KI und Arbeitszeugnisse: Keine gute Idee

Symbolbild: KI schreibt am Arbeitszeugnis

Die Versuchung ist groß: Generative KI verspricht, Arbeitszeugnisse in Sekunden zu erstellen. Doch Zeugnisse sind kein Standardtext – sie sind rechtlich relevante Dokumente mit fein codierter Sprache, sensiblen Personaldaten und hoher Außenwirkung für Arbeitgebermarke und Kandidatenerlebnis. Genau hier stößt KI an Grenzen. Dieser Leitfaden zeigt, wo die Risiken liegen, welche Pflichten HR beachten muss und wie Sie trotzdem effizient, konsistent und datenschutzkonform rechtssichere Arbeitszeugnisse erstellen.

Kurz zusammengefasst

  • Generative KI verfehlt häufig Individualität, Tonalität und die feinsinnige “Zeugnis-Semantik”.
  • Juristische und datenschutzrechtliche Risiken (Wahrheit/Wohlwollen, DSGVO, Auftragsverarbeitung) sind erheblich.
  • Häufige Mängel KI-erstellter Zeugnisse: formale Fehler, unvollständige Inhalte, missverständliche Codes.
  • Akzeptanzthema: Mitarbeitende und Betriebsrat erwarten Fairness, Nachvollziehbarkeit und Schutz sensibler Daten.
  • Besser: Standardisierung und Automatisierung mit regelbasierten Tools plus qualifizierte menschliche Prüfung.
  • Praxisleitfaden inkl. Checkliste am Ende – für rechtssichere, datenschutzkonforme Zeugniserstellung.

Inhalt

Warum KI bei Arbeitszeugnissen problematisch ist

Arbeitszeugnisse sind individuell. Sie müssen konkrete Beiträge, Verantwortungsgrade und Entwicklungsschritte präzise abbilden. Generative KI arbeitet jedoch statistisch – sie erzeugt plausible, aber oft generische Formulierungen. Was wie „professionell“ klingt, wird damit schnell austauschbar. Das Ergebnis: Mitarbeitende fühlen sich nicht fair gewürdigt, und das Zeugnis verliert an Aussagekraft.

Hinzu kommt die spezifische Zeugnissprache. In deutschsprachigen Arbeitsmärkten existieren etablierte Codes („stets zu unserer vollsten Zufriedenheit“ etc.). Zwischen den Zeilen werden Nuancen transportiert, die generative Modelle nicht zuverlässig verstehen oder korrekt einsetzen. Ein falsch platzierter Adverbzusatz kann die Gesamtnote verzerren – mit realen Karrierefolgen für Mitarbeitende und Reputationsrisiken für Arbeitgeber.

Schließlich sind Kontext und Kultur entscheidend. Branchenstandards, Seniorität, Führungsverantwortung, Zielsysteme und Unternehmenswerte beeinflussen Ton und Struktur. KI kennt diese internen Standards nicht, wenn sie nicht explizit, aktuell und kontrolliert hinterlegt werden – das erhöht den Korrekturaufwand und das Fehlerrisiko.

Rechtliche Anforderungen und Datenschutz

Zwei Grundsätze prägen das Zeugnisrecht: das Wahrheits- und das Wohlwollensgebot. Zeugnisse müssen korrekt sein, dürfen aber die berufliche Entwicklung nicht unnötig behindern. Sie enthalten in der Regel eine Tätigkeitsbeschreibung, Leistungsbeurteilung, Verhaltensbeurteilung und eine Schlussformel. Der Austrittsgrund ist kein Muss; wenn er erwähnt wird, dann neutral oder positiv und nur, soweit zulässig. Offizielle Informationen zum Arbeitsrecht stellt das Bundesministerium für Arbeit und Soziales bereit:

Datenschutzrechtlich sind Zeugnisse heikel: Es handelt sich um personenbezogene Beschäftigtendaten. Für Verarbeitungsvorgänge gilt die DSGVO (insb. Rechtmäßigkeit, Zweckbindung, Datenminimierung, Speicherbegrenzung; Art. 5, 6 DSGVO). Werden Daten an externe KI-Dienste übermittelt – womöglich außerhalb der EU – braucht es eine tragfähige Rechtsgrundlage, einen Auftragsverarbeitungsvertrag, geeignete technische und organisatorische Maßnahmen sowie ggf. zusätzliche Garantien für Drittlandtransfers. Offizielle Quellen:

Generative KI-Dienste sind häufig „Black Boxes“. Ohne klare Aussagen zu Speicherorten, Trainingsnutzung, Löschfristen und Auditierbarkeit riskieren Unternehmen Compliance-Verstöße – und Vertrauensverluste bei Mitarbeitenden. Weitere Grundlagen zum Schutz von Beschäftigtendaten finden Sie in unserem Beitrag: /wissen/arbeitnehmerdatenschutz

Qualität und Tonalität: Wo KI stolpert

Selbst gut klingende KI-Texte leiden oft an formalen Schwächen:

  • Unpassende Einleitungen oder unvollständige Tätigkeitsbeschreibungen
  • Fehlende oder inkonsistente Gesamtnote in der Leistungsbeurteilung
  • Missverständliche Abschlussformeln oder unpräzise Zeitangaben
  • Widersprüche zwischen Einzelleistungen und Gesamturteil

Häufig bleiben Pflichtbestandteile unklar oder fehlen. Das gilt etwa für die klare Abgrenzung von Leistungs- versus Verhaltensbeurteilung oder die konsistente Bewertung entlang definierter Kriterien. Auch typische „Zeugnis-Codes“ werden inkorrekt eingesetzt – was eine gute Absicht zur negativen Note verkehren kann.

Bewertungsverzerrungen (Bias) sind ein weiteres Risiko. KI kann in Trainingsmustern vorhandene Stereotype reproduzieren. Auch ohne KI sind Beurteilungsfehler ein Problem – mit KI vervielfachen sich diese Risiken, wenn Textvorschläge unkritisch übernommen werden. Wie Sie Beurteilungsfehler systematisch vermeiden, lesen Sie im Praxisartikel: /wissen/offboarding

Organisatorische Risiken und Akzeptanz

Zeugnisse sind ein sensibles Vertrauensthema. Mitarbeitende erwarten transparente Kriterien, Fairness und Verlässlichkeit. Der Betriebsrat achtet auf Mitbestimmungsrechte bei Einführung neuer Tools und Prozesse; Intransparenz bei KI-Einsatz kann zu Konflikten führen. In der Candidate Journey sind Zeugnisse zudem Visitenkarte des Arbeitgebers – schlampige, generische oder fehlerhafte Texte schaden dem Employer Branding.

Der Reifegrad im Markt ist begrenzt: Eine aktuelle Umfrage berichtet, dass bisher nur ein kleiner Teil deutscher Unternehmen KI für Arbeitszeugnisse nutzt, während ein größerer Anteil darüber nachdenkt. Quelle:

Kurz: Operative Effizienzgewinne stehen potenziell hohen rechtlichen, kulturellen und reputativen Kosten gegenüber.

Praxisleitfaden: So gehen HR-Teams vor

Wenn Sie dennoch mit Assistenztechnologien arbeiten möchten, setzen Sie auf einen kontrollierten, rechtssicheren Prozess – ohne „Autopilot“.

