Skills-Career-Profile-Agent - EU AI Act Annex III(4)(b), AGG §22 | Gosign
EU AI Act Annex III(4)(b)-konforme Skills-Matching-Administration plus AGG §22 Beweislast-Umkehr-Audit-Trail plus DSGVO Art. 22 Verbot rein automatisierter Talent-Klassifikation plus Mobley v. Workday-Risiko-Mitigation plus ESCO + DQR + EQR Skills-Taxonomie plus BetrVG §94+§95+§87 Abs. 1 Nr. 6 Mitbestimmung Beurteilungs-Grundsätze in einer Pipeline - vollständige Skills-Career-Profile-Governance statt LinkedIn-Selbstauskunft für HR-Leitung, Talent-Management-Leitung, Führungskräfte, Aufsichtsrats-Personal-Ausschuss, Betriebsrat, Datenschutzbeauftragter und Antidiskriminierungsstelle.
Skills-Matching und Karrierepfad-Empfehlung: EU AI Act Annex III(4)(b) Hochrisiko, AGG §22 Beweislast-Umkehr und DSGVO Art. 22 - ESCO/DQR/EQR-Taxonomie mit BetrVG §94 Beurteilungs-Grundsätze.
Prozess analysieren lassenAuswahl aus über 5.000 Projekten in 25 Jahren Softwareentwicklung
Skills-Erfassung plus Taxonomie-Mapping ESCO/DQR/EQR plus ML-Klassifikation plus Confidence-Score-Transparenz plus EU AI Act Bias-Audit plus DSGVO Art. 22 menschliche Validierung plus BetrVG §94+§95 Mitbestimmung Beurteilungs-Grundsätze in einer Pipeline
Hoher A-Anteil ML-gestützte Skills-Klassifikation aber jede Karriere-Empfehlung mit menschlicher Validierung HR-Leitung + Führungskraft + Mitarbeitender; deterministische R-Decisions für Skills-Taxonomie-Mapping ESCO/DQR/EQR + Berechtigungs-Prüfungen + DSGVO-Workflows + BetrVG §94+§95+§87 Abs. 1 Nr. 6 - die finale Talent-Einordnung bleibt nicht beim ML-Modell sondern bei berechtigten Personen mit DSGVO Art. 22-konformer menschlicher Validierung + EU AI Act Article 14 Mensch-in-the-Loop + AGG §22-konformer Begründungs-Dokumentations-Pflicht
Ergebnis: Mit Wirkung des EU AI Act ab 2.8.2026 fallen Task-Assignment-Systeme nach personal traits unter Annex III(4)(b) Hochrisiko-Klassifikation, bei AGG §22 Beweislast-Umkehr greift die Verteidigungs-Last beim Arbeitgeber sobald Indizien für Diskriminierung in Skills-Klassifikation oder Karriere-Empfehlung vorliegen, Mobley v. Workday Northern District California 2023 als Präzedenzfall AI-Bias HR-Software gegen über 40-jährige + DSGVO Art. 22 Verbot rein automatisierter Einzelentscheidung mit rechtlicher Wirkung - der Agent liefert die auditierbare Kette mit ESCO-Taxonomie + DQR/EQR-Mapping + Confidence-Score-Transparenz + DPIA + FRIA-Dokumentation + Mensch-in-the-Loop
Die Architektur reflektiert, dass Skills-Klassifikation und Karriere-Empfehlung nicht autonom durch ML treffbar, aber konsistenz-prüfbar und auditierbar sind:
Skills-Profile scheitern an der Klassifikation, nicht an der Datenmenge - bei AGG-Verstoß durch ML-Talent-Scoring drohen 3 Bruttomonatsgehälter pro Mitarbeitender plus EU AI Act Bußgeld bis 35 Mio EUR plus Mobley v. Workday-Sammelklage-Risiko bei algorithmischer Diskriminierung
Skills-Matching als Compliance-Falle zwischen AGG und EU AI Act
Dieser Agent folgt dem Decision Layer-Prinzip: jede Entscheidung ist entweder regelbasiert, KI-assistiert oder explizit einem Menschen zugeordnet. Er ist nach EU AI Act 2024/1689 Annex III(4)(b) als Hochrisiko-System klassifiziert und unterliegt damit den verschärften Pflichten zu Risikomanagement-System, Daten-Governance, Transparenz, menschlicher Aufsicht und Bias-Audit ab dem 2.8.2026.
Skills-Matching klingt nach einem technischen Problem - es ist ein juristisches. Eine Mitarbeiterin füllt ein Self-Assessment aus, ein Algorithmus aggregiert Performance-Review-Texte, Projekt-Beschreibungen und Lernhistorie, ein ML-Modell inferiert ein Skills-Profil mit Confidence-Score, der interne Talent-Marketplace zeigt ihr passende Stellen an. Aus Compliance-Sicht ist jeder Schritt eine potenzielle Diskriminierungs-Quelle. Wenn das ML-Modell aus Performance-Reviews Generations-spezifische Sprachmuster gelernt hat, korreliert der Confidence-Score mit dem Alter. Wenn die Trainings-Daten überwiegend von männlichen Software-Entwicklern stammen, lernt der Algorithmus weibliche Karriere-Verläufe als Abweichung. Wenn die Skills-Taxonomie keine Eltern-Zeit-Kompetenzen kennt, fehlen drei Jahre Berufs-Erfahrung im Profil.
Drei kumulative Risiko-Schichten greifen ineinander: AGG §22 Beweislast-Umkehr bei Indizien für Diskriminierung in Skills-Klassifikation oder Karriere-Empfehlung mit AGG §15 Entschädigungs-Anspruch bis 3 Bruttomonatsgehälter. DSGVO Art. 22 verbietet rein automatisierte Einzelentscheidungen mit rechtlicher Wirkung - Skills-Klassifikation mit Karriere-Folgen fällt darunter, mit Anfechtungs-Recht Art. 22 Abs. 3. EU AI Act Annex III(4)(b) klassifiziert Task-Assignment-Systeme nach personal traits als Hochrisiko mit Bußgeldern bis 35 Mio EUR oder 7 Prozent globaler Konzernumsatz.
