Elektronische Arbeitszeiterfassung wird Pflicht: Warum jetzt der richtige Moment für einen KI-gestützten Zeiterfassungs-Agenten ist

Zeiterfassung ist 2026 keine Vorliebe mehr, sondern eine rechtliche Verpflichtung. Das Bundesarbeitsgericht hat 2022 klargestellt, der EuGH bereits 2019: Arbeitgeber müssen die gesamte Arbeitszeit ihrer Beschäftigten erfassen, nicht nur Überstunden. Die konkrete Umsetzung der Reform des Arbeitszeitgesetzes wurde mehrfach verschoben — aber die zugrundeliegende Pflicht bleibt, und mit jedem Quartal steigt das Bußgeldrisiko für Unternehmen, die noch immer auf Excel oder freiwilliger Selbsteintragung sitzen.

Gleichzeitig ist die Pflicht eine Chance. Denn fast jedes Unternehmen kennt das Problem: Zeiterfassung wird gehasst, weil sie händisch, ungenau und nutzlos wirkt. Mitarbeitende tippen am Freitag rückwirkend, was sie vor drei Tagen vielleicht gemacht haben. Die Auswertung ist eine grobe Schätzung. Projektnachkalkulation: ein Wunschtraum.

Ein KI-gestützter Zeiterfassungs-Agent löst beide Probleme zugleich.

1. Was die Reform vorschreibt

Die rechtliche Grundlage in Deutschland ergibt sich aus drei Quellen:

• EuGH-Urteil von 2019 (“CCOO-Urteil”): Arbeitgeber müssen ein objektives, verlässliches und zugängliches System zur Erfassung der täglichen Arbeitszeit einrichten.
• BAG-Beschluss von September 2022: Diese Pflicht gilt unmittelbar nach deutschem Arbeitsschutzrecht — keine separate gesetzliche Umsetzung erforderlich, um die Pflicht entstehen zu lassen.
• Arbeitszeitgesetz-Novelle (in Vorbereitung): Konkretisiert die Anforderungen, sieht aktuell unter anderem vor: Erfassung am Tag der Arbeitsleistung, elektronische Form (Ausnahmen für kleine Betriebe denkbar), Aufbewahrungspflicht von 2 Jahren, Einsichtsrecht der Mitarbeitenden.

Was die Reform vorschreiben wird — sobald sie verabschiedet ist:

• Elektronische Erfassung als Default. Excel-Listen werden für die meisten Unternehmen nicht mehr ausreichen.
• Vollständigkeit: Anfang, Ende, Pausen — pro Tag, pro Mitarbeitendem.
• Tagesaktualität: Nachträgliche Eintragung über Wochen ist nicht mehr konform.
• Manipulationssicherheit: Es muss erkennbar sein, wenn Daten nachträglich verändert werden.
• Einsichtsrecht: Mitarbeitende und Behörden müssen unkompliziert auf die Daten zugreifen können.

Die Anforderungen klingen technisch banal — sind aber in der Praxis schwer umsetzbar, weil sie tägliche Disziplin erfordern. Wer einen Vorgesetzten oder Wissensarbeiter zu täglicher manueller Zeiterfassung zwingt, baut Frust und Falsch-Eingaben in das System ein.

2. Warum klassische Zeiterfassung scheitert

Die meisten klassischen Zeiterfassungs-Tools bestehen aus drei Bausteinen: einem Eingabeformular, einer Datenbank und ein paar Auswertungen. Sie automatisieren nichts — sie digitalisieren das, was vorher auf Papier passierte.

In der Realität führen sie zu vier wiederkehrenden Problemen:

Lücken. Mitarbeitende vergessen, einzutragen. Oder sie tragen am Ende der Woche das ein, was plausibel klingt. Compliance gegenüber dem Buchstaben der Reform: nicht gegeben.

Unschärfe. Ein “Projektmeeting” steht auf der Buchung. Welches Projekt, welcher Kunde, welche Tätigkeit — unklar. Auswertung: schwer.

Frust. Wer 30 Minuten pro Woche in das Zeiterfassungs-Tool investiert, empfindet das als Verschwendung. Bei 100 Mitarbeitenden sind das 50 Stunden pro Woche, die in keine Wertschöpfung fließen.

Keine Lernkurve. Das Tool wird nicht klüger. Sie tippen jeden Montag dieselben drei Projekte ein, die auch letzten Montag aktiv waren — niemand merkt sich das.

Klassische Zeiterfassung scheitert nicht, weil sie nicht funktioniert. Sie scheitert, weil sie strukturell die falsche Frage stellt. Sie fragt: “Was haben Sie heute gemacht?” Die richtige Frage wäre: “Wir können sehen, was Sie heute gemacht haben — stimmt das so?“

3. Wie ein KI-Agent Zeit erfasst statt nur tippt

Ein KI-Agent kehrt das Modell um. Statt vom Menschen Eingaben zu verlangen, sammelt er aus den vorhandenen digitalen Spuren des Arbeitsalltags — Kalender, Tickets, Mails, Code-Commits, Telefonprotokolle, Teams-Aktivität — und schlägt eine fertige Zeitbuchung vor.

Die Funktionsweise im Kern:

1. Datenquellen verbinden. Outlook/Google Kalender, Teams/Slack, Jira/Asana/Linear, GitHub/GitLab, Telefonsystem, optional Bildschirmaktivität (mit Zustimmung). Tool Calling und MCP machen die Anbindung standardisiert.
2. Aktivitäten erkennen. Der Agent gruppiert zusammengehörige Aktivitäten zu Sinneinheiten — “Meeting mit Kunde X”, “Coding-Session in Repository Y”, “E-Mail-Bearbeitung Projekt Z”.
3. Klassifizieren. Ein LLM ordnet jeder Einheit Projekt, Kostenstelle, Tätigkeitsart und ggf. Aufgabentyp zu — auf Basis von Lernhistorie und Unternehmenskontext.
4. Vorschlag erzeugen. Am Ende des Tages (oder live über den Tag) sieht der Mitarbeitende eine vorausgefüllte Tagesübersicht.
5. Bestätigen oder korrigieren. Ein Klick reicht für “stimmt so”. Korrekturen sind möglich und lernen sich ins System ein.
6. Buchen. Der Agent schreibt die Daten in das nachgelagerte System (DATEV, SAP, Personio, eigene Lösung).

Der Unterschied im Erlebnis: Statt 5–10 Minuten täglich tippen sind es 30 Sekunden bestätigen. Statt grober Schätzungen sind die Daten präzise und auswertbar.

4. Compliance plus Mehrwert: die Doppelchance

Die meisten Unternehmen denken bei Pflicht-Zeiterfassung an Kosten, Frust und Aufwand. Tatsächlich ist sie der seltene Fall, in dem regulatorischer Druck und betriebswirtschaftlicher Nutzen in dieselbe Richtung zeigen — wenn man sie richtig umsetzt.

Compliance-Seite:

• Vollständige, tagesaktuelle Erfassung — automatisch.
• Manipulationssicherheit durch Audit-Logs und unveränderliche Quellbelege.
• Einsichtsfunktion für Mitarbeitende per Self-Service.
• Aufbewahrung und Löschung nach Plan.

Betriebswirtschaftliche Seite:

• Bessere Projektnachkalkulation. Statt Schätzwerten echte Daten — pro Kunde, pro Projekt, pro Tätigkeit.
• Frühwarnsystem. Wenn ein Projekt unbemerkt aus dem Budget läuft, fällt das sofort auf — nicht erst nach drei Wochen.
• Personaleinsatz-Steuerung. Engpässe und Überlastung werden sichtbar, bevor sie eskalieren.
• Rechnungsstellung. Bei Beratungs- und Agenturmodellen fließen Daten direkt in die Fakturierung.
• Mitarbeitenden-Mehrwert. Tägliche Eigentransparenz: “Was habe ich diese Woche eigentlich getan?” — ein motivierendes Element, kein Überwachungsinstrument.

Wir sehen in laufenden Projekten regelmäßig: Der Nutzen der besseren Datenlage übersteigt nach 6–9 Monaten den Investitionsaufwand. Compliance ist dann ein Nebeneffekt — kein Kostenfaktor.

5. Architektur eines Zeiterfassungs-Agenten

Die produktive Architektur, die wir 2026 bauen, besteht aus fünf Schichten:

Schicht 1 — Konnektoren. Adapter zu allen relevanten Datenquellen. Standardisiert über MCP-Server (siehe Tool Calling, Function Calling und MCP), sodass neue Systeme schnell andocken können. Read-only — der Agent verändert keine Quelldaten.

Schicht 2 — Aktivitäts-Erkennung. Eine deterministische Pipeline, die Rohereignisse zu Aktivitäts-Clustern zusammenfasst. Beispiel: 14:00 Teams-Meeting + 14:05 E-Mail an Kunde X + 14:30 Bearbeitung Jira-Ticket → eine Aktivität “Kundengespräch X + Folgeaufgaben”.

Schicht 3 — LLM-Klassifikation. Ein lokales oder EU-gehostetes LLM (Llama 3.3 70B, Mistral Large, oder ein domänenspezifisch fine-getuntes Modell — siehe LLM-Fine-Tuning) ordnet jede Aktivität strukturierten Kategorien zu. Output ist immer ein JSON-Schema, validiert vor der Weitergabe.

