KI-Mustererkennung in Krankenstand- und Fehlzeitendaten

Das echte Ausmaß des Problems

Deutschland hatte 2024 eine Krankenstandsquote von 6,1 Prozent, das ist der zweite Rekordwert in Folge und entspricht durchschnittlich 22,3 Arbeitsunfähigkeitstagen je Beschäftigten (Quelle: BKK Dachverband, Pressemitteilung Januar 2025). Die Entgeltfortzahlungskosten der Arbeitgeber erreichten damit einen historischen Höchststand.

Hinter dieser Zahl stecken sehr unterschiedliche Realitäten: Einige Abteilungen liegen bei 3 Prozent, andere bei 12. Einige Teams haben viele kurze Fehlzeiten mit auffälligen Mustern; andere haben wenige, aber lange Ausfälle mit psychischen Diagnosen. Die Jahresquote auf Unternehmensebene sagt wenig darüber aus, wo die eigentlichen Probleme liegen.

Besonders teuer sind psychische Erkrankungen: Die durchschnittliche Dauer einer psychisch bedingten Arbeitsunfähigkeit liegt bei knapp 40 Tagen, dreimal so lang wie bei anderen Diagnosen.

Was dieser Fall den Arbeitgeber kostet, lässt sich sauber nur für einen Posten sagen, und den rechnest du besser selbst nach, als dir eine Gesamtzahl geben zu lassen. Nach § 3 EFZG zahlt der Arbeitgeber sechs Wochen Entgeltfortzahlung, danach übernimmt die Krankenkasse mit dem Krankengeld. Bei einer Fachkraft mit 4.000 Euro Bruttomonatsgehalt und rund 20 Prozent Arbeitgeberanteil sind das etwa 6.500 bis 7.000 Euro je Fall. Dazu kommen Vertretungskosten, liegengebliebene Arbeit und, wenn die Person am Ende kündigt, eine Neubesetzung.

Was wir bewusst nicht nennen: Für „Burnout-Vollkosten” kursieren Zahlen bis 96.000 Euro je Fall, und ebenso Angaben, eine Frühintervention koste 700 und eine späte 2.300 Euro. Wir haben diese Zahlen auf die üblicherweise genannte Quelle zurückverfolgt und sie dort nicht gefunden. Solange das so ist, rechnen wir hier nicht damit, und du solltest es in deinem eigenen Business Case auch nicht tun. Die belastbare Untergrenze ist die Entgeltfortzahlung, alles darüber ist eine Schätzung, die du mit deinen eigenen Vertretungs- und Recruitingkosten hinterlegen musst.

Das Problem liegt nicht im Mangel an Daten, sondern in der Art, wie sie ausgewertet werden:

• Aggregation verschleiert Muster: Eine Krankenstandsquote von 5,8 Prozent auf Unternehmensebene sagt nichts darüber aus, ob Abteilung X seit dem Führungswechsel im dritten Quartal 9,1 Prozent hat.
• Zeitverzug: HR-Reports erscheinen quartalsweise oder jährlich. Ein Trend, der im März beginnt, wird erst im Jahresbericht Dezember sichtbar.
• Keine automatische Korrelation: Dass drei Kurzerkrankungen im selben Team auf denselben Vorgesetzten zurückgehen, erkennt ein manueller Excel-Export nur, wenn jemand gezielt danach sucht.
• Individuelle vs. kollektive Muster: Einzelne Fehlzeiten können Zufall sein. Gehäufte Fehlzeiten in einem Team zu einem bestimmten Zeitpunkt sind es meistens nicht.

Mit vs. ohne KI, ein ehrlicher Vergleich

Für diese Werte gibt es keine Studie, die Stundenangaben sind unsere Annahmen. Wie viel früher die Auswertung ein Problem gezeigt hätte, prüfst du rückwirkend: Lass sie über die Fehlzeiten der letzten zwei Jahre laufen und vergleiche, wann ein Muster sichtbar geworden wäre und wann HR es tatsächlich bemerkt hat.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Das System spart HR-Analyse- und Berichtszeit, aber keine direkte Arbeitszeit der Mitarbeitenden. Eine HR Business Partnerin, die früher vier bis acht Stunden pro Quartal mit Excel-Exporten verbracht hat, erledigt dasselbe in einer Stunde. Das ist wertvoll, aber kein großer Hebel verglichen mit Use Cases wie Bewerbungsscreening, die direkt Kernprozesszeit einsparen. Der echte Gewinn liegt im Erkennungsvorteil, also einer früheren Intervention, nicht in Arbeitszeitreduktion.

