KI für HR-Reporting: Personaldaten in einfacher Sprache abfragen

Von Kevin Kim · Aktualisiert am 11. Oktober 2026

KI für HR-Reporting bedeutet, dass Menschen HR-Daten in Alltagssprache befragen können, etwa „Wie hoch war die freiwillige Fluktuation im Support im letzten Quartal?“, und Software die Frage in eine Abfrage übersetzt, sie auf kontrollierten Daten ausführt und eine Tabelle, ein Diagramm oder eine kurze Erklärung zurückgibt. Die Technik dahinter ist meist Text-to-SQL: Ein Sprachmodell schreibt die Datenbankabfrage, damit die fragende Person es nicht tun muss. Gut gemacht, beseitigt sie die Warteschlange für Berichtsanfragen. Schlecht gemacht, liefert sie selbstsicher falsche Zahlen oder jemandes Gehalt an die falsche Person.

Dieser Leitfaden richtet sich an HR-Führungskräfte, Verantwortliche für People Analytics und HR Business Partner, denen gerade eine Demo „Chatten Sie mit Ihren HR-Daten“ gezeigt wird. Er behandelt, wie Abfragen in natürlicher Sprache funktionieren, was sich bei Dashboards und wiederkehrenden Berichten ändert, wie Sie steuern, wer was sehen darf, und wie Sie prüfen, dass die Antworten stimmen. Er gehört zum Bereich KI im HR-Bereich und baut auf People Analytics und KI auf.

Wichtige Fakten

• Im Text-to-SQL-Benchmark BIRD (12.751 Paare aus Frage und SQL über 95 große Datenbanken mit 33,4 GB) erreichen menschliche Dateningenieure und Datenbankstudierende eine Ausführungsgenauigkeit von 92,96 %. Das beste Modell der Gesamtrangliste erreichte am 7. September 2026 im Testset 82,95 %, rund 10 Punkte dahinter (BIRD-Rangliste).
• Als BIRD eingeführt wurde, erreichte das beste getestete Modell, ChatGPT, eine Ausführungsgenauigkeit von 40,08 % gegenüber 92,96 % bei Menschen (arXiv). Die Fortschritte im Benchmark waren steil, und ein Abstand zum Menschen bleibt.
• Ein Beitrag von 2022 in Transactions on Data Privacy argumentiert, dass zehn eine beliebte Mindestzellengröße bei der Offenlegungskontrolle ist, aber über drei hinaus keine statistische Begründung hat, und dass es keinen monotonen Zusammenhang zwischen einer Schwelle und dem Risiko gibt (Ritchie, Transactions on Data Privacy).
• Das AI Risk Management Framework des NIST, am 26. Januar 2023 veröffentlicht, gliedert die Arbeit am KI-Risiko in vier Funktionen: Govern, Map, Measure und Manage (NIST).
• Der Motivated-Intruder-Test der britischen ICO fragt, ob eine hinreichend kompetente Person mit Zugang zu Ressourcen wie dem Internet und öffentlichen Registern jemanden aus angeblich anonymen Informationen identifizieren könnte (ICO).

Was sich ändert, wenn HR-Reporting dialogbasiert wird

Klassisches HR-Reporting hat drei Schichten. Analysten bauen Dashboards für die Fragen, die sie vorhersehen können. Alles andere wird zum Ticket: Ein Direktor will die Fluktuation nach Betriebszugehörigkeitsband und Führungskraft, ein Analyst braucht zwei Tage dafür, und bis sie eintrifft, ist der Termin vorbei.

Im Sinne des ACE Framework liest dialogbasiertes Reporting strukturierte HR-Daten ein, analysiert sie mit einer Abfrage und erzeugt eine lesbare Antwort. Drei Bausteine lassen es funktionieren:

1. Eine Sprachschnittstelle. Ein Modell liest die Frage mit Verarbeitung natürlicher Sprache und erkennt, was gefragt wird: welche Kennzahl, welche Population, welcher Zeitraum.
2. Eine Übersetzungsschicht. Das Modell schreibt eine Abfrage, meist SQL, gegen Ihre HR-Tabellen. Das ist der Text-to-SQL-Schritt.
3. Eine kontrollierte Datenschicht. Die Abfrage läuft auf einer definierten Menge von Tabellen, Kennzahlen und Berechtigungen, nicht auf rohen Gehalts- und Falldaten.

