HR-Controlling: Anwendungsfälle mit generativer KI

Einleitung

Der vorliegende Beitrag beleuchtet, wie KI-Technologien das HR-Controlling in der Schweiz bereichern können. Dabei geht es um mehr als lediglich Effizienzsteigerung, sondern auch um das Potenzial von KI, die Entscheidungsqualität zu steigern und die Wertschöpfung der HR-Funktion zu maximieren. Der Fokus liegt dabei auf konkreten Anwendungsfällen, die sich besonders für die Implementierung eignen, den notwendigen organisatorischen und technischen Voraussetzungen sowie den essenziellen rechtlichen und ethischen Rahmenbedingungen.

Dieser Fachbeitrag beantwortet systematisch die zentralen Fragen der Implementierung von KI im HR-Controlling von Schweizer Unternehmen. Es wird dargelegt, welche Anwendungsfälle am vielversprechendsten sind, welche organisatorischen und technischen Voraussetzungen geschaffen werden müssen und wie die rechtlichen Anforderungen, insbesondere die des revidierten Schweizer Datenschutzgesetzes (DSG) und die Auswirkungen des EU AI Acts, erfüllt werden können.

Vom HR-Controlling zu People Analytics

In den letzten Jahren entwickelte sich der Umgang mit Daten im Personalbereich zunehmend weiter, weshalb die Nutzung eines eigenen HR-Reportings bzw. personalbezogenen Berichtswesens heute in mittelgrossen und grossen Unternehmen zum Standard gehört. Dazu werden Daten systematisch erfasst und regelmässig Berichte über den Status quo im Personalbereich erstellt, beispielsweise über den Krankenstand, die Fluktuation oder die Mitarbeiteranzahl. Diese Berichte sind jedoch primär retrospektiv und liefern eine Momentaufnahme der Vergangenheit.

Erst mit der Etablierung des HR-Controllings in den 1980er-Jahren wurde die datenbasierte Personalarbeit strategischer. Controlling-Abteilungen sind seither damit befasst, Kennzahlen zu entwickeln, die nicht nur den Status quo spiegeln, sondern auch erste Vergleiche über die Zeit (Zeitreihenanalysen) und mit anderen Unternehmen (Benchmarking) ermöglichen. Dies erlaubt es, die Frage «Was passiert heute?» zu beantworten und erste Steuerungsmechanismen abzuleiten.

Der heutige Stand, repräsentiert durch People Analytics und den Einsatz von KI, ist eine direkte Konsequenz der Digitalisierung. Das Konzept der People Analytics ermöglicht es heute, dass das HR-Controlling die strategischen Personalressourcen datenbasiert und zielgerichtet steuern kann.

Um ein fundiertes Verständnis zu schaffen, ist eine präzise Abgrenzung der zentralen Begriffe erforderlich: Während sich das traditionelle HR-Controlling historisch auf die vergangenheitsorientierte Erfassung und Analyse von Kennzahlen konzentriert hat – wie beispielsweise Fluktuationsraten oder Personalkosten, um die Frage «Was ist passiert?» zu beantworten –, markiert People Analytics einen Paradigmenwechsel: People Analytics nutzt fortschrittliche Analysemethoden, um Ursache-Wirkungs-Zusammenhänge aufzudecken und prädiktive Modelle zu erstellen, die Antworten auf strategische Fragen wie «Warum ist es passiert?» oder «Was wird wahrscheinlich passieren?» zu liefern. Künstliche Intelligenz (KI) ist in diesem Kontext das technologische Werkzeug, das die Fähigkeiten von People Analytics signifikant erweitert, indem es die Analyse grosser, komplexer Datenmengen und die Automatisierung von Prozessen ermöglicht.

Zum Einsatzpotenzial von generativer KI im HR-Controlling

Generative KI stellt eine der innovativsten Entwicklungen dar, die eine Vielzahl von Branchen grundlegend verändern. Im HR-Controlling bietet sie die Möglichkeit, die Effizienz von Prozessen zu steigern, datenbasierte Entscheidungen zu optimieren und operative sowie strategische Controlling-Prozesse zu automatisieren, zu erweitern und qualitativ zu verbessern. Die folgenden Anwendungsfälle beleuchten die vielversprechendsten Einsatzfelder und die damit verbundenen strategischen Vorteile.

KI kann im HR-Controlling in verschiedenen Handlungsfeldern eingesetzt werden, um die HR-Arbeit von einer retrospektiven und manuellen zu einer prädiktiven und strategischen Funktion zu transformieren. Die vielversprechendsten Anwendungsfälle lassen sich in vier Hauptbereiche unterteilen.

