Controlling HR: Analyse von Personaldaten mithilfe von KI
KURZ ZUSAMMENGEFASST
Generative KI revolutioniert das Personalcontrolling in der Schweiz, indem sie komplexe Personaldaten nicht nur analysiert, sondern auch interpretiert und konkrete Handlungsempfehlungen ableitet. Unternehmen können so Engpassfunktionen frühzeitig identifizieren, die Personalkosten transparent steuern und strategische Entscheidungen auf eine solide Datenbasis stellen. Der Einsatz von KI-Tools wie ChatGPT ermöglicht es HR-Verantwortlichen, in kürzester Zeit aussagekräftige Berichte zu erstellen und den Faktor Mensch als Wettbewerbsvorteil zu nutzen.
Die wichtigsten Punkte:
- Personalcontrolling verbindet operative Kennzahlen mit strategischen Zielen zur Sicherung der Wettbewerbsfähigkeit.
- Generative KI automatisiert die Erstellung von HR-Berichten und deckt versteckte Muster in Einstellungsdaten auf.
- KMU profitieren besonders von KI, da sie Ressourcen sparen und trotz begrenzter Budgets datengetrieben planen können.
- Erfolgreicher KI-Einsatz erfordert die Beachtung von Datenschutz, Ethik und die Entwicklung analytischer Kompetenzen im HR-Team.
Prof. Dr. Thomas Rautenstrauch
Prof. Dr. rer. pol. Thomas Rautenstrauch ist Dozent für Controlling und Corporate Finance im Institut für Finance and Law der OST - Ostschweizer Fachhochschule. Er wirkt zudem seit 2007 als Dozent und Prüfungsexperte bei der ExpertSuisse für die Ausbildung zum dipl. Wirtschaftsprüfer und dipl. Steuerexperten sowie seit 2014 als Gastprofessor für Managerial Accounting im EMBA des MCI Management Center Innsbruck. Thomas Rautenstrauch ist Autor von mehreren Fachbüchern und zahlreichen Artikeln in Fachzeitschriften und in der Wirtschaftspresse.
Wie können Schweizer KMU generative KI im Personalcontrolling einsetzen, um datengestützte Entscheidungen zu treffen?
Einleitung
Dies zeigt sich am Beispiel des Fachkräftemangels: Schweizer KMU spüren den Wettbewerb um Talente besonders stark, weil sie im Vergleich zu Grossunternehmen oft nicht vergleichbar attraktive Löhne oder Entwicklungsperspektiven bieten können. Umso mehr kann ein systematisches Controlling HR in KMU dabei unterstützen, den zukünftigen Personalbedarf realistisch zu planen, Engpassfunktionen frühzeitig zu identifizieren und mit gezielten Massnahmen gegenzusteuern.
Ebenfalls machen vor allem in KMU die Personalkosten oft den grössten Fixkostenblock aus – und sind gleichzeitig ein Hebel für Produktivität und Rentabilität. Ein wirksames Personalcontrolling ermöglicht es daher, diese Kosten transparent zu machen, zu analysieren und gezielt zu steuern.
Im vorliegenden Beitrag wird der Wertbeitrag des Personalcontrollings für die Steuerung des Faktors Personal genauer dargestellt. Dabei werden auch die Möglichkeiten eines gezielten Einsatzes generativer KI für die Analyse von Personaldaten (People Analytics) anhand eines Beispiels aufgezeigt.
Verständnis, Ziele und Aufgaben des Personalcontrollings
Während das Controlling in Bereichen wie Finanzen oder Produktion bereits seit Jahrzehnten etabliert ist, begann die systematische Anwendung im HR-Bereich vergleichsweise spät – zunächst in den 1980er-Jahren, getrieben von Rationalisierungswellen und dem Bedarf an Kostentransparenz. Heute entwickelt sich das Personalcontrolling immer stärker zu einem ganzheitlichen Steuerungsinstrument und kann wie folgt definiert werden:
Personalcontrolling umfasst die zielgerichtete Planung, Steuerung und Kontrolle aller personalwirtschaftlichen Massnahmen. Dabei geht es nicht nur um die Messung von Personalkosten, sondern um die Bewertung von Effektivität (die richtigen Dinge tun) und Effizienz (die Dinge richtig tun) der Personalarbeit.
Dabei verfolgt das moderne Personalcontrolling sowohl operative als auch strategische Ziele, wie:
- Informationsversorgung: Bereitstellung fundierter, personalbezogener Entscheidungsgrundlagen
- Steuerung: Ableitung und Umsetzung personalstrategischer Massnahmen
- Frühwarnsystem: Identifikation von Personalrisiken (z.B. Fluktuation, Altersstruktur)
- Transparenz und Evaluation: Messung und Bewertung des Erfolgs von HR-Massnahmen (z.B. Onboarding, Weiterbildungen, Recruiting)
Praxisbeispiel: In einem Beratungsunternehmen ermöglichte das Controlling HR eine gezielte Verlagerung von Weiterbildungsbudgets von Präsenzschulungen hin zu digitalen Schulungen, nachdem die Analyse und Auswertung von Teilnahmedaten und anderen Nutzenmessungen dies transparent gemacht hat. Dadurch konnte nicht nur die Zufriedenheit der Teilnehmenden verbessert, sondern es konnten ebenso die Weiterbildungskosten verringert werden.
Strategisches versus operatives Personalcontrolling
Das operative Controlling HR liefert Zahlen und Erkenntnisse, um HR-Ressourcen und Prozesse effizient zu steuern. Dies zeigt sich beispielsweise im Hinblick auf das Management der Abwesenheit/Absenzen, der Lohnentwicklung oder bei den Stellenbesetzungszeiten. Folglich arbeitet das operative Controlling mit Kennzahlen wie Fluktuation, Personalkostenquote oder Fehlzeiten, die jeweils auf Monats- oder Quartalsbasis analysiert und ausgewertet werden.
Im Gegensatz dazu richtet das strategische Controlling HR den Blick weiter nach vorne und befasst sich mit der Frage, ob das Unternehmen personell und kulturell für die Zukunft gut aufgestellt ist. Hierbei bezieht es Aspekte wie Kompetenzen, Generationenwandel, Digitalisierung, Demografie mit ein und ist direkt mit der Unternehmensstrategie verknüpft. Demzufolge stehen hier Analysen zur Altersstruktur, Kompetenzentwicklung, zu Employer Branding und Szenarioplanung mit dem Ziel der Sicherung langfristiger Wettbewerbsfähigkeit im Vordergrund.
Praxisbeispiel: Die HR-Abteilung eines Technologieunternehmens entwickelte eine Altersstrukturanalyse zur Identifikation von drohendem Know-how-Verlust in der Produktentwicklung.
Insgesamt sind sowohl quantitative als auch Daten für das Personalcontrolling von Interesse. Während Erstere die zählbaren, oft monetären Grössen wie Vollzeit-Äquivalente (Full Time Equivalents – FTE), Krankentage oder Salärinformationen umfassen, werden relevante qualitative HR-Daten in Form von Einschätzungen zu Kompetenzen, Potenzialen, Mitarbeiterzufriedenheit oder anderen Indikatoren gemessen und interpretiert.
Das Personalcontrolling begleitet generell alle Phasen entlang des Employee Lifecycles mit passenden quantitativen und qualitativen Kennzahlen, wie die folgenden Beispiele zeigen:
| Bereich | Fokus Kennzahlen |
|---|---|
| Personalplanung | Brutto-/Netto-Personalbedarf, Altersstruktur |
| Recruiting | Time-to-Hire, Cost-per-Hire |
| Entwicklung | Weiterbildungsrendite, Kompetenzverteilung |
| Einsatz | Kapazitätsauslastung, Produktivität |
| Führung | Zufriedenheit, Zielerreichung, Fehlzeiten, Absenzen |
| Freisetzung | Abfindungsmodellierung, Kosten pro Freisetzung |
Passende Produkt-Empfehlungen
Datenanalyse als Anwendungsfeld für generative KI im Controlling HR
Der Einsatz von generativer künstlicher Intelligenz (GenAI) eröffnet im Personalcontrolling ganz neue Möglichkeiten, die weit über klassische Datenanalysen hinausreichen. So kann GenAI nicht nur vorhandene Informationen auswerten, sondern auch neue Inhalte erzeugen, z.B. Texte, Prognosen, Visualisierungen oder Empfehlungen. Damit ergeben sich zahlreiche Einsatzmöglichkeiten von KI im Personalcontrolling wie für:
- Erstellung von HR-Berichten
- Analyse von Personalkosten
- Analyse von Bewerbungsanschreiben
- Erstellung von Onboarding-Plänen
- Genierung von Stellenanzeigen und andere
Vor allem die Erstellung von kommentierten Personalkennzahlenberichten sowie die darauf abgestimmte Ermittlung und Interpretation von Abweichungen und die Formulierung von Handlungsempfehlungen sind in der Praxis für die Personalverantwortlichen von hohem Nutzen.
Im folgenden Beispiel möchte ein HR-Controller die Einstellungsdaten eines Jahres analysieren. Die KI generiert automatisch einen Analysebericht und stellt Zusammenhänge und Auffälligkeiten (Anomalien) im Datensatz fest. Dazu wird der folgende Prompt im KI-Tool ChatGPT 4o verwendet:
Du bist ein Personalcontrolling-Experte und wurdest aufgefordert, im Rahmen einer Ad-hoc-Berichterstattung für die Personalführung aus den Einstellungsdaten des Jahres 2023 wichtige Erkenntnisse zu identifizieren, zu analysieren und zu kommentieren. Anschliessend sollen von dir Handlungsempfehlungen erarbeitet sowie ein Management Summary erstellt werden. Alles wird abschliessend zu einem Ad-hoc-Bericht mit sinnvollen grafischen Abbildungen für die Mitglieder des Unternehmens zusammengestellt.
Das im Anschluss von ChatGPT gelieferte Ergebnis kann sich sehen lassen und hat innert kürzester Zeit Folgendes hervorgebracht:
1. Management Summary
Die Alpha AG hat im Jahr 2023 über alle Unternehmensbereiche hinweg 40 neue Mitarbeitende eingestellt. Die Alters- und Gehaltsstruktur ist ausgewogen, allerdings zeigen sich alters- und funktionsspezifische Unterschiede. Auffällig ist die Konzentration von Neueintritten auf bestimmte Monate sowie ein eher regional konzentrierter Wohnortmix. Es bestehen gute Voraussetzungen, durch gezielte Personalsteuerung und strategisches Talentmanagement das Mitarbeiterportfolio weiter zu diversifizieren und auf zukünftige Herausforderungen vorzubereiten.
Checkliste
- Definieren Sie klare Ziele für den KI-Einsatz (z. B. Kostentransparenz, Talentmanagement oder Recruiting-Optimierung).
- Sichern Sie die Datenqualität und -integrität, da KI-Modelle nur auf sauberen und konsistenten Daten fundierte Analysen liefern.
- Prüfen Sie die Einhaltung des Datenschutzgesetzes (nDSG) und etablieren Sie ethische Richtlinien für die Nutzung von Personaldaten.
- Wählen Sie ein geeignetes KI-Tool aus und testen Sie dessen Fähigkeiten mit anonymisierten historischen Daten.
- Schulung des HR-Teams: Vermitteln Sie Kompetenzen im Umgang mit Prompts und der kritischen Interpretation von KI-Ergebnissen.
- Starten Sie mit einem Pilotprojekt (z. B. Analyse der Einstellungsdaten eines Jahres), bevor Sie die Lösung skalieren.
- Integrieren Sie die KI-Erkenntnisse in bestehende Reporting-Prozesse und Steuerungsroutinen.
- Etablieren Sie ein Feedback-Mechanismus, um die Genauigkeit und Nützlichkeit der KI-Empfehlungen kontinuierlich zu verbessern.
- Kommunizieren Sie den Mehrwert der KI transparent an Führungskräfte und Mitarbeitende, um Akzeptanz zu schaffen.
2. Wichtige Erkenntnisse
- Verteilung der Neueintritte:
Insgesamt wurden 40 neue Mitarbeitende eingestellt, gleichmässig auf zehn Abteilungen verteilt (je vier Neueintritte). - Alter der Neueintritte:
- Durchschnittsalter über alle Neueintritte: 40,2 Jahre
- höchstes Durchschnittsalter: Operations (48,5 Jahre)
- niedrigstes Durchschnittsalter: Research & Development (36,3 Jahre)
→ Die Einstellungen verteilen sich ausgeglichen auf jüngere (unter 40) und erfahrene Profile (über 45 Jahre).
- Gehaltsstruktur:
- höchste Durchschnittsgehälter: Quality Assurance (CHF 163 750.–) und Information Technology (CHF 163 250.–)
- niedrigste: Customer Service (CHF 150 750.–)
→ Die Gehaltsstruktur folgt im Wesentlichen den Funktionsgruppen.
- Zusammenhang Alter ↔ Gehalt:
- Eine leichte positive Korrelation ist sichtbar: höheres Alter → tendenziell höheres Gehalt.
- Dennoch finden sich auch jüngere Mitarbeitende in gut bezahlten Rollen (z.B. IT, Finance).
- Wohnorte & Mobilität:
- mehrheitlich aus der Zentralschweiz (Zürich, Luzern, Zug, Aarau)
- geringe regionale Diversität → mögliche Einschränkung des Bewerberpools?
- Einstellungsmonate:
- Schwerpunkte im Frühling (März–Mai) und Herbst (August–Oktober)
→ Hinweise auf projekt- oder budgetbedingte Rekrutierungswellen
Zugehörige Abbildungen: Altersverteilung der Neueintritte, Durchschnittsalter nach Abteilung
3. Handlungsempfehlungen
- Diversifizierung der Altersstruktur in Schlüsselbereichen fördern
→ z.B. durch gezielte Förderung von Nachwuchskräften in «älteren» Abteilungen wie Operations - Attraktivität des Unternehmens regional erweitern
→ Ausbau von Employer Branding in angrenzenden Regionen wie Aargau, Zentralschweiz, Zürich-Ost - datengestützte Personalplanung verankern
→ Einstellungen stärker an langfristigen Kompetenzbedarfen ausrichten, z.B. in IT, QA - zielgerichtetes Vergütungscontrolling aufbauen
→ Benchmarking der Gehälter mit branchenüblichen Standards zur Wahrung interner Fairness - interne Nachfolgeplanung stärken
→ Viele neu einstellte Führungskräfte deuten auf geringen internen Aufstieg – hier gezielt Entwicklungspfade aufbauen.
Das vorgenannte Praxisbeispiel zeigt, wie das KI-Tool automatisch einen Datensatz analysiert und mit Management Summary, Erkenntnissen und Handlungsvorschlägen dokumentiert hat.
Fazit
Es wurde gezeigt, dass sich Personalcontrolling vom reinen Kennzahlensammler hin zum Gestalter nachhaltiger, menschenzentrierter Unternehmensführung entwickelt hat. Wer seine HR-Arbeit datengestützt, strategisch ausrichtet und dabei ethische Grenzen achtet, wird nicht nur effizienter, sondern auch attraktiver als Arbeitgeber – und damit langfristig erfolgreicher.
Auch haben die Ausführungen nicht nur gezeigt, warum ein Personalcontrolling vielversprechend ist, sondern ebenso deutlich gemacht, dass es ökonomische Zielgrössen mit qualitativen, strategischen Fragestellungen verbindet und so dafür sorgt, dass das Personalmanagement nicht nur als Kostenstelle, sondern als aktiver Werttreiber verstanden wird.
Vor allem die generative KI erweitert das klassische HR-Controlling um eine dialogische, adaptive und inhaltlich kreative Komponente. Sie automatisiert nicht nur Prozesse, sondern macht komplexe Daten verstehbar, verknüpfbar und entscheidungsreif. Damit wird GenAI zum idealen Partner für das Controlling HR – insbesondere in Zeiten, in denen Datenmengen steigen, aber Auswertungszeit knapper wird.
Vor diesem Hintergrund zählen zu den zukünftigen Herausforderungen für einen bestmöglichen Einsatz generativer KI im Personalcontrolling in erster Linie:
- Datenschutz und Ethik in der Datennutzung
- Akzeptanz bei Führungskräften und Mitarbeitenden
- analytische Kompetenzen und kritisches Reflexionsvermögen im HR
Quellen- und Literaturhinweise
Hilbig, R., Neyer, A. K., Fichtner, U., & Fischer, S. (2024). GPTs im Personalmanagement: Lessons learned aus dem KI-HR-Lab: Künstliche Intelligenz im Human Resource Management – Erste Handlungsempfehlungen aus dem Experimentierraum. In: Future Skills in Human Resource Management und Corporate Learning: Neue Perspektiven durch Analytics, EdTech und KI (pp. 461–482). Wiesbaden: Springer Fachmedien Wiesbaden.
Hilbig, R., Neyer, A. K., Fichtner, U., & Fischer, S. Künstliche Intelligenz im Human Resource Management – Erste Handlungsempfehlungen aus dem Experimentierraum. Future Skills in Human Resource Management und Corporate Learning, 461.
Vormbusch, U. (2024). People Analytics im Kontext organisationaler Datenkulturen: Herausforderungen eines datenbasierten Skill-Managements. In: Future Skills in Human Resource Management und Corporate Learning: Neue Perspektiven durch Analytics, EdTech und KI (pp. 155–175). Wiesbaden: Springer Fachmedien Wiesbaden.
Weller, R., & Zelt, S. (2024). HR-Transformation durch People Analytics. Controlling & Management Review, 68(2), 8–13.
FAQ: Controlling HR
Welche konkreten Vorteile bietet generative KI gegenüber klassischen Excel-Analysen im HR?
Während Excel primär zur Darstellung von Zahlen dient, kann generative KI Muster erkennen, Zusammenhänge erklären und narrative Berichte mit Handlungsempfehlungen erstellen. Dies spart Zeit bei der Auswertung und macht komplexe Daten für Entscheidungsträger schneller verständlich.
Ist der Einsatz von KI im Personalcontrolling auch für kleine KMU mit begrenzten Budgets machbar?
Ja, gerade KMU profitieren stark, da KI-Tools oft kostengünstig oder als SaaS-Lösungen verfügbar sind und die manuelle Auswertung grosser Datenmengen automatisieren. Dies ermöglicht ein professionelles Controlling ohne den Bedarf an teuren Spezialisten.
Wie gehe ich mit dem Datenschutz bei der Analyse von Personaldaten durch KI um?
Personaldaten müssen vor der Eingabe in öffentliche KI-Modelle anonymisiert oder pseudonymisiert werden. Unternehmen sollten interne Richtlinien erstellen und sicherstellen, dass die genutzten Tools konform mit dem Schweizer Datenschutzgesetz (nDSG) sind.
Kann KI auch qualitative Daten wie Mitarbeiterzufriedenheit analysieren?
Ja, generative KI kann qualitative Daten aus Umfragen, Feedback-Gesprächen oder offenen Kommentaren auswerten, Stimmungen erkennen und Zusammenhänge zu quantitativen Kennzahlen herstellen, um ein ganzheitliches Bild der Personalentwicklung zu liefern.
