unterwiesen werden (§ 12 ArbSchG). Unfälle mit mehr als drei Tagen Arbeitsunfähigkeit sind dem Unfallversicherungsträger innerhalb von drei Tagen anzuzeigen (§ 193 SGB VII) [1][2][3][4].
• KI-Nutzen: einheitliche Kodierung unstrukturierter Meldungen, Erkennung schwacher Signale (dieselbe Maschine, Schicht oder Tätigkeit taucht in Beinahe-Unfällen wiederholt auf), schnellere erste Entwürfe von Beurteilungen und Unterweisungsmaterial sowie bessere Vorbereitung auf Audits und die Zertifizierung nach ISO 45001. Anbieter bewerben solche Funktionen für EHS-Suiten [5][6]; unabhängig gemessene Effekte auf die Verletzungsraten sind in öffentlichen Belegen noch nicht gesichert. Behandeln Sie daher jede Anbieteraussage als ungeprüft, bis sie an Ihren eigenen Daten pilotiert wurde.

Varianten

• KMU / Handwerk: Sprach- oder Fotomeldung am Telefon → Entwurf einer Beurteilung für ein Gewerk (z. B. Werkstatt, Küche, Lager) aus einer Vorlage, geprüft von der externen Fachkraft oder dem Beratungsdienst der Berufsgenossenschaft.
• Fertigung / Chemie: Clusterbildung von Beinahe-Unfällen nach Maschine, Stoff und Schicht; Verknüpfung mit Gefahrstoffverzeichnissen und Betriebsanweisungen.
• Bau & Logistik: mehrsprachige Meldungen von Baustellen- und Depotteams, mit Übersetzung und Kodierung in eine gemeinsame Taxonomie.
• Gesundheitswesen: Nadelstichverletzungen, Gewalt und Vorfälle bei der Patientenhandhabung; strikt getrennt von klinischen Meldesystemen (CIRS), für die eigene Vertraulichkeitsregeln gelten.
• Öffentlicher Sektor / Schulen: Entwurf von Beurteilungen für Büros, Schulen, Feuerwehren; Beteiligung von Betriebs-/Personalrat ist Standard.
• Konzernebene: harmonisierte Taxonomie und Frühindikator-Dashboards über Standorte und Länder hinweg (OSHA, HSE, lokale Regeln als Parameter abgebildet).
• Nicht im Umfang: videobasierte PSA-Überwachung (VIS-007), Haltung/Ergonomie aus Videos (VIS-024), Betriebsanleitungen von Produkten (LANG-022).

So funktioniert es

1. report intake (form / app / voice
2. ASR / email / photo)
3. normalisation & translation, PII minimisation (names
4. roles)
5. classification & extraction (event type, task, equipment, body part, causal factors, potential severity)
6. deduplication + embedding clustering over history (recurring patterns, hot spots)
7. retrieval over own assessments, instructions, legal/technical rules
8. LLM drafting: root-cause hypotheses, assessment entries (hazard
9. risk
10. TOP measures), instruction & checklist drafts
11. human review (EHS officer, safety specialist; works council informed)
12. approval & versioning
13. measure tracking, effectiveness review, dashboards, audit evidence

• Extraktion/Klassifikation: ein LLM mit festem Schema (z. B. eine Taxonomie auf Basis der eigenen Kategorien des Unternehmens und der Felder der DGUV-Unfallstatistik), optional ein feingetunter Encoder-Klassifikator bei hohem Volumen.
• Clusterbildung und Trenderkennung: Embeddings plus Themen-Clustering finden Wiederholungen, die der Stichwortsuche entgehen; Zählwerte werden mit gewöhnlicher Statistik geprüft, nicht nach dem Urteil des LLM.
• Entwurf mit Retrieval (RAG): Entwürfe zitieren die Passagen der bestehenden Beurteilung und der Vorschrift, auf die sie sich stützen; die prüfende Person sieht die Quellen. Risikobewertungen folgen der eigenen Matrix des Unternehmens (z. B. Eintrittswahrscheinlichkeit × Schwere), nicht der Meinung des Modells.
• Mensch-in-der-Schleife (Human-in-the-Loop): Jede Ursachenhypothese ist ein Vorschlag; die Untersuchung (z. B. 5-Why, TOP-Rangfolge aus Substitution, technischen, organisatorischen und personenbezogenen Maßnahmen) bleibt bei geschulten Personen. Beurteilungen werden von der verantwortlichen Person unterzeichnet.

