HR-KI-Assistent im Schweizer E-Commerce: n8n, RAG und ISO 27001 in 6 Monaten

Hintergrund: Schweizer E-Commerce-Unternehmen mit 2 500 Mitarbeitenden

Diese Fallstudie ist ein Komposit aus beobachteten Mustern in der Praxis. Wir benennen keine realen Kunden, um die Vertraulichkeit der Projekte zu wahren. Die beschriebene Firma ist ein fiktiver, aber plausibler Vertreter eines Schweizer E-Commerce-Unternehmens mit 2 500 Mitarbeitenden, das in Deutschland, Österreich und der Schweiz operiert. Der Stack besteht aus SAP SuccessFactors (HRIS), Confluence (Wissensmanagement) und einem heterogenen Set an Legacy-Tools. Die Firma ist ISO 27001 zertifiziert und unterliegt strengen Datenschutzvorgaben, insbesondere im Umgang mit personenbezogenen Daten im HR-Kontext. Die Herausforderung war nicht die Technologie, sondern die Skalierung: Die HR-Abteilung war überlastet, weil sie Anfragen in drei Sprachen manuell beantwortete und das Wissen in Confluence verstreut lag.

Herausforderung: Multilinguale Abdeckung und ISO 27001-Konformität

Die HR-Abteilung stand unter erheblichem Druck: Die Durchlaufzeit für einfache HR-Anfragen (Urlaub, Onboarding, Benefits) lag bei durchschnittlich 48 Stunden. Die Mitarbeiter in Deutschland und Österreich stellten Anfragen auf Deutsch, die in der Schweiz oft auf Englisch oder Französisch beantwortet wurden. Das führte zu Missverständnissen und Wiederholungen. Zusätzlich gab es eine Compliance-Herausforderung: Die ISO 27001-Zertifizierung erforderte, dass personenbezogene Daten nicht an externe Cloud-Dienste ohne explizite Freigabe weitergegeben werden durften. Die HR-Leitung hatte einen klaren Zeitrahmen von 6 Monaten, um einen messbaren ROI zu zeigen, bevor das Budget für eine vollständige HR-Transformation freigegeben wurde. Der Bedarf war klar: Ein multilingualer Assistent, der auf den eigenen Confluence-Daten aufsetzt und die manuelle Back-Office-Arbeit reduziert.

Ansatz: n8n-Orchestrierung und RAG über Confluence

Forfis startete mit einem Prozess-Audit, das die 20 häufigsten HR-Anfragen identifizierte und deren Durchlaufzeit sowie Fehlerquote messbar machte. Der Fixed-Scope Pilot umfasste die Implementierung eines RAG-Systems (Retrieval-Augmented Generation) über Confluence, orchestriert durch n8n. Die Architektur war bewusst modell-agnostisch: Für sensible HR-Daten (z. B. Gehaltsabrechnungen, Krankmeldungen) lief ein Open-Weight-Modell (Llama 3 70B) auf eigener Hardware im Schweizer Rechenzentrum. Für nicht-sensitive Anfragen (z. B. Onboarding-Checklisten) durfte ein Cloud-LLM (OpenAI GPT-4o) genutzt werden. Die n8n-Workflows verknüpften die Anfrage-Erfassung, die Vektordatenbank-Abfrage und die Antwort-Generierung. Ein Human-in-the-Loop-Mechanismus sorgte dafür, dass jede Antwort, die Geld oder Gesundheitsdaten betraf, vor der Freigabe durch einen HR-Mitarbeiter geprüft wurde. Die Integration in Confluence erfolgte über die REST-API, ohne das bestehende System zu ersetzen.

Ergebnis: Messbare Reduktion der manuellen Back-Office-Arbeit

Nach 6 Monaten war der Pilot produktiv. Die Durchlaufzeit für einfache HR-Anfragen sank von 48 Stunden auf unter 5 Minuten (automatisierte Antwort) bzw. 2 Stunden (mit Human-in-the-Loop-Prüfung). Die Fehlerquote bei der Zuordnung von Anfragen zu den richtigen Confluence-Seiten lag bei 12 % im Baseline-Messung, sank nach Feintuning der Embeddings auf 4 %. Die Akzeptanzrate durch die HR-Mitarbeiter lag bei 85 % – das heißt, 85 % der Antworten wurden ohne manuelle Korrektur akzeptiert. Die manuelle Back-Office-Arbeit in der HR-Abteilung reduzierte sich um 30 %, was der Abteilung ermöglichte, sich auf strategische Aufgaben zu konzentrieren. Die multilinguale Abdeckung (Deutsch, Englisch, Französisch) funktionierte ohne zusätzliche Übersetzungsaufwände, da das Modell die Sprache der Anfrage automatisch erkannte und in derselben Sprache antwortete. Die ISO 27001-Audit-Logs zeigten keine Verstöße gegen die Datenhaltungsvorgaben.

Lektionen für ähnliche Teams

1. Vorab-Definition der Metriken ist entscheidend: Ohne die messbare Baseline (48 h Durchlaufzeit, 12 % Fehlerquote) wäre der ROI nicht belegbar gewesen. Die Metriken wurden im SOW fixiert, nicht nachträglich verhandelt. 2. Modell-Agnostik ist kein Luxus, sondern Compliance-Erfordernis: Die Trennung zwischen Open-Weight (lokal) und Cloud-LLM (nicht-sensitiv) war der Schlüssel zur ISO 27001-Konformität. Ein reines Cloud-Setup wäre nicht genehmigt worden. 3. n8n als Orchestrierungsschicht reduziert die Integrationsschuld: Statt ein neues HR-Portal zu bauen, wurde das bestehende Confluence als Wissensquelle genutzt. n8n verknüpfte die Komponenten ohne Custom-Code. 4. Human-in-the-Loop ist nicht optional: Bei HR-Daten, die Geld oder Gesundheit betreffen, ist die manuelle Freigabe ein Compliance-Muss, kein Nice-to-have. 5. Fixed-Scope Pilot schützt vor Scope-Creep: Die klare Abgrenzung (nur Confluence, kein HRIS) garantierte, dass das Team in 6 Monaten einen lauffähigen Stand hatte, statt in einem endlosen Integrationsprojekt zu stecken.