Der dritte Baustein entscheidet, ob das Projekt funktioniert. Ein Modell, das aus Spaltennamen erraten soll, was „Headcount“ bedeutet, errät es am Dienstag anders als am Montag. Eine semantische Schicht (Semantic Layer) behebt das. Sie ist ein gepflegtes Wörterbuch, das sagt: „Headcount sind aktive Beschäftigte mit einem Beschäftigungsdatensatz am letzten Tag des Zeitraums, ohne freie Mitarbeitende“, „freiwillige Fluktuation schließt Renteneintritte aus“ und „Betriebszugehörigkeit wird ab dem ursprünglichen Einstellungsdatum gemessen“. Das Modell wählt aus kontrollierten Definitionen, statt sie zu improvisieren.

Auch Dashboards ändern sich. Statt vierzig fester Diagramme behalten Sie einen kleineren Satz vertrauenswürdiger für den Vorstand und den monatlichen Rhythmus und lassen Menschen darauf aufbauend Nachfragen stellen: „Schlüsseln Sie das nach Standort auf“, „Ohne Praktikanten“, „Vergleichen Sie mit dem Vorjahr“. Geplante Berichte können eine Erklärung ergänzen, einen Satz dazu, was sich bewegt hat, und einen Alarm, wenn eine Zahl ihren normalen Bereich verlässt. Das ist das Muster, dem ein Reporting-Agent folgt: nach Zeitplan abrufen, den Bericht bauen, Anomalien markieren und an die richtigen Personen senden.

Wie genau ist Text-to-SQL wirklich?

Besser als früher und trotzdem nicht gut genug, um blind zu vertrauen. Die Zahlen helfen bei der Einordnung.

BIRD ist ein weit verbreiteter Benchmark aus realistisch wirkenden, unordentlichen Datenbanken, mit Fragen, die Fachwissen zur Beantwortung brauchen. Beim Start 2023 beantwortete das beste getestete Modell etwa 40 % der Fragen bei der Ausführungsgenauigkeit richtig, Menschen erreichten 92,96 % (arXiv). Die aktuelle Rangliste zeigt das beste Gesamtmodell mit 82,95 % im Testset am 7. September 2026, immer noch rund zehn Punkte unter den Menschen (BIRD-Rangliste). Das ist ein großer Sprung und ein echter Abstand.

Lesen Sie das sorgfältig. Die Genauigkeit im Benchmark misst, ob die Abfrage dasselbe Ergebnis liefert wie eine Referenzabfrage. Ihre HR-Daten bringen Probleme mit, die ein Benchmark nicht hat:

• Mehrdeutige Wörter. „Beschäftigte“ könnten freie Mitarbeitende einschließen. „Letztes Quartal“ kann Geschäftsjahr oder Kalenderjahr meinen. „Führungskraft“ kann die direkte Führungskraft oder die Spitze im Organigramm sein.
• Unordentliche Historie. Reorganisationen, Wiedereinstellungen, Namensänderungen und rückwirkende Korrekturen machen einfache Zählungen heikel.
• Unternehmensspezifische Terminologie. „Bedauerte Fluktuation“ oder „Top-Performer“ gibt es nur in Ihren Richtliniendokumenten.
• Stille Fehler. Eine falsche Abfrage, die läuft, löst keinen Fehler aus. Sie liefert eine plausible Zahl. Das ist dieselbe Fehlerfamilie wie KI-Halluzination, nur dass die erfundene Antwort als Diagramm formatiert eintrifft.

Die praktische Schlussfolgerung lautet also nicht „nicht nutzen“. Sie lautet: „Machen Sie die einfachen Fragen verlässlich und die Antwort überprüfbar.“ Zeigen Sie der Person die Abfrage, die verwendeten Definitionen und die angewandten Filter, damit sie erkennen kann, dass „Fluktuation“ nur freiwillige Abgänge meinte.

