People Analytics in der Praxis E-Book

Cornelia Reindl

• Herausgeber: Haufe Lexware
• Kategorie: Fachliteratur
• Serie: Haufe Fachbuch
• Sprache: Deutsch

Seitenzahl: 377

Veröffentlichungsjahr: 2023

Beschreibung

Die Einführung in eine datengestützte Mitarbeitendenführung! Dieses Buch zeigt, wie Sie Ihre Arbeit an mitarbeiterbezogenen Themen durch Daten ergänzen und somit den Erfordernissen eines digitalen Personalmanagements gerecht werden. Es vermittelt das nötige Grundwissen, um erste People-Analytics-Lösungen für Ihr Unternehmen zu planen und einzusetzen. Zudem erfahren Sie, wie die Ergebnisse von HR-Tools richtig bewertet werden und Software optimal eingesetzt wird. Inhalte: - Grundlagen HR-Controlling: Kennzahlen, Dashboards, Benchmarking - Wie People-Analytics funktioniert - Das erste eigene People-Analytics-Projekt - Anwendungsgebiete und -beispiele - Datenschutz und Mitbestimmung Neu in der 2. Auflage: - Neue Praxisbeispiele - Aktualisierte Rechtslage - People Analytics und Künstliche Intelligenz - Interviews Die digitale und kostenfreie Ergänzung zu Ihrem Buch auf myBook+: - Zugriff auf ergänzende Materialien und Inhalte - E-Book direkt online lesen im Browser - Persönliche Fachbibliothek mit Ihren Büchern Jetzt nutzen auf mybookplus.de.

Leseprobe

Inhaltsverzeichnis

InhaltsverzeichnisHinweis zum UrheberrechtmyBook+ImpressumAbbildungsverzeichnisVorwort: Ran an die Daten!1 Einführung: Warum das Personalmanagement mit Daten arbeiten sollte2 Eine kleine Geschichte der Arbeit mit Daten im Personalmanagement2.1 Was haben der Taylorismus, die US-Armee und Baseball mit People Analytics zu tun?2.2 Entscheidungen auf Basis von Intuition und Erfahrung im HR2.3 Strukturierte Datenerfassung, HR Reporting und Berichtswesen2.4 HR-Controlling: Kennzahlen, Dashboards und Benchmarking2.5 People Analytics: Strategische Analyse und Predictive Analytics 2.5.1 MIT Media Lab: Weniger Burnout durch gemeinsame Pausen2.5.2 Google: Sinn und Unsinn von Führung mithilfe von People Analytics3 Arbeiten mit Kennzahlen im Personalmanagement3.1 Ziele des Personalcontrollings3.2 Aufgaben und Gestaltungsfelder des Personalcontrollings3.2.1 Gestaltungsfelder des Personalcontrollings3.2.2 Häufige HR-Kennzahlen nach Gestaltungsfeldern3.2.3 Übergreifende HR-Handlungsfelder3.3 Kennzahlensysteme entwickeln und Kennzahlen interpretieren3.4 Ausblick Personalcontrolling4 Gesetzliche und ethische Rahmenbedingungen für Datenanalysen mit Beschäftigtendaten in Deutschland4.1 Ingo Ritter: Datenschutzrechtliche Rahmenbedingungen4.1.1 Woher kommt der Datenschutz?4.1.2 Was bedeutet das für People-Analytics-Projekte? 4.1.3 Grundsätze für die Verarbeitung personenbezogener Daten 4.1.3.1 Speicherbegrenzung und Datenminimierung4.1.3.2 Zweckbindung und Transparenz4.1.3.3 Transparenz und Informationspflichten4.1.3.4 Richtigkeit4.1.3.5 Recht auf Datenkopie4.1.3.6 Recht auf Datenübertragbarkeit4.1.3.7 Rechtmäßigkeit4.1.3.8 Vertraulichkeit und Integrität: Technisch-organisatorische Maßnahmen und Technikgestaltung4.1.4 Sanktionen beim Datenschutzverstoß4.1.5 Spezialfall »Profiling« – Rechtmäßigkeit und Transparenz4.1.5.1 Was ist Profiling laut Gesetzgebung?4.1.5.2 Vorgaben zur Datenverarbeitung in Zusammenhang mit Profiling4.1.5.3 Automatisierte Entscheidungen4.1.5.4 Was ist in der Praxis zu tun?4.1.6 Ausblick4.2 Wichtige Stakeholder: Datenschutzbeauftragte:r und Betriebsrat 4.2.1 Datenschutzbeauftragte:r, betriebliche Datenschutzorganisation4.2.2 Betriebliche Mitbestimmung4.2.3 Chancen und Risiken des People Analytics in der Praxis – Interview mit Marian Konsky4.3 Allgemeines Gleichbehandlungsgesetz (AGG)4.4 Innovative Ansätze für einen ethischen und datenschutzrechtskonformen Einsatz von People Analytics4.5 Zusammenfassung: Die wichtigsten ethischen und datenschutzrechtlichen Fragen für People-Analytics-Projekte 5 Die Rolle der Organisationskultur für People-Analytics-Projekte5.1 Kennzeichen einer für People Analytics offenen Organisationskultur5.2 Ein People-Analytics-Projekt – unterschiedliche Wirkung 5.3 Datenanalysen mit oder ohne Personenbezug?5.4 Offene Feedbackkultur und ausgeprägte Fehlerkultur als wichtige Voraussetzungen für People Analytics5.5 Sebastian Zabel: People Analytics – Treiber einer zukunftsweisenden Unternehmenskultur6 Die Umsetzung von People Analytics 6.1 Der Unterschied zwischen Kausalität und Korrelation6.1.1 Gunter Dueck: Cargo-Kult – von Korrelation und Kausalität 6.1.2 Kausalität als Basis für Entscheidungen6.2 Der organisatorische Rahmen eines People-Analytics-Projekts6.2.1 Entscheiden, wann People Analytics der richtige Ansatz für ein Problem oder ein Ziel sind6.2.2 Das Team zusammenstellen6.3 Das People-Analytics-Prozessmodell (PAP): in drei Phasen zum Erfolg6.3.1 Qualitative Phase6.3.2 Quantitative Phase6.3.3 Umsetzungsphase6.4 Die qualitative Analyse am Beispiel betriebliche Altersstruktur: die Herausforderungen des demografischen Wandels meistern6.5 Christian Alexander Graf: ein Einblick ins Thema Datenqualität und quantitative Analyse6.5.1 Untersuchungsdesign erstellen6.5.2 Datenbereinigung und Analyse6.6 Künstliche Intelligenz und People Analytics – Interview mit Prof. Dr. Thomas Kopinski6.7 Die Umsetzungsphase: Projektergebnisse in die Organisation tragen6.7.1 Visualisierung und Kommunikation: mit Daten Geschichten erzählen 6.7.2 Umsetzung und Optimierung: die Rolle des Change-Managements in People-Analytics-Projekten6.7.3 Erfolgsbetrachtung und dynamische Zielanpassung7 Praktische Anwendungsgebiete von People Analytics7.1 Mit People Analytics die Effizienz des Recruitings optimieren – am Beispiel der Goodgame Studios7.2 People Analytics in der Personalgewinnung und -diagnostik – Interview mit Joachim Diercks, Cyquest GmbH7.3 Jan Mayer: Der Profifußball als Brennglas modernen Personalmanagements7.3.1 High Performance Work Systems (HPWS)7.3.2 HR Analytics7.3.3 Human Capital Management7.3.4 Organisationale Ambidextrie: effizient und flexibel zugleich7.4 Strategische Personalplanung mit People Analytics7.4.1 In acht Schritten zur strategischen Personalplanung7.4.2 Ausrichtung an der Unternehmensstrategie7.5 Christian Vetter: Digitales Skills Management – vom administrativen Monster zum strategischen Wettbewerbsvorteil7.5.1 Skills Management gestern – ein unzähmbares administratives Monster?7.5.2 Skills Management heute – ein wichtiger Bestandteil für die Zukunftssicherung von Unternehmen7.5.3 Anwendungsbeispiel 7.5.4 Wie datengetriebenes Skills Management die Personalarbeit verändert7.5.5 Fazit7.6 Sven Semet: HR-Daten für den Einsatz von Digitalen Assistenten nutzen7.6.1 Digitale Assistenten allgemein und im Personalmanagement7.6.2 Herausforderungen für die Implementierung digitaler Assistenten7.6.3 Zielsetzungen und Vorteile des Einsatzes digitaler Assistenten im Personalbereich7.7 Learning Analytics und smarte Personalentwicklung 7.7.1 Smart Learning– intelligente Lernsysteme7.7.2 Ansatzpunkte für Learning-Analytics-Projekte7.7.3 Zukunftsmusik: Smarte Modelle für die Personalentwicklung7.8 People Analytics in kleinen und mittleren Unternehmen8 Nach der Analyse ist vor der Analyse – ein Ausblick9 Anhang9.1 Gastautoren & Contributors9.2 Handwerkszeug zur Arbeit mit Daten von A-Z (Glossar)Literaturverzeichnis Verzeichnis der digitalen ArbeitshilfenIhre Online-Inhalte zum Buch: Exklusiv für Buchkäuferinnen und Buchkäufer!Stichwortverzeichnis

