KI in HR? Digitalisierung und Künstliche Intelligenz versprechen effizientere HR-Prozesse. Ihr Nutzen steht und fällt jedoch mit der Qualität der Daten und dem Zusammenspiel der Systeme. Unvollständige Informationen, unklare Zuständigkeiten und schlecht funktionierende Schnittstellen führen zu Doppelarbeit, Fehlern und Verzögerungen. Wer HR nachhaltig digitalisieren will, muss deshalb zuerst Datenströme, Verantwortlichkeiten und Systembrüche klären.

Systembrüche machen digitale Prozesse langsam

In vielen Organisationen sind HR-Prozesse digital unterstützt, aber nicht durchgängig verbunden. Nach einer Zusage liegen im Recruiting-System bereits Bewerbungs-, Kontakt- und Qualifikationsdaten vor. Nun muss HR entscheiden, welche Angaben in den verbindlichen Personalstammdatensatz übernommen werden, welches System ihn führt und wer seine Richtigkeit verantwortet.

Häufig überträgt die Personaladministration die Daten manuell und ergänzt Vertragsdaten, Arbeitszeit und organisatorische Zuordnung. Anschließend gehen Informationen an Lohnverrechnung, IT, Zeiterfassung oder Personalentwicklung. Auf dem Papier wirkt dieser Ablauf einfach. In der Praxis sorgen manuelle Eingaben, Weiterleitungen per Mail oder Excel-Listen für Fehler oder widersprüchliche Informationen. Das wird zum Beispiel dann zur Herausforderung, wenn gesetzliche Löschzyklen systemübergreifend umgesetzt werden müssen. Das Problem liegt weniger in einzelnen Tools als in den Schnittstellen und im Zusammenspiel der Systeme.

Daten wechseln auch die Verantwortung

Daten bewegen sich im Employee Lifecycle zudem nicht nur zwischen Systemen, sondern auch zwischen Verantwortungsbereichen. Recruiting, Personaladministration, Lohnverrechnung, Personalentwicklung und Führungskräfte benötigen unterschiedliche Daten und Zugriffsrechte. Eine Verantwortungsmatrix kann für jeden Arbeitsschritt klären, wer Daten erfasst, prüft, verändert und korrigiert. Entscheidend ist, dass HR, IT, Datenschutz und Prozessverantwortliche diese Regeln im Alltag gemeinsam umsetzen.

Die Prozessanalyse kommt vor Digitalisierung und KI-Einsatz

Vor Digitalisierung oder KI-Einsatz sollten Unternehmen den tatsächlichen Ablauf analysieren: Welche Daten werden benötigt, wo entstehen sie und in welchen Systemen liegen sie? Klare Datenflüsse und Verantwortlichkeiten bilden die Grundlage jeder HR-Digitalisierung und jedes KI-Einsatzes. Ein einfaches Prozessbild zeigt, wo Daten entstehen, geprüft und weitergegeben werden. Besonders aufschlussreich sind Übergaben und manuelle Zwischenschritte, weil dort häufig Wartezeiten, Rückfragen und Missverständnisse entstehen.

Die Analyse sollte jeden Prozessschritt hinterfragen: Wird ein Feld wirklich benötigt? Was geschieht mit der erfassten Information? Warum wird eine Information zweimal erfasst? Welche Entscheidung lässt sich automatisieren und wo ist eine fachliche beziehungsweise rechtliche Prüfung notwendig? So werden gewachsene Routinen und fehlendes Automatisierungswissen sichtbar – und damit veränderbar.

Datenqualität ist mehr als ein ausgefülltes Feld

Datenqualität hat mehrere Dimensionen. Denn Daten müssen aktuell, widerspruchsfrei, zweckgeeignet und eindeutig zuzuordnen sein. Außerdem sollten Quelle und letzte Änderungen nachvollziehbar sein.

Auch formal vollständige Datensätze können unbrauchbar sein. Unterschiedliche Definitionen führen etwa bei der „Mitarbeitendenzahl“ zu unterschiedlichen Ergebnissen. Werden Personen in Karenz, geringfügig Beschäftigte, freie Dienstnehmende oder Personen in Altersteilzeit mitgezählt? Datenmanagement braucht gemeinsame Begriffe und verbindliche Regeln.

Für den Einsatz von KI müssen Daten zudem zum Anwendungsfall passen. Historische Datensätze können frühere Auswahlmuster oder Benachteiligungen enthalten, die ein KI-System übernimmt oder verstärkt. KI-taugliche Datenqualität umfasst somit auch Zweckgeeignetheit, Repräsentativität und Nachvollziehbarkeit.

DSGVO: Richtigkeit, Zweck und Nachvollziehbarkeit

HR arbeitet mit personenbezogenen Daten. Die Datenschutz-Grundverordnung ist deshalb nicht erst relevant, wenn ein neues KI-System eingeführt wird. Sie begleitet den gesamten Datenstrom, von der Erfassung im Recruiting bis zur späteren Nutzung in Personalprozessen und Auswertungen. Zu den Grundsätzen der DSGVO gehören unter anderem Rechtmäßigkeit, Transparenz, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung sowie Integrität und Vertraulichkeit. Für die Praxis bedeutet das: HR muss dokumentieren, warum eine Information benötigt wird, wer darauf zugreifen darf und wann sie gelöscht wird.