Prognostische Modelle zur Mitarbeiterfluktuation

Eines der zentralen Anwendungsfelder ist die Vorhersage von Mitarbeiterfluktuation. KI-Algorithmen sind in der Lage, Muster in historischen HR-Daten zu erkennen und daraus Risikoprofile für Kündigungen zu erstellen. Diese Modelle analysieren diverse interne Datenquellen wie Fehlzeiten, Leistungskurven, Abteilungswechsel und Gehaltsentwicklungen und können diese mit externen Informationen wie Branchenfluktuationen oder Konjunkturprognosen kombinieren. Ziel dieser Retention-Modelle ist es, Abwanderungstendenzen von kritischen Mitarbeitenden frühzeitig zu identifizieren, noch bevor konkrete Kündigungsabsichten geäussert wurden.

Für Schweizer Unternehmen, die mit einem akuten Fachkräftemangel und dem demografischen Wandel konfrontiert sind, bietet diese präventive Perspektive einen erheblichen strategischen Vorteil. Die KI-Modelle liefern nicht die endgültige Antwort, sondern eine evidenzbasierte Grundlage für gezielte Massnahmen zur Mitarbeiterbindung. Der Erfolg solcher Modelle hängt jedoch massgeblich von der Qualität der Daten und der ethischen Bewertung bei der Nutzung sensibler personenbezogener Daten ab. Die Technologie entfaltet ihren vollen Nutzen nur, wenn die Ergebnisse nachvollziehbar sind und in bestehende Entscheidungsprozesse integriert werden können. Der Übergang von einer reaktiven Bearbeitung von Kündigungen zu einer proaktiven Mitarbeiterbindungsstrategie bietet die Chance auf eine massgebliche Reduktion der direkten und indirekten Personalkosten für nicht gewollte Fluktuation.

Automatisierte Personalbedarfs- und Kostenplanung

Ein weiterer vielversprechender Anwendungsfall ist die präzise Prognose von Personalkosten. So können KI-basierte Systeme grosse Mengen von unstrukturierten und strukturierten Daten in Echtzeit analysieren. Dazu gehören interne Daten wie die Lohnentwicklung, erfasste Arbeitszeiten, Überstunden und Abwesenheiten sowie externe Einflussfaktoren wie Gesetzesentwicklungen oder wirtschaftliche Indikatoren. Durch den Einsatz von KI lassen sich nicht nur Fehlprognosen reduzieren, sondern vor allem dynamische Szenarien («What-if-Szenarien») berechnen. Beispielsweise kann mittels generativer KI die Entwicklung der Personalkosten bei einer Änderung der Wochenarbeitszeit oder bei Schwankungen in der Auftragslage simuliert werden. Dies schafft eine verbesserte Budgetierungssicherheit und eine fundierte Entscheidungsbasis für Unternehmen.

Generative KI ermöglicht es auch, Budgetabweichungen frühzeitig zu erkennen, was die Reaktionsfähigkeit von HR-Controlling-Abteilungen signifikant steigert und ihnen erlaubt, von klassischen Excel-basierten Ansätzen zu einem proaktiven Handeln überzugehen. Die grösste Herausforderung bei der Umsetzung ist allerdings oft nicht die Technologie selbst, sondern die mangelnde Datenqualität und -struktur im Unternehmen sowie das Fehlen einer klaren Strategie.

KI-gestütztes Talent- und Kompetenzmanagement

Der Einsatz von KI im Talentmanagement eröffnet neue Möglichkeiten, Mitarbeitende, deren Stärken, Potenziale und Entwicklungspfade systematisch zu identifizieren und zu fördern. So können Machine-Learning-Algorithmen automatisch Kompetenzprofile erstellen, Lernbedarfe erkennen und passende Weiterbildungsmassnahmen empfehlen. Generative KI kann sogar detaillierte, auf die individuellen Bedürfnisse der Mitarbeitenden zugeschnittene Entwicklungsprogramme ausarbeiten. Die Analyse von Leistungsdaten, Feedbacks und Projektbeteiligungen ermöglicht die Ableitung personalisierter Karrierevorschläge.

Ein entscheidender Vorteil dieser datenbasierten Ansätze ist die Erhöhung der Objektivität und Fairness in Talententscheidungen, die in klassischen Potenzialanalysen oft von subjektiven Faktoren geprägt sind. Die Voraussetzung dafür sind jedoch Trainingsdaten, die frei von verzerrenden Einflüssen (engl. Bias) sind. Hier besteht zugleich ein fundamentales Dilemma, denn obwohl KI theoretisch die Objektivität erhöhen kann, verstärkt sie in der Praxis oft bestehende Vorurteile, wenn die historischen Daten, mit denen sie trainiert wird, voreingenommen sind. Die Fähigkeit, diesen Bias zu erkennen, zu messen und zu korrigieren, ist daher keine Option, sondern eine zwingende ethische und rechtliche Notwendigkeit. Dies ist besonders relevant für den EU AI Act, der solche Systeme als Hochrisikoanwendungen klassifiziert und strenge Anforderungen an Datenqualität und Transparenz stellt.