Das Problem zerfällt strukturell in drei Schichten. Erstens: Skills-Daten kommen aus heterogenen Quellen. Self-Assessment ist Selbstauskunft mit Selbstüberschätzungs-Tendenz, Performance-Review-Texte sind subjektiv und Sprachstil-abhängig, Projekt-Beschreibungen verwenden firmenspezifisches Vokabular, Zertifikate sind formal aber oft veraltet. Ein ML-Modell verstärkt die jeweilige Quellen-Bias unkontrolliert. Zweitens: Skills-Taxonomien sind nicht neutral. Wenn Resilienz als Skill definiert wird, aber nicht Care-Arbeit-Erfahrung, filtert die Taxonomie nach geschlechtsspezifischen Karriere-Verläufen. ESCO (Version 1.2.0, 13.485 Skills) und DQR/EQR Niveau 1-8 sind die EU-Standards - aber 80 Prozent der HR-Plattformen ignorieren sie zugunsten proprietärer Frameworks. Drittens: Confidence-Scores werden als objektiv präsentiert, sind aber Modell-spezifisch. Workday Skills Cloud, SAP SuccessFactors Talent Intelligence Hub, Eightfold AI und Microsoft Viva Skills geben unterschiedliche Confidence-Scores für dieselbe Person - keiner der Anbieter veröffentlicht die Modell-Architektur. In ML-gestützten Plattformen wird die Black-Box zur AGG §22-Falle.
EU AI Act Annex III(4)(b) Task-Assignment Hochrisiko-Klassifikation
Der Skills-Career-Profile-Agent fällt nach EU AI Act 2024/1689 Annex III Punkt 4 Buchstabe b unter Hochrisiko-Systeme für Task-Assignment basierend auf persönlichen Eigenschaften (task-assignment based on personal traits or characteristics). Diese Klassifikation ist breiter als die parallele Beförderungs-Klassifikation - sie umfasst jede algorithmische Zuweisung von Aufgaben, Stellen, Lern-Pfaden oder Karriere-Empfehlungen aus inferierten Persönlichkeits-Eigenschaften. Die Pflichten ab 2.8.2026 umfassen:
- Article 9 Risikomanagement-System: Identifikation + Analyse + Bewertung + Mitigation Bias-Risiken bei Skills-Klassifikation (Gender Skills Inference Gap + Age Skills Inference Gap + Ethnicity Career-Path-Empfehlungs-Gap + Disability Career-Path-Empfehlungs-Gap)
- Article 10 Daten-Governance: Trainings-Daten-Qualität + Bias-Detection + Demographic Parity-Tests + Equal Opportunity-Tests + Synthetic-Data-Augmentation + ESCO-Taxonomie-konforme Kompetenz-Definition + DQR/EQR-Niveau-Plausibilität
- Article 13 Transparenz-Pflichten: Beipackzettel zu Funktions-Weise + Genauigkeit + Robustheit + Bias-Audit-Ergebnisse + Confidence-Score-Erläuterung + Quellen-Attribution-Pflicht
- Article 14 menschliche Aufsicht: Mensch-in-the-Loop bei jeder Skills-Profil-Übernahme und jeder Karriere-Empfehlung zwingend
- Article 26 Deployer-Pflichten: DPIA + Konsultations-Pflicht Aufsichtsbehörde + post-market monitoring + Incident Reporting bei Algorithmischer-Diskriminierungs-Beschwerden
- Article 27 FRIA Fundamental Rights Impact Assessment: vor Inbetriebnahme mit Konsultation Antidiskriminierungs-Stelle + Datenschutzbeauftragter + Betriebsrat
Bußgelder bis 35 Mio EUR oder 7 Prozent globaler Konzernumsatz. Cross-Reference DSGVO Art. 35 DPIA-Pflicht. Die Mobley v. Workday Sammelklage (Northern District California 2023) - AI-Bias bei HR-Software gegen über 40-jährige Bewerber ADEA - dient als US-Präzedenzfall für Skills-basierte Talent-Plattformen.
AGG §22 Beweislast-Umkehr bei Skills-basierter Diskriminierung
Im Klagefall greift die Beweislast-Umkehr nach AGG §22 - wenn Mitarbeitende Indizien für Diskriminierung anführen können (systematisch niedrigere Confidence-Scores in Schutz-Gruppe, fehlende Karriere-Empfehlungen trotz vergleichbarer Skills, Skills-Lücken-Identifikation nur bei bestimmten Merkmal-Trägern, Talent-Pool-Ausschluss nach Schwangerschaft + Elternzeit + Teilzeit-Wechsel), liegt es am Arbeitgeber zu beweisen, dass die ML-Inferenz nicht diskriminierend war. Ohne dokumentierte Confidence-Score-Transparenz, Quellen-Attribution, Bias-Audit-Trail und reproduzierbare Begründung pro Skills-Klassifikation ist diese Beweis-Pflicht praktisch nicht erfüllbar.
AGG §15 sieht Entschädigungs-Ansprüche bis 3 Bruttomonatsgehälter pro Mitarbeitenden bei Indizien für Skills-Diskriminierung wegen Gender + Alter + Herkunft + Religion + Behinderung + sexueller Identität vor. Bei Sammelklagen oder mehreren Klägern aus derselben Vergleichsgruppe kann das schnell in den siebenstelligen Bereich gehen. Die 2-Monats-Klagefrist nach AGG §15 Abs. 4 startet mit Kenntnis der Talent-Einordnung neu. Cross-Reference BAG-Rechtsprechung 2024-2026 zu Talent-Pool-Diskriminierung mit ständig erweiterten Indizien-Katalogen - statistische Auffälligkeit der ML-Inferenz-Ergebnisse über Schutz-Gruppen reicht inzwischen als Indiz aus.
DSGVO Art. 83 Abs. 5 bis 4 Prozent Konzernumsatz oder 20 Mio EUR bei Verstößen gegen Art. 6+9+22+88 Skills-Profil-Daten + BDSG §26 + DPIA-Pflicht Art. 35. Reputations-Risiko bei Aufsichtsrats-Mängel-Bericht über CSRD ESRS S1-9 Diversitätskennzahlen + Aufsichtsrats-Haftung AktG §107. Die BetrVG-Mitbestimmung Verletzung führt zu Unterlassungs-Anspruch + Beschluss-Verfahren §99 ArbG bei resultierender Versetzung + Einigungsstellen-Verfahren mit Konzern-weiter Sanktion.
In Black-Box-ML-Plattformen ist die AGG §22-Beweislast-Umkehr praktisch nicht zu kontern. Wenn Workday Skills Cloud, SAP SuccessFactors Talent Intelligence Hub und Eightfold AI ihre Modell-Architekturen nicht offenlegen, kann der Arbeitgeber die Reproduzierbarkeit einzelner Skills-Klassifikationen nicht garantieren. BAG-Rechtsprechung 2024-2026 hat den Indizien-Katalog kontinuierlich erweitert: nicht nur Statistik, sondern auch Confidence-Score-Verteilungs-Asymmetrien, Quellen-Attributions-Lücken, abweichende Begründungs-Muster über Schutz-Gruppen reichen als Indizien aus. HinSchG §3+§16-§18 schafft zusätzlich Whistleblower-Meldestellen mit Repressalien-Schutz §33-§37 - Beschäftigte können Algorithmische-Diskriminierungs-Anzeigen anonym einreichen mit BfJ als externer Meldestelle.
