Branchenspezifische Einarbeitung mit KI personalisieren

Das echte Ausmaß des Problems

Die Zeitarbeitsbranche schickt Beschäftigte in mehr als 200 verschiedene Berufsfelder, und jedes davon hat eigene Sicherheits-, Hygiene- und Verhaltensanforderungen. Das ist kein Verwaltungsproblem, das sich mit mehr Disziplin lösen lässt. Es ist ein strukturelles Problem des Geschäftsmodells: Zeitarbeitsunternehmen müssen Generalisten sein, die Expertenwissen für Dutzende Branchen parat haben.

Die VBG (Verwaltungs-Berufsgenossenschaft), die für rund 400.000 Zeitarbeitende zuständig ist, hat in ihrem Report Zeitarbeit festgehalten: Das erhöhte Unfallrisiko in der Zeitarbeit entsteht nicht weil Zeitarbeitende weniger vorsichtig sind, sondern weil sie sich bei jedem Einsatz neu an unbekannte Umgebungen anpassen müssen. Gut vorbereitete Mitarbeitende, die die spezifischen Risiken ihrer neuen Arbeitsumgebung kennen, haben messbar weniger Vorfälle in den ersten zwei Wochen.

Was das in der Praxis bedeutet:

• Lebensmittelbranche: Tätigkeitsverbote nach § 42 IfSG, Erstbelehrung durch Gesundheitsbehörde oder Betriebsarzt, HACCP-Grundkenntnisse, Hygieneprotokoll für Händewaschen, Schmuck, offene Wunden. Wer das nicht kennt, riskiert Produktkontaminationen und damit massive Haftungsfälle für den Einsatzbetrieb.
• Pflege: MRSA-Präventionsmaßnahmen, korrekte Schutzausrüstung, Schweigepflicht nach § 203 StGB, Meldepflichten bei Infektionen. Ein Zeitarbeitender aus der Lagerlogistik, der das nicht kennt, ist am ersten Tag eine potenzielle Gefahr für Bewohner.
• Pharmaindustrie: GMP-Grundsätze (Good Manufacturing Practice), Reinraumverhalten, lückenlose Dokumentation jedes Prozessschritts, Verbot von persönlichen Gegenständen in bestimmten Zonen. Fehler hier können zu Produktionsstopps führen, die Stunden- oder Tagesumsätze vernichten.
• Automotive-Produktion: Ergonomie und Heberichtlinien nach Lastenheft, PSA-Anforderungen je nach Tätigkeit, Spurführung in Produktionshallen, Sperrzonen.

Laut DGUV Regel 115-801 „Branche Zeitarbeit” ist die tätigkeitsbezogene Unterweisung durch das Zeitarbeitsunternehmen vor jedem Einsatz gesetzlich vorgeschrieben, nicht als Empfehlung, sondern als Pflicht. In der Praxis läuft sie oft als generisches PDF mit Checkboxen ab.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitersparnis allein ist messbar: Ein Niederlassungsleiter mit 40 Einsätzen pro Woche, der 30 Minuten pro Plan spart, gewinnt 1.200 Minuten, also 20 Stunden pro Woche zurück. Die werden nicht für KI bezahlt, sondern für bessere Disposition, mehr Kundenpflege, weniger Überstunden.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Der direkte Zeitgewinn ist real: 30–45 Minuten je Plan, bei 40 Einsätzen pro Woche kommt da einiges zusammen. Aber im Vergleich zu Arbeitsvertrag-Erstellung (85 % Zeitersparnis pro Dokument) oder Lebenslauf-Screening (Stunden auf Minuten pro Tag) ist das ein solider, aber kein dominanter Effekt. Der eigentliche Mehrwert liegt weniger in der reinen Zeitersparnis als in der Qualitätsverbesserung, und die lässt sich nicht in Minuten messen.

