KI-gestützte Arbeitssicherheitsauswertung

Das echte Ausmaß des Problems

Deutschland hat in der gewerblichen Wirtschaft rund 750.000 meldepflichtige Arbeitsunfälle pro Jahr — das sind Unfälle mit mindestens einem Ausfalltag (DGUV-Statistik 2023). Jeder meldepflichtige Unfall kostet Unternehmen im Schnitt über 8.000 € direkt (Produktionsausfall, Ersatz, administrative Kosten). Die echten Kosten sind höher, weil Krankenstand, Ermittlungen und Reputationsschäden schwer zu beziffern sind.

Das eigentliche Problem ist kein Mangel an Daten, sondern ein Mangel an Auswertung. In den meisten Betrieben werden Beinahe-Unfälle, Sicherheitsmeldungen und Begehungsfeststellungen brav dokumentiert — in Excel-Listen, in Formblättern. Aber sie werden selten systematisch ausgewertet. Ob es einen Zusammenhang gibt zwischen Unfällen im Lagerbereich und Schichtwechsel-Zeiten, ob bestimmte Maschinen auffällig viele Beinahe-Ereignisse haben — das bleibt unsichtbar.

Die gesetzlichen Anforderungen steigen: Das ArbSchG (Arbeitsschutzgesetz), die DGUV-Vorschriften und EU-Richtlinien verlangen eine systematische Gefährdungsbeurteilung. “Wir machen das aus dem Bauch” ist keine belastbare Antwort mehr, wenn ein Unfall passiert und der Gewerbeaufsicht erklärt werden muss, wie Sicherheitsrisiken erkannt und adressiert wurden.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Der Sicherheitsbeauftragte spart erhebliche Analysezeit — aus stundenlanger manueller Excel-Auswertung wird ein Dashboard-Check. Aber das ist Stabs-Zeit, keine operative Produktionszeit. Die Gesamtzeitersparnis im Betrieb ist begrenzt.

Kosteneinsparung — mittel (3/5) Weniger Unfälle bedeuten weniger direkte Unfallkosten, niedrigere BG-Beiträge und weniger Krankenstand. Diese Einsparungen sind real — aber nicht planbar, weil Unfallverhütung per Definition keinen direkten Geldrückfluss erzeugt.

Schnelle Umsetzung — hoch (4/5) Drei bis sechs Wochen bis erste Auswertungen laufen: Daten konsolidieren, KI-Klassifikation einrichten, Dashboard aufbauen. Kein Modelltraining, keine Hardware, keine komplexe Integration. Guter Einstieg ohne große Investition.

ROI-Sicherheit — niedrig (2/5) Das strukturelle Problem aller Präventionssysteme: Du siehst den Nutzen erst, wenn der Unfall nicht passiert. Das ist schwer zu beziffern und noch schwerer zu beweisen. Ähnlich wie beim Lieferantenmanagement — hoher potenzieller Nutzen, geringe Nachweisbarkeit.

Skalierbarkeit — hoch (4/5) Weitere Standorte, weitere Bereiche, weitere Ereignisquellen — das System wächst ohne proportionalen Mehraufwand. Besonders stark bei Unternehmen mit mehreren Standorten, wo Mustervergleiche über Betriebe möglich sind.

Richtwerte — stark abhängig von vorhandener Meldebasis und Engagement der Führungskräfte.

Was KI-Sicherheitsauswertung konkret macht

Schritt 1 — Alle Sicherheitsdaten in ein System: Beinahe-Unfälle, Sicherheitsmeldungen, Begehungsprotokolle, Unfallberichte — aus unterschiedlichen Quellen in eine einheitliche Datenbank. Das allein ermöglicht Auswertungen, die vorher nicht möglich waren.

Schritt 2 — KI-Klassifikation und Mustererkennung: Die KI liest Freitexte in Sicherheitsmeldungen und klassifiziert sie automatisch: Art des Ereignisses, Bereich, Ursachenkategorie, Schweregrad. Aus diesen klassifizierten Daten entstehen auswertbare Statistiken ohne manuelle Einordnung.

Schritt 3 — Häufungsanalyse und Schwerpunkterkennung: Das System erkennt statistisch auffällige Häufungen: In Halle 2 gab es in den letzten 3 Monaten 40 Prozent mehr Beinahe-Unfälle als im gleichen Zeitraum des Vorjahres (Schätzwert aus Praxisberichten). Im Nachtschichtbetrieb ist die Melderate dreimal so hoch (Schätzwert aus Praxisberichten). Diese Muster werden explizit und mit Handlungsbedarf priorisiert.

Schritt 4 — Automatische Berichte und Nachweisführung: Für Audits, Gefährdungsbeurteilungen und behördliche Anfragen generiert das System automatisch strukturierte Berichte. Was früher Tage dauerte, ist in Minuten fertig.