Effizienzsteigerung durch Automatisierung und Reporting

Ein besonders praxisnahes Anwendungsfeld von KI im HR-Controlling ist die Automatisierung von Standard-Reports und Routineanalysen. Dazu gehören in erster Linie:

• Headcount-Auswertungen
• Altersstrukturanalysen
• Abwesenheitsstatistiken und
• Zeitreihen über Personalkosten

Durch KI-gestützte Systeme können diese Berichte automatisch generiert, aktualisiert und visualisiert werden, was den manuellen Aufwand und das Fehlerrisiko deutlich reduziert. Die Auswertung komplexer Datenmengen in Echtzeit und deren Darstellung in Dashboards ermöglicht es HR-Leitungen und Linienvorgesetzten, schneller auf Entwicklungen zu reagieren und fundierte Entscheidungen zu treffen. Ein solches Frühwarnsystem kann beispielsweise stark steigende Fehlzeiten oder Kostenentwicklungen überwachen. Durch die Automatisierung administrativer Aufgaben gewinnen so HR-Verantwortliche mehr Zeit, um die Daten zu interpretieren und strategische Handlungsempfehlungen zu konzipieren, was die Rolle des HR-Controllings als entscheidungsrelevante Funktion im Unternehmen stärkt.

Kritische Voraussetzungen für die erfolgreiche Implementierung

Die erfolgreiche Implementierung von KI im HR-Controlling erfordert mehr als nur die Auswahl der richtigen Technologie. Sie ist ein komplexes Unterfangen, das eine sorgfältige Beachtung rechtlicher, technisch-organisatorischer und kultureller Aspekte verlangt.

Rechtliche Rahmenbedingungen und Grenzen

Der Einsatz von KI im Personalwesen ist in der Schweiz und Europa durch strenge Gesetze geregelt, die den Schutz der Persönlichkeitsrechte gewährleisten sollen.

• Schweizer Datenschutzgesetz (DSG) und EU-DSGVO: Das revidierte Schweizer DSG, das eng an die EU-Datenschutz-Grundverordnung (DSGVO) angelehnt ist, schützt die Persönlichkeitsrechte natürlicher Personen bei der Verarbeitung ihrer Daten. Für Schweizer Unternehmen, die in der EU tätig sind oder Daten von EU-Bürgern verarbeiten, ist die Einhaltung der DSGVO ebenfalls zwingend. Zentrale Grundsätze beider Gesetze sind die Zweckbindung, Datenminimierung, Speicherbegrenzung und Transparenz. Jeder Einsatz von KI-Systemen muss auf einer klaren rechtlichen Grundlage beruhen, sei es die Einwilligung der betroffenen Person oder eine gesetzliche Erlaubnis.
• Profiling und automatisierte Entscheidungsfindung: Beide Gesetzgebungen sehen Regelungen für die automatisierte Entscheidungsfindung vor. Gemäss Art. 22 DSGVO und sinngemäss auch dem Schweizer Recht ist eine Entscheidung, die ausschliesslich auf einer automatisierten Verarbeitung beruht und eine erhebliche Beeinträchtigung mit sich bringt (z.B. eine Ablehnung im Bewerbungsprozess), grundsätzlich verboten. Es sei denn, es liegt eine ausdrückliche Einwilligung der betroffenen Person vor, oder eine gesetzliche Grundlage existiert. Dies unterstreicht die Notwendigkeit, in KI-gestützten HR-Prozessen stets eine «menschliche Aufsicht» zu gewährleisten, die die finale Entscheidung trifft und die Logik des KI-Systems bewertet.

Der EU AI Act bildet die Basis für die Regulierung von KI-Systemen und klassifiziert KI-Anwendungen im HR-Bereich, die zur Bewerberauswahl, Leistungsbewertung oder für Beförderungs- und Kündigungsentscheidungen verwendet werden, als «Hochrisiko-KI-Systeme». Für solche Systeme gelten strenge Anforderungen, darunter die Etablierung eines kontinuierlichen Risikomanagementsystems, hohe Standards für die Datenqualität, Transparenz für die Betroffenen und die Pflicht zur menschlichen Aufsicht. Die rechtliche Verantwortung verschiebt sich von der allgemeinen Datenschutzkonformität hin zur «Algorithmus-Konformität», was eine neue Dimension der Compliance-Herausforderung darstellt. Schweizer Unternehmen, die vom EU AI Act betroffen sind und solche Systeme entwickeln oder nutzen, müssen diese Anforderungen antizipieren, um zukunftsfähig zu bleiben.