Kosteneinsparung, mittel (3/5) Die direkten Kosteneffekte sind indirekt: weniger Sicherheitsvorfälle bedeuten weniger Ausfalltage, weniger Haftungsrisiken, weniger Kundenbeschwerden. Das ist real, aber es gibt keinen direkten Buchungsposten „Einarbeitungsplan vermiedener Unfall”. Im Vergleich zu Zeiterfassung-Auswertung oder AÜG-Compliance-Dokumentation, wo der vermiedene Bußgeld-Betrag direkt bezifferbar ist, bleibt die Kosteneinsparung hier schwerer zu isolieren.

Schnelle Umsetzung, hoch (4/5) Das ist der echte Stärke-Hebel dieses Anwendungsfalls. Du brauchst kein neues System, keine ATS-Integration, keine monatelange Implementierungsphase. Mit einem gut ausgearbeiteten Prompt-System in ChatGPT oder Claude kannst du innerhalb von einer Woche erste produktive Einarbeitungspläne generieren. Der initiale Aufwand liegt im Aufbau der branchenspezifischen Prompt-Bausteine, das ist echte Facharbeit, aber einmalig und handhabbar.

ROI-Sicherheit, mittel (3/5) Das Sicherheitsargument ist gut, aber der Kausalnachweis ist schwierig. Wenn in einem Quartal kein Sicherheitsvorfall in Branchenwechsel-Einsätzen passiert, liegt das am besseren Einarbeitungsplan oder an anderen Faktoren? Dieser Nachweis ist selten sauber zu führen. Der Zeitersparnis-ROI dagegen ist direkt messbar (Minuten je Plan × Einsatzzahl). Für ein reines Zeitersparnis-Argument reicht das als Geschäftsfall.

Skalierbarkeit, sehr hoch (5/5) Einmal aufgebaut, skaliert das System ohne zusätzlichen Aufwand. Wächst das Einsatzvolumen von 40 auf 80 Einsätze pro Woche, verdoppelt sich nicht der Aufwand für die Einarbeitungspläne, der Prompt läuft einfach öfter. Neue Branchen werden durch einen neuen Prompt-Baustein abgedeckt, nicht durch neues Personal. Das ist Skalierbarkeit, wie sie in der Zeitarbeit selten vorkommt.

Richtwerte, stark abhängig von Einsatzvolumen, Branchenbreite und vorhandener Wissensdokumentation beim Zeitarbeitsunternehmen.

Wo KI in der gesetzlichen Drei-Stufen-Unterweisung sitzt

Bevor du anfängst zu implementieren, lohnt es sich zu verstehen, was KI hier tatsächlich leisten kann, und was rechtlich beim Menschen bleiben muss.

Die DGUV Regel 115-801 schreibt für Zeitarbeit eine dreistufige Unterweisung vor:

Stufe 1, Grundunterweisung (Zeitarbeitsunternehmen): Allgemeine Arbeitssicherheit, Grundrechte und -pflichten, Unfallmeldung. Einmalig bei Eintritt. KI kann hier Inhalte strukturieren und personalisieren, aber die Unterweisung selbst muss mit Unterschrift dokumentiert sein.

Stufe 2, Tätigkeitsbezogene Unterweisung (Zeitarbeitsunternehmen): Hier setzt KI an. Diese Unterweisung muss vor jedem neuen Einsatz stattfinden und auf die spezifische Tätigkeit und Branche des Kunden eingehen. Das ist exakt der Teil, den KI personalisiert generieren kann: Welche PSA ist erforderlich? Welche Gefahrstoffe sind typisch? Welche Hygiene-Vorschriften gelten? Welche branchenspezifischen Verhaltensregeln gibt es?

Stufe 3, Arbeitsplatzbezogene Unterweisung (Einsatzbetrieb): Diese Stufe verbleibt beim Kundenbetrieb. Der Einsatzbetrieb muss die konkrete, standortspezifische Unterweisung vornehmen: dieser Maschinentyp, diese Gefahrstofflagerstelle, dieser Fluchtwegplan. Das kann KI beim Zeitarbeitsunternehmen nicht vorwegnehmen.

