People Analytics: Wie KI die Personalarbeit verändert
Inhalt
- Wie verändert People Analytics mit KI die Personalarbeit in der Schweiz?
- Case 1: Rekrutierung neu denken – der verborgene Talentpool
- Case 2: KI in der Management-diagnostik – bessere Leistung statt nettere Gespräche
- Case 3: Jobs zerlegen, Arbeit neu designen – von Angst zu Augmentation
- Case 4: Knowledge-Management neu gedacht – Lernen statt Archivieren
- Das Spiel verändert sich, und HR kann den nächsten Zug prägen
- FAQ: People Analytics
KURZ ZUSAMMENGEFASST
People Analytics nutzt künstliche Intelligenz, um datengestützte Personalentscheidungen zu treffen und traditionelle, intuitive Bewertungsmuster zu ersetzen. Während frühere Limitationen wie fehlende Rechenleistung oder Know-how die Umsetzung hemmten, stehen heute leistungsfähige Tools zur Verfügung, die den Fokus auf die strategische Vision legen. Der entscheidende Wandel liegt im Übergang von passiver Datensammlung hin zu aktiver Talentbewirtschaftung und proaktiver Reaktivierung von Kandidatinnen und Kandidaten.
Die wichtigsten Punkte:
- KI ermöglicht eine Skills-basierte Rekrutierung und reaktiviert vergessene Talentpools.
- Datengetriebene Diagnostik reduziert Bias und verbessert die Passung von Kandidatinnen und Kandidaten.
- Aufgabenorientierte Jobgestaltung verwandelt Ängste vor KI in konkrete Unterstützung (Augmentation).
- Wissensmanagement wird von der Archivierung zu einem aktiven, lernenden System für die Organisation.
Dr. Silvan Winkler
Dr. Silvan Winkler, Leiter Diagnostik und Projekte bei der Jörg Lienert AG, ist Experte in den Bereichen Management Diagnostik und People Analytics. Als promovierter Organisationspsychologe verfügt er über Erfahrungen in leitender Funktion in den Bereichen Personalselektion, Mitarbeiter- und Organisationsforschung. Die Jörg Lienert AG ist auf die Suche und Selektion von Fach- und Führungspersonen spezialisiert und bietet in ihrem Leistungsangebot auch Assessments unter besonderer Berücksichtigung digitaler Führungskompetenzen an.
Passende Arbeitshilfen
Wie verändert People Analytics mit KI die Personalarbeit in der Schweiz?
Baseball, die leistungsgetriebene und in den USA historisch tief verankerte Sportart, macht unmittelbar verständlich, welche Macht datengestützte Entscheidungen auch im Personalwesen haben könnten. In Gesprächen mit Managern sehe ich dann oft ein kurzes Aufleuchten: Das ungeheure Potenzial von datengestützten Personalentscheidungen wird für einen kurzen Moment glasklar. Und diese Klarheit steht genau für das, was modernes HRM eigentlich leisten müsste. Und doch bleibt es häufig beim Aha-Moment. Nicht, weil die Idee falsch wäre, sondern weil die Umsetzung mit vielen Hürden verbunden ist – oder zumindest war. Denn Moneyball erzählt eine Geschichte aus einer Zeit, in der Daten knapp, Rechenleistung begrenzt und Analysen teuer waren. Der Film aus dem Jahr 2010, mit Brad Pitt in der Hauptrolle, beschreibt einen Umbruch, der damals revolutionär war. Heute wirkt er – zumindest in der Welt des Sports – selbstverständlich: Kaum eine TV-Übertragung, die nicht mit Statistiken zu Ballbesitz, Laufwegen oder Assists als integraler Bestandteil der Reportage arbeitet. Dabei war Moneyball nie nur ein Film über Zahlen. Es war ein Film über den Mut, alte Gewissheiten infrage zu stellen. Genau an diesem Punkt steht HR heute wieder. Mit dem Unterschied, dass die analytischen Möglichkeiten heute viel einfacher zugänglich sind als noch vor ein paar Jahren.
Was dem Moneyball-Ansatz im Kontext von HR fehlt, ist ein Update – ein Update mit den Möglichkeiten der künstlichen Intelligenz. Denn die Limitationen, die vor wenigen Jahren noch allgegenwärtig waren (z.B. Know how, künstliche Intelligenz, Rechenpower) sind heute günstiger und einfacher zu haben denn je. Die Engpasseinheit ist vielmehr eine fehlende Vision dessen, was People Analytics im Zeitalter von KI eigentlich leisten könnte. Oder wie es der Wharton-Professor Ethan Mollik prägnant formuliert: «What’s scarce is knowing what to ask for.»1
Im Folgenden zeige ich anhand vier konkreter Beispiele, wie sich People Analytics als Disziplin wandeln und endlich den erhofften Mehrwert stiften könnte.
Case 1: Rekrutierung neu denken – der verborgene Talentpool
Ein besonders greifbares Beispiel ist die Wiederverwertung von Daten früherer Bewerbender. Das wirkt auf den ersten Blick naheliegend – und ist doch in der Praxis häufig ungenutzt. Viele Organisationen haben einen enormen Schatz im eigenen Keller vergraben und sind sich dessen nicht mal bewusst: Qualifizierte Kandidatinnen und Kandidaten, die in der Vergangenheit knapp gescheitert sind oder nicht ins damalige Anforderungsprofil passten, können reaktiviert werden. KI kann historische Profile heute stärker Skills-basiert lesen, mit aktuellen Anforderungen abgleichen und jene Personen identifizieren, die mit hoher Wahrscheinlichkeit erfolgreich wären (inklusive transparenter Begründung, welche Skills besonders passen und wo Entwicklung realistisch wäre). Das verändert Rekrutierung grundlegend: weg von punktuellen Suchen, hin zu einem lernenden System, das Talentpools aktiv bewirtschaftet. Oder anders formuliert: Weg von der reaktiven Suche, hin zur proaktiven Reaktivierung.
Mehrere Schweizer Grossunternehmen nutzen solche Ansätze bereits produktiv. Die Effekte sind messbar: kürzere Time-to-Hire, geringere Kosten, höhere Passung – und nicht zuletzt eine deutlich bessere Candidate Experience, weil Bewerbende nicht einfach «verschwinden», sondern als Teil eines Talentpools ernst genommen werden.2
Case 2: KI in der Management-diagnostik – bessere Leistung statt nettere Gespräche
Besonders sensibel (und zugleich besonders wirkungsvoll) könnte der Einsatz von KI in der Managementdiagnostik werden. Eine gross angelegte Untersuchung zeigt, dass beispielsweise KI-gestützte Interviews menschliche Interviews in sämtlichen relevanten Kriterien übertreffen: mehr Jobangebote, höhere Jobstarts, bessere Bindung nach 30 Tagen. Bemerkenswert ist dabei, dass Recruiter vorab eine schlechtere Performance von KI erwarteten, die KI-Interviews im Nachhinein jedoch höher bewerteten. 78% der Kandidatinnen und Kandidaten bevorzugen ein KI-Interview, wenn sie die Wahl haben – bei identischer Zufriedenheit. Gleichzeitig halbiert sich der Gender Bias nahezu: 3,3% bei KI gegenüber 6,0% bei menschlichen Interviews.3 Das ist kein Plädoyer gegen Menschen in der Diagnostik. Es ist ein Plädoyer für bessere Entscheidungen – und für die ehrliche Anerkennung, dass auch erfahrene Profis systematischen Verzerrungen unterliegen können.
Jetzt Member werden und weiterlesen:
- Unlimitierter Zugriff auf alle 1300 Arbeitshilfen
- Alle kostenpflichtigen Beiträge auf weka.ch frei
- Zugriff auf alle Videos
- Täglich aktualisiert
- Wöchentlich neue Inhalte und Arbeitshilfen
- Exklusive Spezialangebote
- News- & Update-Services
- Seminargutscheine