Bereitet ein System Personalentscheidungen nicht nur vor, sondern trifft es sie ausschließlich automatisiert und mit erheblicher Wirkung für die betroffene Person, sind zusätzlich die Anforderungen der DSGVO an automatisierte Entscheidungen zu prüfen.

EU AI Act: Erst den Anwendungsfall verstehen

Der AI Act nennt zudem bestimmte KI-Systeme im Bereich Beschäftigung und Personalmanagement als Hochrisiko-Systeme. Dazu gehören insbesondere Systeme, die maßgeblich in die Auswahl und Einstellung von Personen sowie in Entscheidungen über Arbeitsbedingungen, Beförderungen oder die Beendigung von Arbeitsverhältnissen eingebunden sind. Auch Lösungen, die Aufgaben zuweisen oder Personen bewerten oder überwachsen können erfasst sein.

Hochrisiko-Systeme dürfen Unternehmen nur unter strengen Auflagen verwenden. So dürfen die Systeme keine eigenständigen Entscheidungen treffen, ohne dass ein Mensch diese prüft. Die verwendeten Daten müssen für den Zweck relevant und repräsentativ sein – und Unternehmen sind in der Pflicht, den Betrieb des Systems zu überwachen und zu dokumentieren.

Vor dem Einsatz eines solchen Systems am Arbeitsplatz müssen die betroffenen Mitarbeitenden oder deren Vertretungen informiert werden. Zudem ist eine grundlegende Risikobewertung der Auswirkungen erforderlich.

Nicht jede digitale HR-Anwendung fällt in die Kategorie der Hochrisiko-Systeme. Die Einstufung hängt vom Zweck, von der Funktion und von der tatsächlichen Wirkung des Systems ab. Eine rechtlich saubere Prüfung muss daher den Prozess und nicht nur das Tool betrachten.

KI verändert Datenstrukturen und Arbeitsweisen

Bei dieser Prüfung dürfen Unternehmen eines nicht vergessen: KI-Systeme nutzen nicht nur Daten. Sie erzeugen zudem aus vorhandenen Informationen neue Daten, etwa strukturierte Notizen oder maschinenlesbare Dateien. Diese lassen sich nutzen, um Wissen aus Gesprächen zu dokumentieren, Qualifikationen und Erfahrungen übersichtlich zu erfassen, Prozesse zu analysieren, Weiterbildungsbedarfe zu erkennen oder wiederkehrende Aufgaben zu automatisieren.

Dadurch verändert sich auch die Arbeit im Human Resource Management. Routinemäßige Erfassungs- und Aufbereitungsarbeiten können teilweise entfallen. Es entsteht mehr Raum für fachliche Einordnung, Gespräche und eine persönlichere Begleitung von Mitarbeitenden. Das setzt voraus, dass Menschen automatisch erzeugte Inhalte prüfen, richtig einordnen und verantwortungsvoll verwenden. Neue Daten brauchen ebenso klare Qualitätsregeln wie jene, die bisher manuell erfasst wurden.

Eine KI kann bestehende Qualitätsprobleme verschärfen: Sie verarbeitet fehlerhafte Zuordnungen, uneinheitliche Begriffe und veraltete Informationen schneller und in größerem Umfang als ein manueller Prozess. Sobald eine KI Entscheidungen über Bewerbende oder Mitarbeitende vorbereitet oder wesentlich beeinflusst, braucht es daher eine besonders sorgfältige rechtliche und fachliche Prüfung. Entsprechend wichtig sind die neuen KI-Kompetenzen, die sich HR-Mitarbeitende spezifisch für ihren Arbeitsalltag aneignen müssen. Dazu zählen auch Kenntnisse über neue Datenstrukturen, auf die KI-Systeme systematisch zugreifen werden.

So beginnt der Einstieg in ein HR-Datenprojekt

Für die Praxis bedeutet das: Digitalisierungsprojekte sollten damit beginnen, eine saubere Datenstruktur zu schaffen. Das erfordert Zeit. Die Überarbeitung des Datenmanagements ist kein „Nebenbei-Projekt“. Es gilt, Schritt für Schritt den Ist-Zustand entlang des Employee Lifecycles zu erheben: Wer erfasst welche Information wann, in welchem System und zu welchem Zweck? Und wer gibt sie wann weiter?

Auch informelle Zwischenschritte wie E-Mails, persönliche Notizen oder Excel-Listen müssen sichtbar werden, weil dort häufig Verzögerungen und Fehler entstehen. Für jede zentrale Information sollten die Projektverantwortlichen festlegen, wo sie entsteht, welches System als führende Quelle gilt, wer die Daten prüfen darf und wer für Qualität, Aktualität und Korrektur verantwortlich ist. Dadurch werden Daten nicht nur gespeichert, sondern aktiv gesteuert.

Nach jeder Anpassung misst das Projektteam, ob Fehler, Rückfragen und doppelte Eingaben zurückgehen. So wird Datenmanagement nicht als einmaliges Projekt verstanden, sondern als kontinuierliche Führungs- und Verbesserungsaufgabe im HR-Management.