Was das für die Praxis bedeutet: KI verbessert Stufe 2, die tätigkeitsbezogene Vorbereitung durch das Zeitarbeitsunternehmen. Das ist wertvoll, aber es ersetzt nicht Stufe 3. Den Fehler, KI-generierte Unterlagen als vollständigen Ersatz für die arbeitsplatzbezogene Unterweisung zu verkaufen, musst du vermeiden, das wäre eine Compliance-Lücke, die juristisch schnell gefährlich wird.

Was das System konkret macht

Die technische Grundlage ist einfach: Ein LLM, also ein großes Sprachmodell wie ChatGPT oder Claude, bekommt drei Informationsquellen als Eingabe:

1. Das Qualifikationsprofil des Zeitarbeitenden: Welche Branchen hat die Person bisher gearbeitet? Welche Zertifikate liegen vor (Gabelstaplerschein, Schweißerlizenz, Hygieneschulung nach IfSG)? Welche Schutzausrüstung kennt sie bereits?

2. Das Branchenprofil der Zielbranche: Was sind die typischen Anforderungen in dieser Branche? Welche gesetzlichen Vorgaben gelten (IfSG für Lebensmittel, GMP für Pharma, HeimG für Pflege)? Welche Risiken treten in den ersten Tagen erfahrungsgemäß auf?

3. Das Kundenprofil (optional, aber wertvoll): Gibt es spezifische Anforderungen dieses Einsatzbetriebs, die von der Branchennorm abweichen? Hat der Kunde besondere Hygienestandards, Schichtregelungen, Zutrittsregeln?

Aus diesen drei Inputs generiert das System einen personalisierten Einarbeitungsplan: Was muss die Person wissen, bevor sie anfängt? Worauf muss sie besonders achten, weil ihre bisherige Erfahrung in dieser Branche eventuell irreführend ist? Welche Verhaltensweisen aus dem alten Job sind in der neuen Branche falsch?

Das Ergebnis ist kein generischer Bogen mit Checkboxen, es ist ein kurzer, lesbarer Plan, der der Person erklärt: „Du kommst aus der Automobilindustrie. In der Lebensmittelproduktion ist folgendes anders und warum.”

Konkrete Werkzeuge, was wann passt

Du brauchst kein spezialisiertes HR-KI-System, um anzufangen. Drei unterschiedliche Wege je nach vorhandener Infrastruktur:

ChatGPT (Teams oder Enterprise), der schnellste Einstieg Erstelle einen System-Prompt mit den branchenspezifischen Bausteinen (Lebensmittel, Pflege, Produktion, Pharma, Logistik usw.) und lass das Tool jeweils einen Einarbeitungsplan generieren. Der Disponent gibt Kandidatenprofil und Branche ein, der Plan ist in 60–90 Sekunden fertig. ChatGPT Teams kostet ca. 25 USD/Person/Monat und verarbeitet keine Daten für Modelltraining. Für Teams mit 5–20 Disponenten der pragmatischste Einstieg.

Claude (Pro oder Team), für komplexe Multi-Branchen-Prompts Claude ist besonders stark bei der Verarbeitung langer Dokumente als Kontext. Wenn du DGUV-Regelwerke, Kundenprofile und Unternehmensrichtlinien gleichzeitig berücksichtigen willst, verarbeitet das Modell diese Kontextmasse zuverlässiger als kürzere Alternativen. Der Einstieg liegt bei ca. 18 EUR/Person/Monat (Pro). Team-Plan ab ca. 27 EUR/Person/Monat.

NotebookLM, für die Wissensbasis-Aufbauphase Bevor du Prompts schreibst, musst du wissen, was in Stufe 2 für jede Branche rein muss. Lade die relevanten DGUV-Dokumente, Kundenhandbücher und bestehenden Unterweisungsunterlagen in NotebookLM. Stelle gezielte Fragen: „Was muss ein neu eingesetzter Zeitarbeitender in der Lebensmittelbranche über § 42 IfSG wissen?” Die Antworten werden zur Grundlage deiner Prompt-Bausteine. Kostenlos in der Basisversion, kein technisches Setup.