Buchnavigation

InhaltsubersichtCoverTextanfangImpressum

[1]

Hinweis zum Urheberrecht

Alle Inhalte dieses eBooks sind urheberrechtlich geschützt.

Bitte respektieren Sie die Rechte der Autorinnen und Autoren, indem sie keine ungenehmigten Kopien in Umlauf bringen.

Dafür vielen Dank!

myBook+

Ihr Portal für alle Online-Materialien zum Buch!

Arbeitshilfen, die über ein normales Buch hinaus eine digitale Dimension eröffnen. Je nach Thema Vorlagen, Informationsgrafiken, Tutorials, Videos oder speziell entwickelte Rechner – all das bietet Ihnen die Plattform myBook+.

Ein neues Leseerlebnis

Lesen Sie Ihr Buch online im Browser – geräteunabhängig und ohne Download!

Und so einfach geht’s:

Gehen Sie auf https://mybookplus.de, registrieren Sie sich und geben Ihren Buchcode ein, um auf die Online-Materialien Ihres Buchs zu gelangen

Ihren individuellen Buchcode finden Sie am Buchende

Wir wünschen Ihnen viel Spaß mit myBook+ !

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.

Print:

ISBN 978-3-648-15849-4

Bestell-Nr. 14106-0002

ePub:

ISBN 978-3-648-15850-0

Bestell-Nr. 14106-0101

ePDF:

ISBN 978-3-648-15851-7

Bestell-Nr. 14106-0151

Cornelia Reindl / Stefanie Krügl

People Analytics in der Praxis

2. Auflage, November 2023

© 2023 Haufe-Lexware GmbH & Co. KG, Freiburg

www.haufe.de

[email protected]

Bildnachweis (Cover): © iStock, Pinkypills

Produktmanagement: Dr. Bernhard Landkammer

Lektorat: Gabriele Vogt

Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Alle Rechte, insbesondere die der Vervielfältigung, des auszugsweisen Nachdrucks, der Übersetzung und der Einspeicherung und Verarbeitung in elektronischen Systemen, vorbehalten. Alle Angaben/Daten nach bestem Wissen, jedoch ohne Gewähr für Vollständigkeit und Richtigkeit.

Sofern diese Publikation ein ergänzendes Online-Angebot beinhaltet, stehen die Inhalte für 12 Monate nach Einstellen bzw. Abverkauf des Buches, mindestens aber für zwei Jahre nach Erscheinen des Buches, online zur Verfügung. Ein Anspruch auf Nutzung darüber hinaus besteht nicht.

Sollte dieses Buch bzw. das Online-Angebot Links auf Webseiten Dritter enthalten, so übernehmen wir für deren Inhalte und die Verfügbarkeit keine Haftung. Wir machen uns diese Inhalte nicht zu eigen und verweisen lediglich auf deren Stand zum Zeitpunkt der Erstveröffentlichung.

If the statistics are boring, you've got the wrong numbers

Edward Tufte, US-amerikanischer Informationswissenschaftlerund Grafikdesigner

Vorwort: Ran an die Daten!

Liebe Mitstreiterinnen und Mitstreiter für gute Personalarbeit,

fast alle Organisationen haben scorecards zu Kosten, Patentanmeldungen, Maschinenlaufzeiten, den net promoter score für ihre Dienstleistungen und Produkte oder die »conversion rate«, mit der nachvollzogen werden kann, wie viele Interessenten zu Kunden werden. Im Personalbereich erfassen Unternehmen vor allem vor dem Hintergrund permanent steigender gesetzlicher und regulatorischer Berichtspflichten neben den Personalkosten zunehmend Daten, mit denen unfallfreie Tage, Bildungsabschlüsse, die Anzahl Teilzeitbeschäftigter oder die Quote von Frauen in Führungsverantwortung ausgewiesen werden. All diese Kennzahlen spiegeln für sich genommen nur einen Status quo wider.

Außerhalb der Berichtspflicht arbeiten zwar mittlerweile zumindest die meisten Recruitmentabteilungen mit einer Vielzahl von KPI, aber nur sehr wenige Personalabteilungen verfügen – anders als eine steigende Anzahl in Marketingabteilungen – über einen Data Analyst. Gute Personalarbeit ist heute zunehmend auch datengestützt und fußt unter anderem auf Kennzahlen als Ausgangs-, aber nicht Endpunkt. Entscheidend sind die zu entwickelnden Zielbilder der Organisation aus Personal- und letztlich aus strategischer Sicht und die diesen zugrundeliegende Fragestellung, was passieren muss, um von einem Ist- zu einem Soll-Status zu gelangen. Hier setzt »People Analytics« an, indem personalpolitisch relevante Fragestellungen definiert werden, um in einem Folgeschritt die vorhandenen Daten zu sichten, etwaig zu ergänzen und zu interpretieren. Die Tatsache, dass X % der Mitarbeitenden in einem Zeitraum Y gekündigt haben, ist für sich genommen wertlos. Wie viele der Mitarbeitenden hätte man gerne im Unternehmen gehalten? Und wie viele von diesen sind aus welchen Gründen gegangen? Das bedingt das Führen von Exit-Gesprächen und bedeutet Aufwand. Wer diesen nicht scheut, ist in der Lage, Korrelationen und gegebenenfalls Kausalitäten sichtbar zu machen und darauf basierend Handlungsempfehlungen zu geben: Was würde die Wahrscheinlichkeit von ungewollten Kündigungen verringern?