Datenaufbereitung

Benötigte Daten: Meldungen zu Vorfällen und Beinahe-Unfällen, Einträge im Verbandbuch, Untersuchungsberichte, bestehende Gefährdungsbeurteilungen, Befunde aus Begehungen, Sicherheitsdatenblätter/Arbeitsanweisungen und Nachweise zu Korrekturmaßnahmen. In KMU liegen diese auf Papierformularen und in Logbüchern, in Excel-Listen, E-Mails, auf Dateiservern und manchmal in einem vorhandenen EHS- oder HR-System. Typische Lücken: handschriftliche oder gescannte Meldungen, uneinheitliche Kategorien, Freitext mit Namen, nie gemeldete Beinahe-Unfälle, Duplikate und unklare Zugriffsrechte, da Verletzungsdaten Gesundheitsdaten sind.

Schritte der Aufbereitung: - Papierunterlagen digitalisieren und per OCR erfassen und auf digitale Erfassung an der Quelle umstellen (PREP-006, PREP-008). - Excel-Listen in einer sauberen Tabelle mit einheitlichen Feldern zusammenführen (PREP-011). - Vor der Klassifikation ein Kategorienschema für Ursachen und Schwere festlegen (PREP-019) und Labels aus früheren abgeschlossenen Fällen gewinnen (PREP-020). - Namen und Gesundheitsangaben vor der Analyse oder Modellnutzung pseudonymisieren (PREP-022). - Den Zugriff auf Verletzungsdaten beschränken und Zweckgrenzen festlegen (PREP-025). - Mit der Fachkraft für Arbeitssicherheit ein Testset aus 30 bis 50 Fällen aufbauen (PREP-018).

Aufwandsanteil: etwa 30 bis 40 Prozent, überwiegend für Digitalisierung und Bereinigung der Kategorien. Siehe GUIDE-003 und DOC-014.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A. EHS-Suiten mit deutschem Hosting (z. B. Quentic) decken Vorfallmanagement und Gefährdungsbeurteilung als Standardprozess ab, ohne dass ein KI-Team nötig ist.
• Großunternehmen: Weg B. Daten zu Vorfällen und Beinahe-Unfällen sind sensibel und strategisch, und die Verknüpfung mit eigenen Anlagen-, HR- und Schichtdaten spricht für einen integrierten Aufbau mit kontrollierten Modellen statt einer geschlossenen Suite.
• Entwickler: Weg C. Schilderungen von Vorfällen enthalten Gesundheitsdaten; Open-Weight-Modelle auf eigener oder souveräner Infrastruktur vermeiden die Weitergabe an Dritte.
• Öffentlicher Sektor: Weg C. Souveränitäts- und Vergaberegeln sowie gesundheitsbezogene Inhalte sprechen für Open-Weight-Modelle in der deutschen oder europäischen souveränen Cloud.

Weg A — Kaufen (Standardsoftware)