Kosteneinsparung, mittel (3/5)
Diese Achse war in einer früheren Fassung dieser Seite mit 4/5 bewertet, gestützt auf eine Zahl, die wir nicht belegen konnten. Nach der Korrektur bleibt: Eine vermiedene psychisch bedingte Langzeit-AU spart dem Arbeitgeber gesichert die sechs Wochen Entgeltfortzahlung, bei einer Fachkraft rund 6.500 bis 7.000 Euro, plus Vertretung und liegengebliebene Arbeit, die du selbst beziffern musst. Zwei Größen, die eine Hochrechnung bräuchte, kennen wir nicht: wie viele solcher Fälle in deinem Betrieb pro Jahr überhaupt auftreten, und welcher Anteil davon durch ein früheres Gespräch tatsächlich abgewendet worden wäre. Ohne diese beiden Zahlen ist jede Jahresersparnis erfunden. Deshalb Mittelfeld statt Spitzenwert, und deshalb liegt diese Achse unter der Mitarbeiterfluktuation-Prognose, wo die vermiedene Neubesetzung ein direkt messbarer Rechnungsbetrag ist.

Schnelle Umsetzung, mittel (3/5)
Technisch gesehen sind sechs bis zehn Wochen bis zum ersten Pilot erreichbar, weil die Daten meist schon im HR-System liegen. Das Hemmnis ist nicht die Technik, sondern die Mitbestimmung: Sobald das System objektiv zur Verhaltensüberwachung geeignet ist, und das ist bei Fehlzeitanalyse nach §87 Abs. 1 Nr. 6 BetrVG der Fall, braucht es eine Betriebsvereinbarung. Wer in einem mitbestimmten Unternehmen ohne Betriebsrat-Einbindung startet, riskiert eine Unterlassungsklage. Mit einem kooperativen Betriebsrat und klarer Projektstruktur ist die Vereinbarung in sechs bis acht Wochen verhandelt; in der Praxis dauert es oft zehn bis sechzehn Wochen. Plane diesen Puffer ein.

ROI-Sicherheit, mittel (3/5)
Kausalität ist das Kernproblem: Das System zeigt Korrelationen, keine Ursachen. Ob die erhöhten Montag-Fehlzeiten auf den neuen Abteilungsleiter zurückgehen oder auf das Schichtmodell, das seit dem Frühjahr geändert wurde, sagt kein Algorithmus. HR muss das Muster interpretieren und intervenieren, und ob die Intervention gewirkt hat, ist schwer nachzuweisen. Damit bleibt die ROI-Sicherheit moderat: Der Nutzen ist real, aber nicht mit der Präzision messbar, die du bei direkt messbaren Einsparungen (wie bei der Rechnungsverarbeitung) hast.

Skalierbarkeit, hoch (4/5)
Einmal aufgesetzt, läuft das System über alle Teams ohne Mehraufwand. Mehr Mitarbeitende, mehr Daten, mehr Erkenntnisse, ohne proportional steigenden Betriebsaufwand. Der einzige Skalierungs-Vorbehalt: Bei Wachstum in neue Abteilungen oder Standorte müssen Datenzugang und Auswertungslogik angepasst werden. Das ist handhabbar, verzögert aber den Rollout minimal.

Richtwerte, stark abhängig von Unternehmensgröße, HR-Systemlandschaft und Betriebsratsstruktur.

Was das System konkret macht

Der technische Kern ist einfacher als er klingt. Du brauchst für den Einstieg kein Machine Learning-Modell. Statistisches Pattern-Matching auf Zeitreihendaten reicht, um die meisten relevanten Muster zu finden.

Das System tut im Wesentlichen fünf Dinge:

1. Aggregation nach sinnvollen Gruppen statt nach Jahresquote. Fehlzeiten werden nicht unternehmensweit summiert, sondern nach Team, Führungskraft, Abteilung und Aufgabenbereich aufgeschlüsselt, mit gleitenden Durchschnittswerten über vier bis acht Wochen, nicht als Jahresschnitt.

2. Zeitreihen-Anomalieerkennung. Das System sucht nach statistisch auffälligen Abweichungen vom Normalwert: Wenn eine Abteilung sonst 4 Prozent Krankenstand hat und in drei aufeinanderfolgenden Wochen auf 9–12 Prozent steigt, schlägt das System an. Methoden: gleitende Durchschnitte, Standardabweichungsthresholds, saisonale Bereinigung (Grippe-Saison ist kein Alarmsignal).

3. Wochentags- und Ereignismuster. Montag-Häufungen, Brückentag-Cluster, Fehlzeiten nach Quartalsmeetings oder Beurteilungsgesprächen, diese Muster sind in Rohdaten selten sichtbar, weil niemand sie gezielt filtert. Das System visualisiert sie automatisch.

4. Vergleiche über Teams und Zeiträume. Führungswechsel-Korrelationen: Wann wurde die Führungskraft gewechselt? Wie hat sich die Fehlzeitenquote drei Monate vorher und nachher entwickelt? Nicht als Schuldzuweisung, sondern als Hypothese für das HR-Gespräch.