Die Autorinnen Cornelia Reindl und Stefanie Krügl geben uns auch mit der zweiten, aktualisierten Auflage ihres Buches für diese Aufgabe eine sehr praxisrelevante und gut lesbare Hilfestellung an die Hand. Und sie kommt zu einer Zeit, in der das Thema »Künstliche Intelligenz« alle Lebensbereiche erreicht und die Diskussion über die Nutzung und Interpretation von Daten allgegenwärtig werden lässt. Daher sind wir in der Personalfunktion gut beraten, uns der Relevanz des Themas mehr denn je zuvor bewusst zu werden und dazu Kompetenzen aufzubauen. Die wenigsten von uns werden mittel- und langfristig ohne ein Grundverständnis der Technologien und Methoden zur Nutzbarmachung von Personalkennzahlen umhinkommen. Sich dieser Herausforderung zu stellen, muss Anspruch guter Personalarbeit bleiben und noch mehr als bisher werden. Das macht dieses Buch für diejenigen, die in das Thema einsteigen, zur Pflichtlektüre.

Ich wünsche ein informatives Lesen und eine gute Hand bei der eigenen Aufgabe, die Personalarbeit in Ihren Organisationen durch datengestützte Handlungsempfehlungen und Entscheidungen erfolgreich weiterzuentwickeln.

Frank Kohl-Boas

Leiter Personal & Recht ZEIT Verlagsgruppe

Vizepräsident des Bundes der Personalmanager & Mitglied des Ethikbeirats HR-Tech

1 Einführung: Warum das Personalmanagement mit Daten arbeiten sollte

Im privaten Bereich sind wir schon längst an die Vorteile von Data Analytics gewöhnt, kaufen online das Produkt mit der besten Bewertung, optimieren unser Schlafverhalten per App, belohnen uns über GPS-Tracking für die getätigte Laufstrecke und stellen bei all dem kaum Fragen zum Datenschutz. Ob Marketing, Finanzbereich, Unternehmenssteuerung oder Innovationsmanagement – erfolgreiche Organisationen arbeiten immer stärker datenbasiert und unterfüttern ihre Erfahrung mit Analysen von Kunden- oder Prozessdaten, um besser zu entscheiden und gezielter zu agieren. Die wachsende Verfügbarkeit von Daten durch IT-gestützte Unternehmensprozesse und neue Datenquellen (z. B. mobile Daten, Social Media-Daten) eröffnet Organisationen aber auch viele Möglichkeiten, Daten gezielt zugunsten einer motivierten, zufriedenen und produktiven Belegschaft zu nutzen. Auf dieser Grundlage können verschie­­denste mitarbeiterbezogene Problemstellungen unter die Lupe genommen werden, z. B., an welchen Orten in der Organisation findet informelles Lernen statt, wie kann die Vernetzung von Abteilungen gefördert werden, welche Arbeitsräume verstärken das Innovationspotenzial oder was macht aus Sicht der Mitarbeitenden eine erfolgreiche Führungskraft aus.

Menschen und Datenanalyse, wie passt das zusammen und was sind People Analytics?

Big DataPeople Analytics (auch: HR AnalyticsHR Analytics, Workforce AnalyticsWorkforce Analytics oder Human Resource IntelligenceHuman Resource Intelligence1) bezeichnen die Analyse von Human-Resource-Daten in Verbindung mit strategisch relevanten Unternehmensdaten und unternehmensexternen Daten. Seit 2009 verbreitet sich dieser datenbasierte Ansatz zunehmend in den USA und Europa, hier vor allem in Großbritannien. Inzwischen beginnen auch Organisationen im deutschen Sprachraum People Analytics einzusetzen. Inhaltliche und methodische Grundlagen für People Analytics bauen im Prinzip auf sozialwissenschaftlichen Forschungsrichtungen wie Sozial-, Emotions- und Motivationspsychologie und Betriebswirtschaftslehre auf, sowie auf den Ansätzen aus den Praxisbereichen Business Intelligence, Big Data und Personalcontrolling. Es handelt sich um einen Oberbegriff für die Vorgehensweise, ähnlich einer empirischen Studie vielfältigste Facetten des Zusammenwirkens von Menschen in Organisationen hypothesengeleitet mithilfe von Daten abzubilden und damit eine neuartige Entscheidungsgrundlage zu schaffen.

In der datenbasierten Entscheidungsfindung werden Datensätze verschiedener Art integriert analysiert, um gezielt aktuelle Fragestellungen in Organisationen zu untersuchen und auf Basis dieser Erkenntnisse Unternehmensergebnisse zu verbessern und Businessprobleme zu lösen. Wissenschaftler der Wharton School of the University of Pennsylvania beschreiben People Analytics folgendermaßen: »We use data to advance how organizations make decisions about people, and help leaders operate based on evidence rather than intuition. This new interdisciplinary initiative focuses on research, thought leadership and education of the next generation of experts in this emerging field.« Prasad Setty, Vizepräsident für People Analytics bei Google, beschreibt, was die Entwicklung von People Analytics antreibt: »We do not want to tell people what to do. But we want them to be capable of making all people decisions based on data and analytics.«2

GoogleDer Begriff People Analytics ist in der wörtlichen Übersetzung als »Personenanalysen« irreführend und provoziert sofort mit einem Bild vom durchanalysierten, gläsernen Menschen. Die Intention der angelsächsischen Wortschöpfung ist jedoch vielmehr, »People Analytics« als notwendiges Pendant zu »Business Analytics« zu verstehen; der Begriff wurde vermutlich als Erstes vom Datengiganten Google verwendet. Business Intelligence oder Business Analytics beinhalten seit vielen Jahren die Aufgabe, wirtschaftliche Zusammenhänge, Erfolgsfaktoren, Möglichkeiten zu Umsatzsteigerungen, Marktpotenziale und viele weitere wirtschaftliche Faktoren zu untersuchen und mithilfe der Ergebnisse eine Organisation weiterzuentwickeln. Hinsichtlich der Frage eines zielführenden konstruktiven Zusammenwirkens von Menschen fehlt es hier jedoch häufig an einem umfassenden Verständnis mit einem Gesamtblick auf die Organisation und Hebel zu Themen, die die Wirtschaftlichkeit »nur« indirekt beeinflussen, wie Mitarbeiterzufriedenheit, Motivation, Einfluss von Führung.