• EHS-Suiten mit KI-Funktionen: Quentic (deutscher Anbieter, Software in Deutschland gehostet; Vorfallmanagement, Ursachenanalyse, Module zur Gefährdungsbeurteilung, KI-Funktionen beworben) [5]; Cority (Cortex AI, Vorfall- und Risikomanagement, KI-Bewegungserfassung für Ergonomie) [6]; außerdem Gensuite (Genny AI), Intelex, Sphera, VelocityEHS, Enablon und weitere — KI-Umfang und EU-Hosting je Anbieter prüfen.
• Lokale deutsche Optionen: Suiten kleinerer Anbieter und BG-nahe Werkzeuge mit Vorlagen für Gefährdungsbeurteilungen; viele Dienstleister für Fachkräfte für Arbeitssicherheit bieten Beurteilungssoftware ohne KI an.
• Prüfen: Datenspeicherung in der EU, Auftragsverarbeitungsvertrag, Vereinbarung mit dem Betriebsrat, Datenexport, deutschsprachige Unterstützung, Prüfpfad und Versionierung, Nachvollziehbarkeit von KI-Entwürfen.
• Weg A wählen, wenn: Standardprozesse im Arbeitsschutz, kein eigenes KI-Team, Wunsch nach integrierter Maßnahmenverfolgung.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: allgemeine LLMs mit strukturierter Ausgabe von in der EU hostbaren Anbietern (Mistral oder Frontier-Modelle in EU-Regionen von Azure/AWS/Google); Embeddings für die Clusterbildung; ein Reasoning-Modell für Entwürfe bei komplexen Regeln.
• Stack: Erfassungsformular oder Bot im Stil von Teams/WhatsApp → n8n oder Power Automate → LLM-Extraktion → Datenbank (Postgres + pgvector) → Oberfläche zur Prüfung; Rechtstexte und eigene Beurteilungen für RAG indexiert.
• Weg B wählen, wenn: Sie bereits eine Sicherheitsdatenbank betreiben und KI-Anreicherung oder eigene Taxonomien wünschen oder mehrsprachige Erfassung ohne Kauf einer Suite brauchen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Open-Weight-LLMs wie Qwen3-30B-A3B (Apache-2.0, 30,5 Mrd. Parameter gesamt / 3,3 Mrd. aktiv, langer Kontext) [7], Modelle der Familien Mistral oder Llama; Embeddings wie BGE-M3 (MIT, über 100 Sprachen) [8]; ASR der Klasse Whisper für Sprachmeldungen.
• Stack: vLLM oder Ollama, Qdrant/pgvector, ein lokaler Klassifikationsdienst, n8n; Dokumente bleiben On-Premises.
• Hardware: HW2 genügt für die Meldungsmengen eines mittelgroßen Unternehmens und interaktives Entwerfen; HW3 für größere Modelle oder viele gleichzeitige Nutzer. Passt zu Werken mit Vertraulichkeitsbedenken (Unfalldetails, Betriebsgeheimnisse) und zu Betriebsräten, die On-Premises bevorzugen.

Weg D — Eigenes Training

Selten erforderlich. Das Feintuning eines Encoder-Klassifikators oder kleinen LLM lohnt sich, wenn Sie tausende etikettierte Meldungen in einem Fachgebiet haben (z. B. ein großer Logistikkonzern mit eigener Taxonomie) oder eine kostengünstige mehrsprachige Kodierung erreichen wollen. Die Labels stammen aus den Korrekturen des EHS-Teams; führen Sie Evaluationssets je Standort und Sprache.

Stand der Technik (2026)

• LLMs kodieren frei formulierte Sicherheitsmeldungen in brauchbarer Qualität in strukturierte Felder und verarbeiten mehrsprachige Eingaben; am stärksten sind sie beim Zusammenfassen, Normalisieren und Entwerfen, schwächer beim Schlussfolgern auf Ursachen bei unvollständigen Fakten.
• Retrieval-gestütztes Entwerfen mit Verweisen auf eigene Dokumente und Vorschriftentexte ist das Standardmuster; Suiten liefern es als Assistenten im EHS-System aus [5][6].
• Das Denken in Frühindikatoren (Meldequoten für Beinahe-Unfälle, Abschlusszeiten, Ereignisse mit hohem Potenzial) passt gut zur Textanalyse, doch veröffentlichte, unabhängige Belege dafür, dass KI-Analysen Verletzungen verringern, sind dünn; Aussagen sollten in einer Pilotphase geprüft werden.
• Grenzen und Fehlerbilder: erfundene Gesetzeszitate oder Grenzwerte; allgemeine „Textbaustein“-Beurteilungen, die vollständig wirken, aber den realen Arbeitsplatz ignorieren; Verzerrung durch zu geringes Melden (Menschen hören auf zu melden, wenn sie Schuldzuweisung oder Überwachung fürchten); seltene schwere Ereignisse werden als Routine fehlkodiert; veraltete Entwürfe, wenn sich der Prozess ändert. Verwenden Sie ein LLM nie, um Expositionsgrenzwerte oder Schutzmaßnahmen festzulegen, ohne sie anhand aktueller TRGS-/DGUV-Quellen zu überprüfen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general + embedding-text + vector-db + text-classifier): LANG-012 (Routing/Klassifikation), LANG-015 (Informationsextraktion aus Freitext), LANG-016 (Themenmodellierung), KNOW-002 (RAG über Unternehmensdokumente). Ein Embedding-Dienst und ein Vektorspeicher können sie alle auf einem einzigen HW2-Server bedienen.
• Verwandte Dokumentation: LANG-022 (technische Dokumentation und Betriebsanleitungen) für Betriebsanweisungen; LANG-004 (HR-Dokumente) für Unterweisungsnachweise.
• Signale aus vorgelagerten Systemen: VIS-007 (PSA-/Sicherheitsvideoüberwachung) und VIS-024 (Ergonomie aus Haltungsanalyse) erzeugen Ereignisse, die dieselbe Vorfalldatenbank speisen können; PRED-006 und ANOM-005 (Maschinenzustand und Prozessanomalien) korrelieren mit Clustern von Beinahe-Unfällen an bestimmten Anlagen.
• Gemeinsame Bausteine: ASR für Sprachmeldungen, Übersetzung, Oberfläche zur Prüfung und Workflow-Engine (n8n, Camunda), Tickets zur Maßnahmenverfolgung.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen zur Konfiguration; Lizenz je Nutzer oder Standort. Weg B: 1–3 Monate für Erfassung, Klassifikation, Oberfläche zur Prüfung und RAG. Weg C: 2–4 Monate plus GPU-Server und Betrieb. Weg D: 1–3 Monate zusätzlich für Labeling und Evaluation.
• Kostentreiber: Meldungsvolumen, Mehrsprachigkeit, Integration in HR/ERP/Instandhaltung, Prüfaufwand der Fachkräfte für Arbeitssicherheit, Verfahren mit dem Betriebsrat.
• Kennzahlen: Meldungen von Beinahe-Unfällen je 100 Beschäftigte (Meldekultur), Anteil der Meldungen, die ohne Korrektur kodiert wurden, Zeit von der Meldung bis zum bewerteten Risiko, Zeit bis zum Abschluss von Maßnahmen, Anteil der Beurteilungen, die im geplanten Intervall überprüft wurden, Wiederholungsrate ähnlicher Ereignisse, Unfallhäufigkeit mit Ausfalltagen (Ergebnis, nachlaufend).