5. Hinweis-Generierung an HR, nicht an Vorgesetzte. Das ist die wichtigste Design-Entscheidung: Das System alertiert die HR Business Partnerin, die das Muster einordnet und entscheidet, ob und wie gehandelt wird. Vorgesetzte sehen keine Auswertungen ihrer Teams im System. Diese Trennung ist juristisch und ethisch geboten, und muss in der Betriebsvereinbarung explizit festgeschrieben werden.

Was das System ausdrücklich nicht tut: Es trifft keine Entscheidungen über einzelne Personen. Es macht keine Prognosen über individuelle Erkrankungswahrscheinlichkeit. Es generiert keine Krankheitsdiagnosen. Alles, was es produziert, sind statistische Muster auf aggregierter Gruppenebene, und Hinweise, dass eine HR-Person hinschauen sollte.

Betriebsrat und Betriebsvereinbarung, der kritische Pfad

Dieser Abschnitt ist wichtiger als jede Toolempfehlung. Wer ihn überspringt, riskiert, die gesamte Einführung gestoppt zu bekommen.

Warum §87 BetrVG Nr. 6 immer greift

§87 Abs. 1 Nr. 6 BetrVG begründet ein zwingendes Mitbestimmungsrecht des Betriebsrats, sobald eine technische Einrichtung eingeführt wird, die objektiv geeignet ist, das Verhalten oder die Leistung von Mitarbeitenden zu überwachen. Entscheidend ist nicht die Absicht des Arbeitgebers, sondern die objektive technische Eignung.

Eine Software, die Fehlzeitmuster analysiert, ist objektiv zur Verhaltensüberwachung geeignet, selbst wenn sie nur aggregierte Teamdaten auswertet. Ein Arbeitsgericht wird das so beurteilen. Das ist keine Ausnahme; das ist Regel. Selbst Excel-Tabellen mit Fehlzeiterfassung wurden vom Bundesarbeitsgericht als mitbestimmungspflichtig eingestuft (BAG, Urteil zu Anwesenheitserfassung).

Konsequenz: Ohne Betriebsvereinbarung (oder erzwungene Einigung über die Einigungsstelle) ist die Einführung rechtswidrig. Der Betriebsrat kann eine Unterlassung verlangen und die Nutzung stoppen.

Was eine gute Betriebsvereinbarung regelt

Die Gliederung einer Betriebsvereinbarung zu KI, fünf Klauseln, die in Verhandlungen besonders umstritten sind, und der Unterschied zur Regelungsabrede stehen in unserem Leitfaden zur Betriebsvereinbarung KI. Speziell für Fehlzeiten-Analysen sollte sie mindestens enthalten:

• Zweck: Frühzeitige Erkennung von Belastungssituationen auf Teamebene, explizit keine individuelle Überwachung
• Datenbasis: Welche Fehlzeitentypen fließen ein, welche nicht (z.B. keine Diagnosen, keine Mutterschutz-/Elternzeiten)
• Aggregationsregel: Keine Anzeige von Daten, wenn weniger als fünf Personen in einer Gruppe sind (Schutz vor de-facto-Identifizierung)
• Zugriffsrechte: Wer sieht was, HR Business Partner ja, Führungskräfte nein, Lohnbuchhaltung nein
• Verwendungsverbote: Auswertungen dürfen nicht in Kündigungsverfahren, Abmahnungen oder Leistungsbeurteilungen verwendet werden
• Aufbewahrungsfristen: Rollierende Auswertungsfenster (z.B. 18 Monate) statt unbegrenztes Archiv
• Evaluationsklausel: Überprüfung der Vereinbarung nach zwölf Monaten gemeinsam mit dem Betriebsrat

Ein Fachanwalt für Arbeitsrecht sollte die Vereinbarung vor Unterzeichnung prüfen. Das kostet 1.500 bis 3.000 Euro, eine Investition, die du nicht weglassen solltest.

Mit dem Betriebsrat arbeiten, nicht gegen ihn

Die häufigste Fehlentscheidung: Das Projekt wird intern vorgeplant und der Betriebsrat erst am Ende informiert. Das erzeugt Misstrauen und Widerstand, der oft nicht mehr aufgelöst werden kann.

Was besser funktioniert: den Betriebsrat von Anfang an als Projektpartner einbinden. Betriebsräte haben in der Regel ein echtes Interesse daran, Burnout-Risiken zu erkennen, das ist auch ihr Auftrag nach §80 BetrVG (Schutz und Förderung der Gesundheit der Arbeitnehmer). Wenn das Ziel des Systems klar kommuniziert wird, Frühwarnung vor Belastungssituationen, keine individuelle Kontrolle, ist die Mehrheit der Betriebsräte kooperativ.

