Zeugniserstellung mit KI

Das echte Ausmaß des Problems

Das Arbeitszeugnis ist eine deutsche Besonderheit — und eine der komplexesten Routineaufgaben, die HR-Abteilungen regelmäßig zu bewältigen haben. Die Komplexität liegt nicht in der Länge der Texte, sondern in der Sprache dahinter: Der deutsche Zeugniscode ist ein System versteckter Bedeutungen, das sich über Jahrzehnte gewachsener Rechtsprechung entwickelt hat und das viele HR-Mitarbeiterinnen und -Mitarbeiter nie vollständig durchdringen.

Ein Beispiel: „Stets zu unserer vollsten Zufriedenheit” bedeutet sehr gut — Note 1. „Zu unserer vollen Zufriedenheit” klingt ähnlich, bedeutet aber befriedigend — Note 3. „Zu unserer Zufriedenheit” ist ausreichend — Note 4. Im normalen Sprachgebrauch klingt „zu unserer Zufriedenheit” positiv. Im Zeugnis ist es eine Abwertung, die potenziell dazu führt, dass der Empfänger in Bewerbungsgesprächen gefragt wird, was schiefgelaufen ist. Wer diesen Unterschied nicht kennt, kann unbeabsichtigt den beruflichen Ruf eines Mitarbeiters beschädigen — und läuft Gefahr, dass dieser Zeugnis-Korrektur einklagt.

Dazu kommt der schiere Zeitaufwand: Ein sorgfältig formuliertes Zeugnis dauert in der Praxis 1 bis 3 Stunden — Gespräch mit der Führungskraft, Informationen zusammentragen, ersten Entwurf schreiben, Formulierungen recherchieren, Kodierungen prüfen, Freigabe einholen. Bei einem mittelgroßen Unternehmen mit 200 Mitarbeitenden und einer durchschnittlichen Fluktuationsrate von 15 Prozent bedeutet das 30 Zeugnisse pro Jahr. Selbst wenn man nur 1,5 Stunden pro Zeugnis ansetzt: 45 Stunden Zeugnis-Arbeit jährlich — mehr als eine Vollzeit-Arbeitswoche, allein für diesen einen Prozess.

Hinzu kommen Qualitätsschwankungen: Ein Zeugnis, das von einer erfahrenen HR-Leiterin formuliert wird, klingt anders als eines, das eine neue Mitarbeiterin unter Zeitdruck aus einer alten Vorlage zusammenstellt. Das Unternehmen spricht nicht mit einer Stimme — und das fällt auf.

Mit vs. ohne KI — ein ehrlicher Vergleich

Kennzahl	Ohne KI	Mit KI-Unterstützung
Zeit pro Zeugnis	1,5–3 Stunden	20–40 Minuten
Bearbeitungszeit (Anfrage bis Ausstellung)	5–15 Werktage	1–3 Werktage
Rechtliche Fehlerquote (Formulierungen)	10–25 % (ohne Fachjurist)	2–5 %
Konsistenz der Beurteilungssprache	Stark personenabhängig	Einheitlich
Nacharbeiten durch Mitarbeiterwünsche	Häufig	Seltener (bei frühem Einbezug)

Diese Werte basieren auf Erfahrungen aus HR-Projekten sowie Angaben von HR-Software-Anbietern. Die tatsächliche Zeitersparnis hängt stark davon ab, wie gut der Input strukturiert ist.

Was KI bei der Zeugniserstellung konkret macht

Der Prozess beginnt mit einem strukturierten Beurteilungsbogen, den HR oder die direkte Führungskraft ausfüllt. Dieser Bogen erfasst: Tätigkeitsbeschreibung (Aufgaben, Verantwortungsbereich, besondere Projekte), Bewertung in Kernbereichen (Arbeitsqualität, Arbeitsquantität, Eigeninitiative, Zuverlässigkeit, Teamverhalten, Führungsverhalten wenn relevant), besondere Stärken und Leistungshighlights sowie die gewünschte Gesamtnote im Zeugnismaßstab (sehr gut / gut / befriedigend).