Bevor wir für das vorliegende Buch diesen Titel gewählt haben, haben wir lange überlegt, damit gerungen und mit verschiedensten Menschen diskutiert, ob wir den Begriff »People Analytics« für Datenanalysen zu Mitarbeiterthemen verwenden möchten. Wir haben uns am Ende bewusst für die Verwendung entschieden, um diesen international aktuell gebräuchlichsten Begriff auch in Deutschland mit Verständnis und Leben zu füllen. Damit möchten wir einen Beitrag leisten, um Klarheit und eine konstruktive Umgangsweise mit Analysen zu Mitarbeiterthemen zu fördern. Es geht uns darum, die Chancen und Potenziale zu heben, die solche Analysen bergen und das Thema aus dem Schattendasein der stillen Kämmerlein zu holen. Möchte man lieber eine deutschsprachige Begrifflichkeit verwenden, dann sprechen wir von datengestützter oder datenorientierter Personalführung bzw. -management. Damit ist gemeint, Datenanalysen als zusätzliches, aber nicht als ausschließliches Instrument der Personalarbeit einzusetzen.

Kurzum, People Analytics bezeichnen jede Form der Datenanalyse, die in Zusammenhang mit Menschen in ihrer Arbeitsumgebung steht. Dabei handelt es sich nicht grundsätzlich um eine neue Entwicklung. Gerade Personalcontroller zucken bei Beispielen aus dem People-Analytics-Umfeld häufig müde mit den Achseln und sagen: »Reports und Auswertungen erstelle ich bereits seit Jahrzehnten.« Treiben wir hier also nur die nächste Sau durchs Dorf, um Bücher und Beratungsaufträge zu verkaufen? Mitnichten. Neu an People Analytics sind nicht nur die technischen Möglichkeiten, Daten zu erheben und auszuwerten, sondern auch die Verknüpfung mit anderen unternehmensinternen Daten und einer Vielfalt an frei verfügbaren, öffentlichen Daten.

Datenanalysen im Personalmanagement

PersonalcontrollingSicherlich ist ein Teil von dem, was wir heute People Analytics nennen, ehrlicherweise »alter Wein in neuen Schläuchen« – ein modernes HR-Controlling deckt einen großen Teil der Anwendungsfälle von People Analytics ab. Die meisten Unternehmen setzen allerdings ein sehr klassisches HR-Controlling um, das eher das Erstellen von Berichten auf Basis standardisierter Kennzahlen für unterschiedliche Zielgruppen umfasst. Ein modernes Personalcontrolling hingegen versteht sich als das »HR-Zahlencockpit der Organisation«, entwickelt innovative Fragestellungen und Kennzahlen zu Mitarbeiterthemen, ist eng mit den Führungskräften vernetzt und berät das Management zu möglichen und zulässigen Analysen. Das ist allerdings in vielen Unternehmen noch Zukunftsmusik.

PersonalwesenDie Welt verändert sich – daher muss sich HR verändern! Wir stecken mitten in der vierten industriellen Revolution. Mit den Möglichkeiten, die der digitale Wandel mit sich bringt, können viele HR-Routineprozesse schon heute oft besser von einer guten Software übernommen werden als von einem Menschen. People Analytics können in Zeiten wie diesen Unternehmen helfen, innovativ zu werden und ein besseres Verständnis für die Mechanismen der Zusammenarbeit zu entwickeln. Anstelle des gewissenhaften Verwalters kommt dem Personaler immer stärker die Rolle des strategischen Beraters und Innovationstreibers zu. Das Personalmanagement verantwortet den wichtigsten Erfolgsfaktor der meisten Unternehmen – die Menschen im Unternehmen. Um den Anforderungen der heutigen Zeit – Digitalisierung, demografischer Wandel, globalisierte Märkte, kürzere Innovationszyklen – entsprechen zu können, ist ein Wandel in der Zusammenarbeit nötig, für die das Personalmanagement eine Vorreiterrolle übernehmen muss, wenn es weiterhin eine Existenzberechtigung haben möchte. Als Knotenpunkt aller Unternehmensbereiche und über alle Hierarchien hinweg ist das Personalwesen der ideale Ausgangspunkt, für Pilotprojekte neue Wege, Zusammenarbeit und Unternehmenserfolg zu gestalten.

Neben einer starken Vernetzung, und da ist HR meist ganz weit vorne, benötigen Personaler tiefere Einsichten in die Zusammenhänge der Organisation und müssen in der Lage sein, Ausblicke zu geben und Prognosen anzustellen, um die Zukunft mitzugestalten. Das Personalmanagement muss besser mit Zahlen umgehen können, um als strategischer Partner am Corporate Table mitzuspielen – nicht zuletzt steht auch HR zunehmend unter Druck, den Mehrwert der eigenen Arbeit mit Zahlen zu untermauern. Dazu muss das Personalmanagement Know-how rund um Datenanalytik ausbauen, um seiner (neuen) Rolle als strategischer Partner gerecht zu werden. Um die Entscheider und Unternehmenslenker, aber auch die Belegschaft bei Transformationsprojekten mitzunehmen und zu überzeugen, sind sehr gute kommunikative Fähigkeiten notwendig, das Storytelling zur Bedeutung von Analyseergebnissen z. B. ist heute ein wesentlicher Erfolgsfaktor in vielen Projekten. Personaler benötigen zudem Kompetenzen, um die Qualität und Einsetzbarkeit von Technologien, Beratungsleistungen und Analytik-Tools bewerten zu können.

Strategische PersonalplanungFür folgende Bereiche des Personalmanagements kann der Einsatz von People Analytics beispielsweise hilfreich sein:

Strategische Personalplanung, Talentmanagement, Employer Branding, Personaleinsatzplanung, Verständnis der Unternehmensziele, UnternehmenskulturUnternehmenskultur, Personalorganisation: People Analytics können die Ausrichtung der HR-Ziele an der Unternehmensstrategie unterstützen.

Personalbeschaffung, Mitarbeitermotivation, Mitarbeiterbindung: People Analytics können eingesetzt werden, um Trends und Risiken zu erkennen.

Das Personalmanagement muss Mitarbeiter dabei unterstützen, auf tägliche Herausforderungen vorbereitet zu sein. Daraus entsteht die Aufgabe, eine anforderungsgerechte, dynamische, belegbare und attraktive PersonalentwicklungPersonalentwicklung zu gestalten.

People Analytics sind nicht zuletzt deshalb eine Chance für das Personalmanagement, sich zu positionieren, da sich Datenanalysen und die darauffolgenden Veränderungen in der Organisation nicht so leicht outsourcen lassen: Die zugrundeliegenden Fragestellungen und Daten, vor allem aber deren Interpretation im Unternehmenskontext sind hochgradig unternehmensspezifisch. Nur ein Personalmanagement, das dazu auch das Geschäft versteht, kann hier einen echten Mehrwert leisten.