Konkrete Werkzeuge, was wann passt

Es gibt zwei grundlegende Wege, Fehlzeiten-Mustererkennung zu implementieren: integriert ins bestehende HR-System oder als separate Analyseebene darüber.

Personio (Analytics-Modul), Für KMU im DACH-Raum mit 20–300 Mitarbeitenden, die Personio bereits für die Personalverwaltung nutzen, ist das der reibungsloseste Einstieg. Personio bietet Fehlzeiten-Reporting mit Abteilungsvergleichen und Zeitreihenauswertungen, ohne Datenmigration, ohne externe Tools. Einschränkung: Die Visualisierungen sind Standard-BI, keine echte Anomalie-Detektion. Für den ersten Schritt ausreichend; für komplexere Mustererkennung braucht man einen weiteren Layer. Kosten: im bestehenden Personio-Tarif enthalten (laut Preisseite HR-Lösungen ab 7,60 EUR/MA/Monat netto, das genaue Angebot erst nach einer Demo).

Workday People Analytics, Für Unternehmen ab 500 Mitarbeitenden, die Workday bereits als HR-System nutzen. Workday bietet eine ausgebaute People-Analytics-Schicht mit vorgefertigten Dashboards zu Fehlzeiten, Fluktuation und Engagement, inklusive Zeitreihenvergleichen und Abteilungs-Benchmarks. Der KI-Layer analysiert Muster und gibt HR-Business-Partnern kontextualisierte Hinweise. Einschränkung: Workday ist für den Mittelstand meistens überdimensioniert und zu teuer. Listenpreise gibt es nicht, Workday verhandelt Enterprise-Jahresverträge individuell, dazu kommt ein Implementierungsprojekt.

Power BI + HR-System-Export, Der pragmatischste Ansatz für Unternehmen, die Microsoft 365 nutzen und ihr HR-System (SAP HCM, DATEV, Personio) mit einem Export ansprechen können. Ein monatlicher CSV-Export der Fehlzeitdaten, aufbereitet in Power BI mit angepassten Dashboards, liefert für die meisten KMU-Anforderungen ausreichend Erkenntnisse. Kein KI-Modell nötig, gleitende Durchschnitte und einfache Schwellenwertregeln reichen. Einrichtungsaufwand: ein bis zwei Wochen Entwicklungsarbeit, laufende Kosten: 12,10 EUR je Nutzer und Monat für Power BI Pro (jährliche Abrechnung, zzgl. MwSt.), und zwar für jede Person, die das Dashboard öffnet. Wichtig für die Betriebsvereinbarung: Die Zugriffskontrolle auf das Power BI-Workspace muss explizit geregelt sein.

Julius AI , Für kleinere Unternehmen (30–100 Mitarbeitende), die einen schnellen Einstieg ohne BI-Setup wollen. CSV-Export der Fehlzeitdaten hochladen, in natürlicher Sprache Fragen stellen: „Zeig mir Abteilungen mit mehr als 8 Prozent Krankenstand in den letzten drei Monaten” oder „Gibt es Wochentags-Muster bei Kurzerkrankungen?” Julius erstellt Visualisierungen und Zusammenfassungen ohne Programmieraufwand. Einschränkung: US-Datenhosting (kein EU-Server), für die DSGVO-konforme Nutzung dürfen keine personenbezogenen Daten hochgeladen werden. Nur mit vollständig anonymisierten, aggregierten Daten ohne Personenbezug nutzbar. Gratisplan mit täglichen Gratis-Credits, Plus 20 USD im Monat.

Zusammenfassung: Wann welcher Ansatz

• Personio bereits im Einsatz → Personio Analytics als erster Schritt
• Microsoft 365 + HR-System mit CSV-Export → Power BI Dashboard
• Workday als HR-System, 500+ Mitarbeitende → Workday People Analytics
• Schneller Einstieg, aggregierte Daten ohne Personenbezug → Julius AI (Vorsicht: Datenschutz)

Datenschutz und Datenhaltung

Fehlzeitdaten sind besonders sensible personenbezogene Daten. Krankheitstage fallen unter Artikel 9 DSGVO (Gesundheitsdaten), sobald eine Analyse Rückschlüsse auf Gesundheitszustand, Diagnosen oder psychische Belastung ermöglicht, gelten die verschärften Schutzregeln für besondere Datenkategorien.

Für die Praxis bedeutet das:

Pseudonymisierung ist das Minimum. Die Analyse sollte grundsätzlich auf pseudonymisierten oder aggregierten Daten arbeiten. Einzelpersonen dürfen im Ergebnis nicht identifizierbar sein. Als Faustregel gilt: Auswertungen unter fünf Personen werden nicht angezeigt. Das muss technisch erzwungen werden, nicht nur als Richtlinie formuliert.