Die KI übersetzt diese Eingaben in korrekten Zeugniscode. Sie kennt die gängigen Formulierungen für jede Note, weiß welche Adjektive und Adverbien welche Signalwirkung haben, und baut daraus einen kohärenten Text. „Mitarbeiterin X erfüllte ihre Aufgaben stets zu unserer vollsten Zufriedenheit” klingt nicht nur gut — es codiert Note 1. „Mitarbeiter Y zeigte bei der Erfüllung seiner Aufgaben stets Einsatzbereitschaft” klingt oberflächlich positiv, signalisiert aber im Zeugniscode eine schwächere Leistungsbeurteilung. Diese Feinheiten muss die KI kennen — und sie kennt sie, wenn sie richtig konfiguriert ist.

Das Ergebnis ist ein vollständiger Zeugnisentwurf in der klassischen Struktur: Einleitung mit Tätigkeitsbeschreibung, Leistungsbeurteilung, Verhaltensbeurteilung gegenüber Vorgesetzten und Kollegen, optional Führungsbeurteilung, und eine Schlussformel. HR prüft den Entwurf, ergänzt Unternehmens-spezifische Details und gibt ihn frei. Kein Nachschlagen in Muster-Zeugnisbüchern, kein Rückfragen beim Anwalt für Standardfälle, keine leere Seite.

Für komplizierte Fälle — Trennungen im Streit, Abmahnungen im Vorfeld, laufende arbeitsrechtliche Auseinandersetzungen — ist menschliches Urteilsvermögen und juristischer Rat weiterhin unersetzlich. KI deckt den Routinefall ab, kein Sonderfall.

Konkrete Werkzeuge — was wann passt

ChatGPT mit Zeugnissprache-Systemkontext — die pragmatischste Einstiegslösung. Du entwickelst einmalig einen Systemprompt, der die Kodierungen der deutschen Zeugnissprache, den gewünschten Stil und dein Corporate Wording enthält. Dann fütterst du ihn mit dem ausgefüllten Beurteilungsbogen und bekommst einen Entwurf. Für HR-Teams, die 10 bis 30 Zeugnisse pro Jahr erstellen, ist das ausreichend und kosteneffizient. Kosten: 20 Euro/Monat (ChatGPT Plus). Einmaliger Setup-Aufwand für den Prompt: 2 bis 4 Stunden oder externe Unterstützung für 200 bis 400 Euro.

Personio — die meistgenutzte HR-Plattform für KMU in Deutschland enthält Zeugnis-Vorlagen und Workflow-Funktionen. Wenn Personio ohnehin im Einsatz ist, sind Mitarbeiterdaten bereits hinterlegt, was Doppeleingaben vermeidet. Direkter KI-gestützter Zeugnisgenerator ist je nach Version verfügbar oder in Entwicklung. Kosten: im Plattformpreis ab ca. 6–8 Euro pro Mitarbeiter/Monat enthalten. Sinnvoll für Unternehmen mit 30 bis 250 Mitarbeitenden.

rexx Systems — deutsches HR-System mit spezifischem Fokus auf Compliance und Zeugniserstellung. Besonders geeignet für Unternehmen mit höherem Zeugnis-Volumen und strikten internen Freigabe-Workflows. Enthält Zeugnisgeneratoren mit deutschen Zeugniskonventionen und Vier-Augen-Prinzip für die Freigabe.

Custom-Lösung für große HR-Abteilungen — bei mehr als 60 bis 80 Zeugnissen pro Jahr lohnt sich eine eigene Lösung: spezifisches Regelwerk als Systemkontext, direkte HRIS-Integration, automatisierter Beurteilungsbogen, strukturierte Freigabe-Pipeline. Einmalaufwand 5.000 bis 15.000 Euro je nach Tiefe der Integration — amortisiert sich bei entsprechendem Volumen.