Objektive Entscheidungsgrundlagen für das Management

Unternehmenslenker und Entscheider brauchen in Zeiten einer schnell veränderlichen, unsicheren und komplexen Welt voller Widersprüche tragfähige und zielführende Entscheidungsgrundlagen, insbesondere für das Zusammenwirken von Menschen im Unternehmen. Die wichtigsten »Rohstoffe« unserer Wirtschaft sind Fachwissen, Anwendungskompetenz, Vernetzung und selbstverantwortliches Handeln der Menschen im Unternehmen. Diese Faktoren lassen sich nicht mehr mit autoritären Top-Down-Entscheidungen und im dunklen Kämmerlein geschmiedeten Plänen steuern. In der Wirtschaftswelt, wie sie sich heute entwickelt, benötigen wir dynamische Formen der Zusammenarbeit und fundierte Informationsquellen, um stets die passenden Entscheidungen zu treffen. Heute werden noch zu viele wichtige Entscheidungen auf der Basis von fehlerhaften Gründen getroffen. Oft genug geht es eher um die Demonstration von Macht, Einfluss statt um die eigentliche Problemstellung.

Wir brauchen nicht immer Datenanalysen, um die richtigen Zusammenhänge zu erkennen. Auch ein umfangreicher Erfahrungsschatz kann einer reflektierten Person als gute Entscheidungsgrundlage dienen. Aber je komplexer unsere Welt wird, umso mehr stoßen auch sehr gute Entscheider und Unternehmenslenker an Grenzen der eigenen Erfahrung. Die Verschiebung des Altersdurchschnitts, Veränderungen in zahlreichen beruflichen Anforderungsprofilen durch Digitalisierung und Automatisierung, die Diskussion um Arbeitswelten 4.0 und kundenzentriertes, flexibler an Veränderungen angepasstes Arbeiten – diese und mehr Herausforderungen stellen die Wirksamkeit tradierter Managementmethoden in Frage. Der Themen- und Methodenkomplex People Analytics eröffnet ein Feld für das umfassendere Verstehen und Beobachten eines Themas durch das Bilden und Prüfen von Hypothesen, bevor eine Entscheidung getroffen wird. Das ist freilich zeitaufwändig, aber es lohnt sich aus unserer Sicht, gerade in einer Welt im ständigen Wandel genau hinzuschauen und lieber einen Veränderungsprozess weniger zu initiieren, dafür dann aber richtig, tragfähig und nachhaltig. Es lohnt sich daher auch für Führungskräfte und Entscheider, sich mit People Analytics zu befassen.

Datengestützte Entscheidungsfindung

Im Zusammenhang mit People Analytics lesen wir immer wieder von – und wir haben es tatsächlich auch schon selbst geschrieben – Daten statt Bauchgefühl. Aber ist das so richtig? Wollen wir Intuition vollständig durch Datenanalysen ablösen? Und wie weit soll das gehen? Werden in einigen Jahren sämtliche Managemententscheidungen von einem Algorithmus getroffen, der viel besser als die kompetenteste Führungskraft weiß, was in jeder beliebigen Situation zu tun ist? Wir glauben nicht an eine Welt, in der Intuition durch Information ersetzt wird. Allerdings möchten wir uns zugleich von der alleinigen Entscheidung auf Basis von Bauchgefühl (wahlweise auch Macht) lösen. Der Erfolg steckt in der Kombination von Erfahrungswissen, Intuition und soliden Informationen. Insbesondere Entscheidungen, die viele Mitarbeitende betreffen, sollten und müssen wohlüberlegt, fundiert und nachhaltig getroffen werden. Zu häufig werden heute Weiterbildungsbudgets für die Trainings ausgegeben, die schon immer gebucht wurden, ohne dass der Erfolg jemals gemessen wurde. Personen werden befördert, ohne dass jemand abschätzen kann, ob sie in ihrem neuen Job gut sein werden oder dafür überhaupt geeignet sind. Abteilungen, deren Zusammenarbeit und Wissensaustausch erfolgskritisch sind, kommunizieren nicht miteinander und es fällt jahrelang keinem auf.

People Analytics liefern uns die passenden Daten, um in Kombination mit unserer Erfahrung und Intuition gute Entscheidungen treffen zu können. Es kann durchaus auch Gründe geben, sich für die zweitbeste Handlungsoption zu entscheiden, aber dann kennen wir wenigstens unsere Optionen und entscheiden bewusster. Entscheiden aber tun wir, nicht der Algorithmus – so viel Macht möchten wir nicht in seine Hände legen.

Neue Technologien, zeitgemäßer Datenschutz

Privacy-by-designDie Hilfsmittel unserer Arbeitswelt produzieren immer mehr Daten. Allein aus unseren E-Mails ließe sich leicht eine Unmenge an Informationen ziehen, z. B. zahlreiche Textinformationen oder der Vernetzungsgrad in die Organisation. Ganz zu schweigen von den Daten, die unser Mobiltelefon über uns preisgeben könnte. Auch unsere Arbeitsumgebung speichert Informationen, beispielsweise Zugangsinformationen durch beschränkte Zutritte auf Werksgelände oder auch einfach die elektronische Arbeitszeiterfassung. All diese Daten könnten höchst wertvoll für People-Analytics-Fragestellungen sein – glücklicherweise genießen unsere persönlichen Daten in Deutschland und auch europaweit durch die ab 2018 anzuwendende EU-Datenschutzgrundverordnung einen strengen Schutz. Darin finden sich bereits einige Vorstöße zu einer an die heutige Realität angepassten Gesetzgebung, wie zum Beispiel der Privacy-by-design-Ansatz. Der Hype um Daten und People Analytics ist eine gute Gelegenheit, den Datenschutz weiter an moderne technische Gegebenheiten anzupassen, Lücken zu schließen und Grauzonen zu klären.

Dieses Buch

… bietet Unternehmensakteuren die Möglichkeit, sich ein grundlegendes Verständnis zu People Analytics anzueignen. Es liefert Grundwissen zu Anwendungsbereichen und Vorgehensweisen und möchte versuchen, praxistaugliche Anleitungen zu geben, die es ihnen ermöglichen, einfache Analysen selbst durchzuführen.

... ermöglicht dem Leser den Einstieg in den Umgang mit Daten im Personalmanagement. Praxisnah werden Grundlagen und Möglichkeiten rund um den Umgang mit Datenanalysen beschrieben. Dabei wird der Bogen von etablierten, relativ einfachen Analysen bis hin zu komplexeren People Analytics gespannt und anhand von Praxisbeispielen illustriert. Personalmanagement/HR finden viele Impulse für Datenanalysen aus den verschiedensten Bereichen und Ansatzpunkte für People-Analytics-Projekte. Führungskräften bietet das Buch einen Überblick über aktuelle Anwendungsthemen.

... bietet eine Einführung und Anleitung in eine datengestützte Mitarbeiterführung. Das Buch zeigt, wie Personalmanager und Führungskräfte ihre Arbeit an mitarbeiterbezogenen Themen durch Daten ergänzen und so den Erfordernissen eines digitalen Personalmanagements gerecht werden können. Dabei greifen wir Themen auf, die uns in Zusammenhang mit zeitgemäßer Personalführung und digitalem HRM wichtig erscheinen.