Profiling nach Art. 22 DSGVO. Wenn das System aus Fehlzeitmustern Wahrscheinlichkeiten für künftige Krankmeldungen berechnet und diese in Personalentscheidungen einfließen, liegt ein Profiling mit Rechtswirkung vor, das ist ohne ausdrückliche Einwilligung oder Betriebsvereinbarung unzulässig. Wichtig: Systemhinweise, die zu einer HR-Intervention führen (auch “freiwilligem” Gespräch), können als mittelbare Entscheidung gewertet werden.

Kein Einsatz in Kündigungsverfahren. Fehlzeitmuster dürfen keine Grundlage für arbeitsrechtliche Maßnahmen sein. Das ist nicht nur eine DSGVO-Anforderung, sondern auch Grundsatz des deutschen Kündigungsschutzrechts. Wer hier Grenzen überschreitet, lädt zu kostspieligen Arbeitsprozessen ein.

Auftragsverarbeitung (AVV) nach Art. 28 DSGVO. Jede Software, die Fehlzeitdaten verarbeitet, braucht einen AVV. Personio und Power BI (Microsoft) stellen AVV-Vorlagen zur Verfügung. Bei Julius AI ist das US-Hosting der problematische Punkt, ohne Pseudonymisierung der Eingabedaten ist Julius für diesen Use Case nicht DSGVO-konform einsetzbar.

Datenlöschung und Aufbewahrungsfristen müssen definiert sein: In der Regel sollte die Analysebasis nicht mehr als 24–36 Monate zurückreichen. Ausgeschiedene Mitarbeitende sind sofort zu entfernen.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Betriebsvereinbarung (Fachanwalt Arbeitsrecht): 1.500–3.000 Euro
• Datenbankzugang und Exportlogik aus dem HR-System einrichten: 2–5 Tage interne oder externe IT
• Dashboard-Aufbau in Power BI oder Systemkonfiguration in Personio: 1–3 Tage
• Gesamteinmalig: 4.000–12.000 Euro (abhängig vom Weg und ob du externe Beratung brauchst)

Laufende Kosten (monatlich)

• Personio Analytics: im bestehenden Tarif enthalten
• Power BI Pro: 12,10 Euro/Nutzer/Monat für 2–5 HR-Nutzer, 2 bis 5 mal 12,10 Euro, macht 24,20 bis 60,50 Euro/Monat. Wer das Dashboard zusätzlich Abteilungsleitungen zeigt, braucht für jede davon eine weitere Lizenz
• Julius AI (bei Nutzung): kostenlos oder Plus für 20 USD/Monat, abgerechnet in US-Dollar
• Wartung des Dashboards und Pflege der Auswertungslogik: ca. 2–4 Stunden/Quartal intern

Wie du den Nutzen tatsächlich misst
Der Beweis ist schwierig, aber machbar: Vergleiche die Zahl der Langzeitkrankschreibungen (mehr als sechs Wochen) in behandelten versus unbehandelten Abteilungen über zwei Jahreszyklen. Wenn du Hinweisalerts mit dokumentierten HR-Interventionen verknüpfst, kannst du beobachten, wie viele Alert-Situationen ohne Eskalation aufgelöst wurden.

Was du dagegenrechnen kannst, und wo die Rechnung aufhört
Gegen die 4.000–12.000 Euro Einrichtung und laufende Kosten von 12 mal 24,20 bis 12 mal 60,50 Euro, zusammen rund 290 bis 730 Euro im Jahr, steht pro tatsächlich abgewendeter Langzeit-AU eine gesicherte Ersparnis von 6.500 bis 7.000 Euro Entgeltfortzahlung plus deine Vertretungskosten. Rein rechnerisch trägt also eine abgewendete Langzeit-AU im Jahr das System.

Der Haken sitzt nicht in dieser Zahl, sondern in dem Wort „abgewendet”. Das System erkennt ein Muster, es verhindert nichts. Zwischen Hinweis und vermiedener Erkrankung liegen ein HR-Gespräch, die Bereitschaft der betroffenen Person und eine Ursache, die sich überhaupt betrieblich beheben lässt. Wie oft diese Kette hält, ist unseres Wissens nirgends gemessen, und wir behaupten dafür keine Quote. Wer mit 100 Prozent rechnet, rechnet sich das System schön.

Ehrlich ist deshalb diese Formulierung: Das System amortisiert sich im ersten Jahr, wenn mindestens eine Langzeit-AU tatsächlich abgewendet wird. Bei einem Betrieb mit 200 Mitarbeitenden und einer Handvoll psychisch bedingter Langzeitfälle pro Jahr ist das plausibel, aber nicht garantiert. Rechne deshalb nicht mit der Einsparung, sondern mit dem Einsatz: 4.000 bis 12.000 Euro dafür, dass HR die Muster überhaupt sieht. Ob sich das lohnt, weißt du nach vier Quartalen, wenn du Alerts und dokumentierte Interventionen gegenüberstellst, vorher nicht.