DSGVO Art. 22 Verbot rein automatisierter Talent-Klassifikation
DSGVO Art. 22 verbietet rein automatisierte Einzelentscheidungen, die rechtliche Wirkung entfalten oder die betroffene Person erheblich beeinträchtigen. Skills-Klassifikation mit Karriere-Folgen fällt eindeutig darunter - sie bestimmt Talent-Pool-Zugehörigkeit, Stellen-Sichtbarkeit im internen Marketplace, Lern-Empfehlungen und Beförderungs-Chancen. Der Agent setzt drei zwingende Mensch-in-the-Loop-Punkte: Mitarbeiter-Validierung jeder ML-inferierten Skill mit Confidence-Score-Anzeige + Quellen-Attribution + Korrektur-Möglichkeit, Führungskraft-Validierung bei Karriere-Pfad-Empfehlungen mit Begründungs-Pflicht, HR-Leitung-Freigabe periodischer Talent-Klassifikations-Runden mit Bias-Audit-Bericht.
Art. 22 Abs. 3 Anfechtungs-Recht ist in jedem Schritt eingebaut - Mitarbeitende können jede automatisierte Empfehlung anfechten mit DSGVO-konformer Begründung und 1-Monats-Frist Antwort. EDPB Guidelines 1/2024 zu HR-KI-Systemen definieren Mindest-Anforderungen: Confidence-Score-Transparenz, Quellen-Attribution, Bias-Audit-Trail, Anfechtungs-Workflow mit Datenschutzbeauftragter-Eskalation.
Art. 9 Verbot Verarbeitung sensibler Daten ist im Skills-Kontext besonders kritisch. Pymetrics-Pattern bei biometrischen Persönlichkeits-Tests und kognitiven Spielen produziert Daten, die als sensible Persönlichkeits-Profile interpretierbar sind. Microsoft Viva Skills inferiert Skills aus Office-365-Aktivitäten - das berührt Beschäftigtendaten-Schutz Art. 88 + BDSG §26. Ohne explizite Einwilligung Art. 6 Abs. 1 lit. a oder Tarifvertrag-Grundlage Art. 88 Abs. 1 sind solche Inferenzen rechtlich angreifbar.
ESCO + DQR + EQR Skills-Taxonomie + Mobley v. Workday Präzedenzfall
ESCO European Skills Classification Version 1.2.0 (2024) ist die EU-Standard-Taxonomie für Berufe, Fähigkeiten und Kompetenzen mit 13.890 Berufen, 13.485 Kenntnissen + Fähigkeiten + Kompetenzen, 5-stufiger Hierarchie und Cross-Walk zu O*NET (US), DISCO (Deutschland), ROME (Frankreich) in 28 EU-Sprachen. EU Skills Agenda 2030 + EU Skills Pact + EURES-Plattform-Integration machen ESCO zur verbindlichen Referenz für mehrsprachige Talent-Marketplaces.
DQR Deutscher Qualifikations-Rahmen und EQR Europäischer Qualifikations-Rahmen Niveau 1-8 (KMK-Beschluss 2013, EU Council Recommendation 2017/C 189/03) ergänzen die ESCO-Klassifikation um Qualifikations-Niveau-Zuordnung: Niveau 1 grundlegende Erfüllung einfacher Anforderungen, Niveau 4 berufliche Erstausbildung, Niveau 6 Bachelor + Meister + Fachwirt, Niveau 7 Master + Geprüfter Betriebswirt, Niveau 8 Promotion. Cross-Reference ZAB Zentralstelle für ausländisches Bildungswesen + BMBF + KMK Kultusministerkonferenz + BBiG Berufsbildungs-Gesetz + BQFG Berufs-Qualifikations-Feststellungs-Gesetz für Anerkennungs-Verfahren ausländischer Qualifikationen.
Die Mobley v. Workday Sammelklage Northern District California 2023 ist der Präzedenzfall für AI-Bias bei HR-Software gegen über 40-jährige Bewerber und Beförderungs-Kandidaten unter ADEA Age Discrimination in Employment Act - der US-Parallelnorm zu AGG §1 Alters-Diskriminierung. Risiko-Mitigation für Skills-Klassifikations-System: Bias-Audit-Trail mit Demographic Parity + Equal Opportunity-Tests pro Quartal über alle acht AGG §1-Merkmale auf Skills-Inference-Ergebnisse + Confidence-Score-Verteilung + Career-Path-Empfehlungs-Muster. Trainings-Daten-Audit auf Alters-Bias mit Synthetic-Data-Augmentation - kritisch bei Skills-Inferenz aus historischen Performance-Reviews die Generations-spezifische Sprachmuster widerspiegeln können. Confidence-Score-Schwelle (typisch 70 Prozent) für automatisierte Profil-Übernahme - darunter zwingend menschliche Validierung. FRIA Fundamental Rights Impact Assessment EU AI Act Article 27 vor Inbetriebnahme mit ADS-Konsultation. BetrVG §94 Beurteilungs-Grundsätze-Mitbestimmung als zusätzlicher Diskriminierungs-Schutz.
Cross-Reference zu Promotion-Process + Performance-Review-Documentation + Succession-Planning
Der Skills-Career-Profile-Agent ist eingebettet in eine Pipeline aus spezialisierten HR-Agenten: Promotion-Process-Agent Cluster #45 nutzt dieselbe Skills-Taxonomie + Equity-Analyse-Engine + Confidence-Score-Logik bei Beförderungs-Empfehlungen. Performance-Review-Agent liefert qualitative Performance-Daten als Input für Skills-Inferenz. Compensation-Benchmarking-Agent Cluster #26 nutzt Skills-Cluster für Vergleichsgruppen-Definition nach EU Pay Transparency Directive 2023/970 Art. 7. Career-Development-Agent nutzt Karriere-Pfad-Empfehlungen für individuelle Entwicklungs-Pläne. Learning-Recommendation-Agent generiert Lern-Empfehlungen aus Skills-Lücken-Analyse. Succession-Planning-Agent nutzt Skills-Profile für Nachfolge-Planung mit Cross-Reference AktG §107 Aufsichtsrats-Personal-Ausschuss. Recruiting-Agent nutzt Skills-Taxonomie für Stellen-Profil-Match. HR-Document-Management-Agent Cluster #36 archiviert AGG-konforme Skills-Klassifikations-Begründungen 6 Monate. Audit-Compliance-Agent Cluster #22 prüft EU AI Act Article 26 Deployer-Pflichten und DPIA + FRIA-Konsistenz.