Konkrete Werkzeuge — was wann passt

ChatGPT für Freitext-Analyse — Wenn Sicherheitsmeldungen als Freitexte in Excel vorliegen: ChatGPT kann sie kategorisieren, Häufungen erkennen und einen strukturierten Auswertungsbericht erstellen. Ab 20 €/Monat.

Claude — Für die Analyse komplexerer Sicherheitsdokumentationen. Claude ist besonders stark darin, aus langen Dokumenten strukturierte Handlungsempfehlungen zu extrahieren. Ab 18 €/Monat.

Microsoft Power BI — Für kontinuierliche Visualisierung von Sicherheitskennzahlen: Unfallrate nach Bereich und Monat, Trendanalysen, Heatmap nach Arbeitsbereichen. Ab 10 €/Nutzer/Monat.

Microsoft 365 Copilot — Für automatische Berichtserstellung aus vorhandenen Excel-Daten und Word-Protokollen. Ab 30 €/Nutzer/Monat.

Make.com — Für automatische Alert-Workflows: Wenn ein Sicherheitsereignis über einem definierten Schweregrad gemeldet wird, sendet Make eine Benachrichtigung und löst den Eskalationsprozess aus. Ab 9 €/Monat.

Für spezialisierte QHSE-Software: Intelex, Quentic oder Cority bieten vollständige Sicherheitsmanagementsysteme mit KI-Integration. Kosten: 500–3.000 €/Monat.

Datenschutz und Datenhaltung

Sicherheitsmeldungen können personenbezogene Daten enthalten, wenn beteiligte Personen namentlich genannt werden. Das ist ein relevanter DSGVO-Aspekt:

• Sicherheitsmeldungen dürfen personenbezogene Daten Beteiligter nur für den Zweck der Sicherheitsverbesserung verarbeiten, nicht für Leistungsbeurteilungen.
• Anonymisierte Auswertungen (nur auf Bereichs- oder Schichtebene) sind unkompliziert.
• Eine Betriebsvereinbarung sollte regeln, wie Sicherheitsdaten genutzt werden und was mit personenbezogenen Angaben geschieht.
• Das Betriebsrats-Mitbestimmungsrecht nach BetrVG §87 Abs. 1 Nr. 1 (Ordnung im Betrieb) kann relevant sein, wenn das System Vorgaben für Meldeprozesse macht.

Die gute Nachricht: Für eine anonyme Meldemöglichkeit gibt es keine datenschutzrechtlichen Hürden — und sie erhöht die Melderate erheblich.

Rechtliche Besonderheiten

Das ArbSchG verpflichtet Arbeitgeber zur systematischen Gefährdungsbeurteilung (§5 ArbSchG). KI-gestützte Sicherheitsauswertung erfüllt diese Anforderung besser als punktuelle Begehungen, weil sie auf tatsächlichen Ereignissen basiert und Muster erkennt.

Für sicherheitskritische Maschinen gelten zusätzlich: die EU Machinery Regulation 2023/1230 (gültig ab Januar 2027, ersetzt die Maschinenrichtlinie 2006/42/EG), DIN EN ISO 13849 (Sicherheit von Steuerungen) und die BetrSichV (Betriebssicherheitsverordnung). KI-Systeme, die direkt in die Sicherheitssteuerung eingreifen, sind nach EU AI Act als Hochrisiko-KI einzustufen — reine Analyse-Tools zur Unfallprävention hingegen in der Regel nicht.

Was es kostet — realistisch gerechnet

Einstieg (KI-gestützte Analyse bestehender Daten):

• ChatGPT oder Claude: 20–40 €/Monat
• Power BI für Visualisierung: 10–30 €/Monat
• Zeitaufwand: 3–5 Stunden/Woche für strukturierte Auswertung

Skaliert (spezialisierte QHSE-Software):

• Intelex, Quentic: 500–3.000 €/Monat je nach Unternehmensgröße
• Implementierung: 5.000–20.000 € einmalig

ROI-Beispiel: Logistikzentrum, 120 Mitarbeitende, 18 meldepflichtige Unfälle im Vorjahr. KI-Analyse identifiziert Häufung von Gabelstapler-Vorkommnissen an zwei Übergabepunkten in bestimmten Stoßzeiten. Bauliche Änderung und Ampelregelung: Investition 12.000 €. Ergebnis nach einem Jahr: 7 meldepflichtige Unfälle statt 18. Vermiedene Unfall-Direktkosten: 88.000 € (11 × 8.000 €). Dazu geringere BG-Beiträge. ROI des Sicherheitsprogramms: deutlich positiv.

Typische Einstiegsfehler

1. Meldungen ohne Meldekultur. Ein KI-System kann nur auswerten, was gemeldet wird. Wenn Mitarbeitende aus Angst vor Konsequenzen Beinahe-Unfälle nicht melden, fehlen die Grundlagendaten. Sanktionsfreie Meldung und sichtbare Verbesserungen durch Meldungen sind die Voraussetzung.