1 In Kapitel 9.2 finden Sie ein Glossar mit den Erläuterungen der wichtigsten Fachbegriffe.

2 Setty (2014).

2 Eine kleine Geschichte der Arbeit mit Daten im Personalmanagement

Versicherungen und Finanzinstitute entdeckten als Erstes den Nutzen von Datenanalysen im Geschäftswesen, da sie mit aussagekräftigen Analysen direkten Einfluss auf ihre Gewinne nehmen können. Bereits im 19. Jahrhundert begannen Lebensversicherungen damit, anhand von Daten das Risiko einer Auszahlung zu berechnen. Seitdem wurden die Vorhersagen permanent verbessert. Heute sind Scorings zur Einschätzung der Kreditwürdigkeit und Risikoanalyse vor Abschluss einer Versicherung Normalität.

PersonalwesenSmart DataVisualisierungEntscheidungen datenorientiert zu treffen, ist grundsätzlich in Unternehmen nichts Neues. In etlichen Abteilungen, wie dem Controlling, dem Marketing und häufig auch in der Strategie, spielen quantitative Analysen schon länger eine bedeutende Rolle. Neben numerischen Berichten werden zunehmend Visualisierungen und (Self service-)Dashboards genutzt und auch Big- und Smart-Data-Technologien integriert. Viele dieser datenorientierten Projekte haben das Ziel, Geschäftsprozesse in Zahlen abzubilden, Kunden besser zu verstehen oder potenzielle Risiken korrekter einschätzen zu können. Begrifflich firmieren solche Abteilungen häufig als Controlling oder Business Intelligence.

OrganisationsentwicklungUm People Analytics zu verstehen, lohnt es sich, einen Blick auf die Entwicklung der Arbeit mit Daten im Personalmanagement zu werfen. Das Personalwesen und die Organisationsentwicklung gelangten in der Vergangenheit selten in das Blickfeld der datenorientierten Unternehmensbereiche. Während international immer mehr Unternehmen viel Engagement in HR-Controlling und People Analytics investieren und damit zunehmend erfolgreich sind, befassten sich Unternehmen im deutschsprachigen Raum bisher wenig mit datengestützten Entscheidungen zu Mitarbeiterthemen. Das lag und liegt unter anderem daran, dass Human Resources und Organisationsentwicklung am Menschen orientierte Domänen sind, in denen traditionell auf Basis von Erfahrung und Intuition entschieden wird. Insgesamt können wir eine stetige Evolution in der datenorientierten Arbeit im Personalwesen beobachten.

Diese hat sich über mehrere Stufen hinweg entwickelt und in jeder evolutionären Stufe liefert die Datenorientierung von HR einen größeren Wert für das Gesamtunternehmen. Dabei müssen wir beachten, dass sich verschiedene Unternehmen zur gleichen Zeit auf völlig unterschiedlichen evolutionären Entwicklungsstufen befinden können. Während das eine gerade beginnt, die ersten HR-Kennzahlen auszuwerten, befasst sich das andere bereits mit intelligenten Algorithmen. Die Entwicklungsstufen sind hierbei selten in einer Reinform zu finden, wobei es auch sinnvoll ist, verschiedene Ansätze der Entscheidungsfindung miteinander zu kombinieren.

Im Wesentlichen können folgende Entwicklungsstufen unterschieden werden:3

Erfahrungs- oder Intuitionsbasierte Entscheidungsfindung (Opinion-driven decisions)

HR Reporting/BerichtswesenBerichtswesen

HR-Controlling: Kennzahlen, Dashboards und externe Benchmarks

Strategische Analyse => People Analytics

Abb. 1

: Die Entwicklung der Datenorientierung im HRM (eigene Darstellung in Anlehnung an Smith 2013, S. 12)

Um People Analytics verstehen und anwenden zu können, sollte man sich auch mit den früheren Stufen der datenorientierten Arbeit im Unternehmen befassen. Die schon seit Jahrzehnten im HR-Controlling und auch im Unternehmenscontrolling genutzten Ansätze und ihre Ursprünge helfen uns, die vielfältigen Anwendungsmöglichkeiten der Arbeit mit Daten früher, heute und morgen besser zu verstehen.

3 Smith (2013).

2.1 Was haben der Taylorismus, die US-Armee und Baseball mit People Analytics zu tun?

Lange bevor sich Human Resources als Fachabteilung und Disziplin in Unternehmen entwickelt hat, fanden schon Analysen von menschlichen Eigenschaften und Verhalten im beruflichen Umfeld statt. Beispiele dafür sind Frederic Taylors Arbeiten rund um die Verwirtschaftlichung der Ressource Mensch und deren Effizienzsteigerung, die ersten psychologischen Eignungstests der US-Armee und die gezielte Selektion von Baseballspielern für die Oakland Athletics auf Basis der Beobachtung von Spielverhalten.

Bereits 1911 führte Frederic Taylor datenbasierte wissenschaftliche Untersuchungen zu Arbeitsabläufen in Industrieunternehmen durch, auf deren Basis er den Taylorismus begründete.4 Mit dem Ziel, die Produktivität von Produktionsbetrieben zu steigern, begann er die Produktivität der Arbeiter zu messen. Er führte Arbeitsablaufstudien durch und begründete damit die wissenschaftliche Betriebsführung. Er beobachtete die Arbeitsabläufe genau und führte dann eine unvoreingenommene Analyse der Ergebnisse durch, aus denen er seine Erkenntnisse ableitete. Diese Vorgehensweise entspricht bis heute Qualitätsstandards in der Forschung.

Beispiel: Taylors Roheisen-Experiment

Das Experiment Frederic Taylors mit Arbeitern der Stahlindustrie stellt den Beginn der wissenschaftlichen Betriebsführung dar. Als Taylor bei der Midvale Steel Company beschäftigt war, musste er Wege finden, die es möglich machten, dass Arbeiter schneller und besser arbeiten.5 In seinem Experiment erforschte er, ob es möglich sei, dass seine Arbeiter statt 12,5 Tonnen Roheisen 47 Tonnen pro Tag bewegten.

Zunächst wählte Taylor eine Anzahl an körperlich fitten und ausdauernden Männern aus, die stark genug waren, mehr zu arbeiten. Dabei stellte er ganz nebenbei fest, dass lediglich 12,5 % der Angestellten der Midvale Steel Company über die physische Fitness verfügten, um in der Stahlindustrie zu arbeiten. Er wies die Männer im Vorfeld an, den Anordnungen der Vorgesetzten präzise zu folgen, egal wie seltsam sie wirken. Sie sollten während des Tages kurze Pausen einlegen, sich eine Weile hinsetzen, einmal etwas Anderes tun etc. Da es zu dieser Zeit unüblich war, während der Arbeitszeit regelmäßige Pausen zu machen, wirkten derartige Anordnungen tatsächlich merkwürdig. Nun unterteilte Taylor die Arbeit in mehrere Teilaufgaben und maß die exakte Zeit, die es dauerte, sie durchzuführen. Anhand der Ergebnisse entwickelte Taylor Durchschnittszeiten für verschiedene Aufgaben, die Arbeiter der gesamten Stahlindustrie erreichen mussten, wenn sie ihren Arbeitsplatz behalten wollten.