Praxisbeispiele nach Funktion

HR Business Partner. Vor einer Quartalsbesprechung fragt ein HRBP: „Welche Teams in Operations hatten mehr als 15 % annualisierte Fluktuation, und wie lange waren die Ausgeschiedenen dabei?“ Das Tool liefert eine Tabelle. Der HRBP bemerkt, dass zwei kleine Teams sie dominieren, und bittet um die Zahlen nach Betriebszugehörigkeitsband. Die Nachfrage dauert eine Minute, nicht ein Ticket.

Recruiting-Leiter. „Wie viele Tage dauerte es, Engineering-Stellen zu besetzen, die in der ersten Jahreshälfte eröffnet wurden, und wo sind Bewerber ausgestiegen?“ Die Antwort verknüpft Daten des Bewerbermanagements und des HRIS. Der Leiter sieht, dass der Ausstieg zwischen dem Screening durch die einstellende Führungskraft und dem Vor-Ort-Gespräch liegt, und bringt es zur Behebung zur Führungskraft.

Vergütungsanalyst. „Zeigen Sie mir die Position in der Gehaltsspanne nach Job-Level für die Vertriebsorganisation.“ Diese Frage berührt sensible Daten und ist damit ein guter Test für die Zugriffskontrolle. Der Analyst mit Vergütungsrechten erhält sie. Eine Linienführungskraft, die dieselbe Frage stellt, erhält die Zahlen des eigenen Teams oder eine Ablehnung.

Finanzpartner. „Wie ist unser Headcount nach Kostenstelle zum Monatsende im Vergleich zum Budget?“ Der Wert liegt hier in der Konsistenz: HR und Finanzen sehen dieselbe Zahl, weil beide dieselbe Definition der semantischen Schicht nutzen.

CHRO. Eine geplante wöchentliche Zusammenfassung landet im Posteingang: Bewegung im Headcount, offene Stellen, Abwesenheitstrends und ein Hinweis, dass die Überstunden an einem Standort seit drei Wochen über ihrem normalen Bereich liegen. Der CHRO kann durchklicken und nach dem Grund fragen.

Mitarbeiter-Self-Service. Ein Mitarbeiter fragt den HR-Assistenten, wie viele Urlaubstage er noch hat. Das ist eine Abfrage zu einer einzelnen Person, keine Analytik, und sie gehört ins Muster des Mitarbeiter-Self-Service mit eigenen, deutlich engeren Berechtigungen.

Zugriffskontrollen: Wer was fragen darf

HR-Daten gehören zu den sensibelsten, die ein Unternehmen hält. Eine dialogbasierte Oberfläche erleichtert den Zugriff, was der Sinn der Sache ist, und erleichtert auch Fehler. Die folgenden Kontrollen sind nicht optional.

Rollenbasierter Zugriff, in der Datenschicht durchgesetzt. Verlassen Sie sich nicht auf einen Prompt, der sagt „zeige Führungskräften keine Gehälter“. Prompts lassen sich umgehen. Berechtigungen sollten in der Datenbank oder der semantischen Schicht durchgesetzt werden, damit die Abfrage physisch keine Zeilen oder Spalten zurückgeben kann, auf die die Person keinen Anspruch hat. Eine Führungskraft sieht ihre Berichtslinie. Ein HRBP sieht seine Geschäftseinheit. Payroll sieht das Gehalt. Das Modell erbt die Rechte der fragenden Person; es läuft nie mit einem Superuser-Konto.

Regeln auf Spalten- und Zeilenebene. Manche Felder (Gesundheitsdaten, Disziplinarakten, Aufenthaltsstatus, Gewerkschaftszugehörigkeit) sollten über das Dialogtool überhaupt nicht erreichbar sein. Andere (Gehalt) sollten außer für definierte Rollen nur aggregiert sichtbar sein.