Vier typische Einstiegsfehler

1. Mit dem System starten, bevor die Betriebsvereinbarung steht.
Das ist der teuerste Fehler und der häufigste. Wer das System erst aufbaut und dann den Betriebsrat informiert, hat ein rechtliches Problem, und ein Vertrauensproblem, das schwer zu reparieren ist. Lösung: Betriebsrat schriftlich informieren, bevor die erste Zeile Daten analysiert wird. Das ist keine Formalität, sondern die Grundlage für alles, was danach kommt.

2. Individuelle Fehlzeitdaten auswerten, nicht aggregierte.
Viele Projekte beginnen mit dem Impuls: “Ich will sehen, wer am häufigsten fehlt.” Das ist der falsche Ansatz, rechtlich (Gesundheitsdaten, DSGVO) und ethisch (Kranksein darf kein Sanktionspfad sein). Lösung: Das System zeigt ausschließlich Teamperspektiven. Eine Einzelperson, die ungewöhnlich oft fehlt, wird im Ergebnis sichtbar, als Teil eines Teammusters, nicht als namentlicher Ausreißer. Der nächste Schritt ist ein HR-Gespräch, kein Datenbericht.

3. Alle Fehlzeiten gleichbehandeln.
Kurze Fehlzeiten (1–3 Tage) und Langzeiterkrankungen (mehr als sechs Wochen) haben sehr unterschiedliche Ursachen und Handlungslogiken. Wer beides in eine Auswertung wirft, vergleicht Äpfel mit Birnen. Häufige Kurzkrankheiten mit Montag-Mustern sind Frühwarnzeichen für Demotivation oder Konflikte; Langzeitkrankschreibungen sind medizinische Situationen, die andere HR-Prozesse erfordern (Betriebliches Eingliederungsmanagement nach §167 SGB IX).

4. Das System liefert Hinweise, die Interpretation unterbleibt.
Das ist der schleichende Fehler, der erst nach zwölf Monaten auffällt. Das Dashboard zeigt eine Abteilung mit 11 Prozent Krankenstand. Der Alert geht raus. Und dann? Wenn keine klare Prozesslogik definiert ist, wer schaut sich den Alert an, innerhalb welcher Frist, welches HR-Gespräch folgt, verpufft der Erkenntnisgewinn. Das System kann nicht handeln. Es kann nur sichtbar machen. Die Organisation muss das eingebettete Handlungsprotokoll vorher definiert haben.

Was mit der Einführung wirklich passiert, und was nicht

Die technische Einführung des Dashboards ist das Einfachste an diesem Projekt. Das Schwierige kommt danach.

Der erste Alert ist der kritische Moment. Wenn das System das erste Mal einen auffälligen Trend in einer Abteilung meldet, steht die HR Business Partnerin vor einer unangenehmen Frage: Was mache ich jetzt? Ein Gespräch mit dem Abteilungsleiter führen? Mit der betroffenen Person? Wessen Datenschutz wird verletzt, wenn ich das Muster im Gespräch erwähne? Wer entscheidet, ob das Muster real oder zufällig ist?

Diese Entscheidungslogik muss vor dem ersten Alert geklärt sein, in einem HR-Prozesshandbuch, abgestimmt mit dem Betriebsrat, von der Unternehmensführung genehmigt. Wer das nicht vorbereitet, sitzt beim ersten Treffer mit einem Dashboard und keiner Handlungsoption.

Führungskräfte werden misstrauisch, wenn sie nichts wissen. Wenn eine Führungskraft merkt, dass ihr Team ausgewertet wird, aber sie keinen Zugang zu den Daten hat, entsteht Misstrauen, gegenüber HR und gegenüber dem System. Die Lösung ist nicht, Führungskräften Zugang zu geben (das würde die Datenschutzlogik zerstören), sondern transparent zu kommunizieren: Das System hilft HR, Unterstützungsbedarf früh zu erkennen, nicht Leistung zu bewerten oder Fehlzeiten gegen Mitarbeitende zu verwenden.

Was konkret hilft:

• Alert-Protokoll schriftlich festhalten: Bei welchem Schwellenwert eskaliert HR aktiv? Bei welchem nicht?
• Führungskräfte im Vorfeld schulen: Was sieht HR, was sehen sie, und warum
• Betriebsrat vierteljährlich mit anonymisierten Ergebnissen briefen, das zeigt, dass das System so eingesetzt wird, wie vereinbart
• Klare Sprachregelung für HR-Gespräche: “Uns ist aufgefallen, dass euer Team in den letzten acht Wochen deutlich mehr Ausfälle hatte. Was braucht ihr gerade?”