Technisch-organisatorische Massnahmen

Die Grundlage jeder erfolgreichen KI-Anwendung sind eine solide Datenbasis und eine geeignete technische Infrastruktur, weshalb die folgenden Aspekte eine fundierte Analyse erfordern:

• Datenqualität und Datenreife: Generative KI-Modelle sind nur so gut wie die Daten, mit denen sie trainiert werden. Eine mangelnde Datenqualität und -struktur ist gemäss Experten einer der Hauptgründe, warum KI-Projekte scheitern. Daher muss eine gewisse «Datenreife» im Unternehmen vorhanden sein, bevor man mit komplexen Analysen beginnt. Die Investition in Daten-Governance, d.h. in Prozesse zur Sicherstellung der Korrektheit, Vollständigkeit und Aktualität der Daten, ist oft wichtiger als die in den Algorithmus selbst. Eine schlechte Datenqualität führt zu voreingenommenen (biased) Algorithmen, die wiederum zu diskriminierenden Entscheidungen und Compliance-Verstössen führen können.
• «Privacy by Design» und «Privacy by Default»: Diese in der DSGVO verankerten Prinzipien sind für die technische Konzeption von KI-Systemen im HR-Bereich von zentraler Bedeutung. Privacy by Design fordert, dass der Datenschutz von Anfang an in den Entwurf und die Entwicklung des Systems integriert wird. Dazu gehören Massnahmen wie Pseudonymisierung oder Anonymisierung, um den Personenbezug von Daten zu minimieren. Privacy by Default bedeutet, dass die Standardeinstellungen des Systems die datenschutzfreundlichste Option sind. Diese Vorgehensweisen sind unverzichtbar, um das Vertrauen der Mitarbeitenden zu erhalten und rechtliche Anforderungen zu erfüllen.
• Datenschutz-Folgenabschätzung (DSFA): Für den Einsatz von Hochrisiko-KI-Systemen, wie sie im Personalmanagement häufig vorkommen, ist eine DSFA nach Art. 35 DSGVO gefordert. Dies ist ein systematischer Prozess zur Bewertung der Risiken für die Rechte und Freiheiten der betroffenen Personen. Eine DSFA zwingt das Unternehmen, die Notwendigkeit und Verhältnismässigkeit der Datenverarbeitung kritisch zu prüfen und Massnahmen zur Risikominimierung zu definieren.

Fazit und Ausblick

Der Einsatz von KI im HR-Controlling ist ein Transformationsprojekt, das sorgfältige Planung und Umsetzung erfordert, denn die Rolle des HR-Controllings wandelt sich im KI-Zeitalter fundamental: Das HR-Controlling von morgen wird nicht länger nur mit Zahlenaufbereitung befasst sein, sondern wird zum strategischen Partner, der die methodischen, rechtlichen und ethischen Implikationen von Datenanalysen versteht. Dies erfordert den Aufbau neuer Kompetenzen im Bereich Data Science, Statistik und Kommunikationsmanagement.

Die kontinuierliche Weiterentwicklung von KI-Technologien bietet dem HR-Controlling die Möglichkeit, eine zentrale Rolle bei der Gestaltung dieser Transformation zu spielen. Die Fähigkeit, datengestützte Entscheidungen zu treffen und gleichzeitig eine menschenzentrierte, ethische Haltung zu bewahren, bildet dann einen entscheidenden Wettbewerbsvorteil.

Quellenverzeichnis

Barrueto, A.: Künstliche Intelligenz im Human Resources Management – Mensch vs. Maschine oder Mensch und Maschine?Bachelor Thesis, 2023, online: https://barrueto.ch/wp-content/uploads/2024/08/Bachelorarbeit-2023-KI-im-HR-Management-Mensch-vs.-Maschine-Catarino.pdf

Deloitte Austria (2024): Point of View – Willkommen im Zeitalter der künstlichen Intelligenz in HR. Online: www.deloitte.com/content/dam/assets-zone2/at/de/docs/services/consulting/2024/Deloitte_PoV_KI_in_HR.pdf

European Parliament: EU AI Act, online: EU AI Act: first regulation on artificial intelligence | Topics | European Parliament

Future of Life Institute: High level summary of the EU AI Act, Available online: www.artificialintelligenceact.eu/high-level-summary

Michel, N./Hell, B. (2023): Wie setzen Schweizer Unternehmen KI im HR ein? PersonalSchweiz, Ausgabe Dez 2022/Januar 2023, online: https://irf.fhnw.ch/server/api/core/bitstreams/b93c19e5-9707-4632-88e7-2104bdc0426e/content

Schweizerische Eidgenossenschaft (2024): Neues Datenschutzgesetz (revDSG), KMU Portal für kleine und mittlere Unternehmen. Online: www.kmu.admin.ch/kmu/de/home/fakten-trends/digitalisierung/datenschutz/neues-datenschutzgesetz-rev-dsg.html