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung (Arbeitsschutz ist eine gesetzliche Pflicht des Arbeitgebers), die Leitung von EHS bzw. der Fachkraft für Arbeitssicherheit sowie die Personen ein, die Vorfälle melden und untersuchen. Holen Sie IT und Informationssicherheit für Hosting und Zugriffskontrolle, HR für Fragen zu Beschäftigtendaten und frühzeitig die oder den Datenschutzbeauftragten hinzu: Meldungen enthalten Gesundheitsdaten, daher ist wahrscheinlich eine Datenschutz-Folgenabschätzung (DSFA) erforderlich, dazu ein AVV mit jedem Auftragsverarbeiter (GUIDE-005).

Betriebsrat: ja. Die Analyse von Vorfällen und von Mustern nach Person oder Schicht ist objektiv geeignet, Verhalten oder Leistung zu überwachen, sodass § 87 Abs. 1 Nr. 6 BetrVG greift (BAG); außerdem bestimmt der Betriebsrat bei Maßnahmen des Arbeitsschutzes nach § 87 Abs. 1 Nr. 7 mit. § 90 Abs. 1 Nr. 3 verlangt die rechtzeitige Unterrichtung über KI-gestützte Arbeitsprozesse, und § 80 Abs. 3 erlaubt die Hinzuziehung eines KI-Sachverständigen. Streben Sie eine Betriebsvereinbarung an, die ein Ranking einzelner Personen nach Schuld ausschließt (GUIDE-004). Öffentlicher Sektor: Personalrat.