Was es kostet — realistisch gerechnet

Einmalige Kosten

Der größte Einrichtungsaufwand ist nicht technisch, sondern inhaltlich: Ein guter Zeugnisprompt muss die deutschen Kodierungen korrekt abbilden, dein Unternehmens-Wording kennen und Varianten für verschiedene Rollen berücksichtigen. Das sind 3 bis 6 Stunden interne Entwicklungszeit oder 300 bis 600 Euro externe Unterstützung. Bei einer integrierten HR-Software-Lösung kommt die Einrichtung obendrauf — üblicherweise 1 bis 3 Tage.

Laufende Kosten

• ChatGPT Plus für gelegentliche Nutzung: 20 Euro/Monat
• Personio mit Zeugnis-Workflow: im Paketpreis enthalten (ab ca. 150–400 Euro/Monat je nach Mitarbeiterzahl)
• rexx Systems oder vergleichbare Lösungen: Projektpreis, dann SaaS-Gebühr je nach Konfiguration

ROI-Rechnung

Angenommen: 25 Zeugnisse pro Jahr, durchschnittliche Ersparnis 1,5 Stunden pro Zeugnis, HR-Stundensatz 45 Euro. Das ergibt 1.687 Euro gesparte Personalkosten — pro Jahr, allein für Zeugnis-Routinearbeit. Hinzu kommt das schwer quantifizierbare, aber reale Risikopotenzial: Jedes Zeugnis mit einem rechtlichen Fehler kann zu einer Korrekturpflicht führen, und im Streitfall zu einem Arbeitsgericht. Ein einziger solcher Fall kostet mehr als der gesamte Jahresnutzen der KI-Lösung.

Der Break-even liegt für die meisten Setups bei 5 bis 10 Zeugnissen — danach rechnet sich der Einsatz.

Drei typische Einstiegsfehler

1. KI-Entwürfe ohne Qualitätsprüfung in Konfliktsituationen verwenden. In Standardfällen — Mitarbeiter verlässt das Unternehmen einvernehmlich nach guter Zusammenarbeit — funktioniert KI-generierter Zeugnistext sehr gut. In Trennungssituationen mit Konfliktpotenzial, bei Abmahnungen im Vorfeld oder wenn ein Mitarbeiter bereits rechtliche Schritte angedeutet hat, braucht jeder KI-Entwurf eine menschliche Prüfung — idealerweise durch jemanden mit arbeitsrechtlicher Erfahrung. KI kennt die Regeln, aber nicht den Kontext. Lösung: Klasse der Zeugnisfälle im Vorfeld einteilen — Routine, Sonderfall, Konfliktfall — und für letztere einen Vier-Augen-Prozess mit juristischer Prüfung vorschreiben.

2. Den Beurteilungsbogen zu knapp ausfüllen. „War gut in seiner Arbeit” als Eingabe ergibt ein generisches Zeugnis, das auf hundert andere Mitarbeiter ebenso gut passen würde. Je detaillierter die Eingabe — konkrete Projekte, spezifische Stärken, besondere Leistungen, Eigenheiten der Rolle — desto individueller und überzeugender das Ergebnis. Das ist nicht mehr Aufwand als das frühere Gespräch mit der Führungskraft: Es ist nur strukturierter. Lösung: Entwickle einmalig einen guten Beurteilungsbogen mit 8 bis 10 konkreten Fragen. Der Aufwand, ihn auszufüllen, ist geringer als der frühere Informationsaufwand — und das Ergebnis deutlich besser.

3. Den Mitarbeiter nicht frühzeitig einbeziehen. In Deutschland hat der Arbeitnehmer das Recht, ein wohlwollendes Zeugnis zu verlangen, und bei Unzufriedenheit auf Korrektur zu bestehen (§ 630 BGB, § 109 GewO). Wer Zeugnisse ohne Rücksprache ausstellt und dann Änderungen nacharbeiten muss, verliert die Zeitersparnis durch KI wieder. Lösung: Lege den KI-Entwurf dem Mitarbeiter zur Durchsicht vor, bevor er unterschrieben wird. Ein kurzes „Hier ist der Entwurf — bitte gib bis nächste Woche Rückmeldung, falls du Anpassungswünsche hast” spart in der Regel spätere Konflikte.