Taylor fand zudem heraus, dass Arbeiter, die ihre Arbeit selbst organisieren, weniger leisten als Arbeiter, die konkrete Vorgaben erhalten. Als Vorarbeiter die Arbeits- und Pausenzeiten organisierten, schafften es die Arbeiter tatsächlich, 47 Tonnen Rohstahl pro Tag zu bewegen, ohne zu ermüden. Mithilfe dieses Systems konnten 140 Arbeiter die Leistung von 500 Arbeitern erreichen.

Folgende Schlussfolgerungen zog Taylor aus dem Roheisenexperiment:

Es ist absolut notwendig, dass nur Arbeiter eingestellt werden, die in der Lage sind, jede einzelne anfallende Aufgabe zu erledigen.

Faustregeln müssen durch effektivere Methoden ersetzt werden. Er führte materielle Belohnungen ein.

Arbeiter sollten ausreichende Pausen und bessere Arbeitsbedingungen erhalten.

Auch die Untersuchung von Persönlichkeitseigenschaften im beruflichen Kontext ist nichts Neues. Während des ersten Weltkriegs (1914-1918) startete die US-Armee in Zusammenarbeit mit der American Psychological Association (APA) unter der Leitung von Oberst Robert Yerkes, Mitbegründer des Multiple-Choice-Tests, den ersten psychologischen Eignungstest. In den Versionen US-Army-Alpha- und Beta-Test sollte dieser nachweisen, dass Intelligenz nicht zwangsläufig davon abhängt, ob man lesen und schreiben kann oder die englische Sprache beherrscht. Daraus entstand der Alpha-Test für die gebildeteren Soldatenanwärter und der Beta-Test für die nicht- oder weniger alphabetisierte Gruppe bzw. für Einwanderer, die der englischen Sprache nicht mächtig waren. Diese Tests wurden mit mehr als 1.250.000 Rekruten durchgeführt, um auf Basis von Schulnoten deren Intelligenzleistungen zu bewerten und daraus abgeleitet die Rekruten dem richtigen Einsatzbereich zuzuordnen. Damit gelten Alpha- und Beta-Test als historisch erste Instrumente zur Anwendung quantitativer Datenanalysen zur Personalselektion.

Wenn er auch auf das Kriegsgeschehen kaum Einfluss genommen haben dürfte, bildete dieser umstrittene Test in den USA die Grundlage zur breiten Verwendung von psychologischen Tests in der Wirtschaft, der Industrie und im Bildungswesen. Die bis dato oft als Spinnerei abgetane Psychologie erhielt dadurch einen Aufschwung und entwickelte die Intelligenzforschung rasant weiter. 1919 wurde der National Intelligence Test veröffentlicht und im ersten Jahr mehr als eine halbe Million Mal verkauft. Zu einer Zeit, wo Untersuchungen bislang nur einzeln und weitestgehend durch Ärzte durchgeführt worden waren, war es revolutionär, mit einem Papier- und Bleistift-Verfahren in einem festen Zeitrahmen gleichzeitig eine große Anzahl von Personen testen zu können und das mit nur einem oder zwei Versuchsleitern. Es entwickelten sich zahlreiche Varianten und Methoden zur Intelligenzmessung, bis sich schließlich mit dem Intelligenzquotienten (IQ) eine standardisierte und wissenschaftlich validierte Form der Messung kognitiver Fähigkeiten, die auch kulturspezifische Aspekte berücksichtigt, durchsetzte. Diese Elemente sind auch heute noch zentraler Bestandteil aller modernen Intelligenztests.6 Es folgten in den nächsten Jahrzehnten standardisierte Tests zur Untersuchung von Persönlichkeitsmerkmalen, beispielsweise die Arbeiten von C. G. Jung und der darauf basierende Myers-Briggs-Typenindikator.7

Einen zentralen Wegbereiter für People Analytics finden wir nicht in Unternehmen, sondern im Spitzensport. Wo Top-Spieler Millionen kosten, hat Talentförderung eine völlig andere Dimension. Das erste People-Analytics-Projekt im Baseball war so revolutionär, dass es 2004 als Buch8 veröffentlicht und 2011 unter dem Titel »Die Kunst zu gewinnen«/»Moneyball« mit Brad Pitt in der Hauptrolle verfilmt wurde.

Beispiel: Talent Analytics im Baseball

Die Oakland Athletics waren in den 90er Jahren nicht erfolgreich. Nach mehreren erfolglosen Jahren, in denen der Verein im Major League Baseball früh in den Playoffs gescheitert war, wechselten die verbliebenen Topspieler zu zahlungskräftigeren und erfolgreicheren Clubs. Nachdem der Oakland Manager Billy Bean vergeblich versucht hatte, von Geldgebern und den Clubbesitzern mehr Kapital zur Spielergewinnung zu erhalten, kam er auf die Idee, Talente zu identifizieren, die durch das Raster der Talentscouts gerutscht waren. Dabei kam ihm zugute, dass sich sein Vorgänger Sandy Alderson bereits seit Mitte der 1990er Jahre mit dem Einsatz von Daten zur Identifikation von Talenten befasst hatte.

Gemeinsam mit seinem Assistenten Paul DePodesta besetzte er das Team mithilfe des computergestützten Statistikverfahrens Sabermetrics neu. Förderlich für ihn war, dass die Talentscouts veraltete Kennzahlen, wie z. B. den Schlagdurchschnitt zur Bewertung potenzieller Talente, nutzten. Neuere statistische Methoden hatten gezeigt, dass andere Kennzahlen wie »On-Base Percentage« wesentlich geeignetere Erfolgsindikatoren waren. Mit diesem neuen Kennzahlenset war es möglich, Spieler zu verpflichten, die von den Scouts der wohlhabenderen Vereine unterschätzt wurden.

Allerdings gab es weitere Schwierigkeiten. Sabermetrics hatte zu dieser Zeit im Baseball keinen guten Ruf. Daher stellte sich der Coach Art Howe gegen Beans Entscheidung, unterbewertete Spieler anzuwerben. Er weigerte sich, Beans Spieler einzusetzen, und schickte stattdessen die älteren bewährten Spieler aufs Feld. Infolgedessen verloren die Oakland Athletics weiterhin ein Spiel nach dem anderen. Bean und DePodesta, inzwischen von Selbstzweifeln geplagt, hielten aber an ihrer Strategie fest und entließen schließlich die Spieler, die Howe entgegen ihrer Empfehlungen einsetzte. So war dieser gezwungen, Beans Aufstellung einzusetzen – und begann tatsächlich zu gewinnen. Allerdings schafften es die Oakland Athletics knapp nicht, die Major League zu gewinnen.

Talent AnalyticsAndere Vereine begannen, Beans Methode zu kopieren, sodass der Vorteil, den sich die Oakland Athletics durch das Finden der besseren Erfolgsindikatoren verschafft hatten, schnell kleiner wurde. Trotzdem brachte der Jahrtausendwechsel auch einen spürbaren Aufschwung für die Oakland Athletics. Sie waren nun in der Lage, Talent Analytics einzusetzen und stetig zu verbessern.