Auf einen Blick
- Klassifikation: EU AI Act 2024/1689 Annex III(4)(b) Hochrisiko HR-Task-Assignment basierend auf personal traits ab 2.8.2026
- Compliance-Anker: AGG §22 Beweislast-Umkehr, BetrVG §94+§95+§87 Abs. 1 Nr. 6, DSGVO Art. 22+35+88, Mobley v. Workday Präzedenzfall, ESCO + DQR + EQR Skills-Taxonomie, EU Pay Transparency 2023/970, CSRD ESRS S1-9+S1-11
- Mitbestimmung: BetrVG §94 Beurteilungs-Grundsätze zwingend + §95 Auswahl-Richtlinien + §87 Abs. 1 Nr. 6 technische Überwachung ML-Plattform + bei Versetzungs-Folge §99, Konzern-Betriebsrat-Pflicht
- Confidence-Score-Schwelle: 70 Prozent für automatisierte Profil-Übernahme, darunter zwingend menschliche Validierung
- Equity-Schwelle: 5 Prozent unerklärter Skills-Inference-Gap nach AGG §1 acht Merkmale löst ADS-Eskalation + 6-Monats-Abhilfe-Pflicht
- Bußgelder: bis 35 Mio EUR oder 7 Prozent globaler Konzernumsatz EU AI Act + bis 4 Prozent oder 20 Mio EUR DSGVO + AGG §15 3 Bruttomonatsgehälter Entschädigung
- Audit-Pflicht: DPIA + FRIA + Bias-Audit pro Quartal mit Demographic Parity + Equal Opportunity-Tests, Wirtschaftsprüfer-Prüfung CSRD ab 250 Mitarbeitenden
- Präzedenzfall: Mobley v. Workday Northern District California 2023 Sammelklage AI-Bias HR-Software gegen über 40-jährige Bewerber
Entscheider-Verteilung Skills-Career-Profile
| Schritt | Decider | Begründung |
|---|---|---|
| Skills-Daten-Erfassung | R | Multi-Source-Aggregation mit Quellen-Hierarchie deterministisch |
| ESCO + DQR/EQR-Mapping | R | Taxonomie-Mapping mit Match-Score-Cutoff deterministisch |
| Berechtigungs-Prüfung Datenzugriff | R | DSGVO Art. 6+9+88 + BDSG §26 Rechtsgrundlage-Logik |
| ML-Skills-Inference | A | LLM-Output Indikator mit Confidence-Score + Quellen-Attribution |
| DSGVO Art. 22 Information | R | Art. 13+14+22 Abs. 3 Standard-Workflow |
| Mitarbeiter-Korrektur | R | Aufnahme mit Audit-Trail + Quellen-Hierarchie |
| Equity-Analyse | A | ML-statistische Bias-Detection mit menschlicher Validierung |
| Karriere-Pfad-Empfehlung | A | ML-Empfehlung mit Confidence-Score-Schwelle 60 Prozent |
| BetrVG §94+§95 Mitbestimmung | R | Konsultations-Workflow Beurteilungs-Grundsätze deterministisch |
| Skills-Lücken-Analyse | A | ML-Empfehlung Lern-Pfade mit Confidence-Score |
| HR-Leitung-Validierung | H | Finale Freigabe AGG §22 + DSGVO + Bias-Audit |
| DSGVO-Mitarbeiter-Rechte | R | Art. 15-18+21+22 Abs. 3 Workflow deterministisch |
| Führungskraft-Karriere-Gespräch | H | Persönliches Gespräch Beziehungs-Dimension |
| CSRD-Reporting | R | ESRS S1-9+S1-11 + EU Pay Transparency Art. 7 deterministisch |
Micro-Decision-Tabelle
Wer entscheidet bei diesem Agent?
14 Entscheidungsschritte, aufgeteilt nach Decider
Skills-Daten-Erfassung plus Multi-Source-Aggregation plus Quellen-Validierung Werden die Skills-Daten aus Self-Assessment + Performance-Review + Lernhistorie + Projekt-Erfahrung + Zertifikate korrekt aggregiert und in das standardisierte Skills-Profil-Format überführt? Regelwerk
Regelbasierte Multi-Source-Aggregation aus HR-Stamm-Daten + Performance-Review-Agent + Learning-Management-System + Projekt-Erfahrungs-Datenbank + Zertifikat-Repository; deterministische Quellen-Validierung mit Zeitstempel + Quellen-Hierarchie + Konflikt-Resolution; ESCO-Kompatibilitäts-Check + DQR-Niveau-Plausibilität; deterministische Aggregations-Logik daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
ESCO-Taxonomie-Mapping plus DQR/EQR-Niveau-Zuordnung plus Standardisierung Werden die erfassten Skills auf ESCO European Skills Classification + DQR-Niveau + EQR-Niveau standardisiert mit korrekter Hierarchie-Tiefe? Regelwerk
Regelbasiertes Taxonomie-Mapping gegen ESCO Version 1.2.0 (13.485 Kenntnisse + Fähigkeiten + Kompetenzen) + DQR-Referenzierung Niveau 1-8 + EQR-Niveau-Mapping + 5-stufige Hierarchie-Tiefe + Cross-Walk zu O*NET + DISCO-Deutschland; deterministische Taxonomie-Logik mit definiertem Match-Score-Cutoff daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Berechtigungs-Prüfung Skills-Profil-Zugriff plus DSGVO Art. 6+9+88 Rechtsgrundlage Erfüllt der Zugriff auf Skills-Profil-Daten die DSGVO-Anforderungen Art. 6 Abs. 1 lit. b + lit. f + Art. 88 + BDSG §26 + sensible Daten Art. 9 ausgeschlossen? Regelwerk WP/BP
Regelbasiertes Regelwerk: Vertragserfüllungs-Zweck Karriere-Entwicklung + berechtigtes Interesse Talent-Pool-Management + Beschäftigtendaten-Spezial Art. 88 + BDSG §26 + Pflicht-Ausschluss sensibler Daten Art. 9 (Gesundheit + Religion + Gewerkschafts-Mitgliedschaft + sexuelle Orientierung); AGG §22 Beweislast-Umkehr-Risiko bei diskriminierender Daten-Auswahl; Cross-Reference §94 BetrVG Mitbestimmung Beurteilungs-Grundsätze
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Anfechtbar durch: WP/BP
ML-Skills-Inference-Engine plus Confidence-Score-Berechnung plus Quellen-Attribution Welche Skills werden mit welchem Confidence-Score aus den aggregierten Daten inferiert + welche Quellen tragen wie zur Inferenz bei? KI-Agent Mitarbeiter
ML-gestützte Skills-Inferenz aus Performance-Review-Texten + Projekt-Beschreibungen + Lernhistorie + Self-Assessment; LLM-Output Indikator nicht End-Klassifikation; Confidence-Score 0-100 mit definierter Schwelle (typisch 70 Prozent für automatisierte Profil-Übernahme) + Quellen-Attribution-Pflicht; menschliche Validierung Mitarbeitender + Führungskraft EU AI Act Article 14 Pflicht; AGG §22 Beweislast-Umkehr-Risiko bei systematischer Inferenz-Verzerrung; DSGVO Art. 22 Verbot rein automatisierter Einzelentscheidung; Cross-Reference Mobley v. Workday-Pattern