KI-Kompetenz: Unterstützen Sie das Sicherheitspersonal mit Schulungen zur Überprüfung der KI-Vorschläge zu Ursachen (GUIDE-006). Pilotphase an einem Standort über zwei bis drei Monate (GUIDE-009). Typische Sorge: Meldungen könnten genutzt werden, um Einzelne zu beschuldigen, was die Meldung von Beinahe-Unfällen senken würde. Begegnen Sie dem mit klaren Zweckgrenzen, pseudonymisierter Analyse und der Botschaft einer Kultur ohne Schuldzuweisung („Just Culture“) (GUIDE-008). Die Fachkraft für Arbeitssicherheit zeichnet jede Gefährdungsbeurteilung ab; die KI entwirft nur.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Entwurf und Analyse für Sicherheitsdokumentation sind im Allgemeinen von minimalem Risiko (Pflicht zur KI-Kompetenz, Art. 4). Hochrisiko liegt vor, wenn das System eingesetzt wird, um Leistung oder Verhalten von Beschäftigten zu überwachen und zu bewerten oder Aufgaben auf Grundlage individuellen Verhaltens zuzuweisen (Anhang III Nr. 4) [9]; machen Sie aus der Vorfallanalyse keine Schuldbewertung einzelner Personen. Emotionserkennung am Arbeitsplatz ist verboten (Art. 5 Abs. 1 Buchst. f); die Pflichten für Hochrisiko-Systeme nach Anhang III gelten nach dem KI-Omnibus (Verordnung (EU) 2026/1744) ab dem 2. Dezember 2027, Art. 50 ab dem 2. August 2026. Sprachbots, die mit Beschäftigten interagieren, müssen offengelegt werden (Art. 50).
• DSGVO: Meldungen enthalten Gesundheitsdaten (Art. 9) und Namen von Verletzten und Zeugen; Datenminimierung, rollenbasierter Zugriff, pseudonymisierte Auswertungen, Speicherfristen, DSFA wo angezeigt, Verträge mit Auftragsverarbeitern und kein Training von Anbietermodellen mit Ihren Daten.
• Betriebsrat (BetrVG): Die Einführung technischer Systeme, die Verhalten oder Leistung überwachen können, löst die Mitbestimmung aus (§ 87 Abs. 1 Nr. 6), und Regelungen zur Unfallverhütung fallen unter Nr. 7 [10]; schließen Sie vor der Einführung eine Betriebsvereinbarung.
• Arbeitsschutzrecht: Die Verantwortung für die Beurteilung bleibt beim Arbeitgeber (§ 5, 6 ArbSchG); KI-Entwürfe entbinden nicht von dieser Pflicht. Die gesetzliche Unfallanzeige (§ 193 SGB VII) und die Mitunterzeichnung durch Betriebs-/Personalrat bleiben unberührt [4]. Außerhalb Deutschlands: OSHA-Aufzeichnungspflichten, UK RIDDOR, ISO 45001.
• Gegenmaßnahmen: menschliche Abzeichnung, Quellenangaben in Entwürfen, Versionshistorie von KI-Text gegenüber Endfassung, Meldepolitik ohne Schuldzuweisung, regelmäßige Stichprobenprüfungen der KI-Kodierung.

Erste Schritte

1. Meldungen zu Vorfällen und Beinahe-Unfällen der letzten 12–24 Monate sowie Ihre aktuellen Beurteilungen exportieren; messen, wie viele kategorisiert sind und wann jede zuletzt überprüft wurde.
2. Taxonomie und Risikomatrix mit der Fachkraft für Arbeitssicherheit, der Betriebsärztin oder dem Betriebsarzt und dem Betriebsrat abstimmen; die Betriebsvereinbarung entwerfen.
3. Die KI-Kodierung an 200–500 historischen Meldungen pilotieren und mit den Labels der Fachleute vergleichen; zuerst die Falsch-Negativen bei schweren Ereignissen ansehen.
4. Den Entwurf für einen Bereich ergänzen (z. B. Lager oder Werkstatt), mit Retrieval über Ihre eigenen Dokumente und die einschlägigen Vorschriften; die Abzeichnung durch die prüfende Person verlangen.
5. Die Kennzahlen vierteljährlich verfolgen und Standorte und Sprachen erst erweitern, wenn die Meldequoten stabil bleiben.

Quellen

1. Gesetze im Internet — ArbSchG § 5 Beurteilung der Arbeitsbedingungen — https://www.gesetze-im-internet.de/arbschg/__5.html
2. Gesetze im Internet — ArbSchG § 6 Dokumentation — https://www.gesetze-im-internet.de/arbschg/__6.html
3. Gesetze im Internet — ArbSchG § 12 Unterweisung — https://www.gesetze-im-internet.de/arbschg/__12.html
4. Gesetze im Internet — SGB VII § 193 Anzeige von Versicherungsfällen — https://www.gesetze-im-internet.de/sgb_7/__193.html
5. Quentic — EHS software (incidents, risk assessment, AI) — https://www.quentic.com/
6. Cority — EHS platform, Cortex AI — https://www.cority.com/
7. Qwen3-30B-A3B-Instruct-2507 model card (Hugging Face) — https://huggingface.co/Qwen/Qwen3-30B-A3B-Instruct-2507
8. BAAI BGE-M3 model card (Hugging Face) — https://huggingface.co/BAAI/bge-m3
9. EU AI Act — Annex III high-risk systems, point 4 employment — https://artificialintelligenceact.eu/annex/3/
10. Gesetze im Internet — BetrVG § 87 Mitbestimmungsrechte — https://www.gesetze-im-internet.de/betrvg/__87.html