2. Zu viele Kennzahlen im Dashboard. Wenn das Sicherheits-Dashboard 30 Indikatoren zeigt, schaut niemand hin. Fünf bis acht aussagekräftige Kennzahlen (Unfallrate nach Bereich, Trendentwicklung, offene Maßnahmen) sind mehr wert als vollständige Detailansichten.

3. Erkenntnisse ohne Maßnahmen. Das System zeigt, wo Risikoschwerpunkte sind. Wenn daraus keine klaren Maßnahmen mit Verantwortlichen und Terminen folgen, ist die Analyse wertlos. Jeder identifizierte Schwerpunkt muss eine zugeordnete Person haben, die handelt.

4. Nur reaktive Auswertung. Sicherheitsauswertung, die nur auf eingetretene Ereignisse reagiert, kommt immer zu spät. Der Wert liegt in der proaktiven Mustererkennung: Was deutet auf erhöhtes Risiko hin, bevor ein Unfall passiert?

Was mit der Einführung wirklich passiert — und was nicht

Das häufigste Problem ist kultureller Natur: Wenn Mitarbeitende fürchten, dass Sicherheitsmeldungen für Disziplinarmaßnahmen genutzt werden, sinkt die Melderate — und das System verliert seine Grundlage. Eine klare Botschaft von der Geschäftsführung ist wichtiger als jede technische Implementierung: “Wir messen keine Personen — wir verbessern Systeme.”

Was oft überrascht: Die ersten Auswertungen zeigen fast immer Muster, die niemand erwartet hat — nicht weil die Situation gefährlicher ist als gedacht, sondern weil bestimmte Bereiche oder Zeiten systematisch mehr Ereignisse haben und das im manuellen Überblick nicht sichtbar war.

Was nicht passiert: Das System verhindert Unfälle automatisch. Es zeigt Risikoschwerpunkte — handeln muss der Betrieb.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir machen schon regelmäßige Sicherheitsbegehungen.” Begehungen sehen den Zustand zu einem bestimmten Zeitpunkt. KI-Auswertungen sehen Zeitverläufe und Korrelationen, die bei Begehungen nicht sichtbar sind.

„Unsere Mitarbeitenden melden Beinahe-Unfälle nicht.” Das ist ein häufiges Problem mit einem bekannten Grund: Wenn Meldungen Konsequenzen haben, melden Menschen nicht. Sanktionsfreie Meldung und sichtbare Verbesserungen durch Meldungen sind die Voraussetzung für ein funktionierendes Frühwarnsystem.

„Das macht unser Sicherheitsbeauftragter selbst.” Der Sicherheitsbeauftragte kann nicht gleichzeitig alle Sicherheitsmeldungen der letzten drei Jahre im Kopf halten, statistische Häufungen erkennen und parallel aktuelle Vorfälle bearbeiten. KI übernimmt die Auswertungsarbeit — der Sicherheitsbeauftragte trifft die Entscheidungen.

Woran du merkst, dass das zu dir passt

• Beinahe-Unfälle und Sicherheitsmeldungen werden gesammelt, aber du kannst nicht auf Anhieb sagen, welche Bereiche oder Zeiten auffällig sind.
• Du hast mehr als 5 meldepflichtige Arbeitsunfälle pro Jahr.
• Der Sicherheitsbeauftragte verbringt mehr Zeit mit Verwaltung als mit Prävention.
• Eine Gefährdungsbeurteilung-Aktualisierung steht an — und du hast kaum eine systematische Datenbasis.

Wer noch nicht bereit ist:

• Du hast weniger als 20 Sicherheitsmeldungen pro Jahr — zu wenig für statistische Musteranalyse.
• Du hast keine Meldekultur im Betrieb — die Datenbasis fehlt, bevor das Tool nutzt.
• Du hast keinen Sicherheitsbeauftragten oder keine dedizierte Person für Arbeitssicherheit — das organisatorische Fundament muss zuerst stehen.

Das kannst du heute noch tun

Öffne deine Sicherheitsmeldungen der letzten 12 Monate, markiere die Ereignisse nach Bereich und Uhrzeit und frag ChatGPT: “Analysiere diese Sicherheitsmeldungen und zeige mir: Welche Bereiche, Schichten oder Zeiten sind unverhältnismäßig häufig betroffen? Gibt es wiederkehrende Muster?” Das dauert 20 Minuten und zeigt dir sofort, ob systematische Muster vorhanden sind.

Quellen & Methodik

• DGUV (Deutsche Gesetzliche Unfallversicherung) — Statistik Arbeitsunfallgeschehen 2023
• ArbSchG (Arbeitsschutzgesetz) — §5 Gefährdungsbeurteilung, §16 Pflichten der Beschäftigten
• EU Machinery Regulation 2023/1230 — Neue Maschinenverordnung, Anforderungen an Sicherheitssysteme ab Januar 2027
• EU AI Act (Verordnung 2024/1689) — Risikoklassifikation für KI-Systeme in der Arbeitssicherheit
• Eigene Projekterfahrungen — QHSE-Digitalisierungen in deutschen Fertigungsbetrieben 2022–2025; Stand April 2026