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Anfechtbar durch: Mitarbeiter
Skills-Profil-Validierung Mitarbeitender plus DSGVO Art. 22 Anfechtungs-Recht Wie werden Mitarbeitende über die ML-inferierten Skills + Confidence-Scores + Karriere-Empfehlungen DSGVO Art. 13+14 + Art. 22 Abs. 3 transparent informiert mit Anfechtungs-Recht? Regelwerk
Regelbasierter Workflow: DSGVO Art. 13+14 Informations-Pflicht über ML-Inferenz-Logik + Art. 22 Abs. 3 Anfechtungs-Recht bei automatisierten Empfehlungen + EU AI Act Article 13 Transparenz-Pflicht bei Hochrisiko-Systemen + AGG §22 Beweislast-Umkehr-Risiko bei intransparenten Skills-Profilen + Mensch-in-the-Loop bei jeder Skills-Profil-Übernahme; Generierung standardisierter Information mit Begründungs-Block + Confidence-Score-Transparenz + Quellen-Attribution
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Mitarbeiter-Korrektur-Workflow plus Profil-Aktualisierung plus Audit-Trail Werden Mitarbeiter-Korrekturen + Profil-Aktualisierungen + Selbst-Auskünfte mit Audit-Trail in das Skills-Profil übernommen? Regelwerk Mitarbeiter
Regelbasierte Aufnahme von Mitarbeiter-Korrekturen mit DSGVO Art. 16 Berichtigungs-Recht + Audit-Trail-Pflicht + Quellen-Hierarchie (Mitarbeiter-Self-Assessment > ML-Inferenz bei Konflikt) + Konflikt-Resolution-Workflow + Versionierung Skills-Profil-Historie; deterministische Aktualisierungs-Logik daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Anfechtbar durch: Mitarbeiter
Equity-Analyse-Engine plus Skills-Cluster-Diversität plus AGG §1 acht Merkmale Bias-Detection Zeigen sich systematische Ungleichbehandlungen in der Skills-Klassifikation oder Karriere-Empfehlung nach Gender + Age + Ethnicity + Disability + Schutz-Merkmalen über Schwellenwert 5 Prozent? KI-Agent WP/BP
ML-gestützte statistische Analyse Equity-Engine über Skills-Inference-Ergebnisse + Confidence-Score-Verteilung + Career-Path-Empfehlungen über Gender + Alter + Herkunft + Religion + Behinderung + sexuelle Identität + Familienstand + Schwangerschaft + Teilzeit-Status; LLM-Output Indikator nicht End-Entscheidung; menschliche Validierung HR-Leitung + Datenschutzbeauftragter + Antidiskriminierungs-Stelle EU AI Act Article 14 Pflicht; AGG §22 Beweislast-Umkehr-Risiko bei Indizien für Diskriminierung; DSGVO Art. 9 Verbot Verarbeitung sensibler Mitarbeiter-Daten; Cross-Reference Mobley v. Workday-Risiko-Mitigations-Pattern
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Anfechtbar durch: WP/BP
Karriere-Pfad-Empfehlung plus Talent-Marketplace-Matching plus Confidence-Score-Schwelle Welche Karriere-Pfad-Empfehlungen + Talent-Marketplace-Matches werden Mitarbeitenden mit welchem Confidence-Score + welcher Begründung angezeigt? KI-Agent Mitarbeiter
ML-gestützte Karriere-Pfad-Empfehlungen aus Skills-Profil + Career-Framework + offenen internen Stellen + Talent-Pool-Bedarf; LLM-Output Empfehlung nicht zwingende Zuweisung; Confidence-Score 0-100 mit Schwelle für Anzeige (typisch 60 Prozent) + Begründungs-Pflicht je Empfehlung mit Skills-Match-Anteil + Skills-Lücken + Lern-Empfehlungen; menschliche Validierung Mitarbeitender + Führungskraft EU AI Act Article 14 Pflicht; AGG §22-Risiko bei diskriminierenden Empfehlungs-Mustern; DSGVO Art. 22 Anfechtungs-Recht; Cross-Reference Mobley v. Workday + EU AI Act Annex III(4)(b) Task-Assignment-Hochrisiko
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Anfechtbar durch: Mitarbeiter
BetrVG §94+§95 Mitbestimmungs-Workflow plus Beurteilungs-Grundsätze-Konsultation Werden Skills-Profil-Strukturen + Kompetenz-Bewertungs-Skalen + Karriere-Empfehlungs-Logiken dem Betriebsrat zur §94 Beurteilungs-Grundsätze + §95 Auswahl-Richtlinien-Konsultation vorgelegt? Regelwerk
Regelbasierter Workflow: BetrVG §94 Mitbestimmung Beurteilungs-Grundsätze + §95 Auswahl-Richtlinien-Konsultations-Pflicht bei Skills-Klassifikation als Auswahl-Kriterium + §87 Abs. 1 Nr. 6 technische Überwachung ML-Skills-Plattform + bei Skills-Empfehlung mit Versetzungs-Folge zusätzlich §99 Versetzungs-Mitbestimmung + Konzern-Betriebsrat-Pflicht bei konzernübergreifender Skills-Cloud + Einigungsstellen-Verfahren bei Nichteinigung; deterministische Mitbestimmungs-Workflow-Logik daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Skills-Lücken-Analyse plus Lern-Empfehlungs-Generierung plus DQR-Niveau-Aufbau-Pfade Welche Skills-Lücken werden identifiziert und mit welchen Lern-Empfehlungen + DQR-Niveau-Aufbau-Pfaden + ESCO-Kompetenz-Mapping adressiert? KI-Agent Mitarbeiter
ML-gestützte Skills-Lücken-Analyse aus Ist-Skills-Profil + Soll-Profil Career-Path + ESCO-Kompetenz-Cluster + DQR-Niveau-Aufbau-Pfade + Lern-Marketplace-Inhalte + interne Lern-Plattform-Angebote; LLM-Output Empfehlung nicht zwingende Zuweisung; Confidence-Score-Transparenz; menschliche Validierung Mitarbeitender + Lern-Berater EU AI Act Article 14 Pflicht; AGG §22-Risiko bei diskriminierenden Lern-Empfehlungs-Mustern; Cross-Reference BBiG Berufsbildungs-Gesetz + Aufstiegs-BAföG
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Anfechtbar durch: Mitarbeiter