TalentLMS, wenn die Einarbeitungspläne in Kurse übergehen sollen Wenn du nicht nur Textpläne, sondern echte E-Learning-Module mit Quiz und Abschlussnachweis erstellen willst, ist TalentLMS der nächste Schritt. KI-generierte Planinhalte werden per TalentCraft in Kursmodule umgewandelt. Besonders wertvoll bei häufig wiederkehrenden Branchenwechseln (z. B. immer wieder Logistik → Produktion): Der Kurs steht einmal, Teilnahme und Abschluss werden dokumentiert. Ab ca. 119 USD/Monat für bis zu 100 Nutzer; EU-Hosting, DSGVO-konform.

Personio, als Datenquelle für Qualifikationsprofile Wenn Qualifikationsprofile bereits in Personio gepflegt sind, kann der Disponent die Daten direkt aus dem System ziehen, statt sie manuell einzutippen. Das reduziert Eingabefehler und beschleunigt den Workflow. Personio selbst generiert keine Einarbeitungspläne, aber als Datenlieferant für den KI-Prompt ist es wertvoll.

Zusammenfassung: Wann welcher Ansatz

• Schnell starten, wenig Budget → ChatGPT Teams mit Prompt-System
• Komplexe Branchenmix, lange Kontextdokumente → Claude Pro/Team
• Wissensbasis aufbauen und strukturieren → NotebookLM (Einstieg)
• Dokumentierte Kursabschlüsse mit Nachweis → TalentLMS zusätzlich
• Qualifikationsprofile aus vorhandenem HR-System nutzen → Personio als Datenquelle

Die Drei-Branchen-Lücken, die immer unterschätzt werden

Wer zum ersten Mal einen branchenspezifischen Prompt baut, bemerkt schnell: Die Unterschiede zwischen den Branchen sind größer als gedacht. Drei Bereiche, die regelmäßig fehlen:

Hygiene in der Lebensmittelbranche geht tiefer als „Hände waschen” Das Tätigkeitsverbot nach § 42 IfSG ist der häufigste blinde Fleck. Wer Symptome wie Erbrechen, Durchfall oder infizierte Wunden hat, darf in der Lebensmittelproduktion und Gastronomie nicht arbeiten, unabhängig davon, ob er sich schlecht fühlt oder nicht. Das ist keine Empfehlung, sondern ein gesetzliches Verbot mit persönlicher Haftung. Dazu kommen: Keine Ringe, kein Nagellack, bestimmte Haarnetz-Vorschriften, Verbot von Privatkleidung in Produktionsbereichen. Ein Zeitarbeitender aus der Metallbranche weiß das nicht automatisch.

Pflege: Schweigepflicht ist strafrechtlich relevant Ein Mitarbeitender, der in der Lagerlogistik oder Produktion gearbeitet hat, ist gewohnt, offen über den Arbeitsalltag zu sprechen. In der Pflege greift § 203 StGB: Die unbefugte Offenbarung von Patientendaten ist eine Straftat. Das muss explizit, und verständlich, kommuniziert werden. Nicht als Formalie, sondern mit konkreten Beispielen: Was ist ein Verstoß? Auch eine scheinbar harmlose Anekdote über einen Bewohner im Freundeskreis.

Pharma/GMP: Dokumentation ist kein Verwaltungsakt In der pharmazeutischen Produktion ist die lückenlose Dokumentation nicht Bürokratie, sondern Teil des Produktionsprozesses. Ein undokumentierter Schritt kann dazu führen, dass eine gesamte Produktionscharge für ungültig erklärt wird. Für jemanden aus der Automotive-Branche, wo manches informal korrigiert werden darf, ist das ein Kulturschock. Der Einarbeitungsplan muss das klar machen: Erst schreiben, dann handeln.

Datenschutz und Datenhaltung

Der Einarbeitungsplan für einen konkreten Zeitarbeitenden enthält personenbezogene Daten: Name, Qualifikationsprofil, bisherige Einsätze, eventuell Gesundheitsdaten (z. B. Hygienebelehrung nach IfSG). Das macht die DSGVO unmittelbar relevant.