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Das ist Überwachung.”
Dieser Einwand ist ernst zu nehmen, nicht wegzulächeln. Fehlzeiten-Auswertung kann tatsächlich zur Überwachung werden, wenn sie falsch eingesetzt wird. Der Unterschied: Ein System, das HR Business Partnern Hinweise auf Teambelastungen gibt, damit sie Unterstützung anbieten können, ist etwas anderes als ein System, das Führungskräften zeigt, wer in ihrer Abteilung wie oft fehlt. Wer den ersten Weg einschlägt und das in der Betriebsvereinbarung verankert, hat kein Überwachungsproblem. Wer den zweiten Weg einschlägt, verdient den Einwand.

„Unsere Krankenstandsdaten sind ein Chaos.”
Das stimmt oft, inkonsistente Fehlzeittypen, manuelle Einträge mit verschiedenen Bezeichnungen, lückenhafte Rückwirkungshistorie. Die gute Nachricht: Du brauchst keine Perfektion. Für Mustererkennung auf Teamebene reichen sechs bis zwölf Monate konsistenter Daten. Das erste Quartal des Projekts ist immer zum Teil Datenbereinigung, das ist normal, nicht ein Anzeichen, dass das Projekt scheitert.

„Was, wenn das System eine falsche Korrelation findet?”
Das wird passieren. Saisonale Grippewellen sehen im Datenmodell genauso aus wie ein Führungsproblem. Abteilungen mit vielen Teilzeitkräften haben andere Muster als Vollzeit-Teams. Das System macht keine Entscheidungen, es macht sichtbar, was in der Datenlage auffällig ist. HR muss den Kontext liefern. Ein gut konfiguriertes System mit saisonaler Bereinigung und Mindestgruppen-Threshold reduziert False Positives erheblich, aber eliminiert sie nicht. Das ist kein Bug; das ist das ehrliche Versprechen des Systems.

„Unsere Mitarbeitenden werden das nicht akzeptieren.”
Transparenz ist die Lösung, nicht Geheimhaltung. Wenn Mitarbeitende wissen, dass HR nicht ihre individuellen Krankmeldungen auswertet, sondern Teambelastungen erkennen will, um früher helfen zu können, ist die Akzeptanz in der Regel hoch. Wer ein Burnout-Risiko hatte und keiner hat rechtzeitig geschaut, der findet das System im Nachhinein gut. Entscheidend ist, dass die Botschaft stimmt und die Realität zur Botschaft passt.

Woran du merkst, dass das zu dir passt

• Dein Unternehmen hat 80 oder mehr Mitarbeitende, darunter fehlt die statistische Basis für sinnvolle Abteilungsvergleiche
• Du hast bereits ein HR-System mit strukturierter Fehlzeiterfassung (Personio, SAP HCM, DATEV, Workday), nicht nur eine Excel-Tabelle
• Deine HR-Abteilung hat mindestens eine Person, die die Hinweise interpretiert und Gespräche führt, das System kann keine Gespräche führen
• Du erkennst dich im Einstiegsszenario wieder: Es gab in den letzten 24 Monaten mindestens einen Fall, bei dem du das Teambelastungsproblem erst erkannt hast, als es zu spät für einfache Intervention war
• Euer Krankenstand liegt dauerhaft über 6 Prozent oder einzelne Abteilungen fallen deutlich aus dem Rahmen, das ist ein Signal, dass aggregierte Jahresauswertungen nicht reichen

Wann es sich nicht lohnt, drei harte Ausschlusskriterien:

1. Unter 80 Mitarbeitenden insgesamt. Unter dieser Schwelle sind Abteilungen oft kleiner als fünf Personen. Jede Auswertung ist dann de-facto-Identifizierung, du wirst keine Betriebsvereinbarung für ein System mit minimalem statistischem Nutzen bekommen, und du solltest es auch nicht einsetzen.

2. Kein Betriebsrat vorhanden und Betriebsrat-Einführung nicht geplant, aber mitbestimmungspflichtige Strukturen. In Unternehmen ohne Betriebsrat entfällt §87 BetrVG, aber es gelten weiterhin DSGVO und arbeitsrechtliche Grundsätze. Wenn du in einem Bereich tätig bist, wo Beschäftigte potenziell einen Betriebsrat gründen könnten, oder wenn das System Misstrauen auslöst, das zu Organisierung führt, hast du ein größeres Problem als das Projekt gelöst hat.

3. HR-Abteilung ohne Kapazität für Folgegespräche. Ein Fehlzeiten-Alert ohne Intervention ist nutzlos, und kann kontraproduktiv sein. Wenn das System einen Trend in einer Abteilung meldet und HR sechs Wochen braucht, um darauf zu reagieren, ist der Zeitvorteil aufgezehrt. Wer das System einführt, braucht gleichzeitig einen klaren Prozess und die Kapazität, Alert-Situationen innerhalb von ein bis zwei Wochen zu bearbeiten.