Empfohlene Leitplanken:

  • Policy festlegen: Was darf automatisiert werden (z. B. Layout, Pflichtbausteine), was nicht (z. B. finale Gesamtnote, heikle Formulierungen)?
  • Rollen und Freigaben: Vier-Augen-Prinzip, klare Verantwortlichkeiten, fachliche und rechtliche Prüfung.
  • Stil- und Bewertungsleitfaden: Notenskalen, Verhaltenskriterien, Kompetenzbibliotheken, Beispiele zulässiger Formulierungen.
  • Datenminimierung: Nur erforderliche Personaldaten verarbeiten; keine ungeprüfte Eingabe in öffentliche Chatbots.
  • Dokumentation: Audit-Trail, Versionierung, Änderungsgründe, Freigabestufen.
  • Lieferantensorgfalt: Auftragsverarbeitung, EU-Datenverarbeitung, Verschlüsselung, Löschfristen, Pen-Tests, Subprozessoren.
  • Schulung: HR, Führungskräfte und Ersteller regelmäßig zu Zeugnisrecht, Datenschutz und Tonalität schulen.
  • Red-Flag-Library: Liste verbotener oder riskanter Formulierungen („Zeugniscodes“, Diskriminierungsrisiken, Gesundheitsangaben etc.).

Checkliste vor Freigabe:

  • Enthält das Zeugnis alle Pflichtbestandteile und ist die Logik der Noten konsistent?
  • Spiegelt es konkrete Aufgaben, Ergebnisse und Verantwortungen wider?
  • Ist der Ton wertschätzend und im Sinne des Wohlwollensgebots?
  • Sind personenbezogene Daten minimiert und rechtmäßig verarbeitet?
  • Ist der gesamte Prozess dokumentiert und geprüft?

Für weiterführende Perspektiven auf sensible Phasen im Mitarbeiterlebenszyklus empfehlen wir: /wissen/offboarding

Wann Tools trotzdem helfen – ohne generative KI

Viele Risiken hängen nicht an „Automatisierung“ an sich, sondern an unkontrollierter generativer KI. Sichere Alternativen sind regelbasierte Generatoren mit kuratierten Textbausteinen, klaren Notenskalen und Integrationen in bestehende HR-Systeme.

Vorteile eines regelbasierten Ansatzes:

  • Konsistenz und Zeitgewinn: Vorlagen, Bausteine, Muss-Felder, automatische Plausibilitätsprüfungen.
  • Rechtssicherheit: Pflege geprüfter Formulierungen, Compliance-Gates vor Freigabe.
  • Datenschutz: EU-Hosting, Rollen- und Rechtemanagement, Protokollierung und geprüfte Auftragsverarbeitung.
  • Integration: Anbindung an Personio oder SAP SuccessFactors, um Stammdaten sicher zu übertragen – ohne Copy-Paste in offene KI-Modelle.

Ein solcher Ansatz lässt sich mit menschlicher Expertise kombinieren: Führungskraft liefert die Leistungsinputs, HR bewertet, der Generator setzt formale Standards um – und das finale Zeugnis wird juristisch geprüft. Das ist „datenschutzkonforme Zeugniserstellung“ und hilft, „rechtssichere Arbeitszeugnisse zu erstellen“.

Wenn Sie genau so arbeiten möchten, sehen Sie sich unseren Zeugnisgenerator an – eine umfassende, integrationsfähige Lösung mit klaren Prüf- und Freigabeprozessen: /products/zeugnisgenerator

Für die datenschutzrechtlichen Grundlagen im HR-Alltag: /wissen/arbeitnehmerdatenschutz

Fazit

„KI und Arbeitszeugnis“ – das klingt nach Effizienz, ist in der Praxis aber selten eine gute Idee. Generative KI kann Individualität, Codes und rechtliche Feinheiten nicht verlässlich abbilden. Dazu kommen erhebliche Datenschutz- und Akzeptanzrisiken. Der pragmatische Weg für HR lautet: Standards, regelbasierte Automatisierung und konsequente menschliche Prüfung. So entstehen hochwertige, faire und rechtssichere Arbeitszeugnisse – effizient, konsistent und im besten Interesse von Mitarbeitenden und Arbeitgebern.

Langfristig wird Technik weiterhelfen, wenn sie transparent, auditierbar und datenschutzkonform ist. Bis dahin bleibt menschliche Expertise die entscheidende Instanz – unterstützt durch sichere Tools, die Prozesse strukturieren statt Inhalte zu „erraten“.

Das könnte dich auch interessieren: