KI-Assistent für HR-Richtlinien: Mitarbeiterhandbuch und Tarifverträge durchsuchbar machen

Ein KI-Assistent für HR-Richtlinien verwandelt Mitarbeiterhandbuch, Tarifverträge und Betriebsvereinbarungen in eine durchsuchbare Wissensdatenbank, die Mitarbeitende rund um die Uhr selbst befragen können. Jede Antwort verweist auf die genaue Passage im Originaldokument, sodass niemand sich auf eine Vermutung verlassen muss. Richtig aufgesetzt entlastet das die Personalabteilung spürbar, bleibt dabei aktuell und hält die Anforderungen aus DSGVO und Mitbestimmung ein.

Warum HR-Abteilungen von einem KI-Assistenten profitieren

In fast jedem Unternehmen wiederholen sich dieselben Fragen: Wie viele Urlaubstage stehen mir zu, wie wird Mehrarbeit nach dem geltenden Tarifvertrag vergütet, welche Frist gilt für die Elternzeit-Anmeldung, was regelt die Homeoffice-Richtlinie bei Dienstreisen ins Ausland. HR-Teams beantworten diese Fragen oft manuell per E-Mail, obwohl die Antwort längst in einem PDF irgendwo im Intranet steht, nur eben schwer auffindbar. Ein KI-Assistent löst genau dieses Auffindbarkeitsproblem: Er durchsucht alle hinterlegten Dokumente gleichzeitig und liefert eine Antwort mit Zitat statt einer Liste von Treffern, durch die man sich erst durchklicken muss.

Der Unterschied zu einer klassischen Stichwortsuche im Intranet ist die Kombination aus Volltextsuche und semantischer Suche. Wer „Wie lange darf ich im Homeoffice arbeiten

Für den tieferen Mechanismus hinter dieser Art der Suche lohnt sich ein Blick in den Artikel Wie funktioniert RAG? Schritt für Schritt an einem echten Beispiel erklärt, der das Zusammenspiel aus Abruf und Antwortgenerierung konkret durchgeht.

Welche Dokumente gehören in die HR-Wissensdatenbank

Nicht jedes Dokument eignet sich gleichermaßen für den Einsatz in einem Assistenten. Grundlage sind Texte, die verbindliche Aussagen treffen und sich regelmäßig als Nachschlagewerk eignen:

• Mitarbeiterhandbuch mit internen Richtlinien zu Arbeitszeit, Homeoffice, Reisekosten und Verhalten
• Geltende Tarifverträge (Flächentarifvertrag oder Haustarifvertrag) mit Entgeltgruppen und Zuschlägen
• Betriebsvereinbarungen zu Themen wie Gleitzeit, mobiles Arbeiten oder betriebliche Altersvorsorge
• Arbeitsvertragsmuster und Zusatzvereinbarungen (ohne personenbezogene Einzelverträge)
• Onboarding-Unterlagen, Stellenbeschreibungen und interne Prozessanleitungen
• Arbeitsschutz- und Sicherheitsunterweisungen, die Mitarbeitende ohnehin nachlesen müssen

Arbeitsschutzthemen verdienen besondere Sorgfalt, weil hier gesetzliche Pflichten direkt mit Quellenangabe beantwortet werden sollten. Der Artikel Arbeitsschutz mit KI: Arbeitgeberpflichten aus ArbSchG und DGUV mit Quellenangabe klären zeigt, wie das konkret aussieht.

So bauen Sie die Wissensdatenbank Schritt für Schritt auf

Der technische Aufbau ist inzwischen kein großes IT-Projekt mehr. Auf einem Marktplatz wie Kopik können Sie eine Wissensdatenbank in wenigen Minuten anlegen, ohne eigene Infrastruktur für Embeddings oder Indexierung zu betreiben:

1. Dokumente sammeln: aktuelle Fassung von Handbuch, Tarifvertrag und relevanten Betriebsvereinbarungen als PDF, Word oder Markdown exportieren
2. Über Jetzt Basis anlegen eine private Wissensdatenbank erstellen und die Dateien hochladen
3. Kopik extrahiert den Text, zerlegt ihn in sinnvolle Abschnitte (Chunking) und indiziert ihn für hybride Suche aus Volltext und semantischer Erweiterung
4. Testfragen stellen, die typische Mitarbeiteranfragen abbilden, und prüfen, ob die zitierten Passagen tatsächlich zur Antwort passen
5. Zugriff festlegen: privat für interne Nutzung über API-Schlüssel, oder als geschützter Bereich im Intranet eingebunden
6. Die Basis per REST-API oder MCP-Server an Intranet, Teams-Bot oder ein internes Chat-Tool anbinden, wie im Entwickler-Guide beschrieben

Wie die Dokumente dabei in Abschnitte zerlegt werden, beeinflusst die Qualität der Antworten direkt. Bei strukturierten Texten wie Tarifverträgen mit nummerierten Paragrafen lohnt sich ein struktur-bewusstes Vorgehen, das im Artikel Chunking-Strategien für RAG erklärt wird.

Quellenangaben: Warum Belege bei HR-Fragen nicht verhandelbar sind

Bei HR-Themen hat eine falsche oder veraltete Antwort reale Konsequenzen, etwa wenn ein Mitarbeiter sich auf eine falsch wiedergegebene Kündigungsfrist verlässt. Deshalb sollte jede Antwort des Assistenten die zitierte Passage und das Quelldokument mit Version oder Datum anzeigen. Kopik liefert Antworten standardmäßig mit verlinkten Belegstellen, alternativ auch im reinen „Passagen

Wie man eine KI-Antwort anhand ihrer Quellen tatsächlich überprüft, zeigt der Artikel KI-Antworten mit Quellenangaben: So prüfen Sie eine Antwort auf Ihre Dokumente. Diese Prüfroutine lohnt sich besonders in der Testphase, bevor der Assistent für alle Mitarbeitenden freigeschaltet wird.

Aktualität sichern: Was tun, wenn sich der Tarifvertrag ändert

Tarifverträge werden regelmäßig neu verhandelt, Betriebsvereinbarungen angepasst, interne Richtlinien überarbeitet. Eine HR-Wissensdatenbank, die auf einem veralteten Stand verharrt, ist schlimmer als gar kein Assistent, weil sie mit Überzeugung falsche Antworten liefert. Sinnvoll ist ein fester Prozess:

• Verantwortliche Person benennen, die bei jeder neuen Tarifrunde oder Richtlinienänderung das aktualisierte Dokument hochlädt
• Alte Dokumentversionen aus der Basis entfernen oder klar als „ungültig ab [Datum]

Wenn Sie zusätzlich mit sehr langen Dokumenten arbeiten, etwa einem kompletten Haustarifvertrag mit vielen Anlagen, stellt sich die Frage, ob eine gezielte Suche über Chunks oder ein großes Kontextfenster die bessere Strategie ist. Der Vergleich dazu steht im Artikel RAG vs. Long Context.

Datenschutz und Zugriffssteuerung: öffentlich, privat und was dazwischen liegt

Mitarbeiterhandbuch und Tarifvertrag enthalten in der Regel keine personenbezogenen Daten einzelner Beschäftigter, trotzdem handelt es sich um interne Unternehmensinformationen, die nicht öffentlich zugänglich sein sollten. Eine HR-Wissensdatenbank gehört deshalb fast immer in den privaten Modus: nur Mitarbeitende mit entsprechendem Zugang oder über einen internen API-Schlüssel können Fragen stellen. Öffentliche, im Katalog gelistete Basen eignen sich eher für Expertenwissen, das Sie extern monetarisieren möchten, wie im Artikel Expertenwissen an KI-Agenten verkaufen beschrieben, nicht für interne HR-Dokumente.

Für sensible Führungskräfte-Dokumente empfiehlt sich eine zweite, getrennte Basis mit eigenem, enger gefasstem Zugriff statt einer einzigen Basis für alle. So bleibt die Trennung zwischen allgemein zugänglichen Richtlinien und vertraulicheren Leitfäden sauber, auch technisch über unterschiedliche API-Schlüssel.