Das kannst du heute noch tun

Exportiere die Fehlzeitdaten deines HR-Systems für die letzten zwölf Monate als CSV oder Excel, und zwar schon aggregiert: Team/Abteilung (nur Gruppen ab fünf Personen), Kalenderwoche, Wochentag, Fehlzeittyp, Zahl der Fehltage. Keine Mitarbeitenden-ID, auch keine pseudonymisierte: Mit Team und Datum lässt sie sich in kleinen Teams zurückverfolgen, und dann sind es Gesundheitsdaten nach Art. 9 DSGVO.

Lade die Datei in Julius AI hoch, kostenlos, keine Installation. Stelle die Frage: “Gibt es Abteilungen oder Teams mit deutlich überdurchschnittlichen Fehlzeiten in den letzten sechs Monaten?” und “Erkennst du Wochentags-Muster bei Kurzerkrankungen?”

Wichtig: Lade nur vollständig anonymisierte Daten hoch, keine Namen, keine Personalnummern, keine Kombination, die zur Identifizierung führen könnte. Prüf die DSGVO-Konformität mit deinem Datenschutzbeauftragten, bevor du Testdaten in ein Cloud-Tool gibst. Für den ersten Eindruck reicht eine synthetisierte Testdatei mit realistischen Strukturen.

Was du danach weißt: ob euer Datensatz überhaupt ausreichend strukturiert ist für Musteranalyse, und ob es offensichtliche Auffälligkeiten gibt, die den Aufbau einer dauerhafteren Lösung rechtfertigen.

Für eine strukturiertere Analyse in deinem HR-System oder Power BI nutze diesen Prompt:

Quellen & Methodik

• Krankenstandsquote 6,1 % Deutschland 2024, 22,3 Arbeitsunfähigkeitstage: BKK Dachverband, Pressemitteilung „Krankenstand im Jahr 2024 verbleibt auf hohem Niveau” (Januar 2025). URL: bkk-dachverband.de/presse/pressemitteilungen
• Burnout-Vollkosten bis 96.000 Euro pro Fall, Frühintervention ~700 EUR vs. Spätintervention ~2.300 EUR: zurückgezogen. Diese Zahlen standen hier unter Verweis auf den Bundesverband Bürohund („Wirtschaftlicher Schaden Burnout”). Beim Nachprüfen im September 2026 enthielt die angegebene Seite keine dieser Zahlen und keine Primärquelle dafür. Wir rechnen im Text deshalb nicht mehr damit.
• Sechs Wochen Entgeltfortzahlung durch den Arbeitgeber: § 3 Abs. 1 Entgeltfortzahlungsgesetz (EFZG), gültige Fassung. Der Eurobetrag im Text ist daraus abgeleitet (4.000 EUR Bruttomonatsgehalt plus rund 20 % Arbeitgeberanteil, sechs Wochen), keine Erhebung.
• Risiken von People Analytics, False Positives und Diskriminierung: Pachidi, S. et al. (2021): „The dark sides of people analytics: reviewing the perils for organisations and employees.” European Journal of Information Systems, Tandfonline. DOI: 10.1080/0960085X.2021.1927213
• §87 BetrVG Nr. 6, Mitbestimmungspflicht bei KI/technischen Systemen: ai-projektmanager.de, „Betriebsrat KI Einführung 2025: Kritische Mitbestimmung nach §87 BetrVG” (2025); e-laborat.de, „KI-Einführung und Betriebsrat: Mitbestimmung, Betriebsvereinbarung und rechtliche Grundlagen”
• Erkennungsverzug und Analyseaufwand: keine Quelle, Annahmen; der Rücktest auf den eigenen Fehlzeitdaten der letzten zwei Jahre zeigt, wie viel früher ein Muster sichtbar geworden wäre.
• Kostenangaben Personio, Workday, Power BI: Veröffentlichte Tarife der jeweiligen Anbieter, Stand April 2026; Power BI Pro 12,10 EUR je Nutzer und Monat laut deutscher Microsoft-Preisseite, abgerufen am 18. September 2026; Personio nennt nur einen Einstiegspreis, HR-Lösungen ab 7,60 EUR je Mitarbeitendem und Monat, laut AGB zuzüglich Steuern (personio.de/preise, abgerufen am 3. Oktober 2026), Workday Preise auf Anfrage (Richtwerte aus verifizierten Marktberichten).
• DSGVO Art. 9 (Gesundheitsdaten), Art. 22 (Profiling): Datenschutz-Grundverordnung in der aktuell gültigen Fassung.

Du erkennst dich in Sandras Situation wieder und willst wissen, ob eure HR-Daten für diesen Ansatz ausreichen? Meld dich, wir schauen uns eure Ausgangslage kurz gemeinsam an.