HR-Leitung-Validierung plus AGG-Konformitäts-Bestätigung plus Bias-Audit-Bericht Wird die periodische Skills-Profil-Aktualisierung + Talent-Klassifikations-Runde von HR-Leitung mit AGG §22-konformem Audit-Trail + Bias-Audit-Bericht + DSGVO-Compliance-Bestätigung freigegeben? Mensch
Finale menschliche Freigabe durch berechtigte HR-Führungskraft EU AI Act Article 14 zwingend + AGG §22-konforme Begründungs-Dokumentations-Pflicht + Bias-Audit-Bericht-Sichtung mit Schutz-Gruppen-Verteilungs-Analyse + DSGVO Art. 22 Verbot rein automatisierter Einzel-Entscheidung + Cross-Reference Antidiskriminierungs-Stelle-Konsultation bei Schwellenwert-Überschreitung; menschliche Entscheidung zwingend
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
DSGVO Art. 16+17+18 Mitarbeiter-Rechte plus Berichtigung plus Löschung plus Einschränkung Wie werden Mitarbeiter-Rechte DSGVO Art. 15 Auskunft + Art. 16 Berichtigung + Art. 17 Löschung + Art. 18 Einschränkung + Art. 21 Widerspruch im Skills-Profil-Workflow umgesetzt? Regelwerk Mitarbeiter
Regelbasierter Workflow: DSGVO Art. 15 Auskunfts-Anfrage 1-Monats-Frist + Art. 16 Berichtigungs-Anspruch + Art. 17 Löschungs-Anspruch (außer berechtigtes Interesse) + Art. 18 Verarbeitungs-Einschränkung + Art. 21 Widerspruch gegen ML-Inferenz + Art. 22 Abs. 3 Anfechtungs-Recht bei automatisierten Empfehlungen; deterministische Workflow-Logik mit Datenschutzbeauftragter-Eskalation; daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Anfechtbar durch: Mitarbeiter
Führungskraft-Karriere-Gespräch plus Skills-Profil-Validierung plus Entwicklungs-Plan-Abstimmung Wie führt die Führungskraft das individuelle Karriere-Gespräch mit Skills-Profil-Validierung + Entwicklungs-Plan-Abstimmung + Karriere-Perspektive durch? Mensch
Persönliches menschliches Karriere-Gespräch zwingend für Vertrauens-Beziehung + Karriere-Perspektive + persönliche Wertschätzung + nicht durch KI ersetzbar EU AI Act Article 14; menschliche Entscheidung zwingend wegen Beziehungs-Dimension; gleichzeitig Cross-Reference Mitarbeiter-Anfechtungs-Recht DSGVO Art. 22 Abs. 3 erläutern + Skills-Profil-Validierung mit Quellen-Attribution
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
CSRD-Berichts-Aktualisierung plus ESRS S1-9+S1-11 Skills-Diversitäts-Reporting Wie werden die Skills-Profil-Aktualisierungen für CSRD ESRS S1-9 Diversitätskennzahlen + S1-11 Trainings- und Skills-Entwicklung + EU Pay Transparency 2023/970 Skills-Cluster-Reporting + Wirtschaftsprüfer-Prüfung dokumentiert? Regelwerk
Regelbasierte Generierung CSRD ESRS S1-9 Diversitätskennzahlen nach Skills-Cluster + ESRS S1-11 Trainings- und Skills-Entwicklung-Reporting + EU Pay Transparency 2023/970 Art. 7 Skills-Cluster-Vergleichsgruppen + Wirtschaftsprüfer-Prüfungs-Pflicht + Audit-Trail Cross-Reference EU AI Act post-market monitoring Article 26; deterministische Reporting-Logik daher Decision-Type R
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Entscheidungsakte und Anfechtbarkeit
Jede Entscheidung, die dieser Agent trifft oder vorbereitet, wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene Mitarbeitende können jede einzelne Entscheidung einsehen, nachvollziehen und anfechten.
Passt dieser Agent zu Ihrem Prozess?
Wir analysieren Ihren konkreten HR-Prozess und zeigen, wie dieser Agent in Ihre Systemlandschaft passt. 30 Minuten, keine Vorbereitung nötig.
Prozess analysieren lassenGovernance-Hinweise
Bewertung
Voraussetzungen
- Skills-Taxonomie ESCO + DQR + EQR-Mapping mit Konzern-Betriebsrat-Konsultation BetrVG §94
- Career-Framework + Career-Path-Mapping aus Compensation-Benchmarking-Agent Cluster #26 + Promotion-Process-Agent
- Performance-Review-Ergebnisse aus Performance-Review-Agent letzten zwei Beurteilungs-Zyklen
- Learning-Management-System mit Lern-Historie + Zertifikat-Repository
- Betriebsvereinbarung BetrVG §94+§95+§87 Abs. 1 Nr. 6 für ML-gestützte Skills-Klassifikations-Plattform
- DPIA + FRIA-Dokumentation EU AI Act Article 27 + DSGVO Art. 35
- BetrVG-Auswahl-Richtlinien + Konzern-Betriebsrat-Beteiligung bei konzernübergreifender Skills-Cloud
- Mitarbeiter-Self-Assessment-Plattform mit DSGVO Art. 13+14+22 Abs. 3 Anfechtungs-Workflow
Infrastruktur-Beitrag
Was diese Erstbewertung enthält: 9 Slides für Ihr Führungsteam
Personalisiert mit Ihren Zahlen. Generiert in 2 Minuten direkt im Browser. Kein Upload, kein Login.
- 1
Titelfolie - Prozessname, Entscheidungspunkte, Automatisierungspotenzial
- 2
Executive Summary - FTE-Freisetzung, Kosten pro Vorgang vorher/nachher, Break-Even-Datum, Kosten des Wartens
- 3
Ausgangslage - Transaktionsvolumen, Fehlerkosten, Wachstumsszenario mit FTE-Vergleich
- 4
Lösungsarchitektur - Mensch - Regelwerk - KI-Agent mit konkreten Entscheidungspunkten
- 5
Governance - EU AI Act, Betriebsrat (§87 BetrVG), Audit Trail - mit Ampelstatus
- 6
Risikoanalyse - 5 Risiken mit Eintrittswahrscheinlichkeit, Auswirkung und Gegenmaßnahme
- 7
Roadmap - 3-Phasen-Plan mit konkreten Kalenderdaten und Go/No-Go
- 8
Business Case - 3-Szenarien-Vergleich (Nichtstun/Neueinstellung/Automatisierung) plus 3×3-Sensitivitätsmatrix
- 9
Diskussionsvorschlag - Konkrete nächste Schritte mit Zeitplan und Verantwortlichkeiten
Enthält: 3-Szenarien-Vergleich
Nichtstun vs. Neueinstellung vs. Automatisierung - mit Ihrem Gehaltsniveau, Ihrer Fehlerquote und Ihrem Wachstumsplan. Die eine Slide, die Ihr CFO als erstes sehen will.