Was zu beachten ist:

• Sobald personenbezogene Daten in ein KI-Tool fließen, gilt das Tool als Auftragsverarbeiter, ein AVV (Auftragsverarbeitungsvertrag nach Art. 28 DSGVO) ist Pflicht. ChatGPT Enterprise und ChatGPT Teams stellen AVVs bereit; Standard-ChatGPT-Accounts ohne Enterprise-Vereinbarung reichen für den produktiven Einsatz mit Personendaten nicht aus.
• Claude Team und Claude Enterprise von Anthropic bieten ebenfalls AVVs; Datenverarbeitung für Modelltraining ist in Business-Plänen ausgeschlossen.
• NotebookLM verarbeitet auf US-Servern. Für die Wissensbasis-Aufbauphase, also wenn du allgemeine DGUV-Dokumente lädst, keine personenbezogenen Kandidatendaten, ist das unproblematisch. Für personenbezogene Daten ist NotebookLM Business (via Google Workspace) oder eine Alternative nötig.
• TalentLMS bietet EU-Hosting (Frankfurt), ist ISO/IEC 27001 zertifiziert und DSGVO-konform, einer der wenigen Plattform-Anbieter, bei dem der DSGVO-Haken vollständig abgehakt werden kann.

Praktische Empfehlung: Trenne die Schritte. Nutze NotebookLM oder ChatGPT für den generischen Wissensaufbau (ohne Kandidatendaten). Für die Personalisierung mit echten Namen und Profilen: ausschließlich Tools mit unterzeichnetem AVV und idealerweise EU-Hosting.

Was es kostet, realistisch gerechnet

Einmalige Aufbaukosten Der größte Aufwand liegt nicht in der Software, sondern im Prompt-System. Du musst für jede relevante Branche (mindestens: Produktion, Lebensmittel, Pflege, Logistik, Pharma) einen validierten Prompt-Baustein erstellen, der die spezifischen Anforderungen korrekt und vollständig abbildet. Das bedeutet: Recherche in DGUV-Regelwerken, Abstimmung mit dem eigenen Sicherheitsfachmann oder Betriebsarzt, Testläufe mit echten Szenarien.

Realistische Aufwandsschätzung: 2–4 Wochen Teilzeit-Aufwand für 5 Branchen, verteilt auf Recherche, Prompt-Erstellung, Tests und Abnahme. Intern geleistet, keine externen Kosten. Wer externe Unterstützung für Prompt Engineering und DGUV-Inhalte holt: 2.000–5.000 Euro für Konzeption und Aufbau.

Laufende Kosten (monatlich)

• ChatGPT Teams: ~25 USD/Person/Monat × Disponenten (z. B. 5 Personen: ~125 USD/Monat)
• Claude Pro/Team: ~18–27 EUR/Person/Monat
• TalentLMS Core: ab 119 USD/Monat für bis zu 100 Nutzer (falls Kurse gewünscht)
• Gesamtkosten typischer Setup (5 Disponenten, ChatGPT Teams): ca. 125–200 USD/Monat

Was du dagegenrechnen kannst 40 Einsätze pro Woche, 30 Minuten Einarbeitung gespart: 20 Stunden pro Woche, ca. 80 Stunden pro Monat. Bei einem Brutto-Stundensatz von 25–35 Euro für Disponenten: 2.000 bis 2.800 Euro eingespartes Disponenten-Arbeitsvolumen monatlich, direkt gegengerechnet. Das ist die konservative Rechnung, ohne Qualitätsfaktor und ohne Sicherheitsvorfälle.

Wie du den ROI tatsächlich misst Nicht mit einer Hochrechnung, sondern mit zwei konkreten Zahlen: Erstens die Planungsdauer je Einarbeitungsplan vor und nach der Einführung (stoppt jemand ehrlich die Zeit). Zweitens die Rückmeldequote der Kundenbetriebe: Wie viele Rückfragen, Beanstandungen oder Sicherheitsvorfälle in den ersten zwei Einsatzwochen? Das ist der ehrlichste Qualitätsindikator, und der zählt langfristig mehr als die Zeitersparnis.

Drei typische Einstiegsfehler

1. Den Prompt zu generisch lassen. Die häufigste Fehler beim ersten Versuch: Der Prompt wird so allgemein gehalten, dass das Ergebnis kaum besser ist als die bisherige generische Vorlage. „Erstelle einen Einarbeitungsplan für die Lebensmittelbranche” ist zu wenig. Der Prompt muss spezifisch beinhalten: welche gesetzlichen Vorschriften gelten, welche typischen Gefahren auftreten, welche Verhaltensregeln branchenspezifisch sind, und er muss die Differenz zum vorherigen Erfahrungshintergrund des Kandidaten ansprechen. Das braucht eine Woche Aufbauarbeit, kein 10-Minuten-Test.

2. KI-Inhalte ohne Fachprüfung verwenden. Ein LLM kann halluzinieren, auch bei scheinbar sachlichen Informationen wie Paragraphennummern, Grenzwerten oder Meldepflichten. Ein Plan, der einen falschen § 42 IfSG-Wortlaut enthält oder falsche PSA-Anforderungen für die Pharmaindustrie nennt, ist schlimmer als kein Plan, weil er Sicherheit suggeriert, die nicht vorhanden ist. Regel: Jeder neue Branchenbaustein wird einmalig von einer fachkundigen Person (Sicherheitsfachmann, Betriebsarzt oder Fachdisponent) freigegeben, bevor er produktiv läuft. Danach ist das Ergebnis standardisiert und verlässlich.

3. Keine klare Abgrenzung zur Stufe-3-Unterweisung kommunizieren. Zeitarbeitende, die einen gut gemachten KI-Einarbeitungsplan bekommen, könnten glauben, damit vollständig vorbereitet zu sein. Das sind sie nicht, Stufe 3 (arbeitsplatzbezogene Unterweisung durch den Einsatzbetrieb) folgt noch. Dieser Unterschied muss im Plan selbst klar stehen: „Diese Unterweisung bereitet dich branchenspezifisch vor. Vor Ort wirst du zusätzlich eingewiesen zu [Maschinentypen, Gefahrstofflagerstellen, Fluchtwegen].” Wer das nicht kommuniziert, riskiert das Gegenteil des Ziels: Zeitarbeitende, die zu selbstsicher an den ersten Tag gehen.

4. Den Plan nie aktualisieren. Gesetzliche Anforderungen ändern sich. IfSG wird angepasst, DGUV-Regeln werden überarbeitet, neue Kundenspezifikationen kommen hinzu. Ein Prompt-System, das einmal aufgebaut und nie gepflegt wird, liefert nach 12–18 Monaten veraltete Inhalte, und zwar mit derselben Selbstsicherheit wie am ersten Tag. Jeder Branchenbaustein braucht einen Revisionsrhythmus: mindestens jährlich, zusätzlich bei bekannten Gesetzesänderungen. Wer das nicht plant, baut ein System, das still schlechter wird.

Was mit der Einführung wirklich passiert, und was nicht

Die technische Implementierung ist das Einfachste an diesem Vorhaben. Das Schwierigere ist die interne Akzeptanz, und die Qualitätssicherung.

Das Qualitätssicherungs-Problem wird unterschätzt. Disponenten, die die neuen KI-generierten Pläne nutzen, werden zunächst kritisch sein, zu Recht. Die ersten Versionen sind oft noch nicht perfekt: Ein Branchenbaustein fehlt, ein Detail ist falsch, der Tonfall klingt nicht nach der eigenen Unternehmenssprache. Das ist normal und kein Zeichen, dass der Ansatz scheitert. Es ist der Hinweis auf das, was im Prompt noch fehlt. Wer diesen Feedback-Zyklus strukturiert (z. B. mit einem einfachen Meldeweg für Korrekturen), hat nach 6–8 Wochen einen deutlich besseren Output als zu Beginn.

