K
EU AI Act: Nicht Hochrisiko Q3

Schulungsbedarfs-Analyse Agent

Weiterbildungsbedarf systematisch ermitteln - aus Kompetenzlücken und Geschäftszielen.

Ermittelt Weiterbildungsbedarf aus Kompetenzlücken, Performance-Daten und Geschäftszielen - priorisiert nach strategischer Relevanz.

Score-Dashboard

Agent Readiness 61-68%
Governance-Komplexität 38-45%
Economic Impact 51-58%
Leuchtturm-Wirkung 46-53%
Implementation Complexity 41-48%
Transaktionsvolumen Quartalsweise

Was dieser Agent tut

Weiterbildungsbudgets werden oft nach Gießkannenprinzip verteilt statt nach strategischem Bedarf. Welche Kompetenzen fehlen? Wo sind die größten Lücken? Welche Schulungen haben den höchsten ROI? Der Decision Layer zerlegt jeden Analyse-Prozess in einzelne Entscheidungsschritte und definiert für jeden Schritt: Mensch, Regelwerk oder KI. Kompetenzlücken werden aus dem Abgleich von Ist-Profilen und Soll-Anforderungen ermittelt. Performance-Daten identifizieren Entwicklungsfelder. Geschäftsziele definieren strategische Kompetenzbedarfe. Das Ergebnis: Datengestützte L&D-Planung statt Gießkannenprinzip. Priorisierung nach strategischem Impact. Nachweisbarer Zusammenhang zwischen Schulungsinvestition und Geschäftsergebnis.

Micro-Decision-Tabelle

Mensch
Regelwerk
KI-Agent
Jede Zeile ist eine Entscheidung. Aufklappen zeigt die Entscheidungsakte und ob man anfechten kann.
Datenquellen zusammenführen Welche Daten fließen in die Bedarfsanalyse ein? Regelwerk

Standarddatenset: Kompetenzprofile, Performance-Reviews, Geschäftsplanung

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Kompetenzlücken identifizieren Wo liegen die größten Kompetenzlücken? KI-Agent

Gap-Analyse: Ist-Kompetenzen vs. Soll-Anforderungen pro Bereich

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Strategische Bedarfe ableiten Welche Kompetenzen werden für zukünftige Geschäftsziele benötigt? KI-Agent

Ableitung aus Geschäftsstrategie und Technologie-Trends

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Regulatorische Pflichten prüfen Welche Pflichtschulungen sind zusätzlich erforderlich? Regelwerk

Compliance-Katalog nach Branche und Regulierung

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Bedarfe priorisieren Welche Bedarfe haben die höchste Priorität? KI-Agent

Gewichtung nach strategischer Relevanz, Dringlichkeit und Reichweite

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Budget-Allokation vorschlagen Wie sollte das L&D-Budget verteilt werden? KI-Agent

Vorschlag basierend auf Priorisierung und historischem ROI

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

L&D-Leitung entscheidet Welche Bedarfe werden in den L&D-Plan aufgenommen? Mensch

L&D-Leitung entscheidet über finale Priorisierung und Budget

Entscheidungsakte

Entscheider-ID und Rolle
Begründung der Entscheidung
Zeitstempel und Kontext

Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.

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.

Welche Regel in welcher Version wurde angewandt?
Welche Daten lagen der Entscheidung zugrunde?
Wer (Mensch, Regelwerk oder KI) hat entschieden - und warum?
Wie kann die betroffene Person Einspruch einlegen?
So setzt der Decision Layer das architektonisch um →

Voraussetzungen

  • Kompetenz-Framework mit Ist- und Soll-Profilen
  • Performance-Review-Daten
  • Geschäftsstrategie und Bereichsziele
  • Historische L&D-Daten (Teilnahmen, Evaluationen, Budget)

Governance-Hinweise

EU AI Act: Nicht Hochrisiko
Kein Hochrisiko-System nach EU AI Act - Analyse ohne individuelle Entscheidung über Arbeitsverhältnisse. Betriebsrat: Mitbestimmungsrecht nach BetrVG Paragraph 96-98 bei der Planung und Durchführung von Berufsbildungsmaßnahmen. Empfehlung: Ergebnisse der Bedarfsanalyse regelmäßig mit dem Betriebsrat teilen.

Infrastruktur-Beitrag

Die Kompetenzlücken-Analyse wird vom Skills-Career-Profile-Agent und Workforce-Planning-Agent wiederverwendet. Die ROI-Berechnung für Schulungsmaßnahmen bildet die Grundlage für den Training-Effectiveness-Agent. Die strategische Bedarfsableitung wird zum Muster für alle Agenten, die Geschäftsziele in HR-Maßnahmen übersetzen. Baut Decision Logging und Audit Trail auf, die im Decision Layer für Nachvollziehbarkeit und Anfechtbarkeit jeder Entscheidung benötigt werden.

Weiterführende Seiten

Decision Layer
Governance-Schicht zwischen KI-Agent und Zielsystem. Jede Entscheidung dokumentiert und anfechtbar.
Mitbestimmung & KI
Betriebsrat, Betriebsvereinbarung und Co-Determination als Architektur-Constraint.
HR AI Agents
Alle HR-Agent-Leistungen im Überblick.

Verwandte Agenten

Lernpfad-Empfehlungs-Agent

Individuelle Lernpfade empfehlen - basierend auf Kompetenzprofil und Karriereziel.

Q3
K
Readiness: 64-71%
Economic: 48-55%
Governance: 34-41%
Micro-Decisions: 6
Wöchentlich

Zertifizierungs-Tracking Agent

Zertifikate und Lizenzen überwachen - Ablauffristen rechtzeitig melden, Erneuerung anstoessen.

Q2
W D
Readiness: 78-85%
Economic: 56-63%
Governance: 26-33%
Micro-Decisions: 8
Monatlich

Trainingseffektivitäts-Agent

Schulungswirksamkeit messen - vom Feedback bis zum Geschäftsergebnis.

Q3
K
Readiness: 54-61%
Economic: 44-51%
Governance: 31-38%
Micro-Decisions: 5
Quartalsweise
Zurück zum Katalog

Häufige Fragen

Wie geht der Agent mit subjektiven Kompetenz-Einschätzungen um?

Der Agent nutzt mehrere Datenquellen: Selbsteinschätzung, Führungskraft-Bewertung, Performance-Daten, Zertifizierungen. Die Kombination reduziert subjektive Verzerrungen. Wenn Datenquellen stark abweichen, wird dies markiert.

Kann der Agent auch externe Marktentwicklungen berücksichtigen?

Ja. Strategische Kompetenzbedarfe werden aus Geschäftszielen und Technologie-Trends abgeleitet. Der Agent identifiziert Kompetenzfelder, die in der Organisation unterrepräsentiert sind, aber strategisch relevant werden.

Diesen Agent implementieren?

Wir bewerten Ihre Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.