Unterdrückung kleiner Zellen. Ein Diagramm mit „durchschnittlicher Bewertung nach Geschlecht in einem Team von vier“ identifiziert Einzelpersonen. Die übliche Lösung ist, jede Gruppe unter einer Mindestgröße zu unterdrücken oder zusammenzulegen. Wählen Sie die Schwelle bewusst. Viele Organisationen nutzen zehn, doch die Forschung zur Offenlegungskontrolle argumentiert, zehn sei aus Konvention beliebt, die einzige Schwelle mit solider statistischer Grundlage sei drei, und eine höhere Schwelle senke das Risiko nicht verlässlich, sodass die Art, wie Sie Ausgaben prüfen, ebenso zählt wie die Zahl (Ritchie, Transactions on Data Privacy). Legen Sie ein Minimum fest, wenden Sie es konsequent an und prüfen Sie es mit Ihrem Datenschutzteam.

Achten Sie auf Differenzbildung. Kann jemand nach der „Mitarbeiterzahl der gesamten Abteilung“ und danach nach der „Mitarbeiterzahl ohne das Team einer Person“ fragen, verrät die Subtraktion beider eine kleine Gruppe. Die Unterdrückung einer Zelle genügt nicht, wenn sich der fehlende Wert aus Summen zurückrechnen lässt, daher können ergänzende Unterdrückung, Rundung oder zusammengelegte Kategorien nötig sein. Begrenzen Sie die Rate wiederholter enger Abfragen und protokollieren Sie sie.

Anonymitätsschwellen für Umfrage- und Stimmungsdaten. Engagement-Kommentare sind besonders riskant, weil Freitext Personen nennt. Berichten Sie Themen nur oberhalb einer Mindestzahl an Befragten und zeigen Sie nie wörtlichen Text aus einer Gruppe, die klein genug ist, um identifiziert zu werden.

Testen Sie auf Re-Identifizierung. Die ICO formuliert es als Motivated-Intruder-Test: Könnte eine hinreichend kompetente Person mit Zugang zu öffentlichen Informationen jemanden aus dem identifizieren, was Sie veröffentlichen wollen (ICO)? Kann eine Führungskraft ein Diagramm zu einem „Team von fünf“ mit dem verbinden, was sie schon weiß, ist die Ausgabe nicht anonym.

Protokollieren Sie alles. Halten Sie fest, wer gefragt hat, was gefragt wurde, welche Abfrage lief und was zurückgegeben wurde. Audit-Protokolle sind Ihre Antwort an einen Betriebsrat, eine Aufsichtsbehörde oder eine Mitarbeiterin, die wissen will, wer ihre Daten angesehen hat.

Beachten Sie das Datenschutzrecht. In der EU und im Vereinigten Königreich sollten personenbezogene Daten auf das beschränkt sein, was der Zweck verlangt, und Datenschutz standardmäßig eingebaut sein, wie es die Erwägungsgründe der DSGVO zu Datenminimierung und Datenschutz durch Technikgestaltung beschreiben (EUR-Lex). Verarbeitet ein Modellanbieter die Daten, prüfen Sie, wo sie gespeichert werden, ob Prompts aufbewahrt werden und ob sie für das Training genutzt werden. Holen Sie für jedes Land, in dem Sie tätig sind, Rechtsrat ein.

Genauigkeitsprüfungen, bevor Sie einer Antwort vertrauen

Behandeln Sie die ersten sechs Monate wie das Onboarding einer neuen Analystin: Prüfen Sie ihre Arbeit oft, dann seltener, wenn sie sich das verdient.

Das NIST AI Risk Management Framework liefert dafür ein Vokabular (NIST). Govern heißt, jemand verantwortet das Tool und seine Richtlinien. Map heißt, Sie haben aufgelistet, welche Fragen es beantwortet und welche nicht. Measure heißt, Sie verfolgen die Genauigkeit gegen Ihr Golden Set. Manage heißt, Sie handeln, wenn es driftet.