Realistischer Zeitplan mit Risikohinweisen

Phase	Dauer	Was passiert	Typisches Risiko
Prompt-Entwicklung & Setup	Woche 1–2	Zeugnissprache-Regelwerk erarbeiten, Prompt testen, Beurteilungsbogen entwickeln	Kodierungen falsch abgebildet — erstes Test-Zeugnis klingt gut, entspricht aber nicht dem gewünschten Notenspiegel
Erstes Test-Zeugnis	Woche 2–3	Echtes Zeugnis mit KI-Entwurf erstellen, durch erfahrene HR-Person gegengecheckt	Führungskraft ist skeptisch und füllt Beurteilungsbogen zu knapp aus
Pilotbetrieb (3–5 Zeugnisse)	Woche 3–6	Prozess stabilisieren, Feedback einholen, Bogen und Prompt anpassen	Qualitätsschwankungen bei unterschiedlichen Rollen — Prompt muss rolenangepasst werden
Routine-Betrieb	Ab Woche 7	KI als Standard im Zeugnis-Workflow, Freigabeprozess dokumentiert	Rechtliche Änderungen (BGH-Urteile) werden nicht ins Regelwerk übernommen

Dein Aufwand: In der Einführungsphase 4 bis 8 Stunden gesamt. Im Routine-Betrieb unter 30 Minuten pro Zeugnis.

Häufige Einwände — und was dahintersteckt

„KI kennt die Zeugnissprache nicht gut genug.” Das kommt auf die Konfiguration an. Ein einfacher ChatGPT-Prompt ohne spezifische Anweisung ergibt ein mittelmäßiges Zeugnis — das stimmt. Ein Prompt, der die wichtigsten Kodierungen explizit enthält, Beispielformulierungen für verschiedene Noten mitgibt und klare Regeln für Schlussformeln definiert, liefert Texte, die mit denen erfahrener HR-Profis vergleichbar sind. Der Unterschied liegt nicht im Modell, sondern in der Vorbereitung. Wer das Setup als Wegwerfaufgabe behandelt, bekommt auch Wegwerfqualität.

„Zeugnisse sind bei uns Chefsache — da will die Geschäftsführung persönlich Einfluss nehmen.” Das verändert sich durch KI nicht. Die Geschäftsführung bekommt einen Entwurf zur Prüfung und Freigabe — genau wie vorher. Was sich ändert: HR liefert den Entwurf nach einem Tag statt nach einer Woche, und er ist sprachlich bereits auf einem guten Niveau. Das beschleunigt die Runde, reduziert Überarbeitungen und gibt der Geschäftsführung die Möglichkeit, sich auf den Inhalt zu konzentrieren statt auf die Grundformulierung.

Datenschutz — was du wissen musst

Zeugnisdaten sind Arbeitnehmerdaten und fallen unter § 26 BDSG sowie die DSGVO. Wenn du externe KI-Tools für die Zeugniserstellung nutzt, müssen einige Punkte vor dem ersten Einsatz geklärt sein.

Mit jedem Anbieter, der Mitarbeiterdaten verarbeitet — also auch ChatGPT/OpenAI, wenn du Bewerbernamen und Tätigkeiten eingibst — ist ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO abzuschließen. OpenAI bietet einen Data Processing Addendum für Business-Nutzer an. Wer mit einem Firmen-Account (ChatGPT Team oder Enterprise) arbeitet, hat bessere Vertragsbedingungen als beim privaten Plus-Account.

Eine praktische Alternative: Anonymisiere die Eingaben. Statt „Maria Schulze, Projektleiterin bei der XY GmbH” gibst du der KI nur die Tätigkeitsbeschreibung und Bewertungsparameter — ohne Namen oder identifizierende Details. Das Ergebnis ist ein Entwurf mit Platzhaltern, den du danach selbst mit den echten Personendaten füllst. So umgehst du das DSGVO-Problem vollständig.