Erfahrene Disponenten werden zuerst skeptisch sein. Wer seit Jahren weiß, was in Lebensmittelproduktion rein muss und das aus dem Kopf abruft, braucht kein KI-Tool für sich. Diese Personen sind aber die wichtigsten Verbündeten für die Qualitätssicherung der Prompt-Bausteine. Einbindung von Anfang an: Diese Personen definieren, was in den Branchenprompt rein muss. Sie prüfen die erste Generation. Ihr Wissen wird zum System, es ersetzt sie nicht, es verlängert sie.

Jüngere oder überlastete Disponenten profitieren sofort. Wer neu im Job ist und die DGUV-Feinheiten für 15 Branchen nicht auswendig kann, wer unter Zeitdruck steht und trotzdem 40 Einsätze koordiniert: Der hat den unmittelbarsten Nutzen. Hier ist der Qualitätsgewinn am deutlichsten.

Was konkret hilft:

• Mit zwei bis drei Branchen starten, nicht mit allen gleichzeitig
• Für jede Branche einen konkreten Test-Case durchführen: Reales Kandidatenprofil, realer Einarbeitungsplan, Disponent beurteilt das Ergebnis
• Feedback-Kanal für Korrekturen einrichten (reicht: eine geteilte Notiz oder ein Formular)
• Einarbeitungspläne intern nicht als „KI-Output” labeln, sie sind Unternehmens-Output, der mit KI erstellt wurde

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben das schon immer so gemacht und hatten kaum Probleme.” Das stimmt meistens, und es verdeckt zwei Dinge. Erstens: Bei 40 Einsätzen pro Woche braucht es statistisch Zeit, bis ein branchenspezifischer Vorfall passiert. Der Berufsgenossenschaft (VBG) sind Zeitarbeiter-Vorfälle bekannt, die auf mangelnde Vorbereitung zurückgehen, aber als individuelle Ereignisse wahrgenommen werden, nicht als Systemproblem. Zweitens: „Kaum Probleme” ist nicht dasselbe wie „optimale Vorbereitung”. Kundenbeschwerden über mangelnde Vorkenntnisse oder Rückfragen in den ersten Tagen sind Indikatoren, die oft nicht systematisch erfasst werden.

„KI macht Fehler, das kann ich nicht verantworten.” Das ist das stärkste Argument, und der richtigste Grund, einen Qualitätsprozess zu etablieren, nicht einen Grund, gar nicht anzufangen. Kein erfahrener Disponent lässt einen KI-Einarbeitungsplan ungeprüft raus. Das System spart die Recherche und Strukturierung, die fachliche Verantwortung bleibt beim Menschen. Das ist kein Fehler des Ansatzes, das ist sein Design.

„Unsere Kunden haben sehr spezifische Anforderungen, die KI nicht kennen kann.” Richtig, und genau deshalb gibt es das Kundenprofil als dritten Input. Der Prompt kann Kundeninformationen als Kontext einlesen. Für einen Stammkunden mit bekannten Spezifikationen ist das einmalig einzurichten; der Disponent aktiviert dann einfach das Kundenprofil. Mit der Zeit entsteht eine Bibliothek: Standardbranchen-Prompts plus kundenspezifische Ergänzungen.

Woran du merkst, dass das zu dir passt

Positive Signale:

• Deine Niederlassung hat mehr als 20 Einsätze pro Woche, davon ein relevanter Anteil mit Branchenwechseln
• Du sendest Mitarbeitende regelmäßig in mindestens zwei oder drei verschiedene Branchen (nicht nur immer dieselbe)
• Deine Disponenten beklagen, dass sie für die Vorbereitung zu wenig Zeit haben, und Einarbeitungspläne dadurch generisch werden
• Du hast bereits digitale Qualifikationsprofile deiner Mitarbeitenden (z. B. in Personio oder einem ATS), die Datenbasis für die Personalisierung ist vorhanden
• Kundenbetriebe geben dir Feedback, dass Zeitarbeitende in den ersten Tagen mehr branchenspezifisches Grundwissen mitbringen könnten

Drei harte Ausschlusskriterien:

1. Unter 15–20 Einsätze pro Woche mit kaum Branchenwechseln. Wenn du primär in eine oder zwei Branchen vermittelst und das Volumen gering ist, lohnt der Aufbau des Prompt-Systems nicht. Der Aufwand für die Wissensaufbauphase amortisiert sich erst bei einem gewissen Wiederholungseffekt. Besser: einmalig eine gute, branchenspezifische Vorlage manuell erstellen und als Word-Dokument verwenden.