So führen Sie es ein, Schritt für Schritt

1. Beginnen Sie mit den zwanzig wichtigsten Fragen. Sehen Sie sich das letzte Jahr an Berichtsanfragen an. Die meisten Organisationen stellen fest, dass eine Handvoll Fragen den Großteil der Last ausmacht: Headcount, Fluktuation, Einstellungstempo, Abwesenheit, Betriebszugehörigkeit. Bauen Sie zuerst dafür.
2. Legen Sie die Definitionen fest. Einigen Sie sich schriftlich auf Headcount, aktive Beschäftigte, freiwilligen Austritt, Betriebszugehörigkeit und Besetzungsdauer. Sind sich HR und Finanzen uneins, klären Sie es, bevor ein Tool es für Sie entscheidet. Die Grundlagen stehen in den HR-Datengrundlagen für KI.
3. Bauen Sie die kontrollierte Datenschicht. Stellen Sie kuratierte Ansichten bereit, keine rohen Tabellen. Legen Sie Definitionen in die semantische Schicht. Schließen Sie die Felder aus, die nie erreichbar sein dürfen.
4. Binden Sie Berechtigungen an Ihr Identitätssystem. Rollenbasierter Zugriff sollte aus derselben maßgeblichen Quelle kommen wie die Rollen in Ihrem HR-System, sodass ein Wechsel oder ein Austritt den Zugriff am selben Tag ändert.
5. Legen Sie Regeln zu Unterdrückung und Anonymität fest. Wählen Sie Mindestgruppengrößen, entscheiden Sie, wie mit Summen und Differenzbildung umzugehen ist, und schreiben Sie die Regeln auf.
6. Starten Sie ein Pilotprojekt mit Analysten, nicht mit dem ganzen Unternehmen. Lassen Sie zuerst das People-Analytics-Team es nutzen. Es findet die mehrdeutigen Fragen und falschen Antworten am schnellsten.
7. Bauen Sie das Golden Set und überwachen Sie es. Lassen Sie es bei jeder Änderung laufen. Verfolgen Sie den Anteil der Antworten, die Nutzer markieren.
8. Weiten Sie den Zugang stufenweise aus. HR Business Partner, dann die HR-Leitung, dann Führungskräfte mit Zugriff auf Teamebene. Bleiben Sie in jeder Stufe, bis Fehlerquote und Zugriffstests stimmen.
9. Entscheiden Sie, wer es verantwortet. Jemand muss Definitionen, Berechtigungen und die Prüfwarteschlange verantworten. KI und das HR-Betriebsmodell behandelt, wie Sie das zuweisen.
10. Halten Sie Menschen bei Entscheidungen über Menschen im Prozess. Ein Reporting-Tool beschreibt. Alles, was eine einzelne Person betrifft, etwa eine Gehaltsänderung oder ein Beurteilungsergebnis, braucht eine menschliche Entscheidung außerhalb des Tools.

Ein Beispiel für ein Modell, das auf Teamebene bleiben sollte, finden Sie unter Mitarbeiterfluktuation mit KI prognostizieren.

Häufige Fallstricke

• Die semantische Schicht überspringen. Errät das Modell, was „Fluktuation“ bedeutet, erhalten Sie jede Woche eine andere Antwort und verlieren schnell Vertrauen.
• Dem Tool ein Superuser-Konto geben. Das Modell sollte immer nur sehen, was die fragende Person sehen darf.
• Einem Prompt für die Sicherheit vertrauen. „Nenne nie Gehälter“ ist eine Bitte, keine Kontrolle. Setzen Sie sie in der Datenschicht durch.
• Kleine Gruppen ignorieren. Der häufigste Datenschutzfehler im HR-Reporting ist ein hübsches Diagramm zu einem Team von drei Personen.
• Nur die Demo messen. Eine Anbieter-Demo nutzt saubere Daten und freundliche Fragen. Testen Sie an Ihrer unordentlichen Historie und Ihren mehrdeutigen Formulierungen.
• Die Abfrage verstecken. Können Menschen nicht sehen, wie eine Zahl entstanden ist, erkennen sie keine falsche.
• Analysten ersetzen statt entlasten. Ziel ist, die Routinewarteschlange zu leeren, damit Analysten die Arbeit machen können, die Urteilsvermögen braucht: Grundursachen, Modellierung und Beratung.
• Dashboards wuchern lassen. Dialogbasierter Zugang macht einen kleinen Satz kontrollierter, offizieller Zahlen nicht überflüssig.

Sobald Ihr Reporting verlässlich ist, können dieselben kontrollierten Daten Zusammenfassungen, Entwürfe und Briefings tragen, die die Zahlen dahinter belegen.