Berechnungsmethodik anzeigen
Stundensatz: Jahresgehalt (Ihre Eingabe) × 1,3 AG-Anteil ÷ 1.720 Jahresarbeitsstunden
Einsparung: Vorgänge × 12 × Automatisierungsrate × Minuten/Vorgang × Stundensatz × Economic Factor
Qualitäts-ROI: Fehlerreduktion × Vorgänge × 12 × EUR 260/Fehler (APQC Open Standards Benchmarking)
FTE: Eingesparte Stunden ÷ 1.720 Jahresarbeitsstunden
Break-Even: Benchmark-Investition ÷ monatliche Gesamteinsparung (Effizienz + Qualität)
Neueinstellung: Jahresgehalt × 1,3 + EUR 12.000 Recruiting pro FTE
Alle Daten bleiben in Ihrem Browser. Nichts wird an Server übertragen.
Skills-Career-Profile-Agent - EU AI Act Annex III(4)(b), AGG §22 | Gosign
Erstbewertung für Ihr Führungsteam
In 2 Minuten eine fundierte Erstbewertung - mit Ihren Zahlen, Ihrem Risikoprofil und Branchenbenchmarks. Kein Anbieter-Logo, kein Vendor-Pitch.
Alle Daten bleiben in Ihrem Browser. Nichts wird übertragen.
Weiterführende Seiten
Agent-Blueprint verfügbar
Für Skills-Career-Profile-Agent - EU AI Act Annex III(4)(b), AGG §22 | Gosign existiert ein vollständiger Blueprint mit Micro-Decision-Zerlegung, Branchenvarianten und Implementierungsdetails.
Blueprint ansehenVerwandte Agenten
People-Analytics Agent
HR-Daten analysieren, Muster erkennen, evidenzbasierte Personalentscheidungen ermöglichen.
Performance-Review-Dokumentations-Agent
Leistungsbeurteilungen strukturieren, dokumentieren und auf Konsistenz prüfen.
Promotion-Process-Agent - EU AI Act Annex III(4)(b), AGG §22 | Gosign
EU AI Act Annex III(4)(b)-konforme Beförderungs-Administration plus AGG §22 Beweislast-Umkehr-Audit-Trail plus EuGH C-624/19 Tesco-Stores Equal Pay plus BetrVG §99+§95 Mitbestimmung Versetzung plus DSGVO Art. 22 Anfechtungs-Recht plus Bandbreiten-Sprung-Validierung plus Equity-Audit-Engine in einer Pipeline - vollständige Beförderungs-Governance statt Spreadsheet-Rotation für HR-Leitung, Comp&Ben-Leitung, Führungskräfte, Aufsichtsrats-Vergütungs-Ausschuss, Betriebsrat, Datenschutzbeauftragter und Antidiskriminierungsstelle.
Häufige Fragen
Trifft der Agent autonome Skills-Klassifikations-Entscheidungen?
Nein. Der Agent administriert den Skills-Profil-Pflege-Prozess: Multi-Source-Daten-Aggregation, ESCO + DQR + EQR-Taxonomie-Mapping, ML-gestützte Skills-Inferenz mit Confidence-Score, Equity-Analyse mit Gender + Age + Ethnicity + Disability Skills-Inference-Gap-Detection, Karriere-Pfad-Empfehlung mit Confidence-Score-Transparenz. Die finale Skills-Validierung liegt beim Mitarbeitenden mit DSGVO Art. 22 Abs. 3 Anfechtungs-Recht, die Karriere-Empfehlungs-Übernahme bei Führungskraft und HR-Leitung mit AGG §22-konformem Audit-Trail. Der Agent stellt sicher, dass der Prozess konsistent + DSGVO Art. 22-konform + AGG-diskriminierungs-frei + EU AI Act Article 14 Mensch-in-the-Loop abläuft. Confidence-Score-Transparenz und Quellen-Attribution machen den Prozess nachweislich auditierbar.
Warum ist dieser Agent EU AI Act Hochrisiko-System nach Annex III(4)(b)?
Annex III(4)(b) klassifiziert Systeme als Hochrisiko, die HR-Entscheidungen zur Aufgaben-Zuweisung basierend auf persönlichen Eigenschaften (task-assignment based on personal traits or characteristics) treffen oder beeinflussen. Skills-Klassifikation und Karriere-Pfad-Empfehlung beeinflussen den Karriere-Verlauf wesentlich - sie bestimmen Talent-Pool-Zugehörigkeit, Stellen-Sichtbarkeit im internen Marketplace, Lern-Empfehlungen und Beförderungs-Chancen. Die Hochrisiko-Klassifikation erfordert ab 2.8.2026: Risikomanagement-System Article 9, Daten-Governance Article 10 mit Bias-Mitigation, Transparenz-Pflichten Article 13, menschliche Aufsicht Article 14, Deployer-Pflichten Article 26, FRIA Fundamental Rights Impact Assessment Article 27. Bußgelder bis 35 Mio EUR oder 7 Prozent globaler Konzernumsatz. Cross-Reference Mobley v. Workday Northern District California 2023 Sammelklage als US-Präzedenzfall AI-Bias bei HR-Software gegen über 40-jährige Bewerber - ADEA-Parallelnorm AGG §1.
Wie funktioniert die DSGVO Art. 22-konforme menschliche Validierung bei ML-Skills-Inferenz?
DSGVO Art. 22 verbietet rein automatisierte Einzelentscheidungen mit rechtlicher Wirkung oder erheblicher Beeinträchtigung. Skills-Klassifikation mit Karriere-Folgen fällt eindeutig darunter. Der Agent setzt drei Mensch-in-the-Loop-Punkte: (1) Mitarbeiter-Validierung jeder ML-inferierten Skill mit Confidence-Score-Anzeige + Quellen-Attribution + Korrektur-Möglichkeit, (2) Führungskraft-Validierung bei Karriere-Pfad-Empfehlungen mit Begründungs-Pflicht, (3) HR-Leitung-Freigabe periodischer Talent-Klassifikations-Runden mit Bias-Audit-Bericht. Art. 22 Abs. 3 Anfechtungs-Recht ist in jedem Schritt eingebaut - Mitarbeitende können jede automatisierte Empfehlung anfechten mit DSGVO-konformer Begründung. Cross-Reference EU AI Act Article 14 menschliche Aufsicht zwingend bei Hochrisiko-Systemen. EDPB Guidelines 1/2024 zu HR-KI-Systemen als verbindliche Auslegungs-Hilfe.
Wie werden ESCO + DQR + EQR Skills-Taxonomie eingesetzt?