Welche konkreten Punkte Sie bei der DSGVO-Konformität einer solchen Lösung prüfen sollten, von Auftragsverarbeitung bis Speicherort, fasst die DSGVO-Checkliste für RAG-Systeme zusammen. Eine allgemeinere Anleitung zum Aufbau eines konformen internen Chatbots bietet zudem DSGVO-konformen Chatbot auf eigenen Dokumenten aufbauen.

Anbindung an die Werkzeuge, die Mitarbeitende bereits nutzen

Ein Assistent wird nur genutzt, wenn er dort erreichbar ist, wo Mitarbeitende ohnehin arbeiten. Über die REST-API lässt sich die HR-Wissensdatenbank in ein internes Intranet-Widget oder einen Teams-Bot einbauen. Wer stattdessen mit KI-Tools wie Claude oder Cursor arbeitet, etwa im HR-Controlling oder bei der Vertragsprüfung, kann die Basis auch über einen MCP-Server direkt anbinden, wie in Claude, Cursor oder ChatGPT mit einer Wissensdatenbank verbinden beschrieben. Die technischen Grundlagen von MCP selbst erklärt der Artikel MCP (Model Context Protocol) erklärt.

In der Entwicklerdokumentation finden technische Teams die Details zu Authentifizierung, Antwortformaten und den Unterschieden zwischen Beleg-Modus und reinem Passagen-Modus, die bei der Integration relevant sind.

Erfolg messen, bevor der Assistent produktiv geht

Vor dem unternehmensweiten Rollout lohnt sich eine kleine Testphase mit einem Testset aus zehn bis zwanzig echten HR-Fragen, deren korrekte Antwort Sie vorab kennen. So lässt sich objektiv prüfen, ob der Assistent zuverlässig die richtige Passage zitiert, statt sich auf das subjektive Gefühl einzelner Tester zu verlassen. Wie ein solches Testset aufgebaut wird und welche Metriken sich für die laufende Überwachung eignen, erläutert der Artikel RAG-System evaluieren: Metriken, Testsets und Monitoring. Wer mit den Fachbegriffen rund um Embeddings, Chunking oder Retrieval noch nicht vertraut ist, findet eine kompakte Übersicht im KI- und LLM-Glossar.

Nach dem Start empfiehlt sich außerdem eine monatliche Stichprobe: Fragen Sie fünf zufällige Protokolleinträge ab und prüfen Sie, ob die zitierte Quelle noch der aktuell gültigen Dokumentfassung entspricht. Dieser kleine Aufwand verhindert, dass veraltete Antworten unbemerkt im Umlauf bleiben.

Kosten realistisch einschätzen

Die Kosten eines solchen Assistenten hängen vom Nutzungsvolumen ab, nicht von der Dokumentmenge. Bei einem Modell mit vorausbezahlten Guthaben pro Frage zahlen kleinere Teams nur für tatsächlich gestellte Fragen, während ein monatliches Abo mit Nutzungsanzeige (etwa ab 12 Euro im Monat) für Teams mit regelmäßigem Fragevolumen planbarer ist. Da eine HR-Wissensdatenbank meist nur intern genutzt wird, entfällt die Frage nach einem Verkaufspreis pro Frage, die bei öffentlichen Basen im Katalog relevant wäre.

Verglichen mit dem Aufbau einer eigenen Vektordatenbank samt Embedding-Pipeline ist der Betrieb über eine fertige Wissensdatenbank deutlich günstiger und schneller einsatzbereit. Einen Überblick über die tatsächlichen Kostentreiber liefert der Artikel Vektordatenbank Kosten: Wofür Sie tatsächlich bezahlen.

Fazit

Ein KI-Assistent für HR-Richtlinien funktioniert dann gut, wenn drei Dinge zusammenkommen: aktuelle, vollständige Dokumente als Grundlage, Antworten mit nachvollziehbarer Quellenangabe und eine saubere Zugriffssteuerung, die interne Inhalte privat hält. Technisch ist die Hürde heute niedrig, die eigentliche Arbeit liegt in der Pflege der Dokumente und der frühzeitigen Abstimmung mit dem Betriebsrat.