2. Keine digitalisierten Kandidatenprofile vorhanden. Personalisierung funktioniert nur, wenn die Personalisierungsdaten als digitale Eingabe vorliegen. Wenn Qualifikationsprofile hauptsächlich als Papier oder als unstrukturierte E-Mail-Notizen existieren, ist der erste sinnvolle Schritt die Digitalisierung der Personalakten, nicht das KI-System für Einarbeitungspläne. Dann KI.

3. Kein Zugang zu fachkundigem Prüfer für die Erstfreigabe. Wenn du niemanden hast, intern oder extern, der die KI-generierten Brancheninhalte fachlich gegenprüfen kann (Sicherheitsfachmann, Betriebsarzt, erfahrener Fachdisponent), solltest du diesen Use Case noch nicht einführen. Ein ungeprüfter KI-Plan für Sicherheitsunterweisungen kann falsches Sicherheitsgefühl erzeugen und ist im Haftungsfall schlechter als kein Plan.

Das kannst du heute noch tun

Öffne NotebookLM (kostenlos, kein Setup) und lade zwei Dokumente hoch: die DGUV Regel 115-801 „Branche Zeitarbeit” (PDF, frei verfügbar auf dguv.de) und deine aktuell verwendete Standard-Einweisungsvorlage. Stelle dann eine konkrete Frage:

„Was fehlt in meiner aktuellen Einweisungsvorlage für einen Zeitarbeitenden, der erstmals in die Lebensmittelbranche wechselt?”

Was NotebookLM zurückgibt, ist die Grundlage für deinen ersten Branchenprompt.

Für die eigentliche Planerstellung kannst du dann direkt loslegen:

Quellen & Methodik

• DGUV Regel 115-801 „Branche Zeitarbeit”: Deutsche Gesetzliche Unfallversicherung (DGUV), aktuelle Fassung. Grundlage für die Drei-Stufen-Unterweisung und die tätigkeitsbezogenen Anforderungen. Frei verfügbar unter publikationen.dguv.de.
• VBG Report Zeitarbeit: Verwaltungs-Berufsgenossenschaft (VBG), mehrjährige Berichtsserie zu Arbeitsunfällen in der Zeitarbeitsbranche. Belegt das erhöhte Unfallrisiko bei Branchenwechseln und die Bedeutung der Vorbereitung durch das Zeitarbeitsunternehmen (vbg.de/cms/zeitarbeit/report-zeitarbeit).
• § 42/43 Infektionsschutzgesetz (IfSG): Bundesgesundheitsministerium, aktuelle Fassung. Tätigkeitsverbote und Belehrungspflichten in der Lebensmittelbranche.
• AI onboarding efficiency data: AIHR (Academy to Innovate HR), „AI in Employee Onboarding: 8 Practical Use Cases” (2024); aihr.com. Hintergrundwerte zu Zeitersparnissen durch KI-gestützte Onboarding-Automatisierung (700–800 HR-Stunden/Jahr bei 100 Einstellungen).
• KI-Implementierungskosten für KMU: kmuautomation.de, „KI Implementierungskosten 2025” (2025). Hintergrundwerte für API-Kosten und Self-Hosted-Optionen.
• Einweisung in der Zeitarbeit, VBG-Fragebögen: VBG, vbg.de/zeitarbeit-fb. Erläuterungen zur praktischen Umsetzung der Unterweisungspflichten.
• Eigene Erfahrungswerte: Basierend auf Praxisberichten aus Zeitarbeitsunternehmen mit 15–80 Disponenten; keine repräsentative Studie.

Du willst wissen, wie du das Prompt-System für deine konkreten Branchen aufbaust und welche DGUV-Inhalte in welchen Branchen-Baustein gehören? Meld dich, das klären wir gemeinsam in einem kurzen Gespräch.