ESCO European Skills Classification Version 1.2.0 (2024) ist die EU-Standard-Taxonomie für Berufe + Fähigkeiten + Kompetenzen mit 13.890 Berufen, 13.485 Kenntnissen + Fähigkeiten + Kompetenzen, 5-stufiger Hierarchie und Cross-Walk zu O*NET (US) + DISCO (Deutschland) + ROME (Frankreich) in 28 EU-Sprachen. Der Agent mappt erfasste Skills auf ESCO mit definiertem Match-Score-Cutoff. DQR Deutscher Qualifikations-Rahmen und EQR Europäischer Qualifikations-Rahmen Niveau 1-8 (KMK-Beschluss 2013, EU Council Recommendation 2017/C 189/03) ergänzen die ESCO-Klassifikation um Qualifikations-Niveau-Zuordnung: Niveau 1 grundlegende Erfüllung einfacher Anforderungen, Niveau 4 berufliche Erstausbildung, Niveau 6 Bachelor + Meister, Niveau 7 Master, Niveau 8 Promotion. Cross-Reference ZAB Zentralstelle für ausländisches Bildungswesen + BBiG Berufsbildungs-Gesetz + BQFG Berufs-Qualifikations-Feststellungs-Gesetz. Vorteil: Konzern-übergreifende Skills-Vergleichbarkeit + EU-mehrsprachige Talent-Marketplace-Kompatibilität + EURES-Plattform-Integration.
Wie wird Mobley v. Workday-Risiko bei ML-Skills-Klassifikation mitigiert?
Mobley v. Workday Northern District California 2023 Sammelklage betrifft AI-Bias bei HR-Software gegen über 40-jährige Bewerber + Beförderungs-Kandidaten (ADEA-Parallelnorm AGG §1 Alters-Diskriminierung). Risiko-Mitigation für Skills-Klassifikations-System: (1) Bias-Audit-Trail mit Demographic Parity + Equal Opportunity-Tests pro Quartal über alle acht AGG §1-Merkmale auf Skills-Inference-Ergebnisse + Confidence-Score-Verteilung + Career-Path-Empfehlungs-Muster, (2) Trainings-Daten-Audit auf Alters-Bias mit Synthetic-Data-Augmentation - kritisch bei Skills-Inferenz aus historischen Performance-Reviews die Generations-spezifische Sprachmuster widerspiegeln können, (3) DSGVO Art. 22 Abs. 3 Anfechtungs-Recht für jede automatisierte Empfehlung mit Mensch-in-the-Loop-Validierung, (4) AGG §22-konformer Audit-Trail mit Confidence-Score-Transparenz + Quellen-Attribution + Begründungs-Dokumentations-Pflicht, (5) Confidence-Score-Schwelle (typisch 70 Prozent) für automatisierte Profil-Übernahme - darunter zwingend menschliche Validierung, (6) FRIA Fundamental Rights Impact Assessment EU AI Act Article 27 vor Inbetriebnahme mit ADS-Konsultation, (7) BetrVG §94 Beurteilungs-Grundsätze-Mitbestimmung als zusätzlicher Diskriminierungs-Schutz, (8) HinSchG §16-§18 Whistleblower-Meldestelle bei Algorithmischer-Diskriminierungs-Anzeigen mit Repressalien-Schutz §33-§37. Cross-Reference Workday Skills Cloud + SAP SuccessFactors Talent Intelligence Hub + Eightfold AI + Pymetrics + Cornerstone OnDemand + Microsoft Viva Skills + Gloat + Fuel50 für proaktive Bias-Mitigation.
Welche Cross-References zu anderen HR-Agenten existieren?
Promotion-Process-Agent Cluster #45 nutzt dieselbe Skills-Taxonomie + Equity-Analyse-Engine + Confidence-Score-Logik bei Beförderungs-Empfehlungen. Performance-Review-Agent liefert qualitative Performance-Daten als Input für Skills-Inferenz. Compensation-Benchmarking-Agent Cluster #26 nutzt Skills-Cluster für Vergleichsgruppen-Definition nach EU Pay Transparency Directive 2023/970 Art. 7. Career-Development-Agent nutzt Karriere-Pfad-Empfehlungen für individuelle Entwicklungs-Pläne. Learning-Recommendation-Agent generiert Lern-Empfehlungen aus Skills-Lücken-Analyse. Succession-Planning-Agent nutzt Skills-Profile für Nachfolge-Planung mit Cross-Reference AktG §107 Aufsichtsrats-Personal-Ausschuss. Recruiting-Agent nutzt Skills-Taxonomie für Stellen-Profil-Match mit BewerberInnen. HR-Document-Management-Agent Cluster #36 archiviert AGG-konforme Skills-Klassifikations-Begründungen 6 Monate. Audit-Compliance-Agent Cluster #22 prüft EU AI Act Article 26 Deployer-Pflichten + DPIA + FRIA-Konsistenz. People-Analytics-Agent erstellt CSRD ESRS S1-9 Diversitätskennzahlen + S1-11 Skills-Entwicklung-Reporting.
Was bedeutet AGG §22 Beweislast-Umkehr bei algorithmischer Skills-Diskriminierung konkret?
AGG §22 verlagert die Beweislast bei Indizien für Diskriminierung an den Arbeitgeber. Bei algorithmischer Skills-Klassifikation kann ein Mitarbeitender Indizien anführen: systematisch niedrigere Confidence-Scores in Schutz-Gruppe, fehlende Karriere-Empfehlungen trotz vergleichbarer Skills, Skills-Lücken-Identifikation nur bei bestimmten Merkmal-Trägern, Talent-Pool-Ausschluss nach Schwangerschaft + Elternzeit + Teilzeit-Wechsel, statistische Auffälligkeiten der ML-Inferenz-Ergebnisse über Schutz-Gruppen. Der Arbeitgeber muss dann beweisen, dass die ML-Inferenz nicht diskriminierend war. Ohne dokumentierte Confidence-Score-Transparenz, Quellen-Attribution, Bias-Audit-Trail und reproduzierbare Begründung pro Skills-Klassifikation ist diese Beweis-Pflicht praktisch nicht erfüllbar - genau das ist der Mobley v. Workday-Pattern. AGG §15 Entschädigungs-Anspruch bis 3 Bruttomonatsgehälter + Schadensersatz bei Vermögens-Schaden + 2-Monats-Klagefrist nach Kenntnis der Talent-Einordnung. Der Audit-Trail des Agenten dokumentiert jede ML-Inferenz mit Confidence-Score + Quellen-Attribution + Bias-Audit-Ergebnis - vollständig AGG §22-konform reproduzierbar.
Was passiert als Nächstes?
30 Minuten
Erstgespräch
Wir analysieren Ihren Prozess und identifizieren den optimalen Startpunkt.
1 Woche
Discover
Mapping Ihrer Entscheidungslogik. Regelwerke dokumentiert, Decision Layer designt.
3-4 Wochen
Build
Produktiver Agent in Ihrer Infrastruktur. Governance, Audit Trail, prüfungsfähig ab Tag 1.
12-18 Monate
Eigenständig
Voller Zugang zu Quellcode, Prompts und Regelversionen. Kein Vendor Lock-in.
Diesen Agent implementieren?
Wir bewerten Ihre Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.