Löschfristen: Zeugnisdaten (ausgestellte Zeugnisse, Beurteilungsbögen, Entwürfe) sind Teil der Personalakte. Sie unterliegen den üblichen Aufbewahrungsfristen — in der Regel 10 Jahre nach Ausscheiden des Mitarbeiters, sofern arbeitsrechtliche Relevanz nicht ausgeschlossen werden kann. Entwurfs-Versionen und Zwischen-Prompts sollten nicht unkontrolliert gespeichert bleiben.

Typisches Szenario

Eine HR-Managerin in einem Produktionsunternehmen mit 180 Mitarbeitenden in Niedersachsen. Jährlich fallen 25 bis 35 Zeugnisse an — durch Beförderungen, Kündigungen, Elternzeit-Rückkehr, Austritt in Rente. Bisher: Führungskräfte liefern handschriftliche Stichpunkte, HR formuliert daraus einen Entwurf, prüft ihn gegen ein veraltetes Musterbuch, schickt ihn zur Freigabe an die Bereichsleitung — und wartet manchmal zwei Wochen auf Rückmeldung. Mitarbeitende fragen zwei-, dreimal nach.

Nach der Einführung eines strukturierten Beurteilungsbogens und einem spezifisch konfigurierten ChatGPT-Prompts für Zeugnistexte: Führungskräfte füllen den Bogen in 15 Minuten aus, HR bekommt innerhalb von 20 Minuten einen vollständigen Entwurf. Die Freigaberunde dauert im Schnitt noch 2 Tage, weil der Entwurf von Anfang an qualitativ hochwertig ist und wenig Überarbeitungsbedarf hat. Mitarbeitende bekommen ihr Zeugnis innerhalb von 5 statt 12 Werktagen. Intern: weniger Erinnerungsmails, weniger Frustration, konsistentere Sprache über alle Zeugnisse hinweg.

Woran du merkst, dass das zu dir passt

• Zeugniserstellung dauert bei euch regelmäßig länger als zwei Wochen — und Mitarbeitende fragen nach
• HR-Mitarbeitende sind unsicher, ob ihre Formulierungen den richtigen Notenspiegel abbilden
• Die Qualität der Zeugnisse schwankt je nachdem, wer sie schreibt
• Ihr habt mehr als 15 Zeugnisse pro Jahr zu erstellen
• Ihr verwendet noch Textbausteine aus alten Word-Dokumenten, ohne zu wissen, ob die Formulierungen noch zeitgemäß sind
• Ihr musstet Zeugnisse schon mal nach Mitarbeiter-Rückmeldung überarbeiten
• Führungskräfte zögern bei der Beurteilung und brauchen lange für das Feedback, weil keine klare Struktur vorgegeben ist

Quellen & Methodik

Die Vergleichswerte in der Tabelle basieren auf Erfahrungen aus HR-Projekten sowie Angaben von HR-Software-Anbietern (u. a. Personio, rexx Systems). Zeitangaben für manuelle Zeugniserstellung basieren auf Schätzungen aus HR-Verbänden und eigenen Erhebungen in Projekten. Rechtliche Hinweise (§ 630 BGB, § 109 GewO, § 26 BDSG) spiegeln den Stand der deutschen Gesetzgebung April 2026 wider — für verbindliche Einschätzungen im Einzelfall ist ein Fachanwalt für Arbeitsrecht zu konsultieren. Kostenschätzungen sind Richtwerte und können je nach Anbieter und Vertragsmodell abweichen.

---

Zeugnisse stapeln sich, die Qualität ist nicht einheitlich und Mitarbeitende warten zu lange? In einem kurzen Gespräch zeigen wir dir, wie ein strukturierter KI-Prozess bei euch aussehen würde — inklusive rechtlicher Absicherung und Freigabe-Workflow. Meld dich gern.