Schicht 4 — Bestätigungs-UI. Eine schlanke Web-/Mobile-Oberfläche. Tagesübersicht, ein-Klick-Bestätigung, einfache Korrekturen. Lernhistorie sichtbar.

Schicht 5 — Sync und Audit. Bestätigte Buchungen werden in die nachgelagerten Systeme synchronisiert. Audit-Logs erfassen jede Änderung — Quelle, Zeitpunkt, Mitarbeiter, Vorschlag, finale Buchung.

Diese Architektur lässt sich On-Premise, in einer EU-Cloud oder hybrid betreiben. Für die meisten Mittelständler empfehlen wir On-Premise oder Managed EU-Cloud — die Daten, die hier durchlaufen, sind sensitiv.

6. DSGVO, Betriebsrat und Mitbestimmung

Ein Zeiterfassungs-Agent ist eine personenbezogene Verarbeitung mit erheblicher Mitarbeitenden-Wirkung. Drei Bereiche müssen sauber adressiert sein:

DSGVO. Datenschutz-Folgenabschätzung (DSFA) ist Pflicht. Verarbeitungszweck, Rechtsgrundlage (typischerweise gesetzliche Verpflichtung nach Arbeitszeitgesetz plus Vertragserfüllung), Speicherdauer, Löschkonzept, Betroffenenrechte — alles dokumentiert. Datenminimierung: Inhalt von E-Mails wird nicht gespeichert, nur die Tatsache der Bearbeitung. Mehr zu DSGVO und KI: KI und Datenschutz.

Mitbestimmung. § 87 BetrVG: Einführung und Anwendung technischer Einrichtungen, die das Verhalten oder die Leistung der Arbeitnehmer überwachen, sind mitbestimmungspflichtig. Eine Betriebsvereinbarung ist nicht optional, sondern Bedingung. Wir empfehlen, den Betriebsrat ab Anfang einzubinden — nicht erst nach Auswahl der Lösung.

Kommunikation. Mitarbeitende erleben das System täglich. Wenn die Wahrnehmung “Überwachung” ist, scheitert das Projekt, egal wie gut die Technik ist. Wenn die Wahrnehmung “Erleichterung” ist, wird das Tool akzeptiert. Transparenz über Datenquellen, Speicherdauer und Auswertungswege ist nicht-verhandelbar.

Praxiserprobte Prinzipien:

• Keine inhaltlichen Daten (E-Mail-Texte, Chat-Verläufe) speichern — nur Metadaten.
• Mitarbeitende sehen jede Buchung und können sie ändern.
• Keine automatischen Leistungsbewertungen aus den Daten.
• Klare Zugriffsregeln: HR/Lohnbuchhaltung sieht andere Daten als Projektleiter.
• Quartalsweise Datenschutz-Audit, dokumentiert.

7. Einführung in 4 bis 8 Wochen

Ein realistischer Zeitplan:

• Woche 1–2: Workshop. Use-Case-Klärung, Datenquellen-Inventur, Architektur-Entscheidungen, Betriebsrats-Einbindung. Output: Konzeptpapier und DSFA-Entwurf.
• Woche 2–4: Implementierung. Konnektoren bauen, LLM-Klassifikation kalibrieren, UI bereitstellen. Pilotgruppe (15–30 Mitarbeitende) vorbereiten.
• Woche 4–6: Pilot. Echter Betrieb mit Pilotgruppe. Tägliche Korrekturen werden ins Modell zurückgespielt. Trefferquote der Vorschläge steigt typisch von 60 % in Woche 1 auf 85–90 % in Woche 3.
• Woche 6–8: Rollout. Schrittweise auf die gesamte Belegschaft. Schulung, Support-Hotline für die ersten zwei Wochen.

Was nicht passieren darf:

• Big-Bang-Rollout ohne Pilot. Wenn Sie 200 Mitarbeitende auf einmal umstellen und die Trefferquote ist noch bei 60 %, haben Sie 200 unzufriedene Menschen.
• Schließbarer Datenbestand vor Klärung der Mitbestimmung. Erst Vereinbarung, dann Daten.
• Nachträgliche Anbindung an Leistungsbewertung. Sie verlieren das Vertrauen, und das System ist tot.

Mehr zur Logik hinter solchen KI-Automatisierungsprojekten und zur Frage, warum viele KI-Projekte scheitern, haben wir in eigenen Beiträgen aufgearbeitet.

Wer 2026 die Pflicht ohnehin erfüllen muss, sollte die Gelegenheit nicht verschenken. Eine händische Excel-Lösung erfüllt nur die rechtliche Mindestpflicht. Ein KI-Agent erfüllt sie — und zahlt sich gleichzeitig betriebswirtschaftlich aus. Wenn Sie wissen wollen, wie das in Ihrem konkreten Setup aussieht: reden Sie mit uns.