Abb. 2: Siegerquote der Oakland Ahletics (Quelle: Kryston »Winning percentage of the Oakland A's 1968-2008«, 04/2009, Wikipedia, https://de.wikipedia.org/wiki/Oakland_Athletics#/media/File:Winning-percentage.png)

OrganisationsentwicklungEs braucht nicht viel Phantasie, um den Erfolg der Oakland Athletics auf die Welt der Unternehmen zu übertragen. Moneyball beschreibt letztendlich nicht mehr und nicht weniger als ein Unternehmen, das in einem von Fachkräftemangel geprägten Umfeld die geeignetsten Talente gewinnt, obwohl es nicht die höchsten Gehälter bezahlen kann. Dies tut es nicht, weil es das beste Personalmarketing macht, sondern weil es einen Weg gefunden hat, zu verstehen, welche Eigenschaften auf welcher Position wirklich gebraucht werden. Gleichzeitig zeigt Moneyball auch, dass es nicht reicht, die passende statistische Methode zu finden. People-Analytics-Projekte sind häufig eher Herausforderungen für die Organisationsentwicklung als für die Analytiker. Denn in fast jedem Unternehmen gibt es einen »Coach Howe«, der aufgrund seiner eigenen Unsicherheit die Ergebnisse nicht umsetzen oder sogar gezielt sabotieren möchte.

4 Isson & Harriott (2016).

5 Wrege & Hodgetts (2000).

6 Maltby et al. (2011).

7 Isson & Harriott (2016).

8 Lewis (2004).

2.2 Entscheidungen auf Basis von Intuition und Erfahrung im HR

Entscheidungen und Handlungen in Organisationen basierend auf unserer Erfahrung und unserem »Bauchgefühl« funktionieren zweifelsohne in vielen Situationen sehr gut, auch wenn wir damit in einer zunehmend komplexen und volatilen Welt immer stärker an Grenzen stoßen. Weil nicht jede Entscheidung im Unternehmen mit Daten belegbar ist und weil Entscheidungen auf Basis von Erfahrung und Intuition manchmal völlig ausreichen, werfen wir einen Blick auf die ursprünglichste Form, über Zusammenarbeit und Mitarbeitende zu entscheiden, und ihre Berechtigung. Wir nutzen diesen Entscheidungsweg ganz natürlich in jeder Interaktion mit anderen Menschen. So können wir uns in verschiedenen Situationen richtig verhalten und die Entscheidungen treffen, die sich bereits in der Vergangenheit als gut erwiesen haben.

PersonalwesenDie Arbeit mit Daten im Personalwesen ist ein verhältnismäßig junges Phänomen, das erst Mitte des zwanzigsten Jahrhunderts entstanden ist. Und auch zu dieser Zeit war es sehr mühsam und oft unwirtschaftlich, Analysen im Personalwesen zu erstellen. Während sich in den stärker betriebswirtschaftlich geprägten Unternehmensbereichen deutlich früher Datenverarbeitungs- und IT-Systeme etabliert haben, wurden in der Personalabteilung lange sämtliche Daten von Hand erfasst, zum Teil bis heute. Die Berechnungen erfolgten oft manuell. Grafiken wurden mit Lineal und Bleistift gezeichnet. Aus diesem Grund wurde vieles auf Basis von Erfahrung und Intuition entschieden.

Dass es sehr effektiv sein kann, Entscheidungen auf der Basis von Erfahrung und Bauchgefühl zu treffen, zeigen beispielsweise die Untersuchungen von Prof. Aaron Anderson. In den 1990er Jahren führte er an der schwedischen Universität Växjö Studien zur Effizienz unterschiedlicher Entscheidungsmethoden im Management durch. Er konnte nachweisen, dass nur etwa ein 23 % aller Manager ihre Entscheidungen auf Basis von logisch-analytischen Denkprozessen treffen. Aaron Anderson meint dazu: »Wir überschätzen die Bedeutung des logischen Denkens. Die meisten Management- und Entscheidungstechniken sind auf den Denker-Typ ausgerichtet. Persönliche Wertvorstellungen, Einstellungen und Motive werden meistens nicht berücksichtigt.« Dabei trifft auch heute die Mehrheit der Manager, etwa 32 %, Entscheidungen auf Basis von Intuition und Erfahrung. Sie richten ihren Fokus weniger stark auf Details, sondern überlegen, welche Möglichkeiten ihnen in der konkreten Situation zur Verfügung stehen. Anhand ihrer Erfahrung können sie abschätzen, wie sich die unterschiedlichen Entscheidungsoptionen vermutlich auswirken werden. Es ist nicht einfach, in einer Studie valide zu ermitteln, welches Entscheidungsverhalten zu größtem Erfolg führt. Trotzdem gelang es Andersson, starke Tendenzen zu identifizieren, die nahelegen, dass »Manager, die vor allem ihrer Intuition folgen und ihre Erfahrungen kritisch und logisch-analytisch reflektieren, am häufigsten erfolgreich sind. Sie erreichen die vorgegebenen Ziele besser als ihre Kollegen, die mehr auf Wahrnehmung, auf Gefühle oder ausschließlich auf ihren logischen Verstand setzen.«9

Entscheidungen auf Basis von Erfahrung haben aber auch denkbar Nachteile. Intuition ist immer geprägt von unseren Werten und Einstellungen. Bauchgefühl ist immer subjektiv und auch beeinflusst von Zielen und Ambitionen, die wir für uns selbst verfolgen. Erfahrung muss man zunächst einmal erwerben. Dazu reicht nicht allein eine gewisse Berufserfahrung. Eine persönliche Disposition10 und die Bereitschaft und Fähigkeit zur ständigen Reflexion der Auswirkungen der eigenen Entscheidungen sind wesentliche Erfolgsfaktoren von Menschen, die sehr gute Bauchentscheidungen treffen.

9 Fleig (2015).

10 C. G. Jung unterscheidet in seinem Buch »Psychologische Typen« zwischen zwei Bewusstseins-Einstellungen, Extraversion und Introversion. Innerhalb dieser Einstellungen beschreibt er vier Bewusstseinsfunktionen: Denken, Fühlen, Empfindung und Intuition (Jung, 2022).

2.3 Strukturierte Datenerfassung, HR Reporting und Berichtswesen

BerichtswesenStrukturierte Datenerfassung ist ein Kernelement von People Analytics und hat ebenfalls eine lange Geschichte. Das Bedürfnis von Menschen, mit vorgegebenen Zielsetzungen Berichte anzufertigen, ist im wahrsten Sinne des Wortes steinalt. Bereits die altägyptischen Pharaonen nutzten ein ausgefeiltes Berichtswesen, um ihr großes Reich zu kontrollieren. Auch in den doch etwas jüngeren Human Resources war das Berichtswesen oder (Personal-)Reporting bereits früh üblich, noch lange bevor mit dem Personalcontrolling erste systematische Auswertungen und Analysen in Unternehmen durchgeführt wurden. Ein HR-Berichtswesen kann dabei alle Maßnahmen umfassen, die Informationen über die Belegschaft und damit zusammenhängende Faktoren der Zusammenarbeit in Berichtsform – also komprimiert und meist regelmäßig aktualisiert – festhalten. Diese Berichte wurden zunächst schriftlich angelegt. Heute nutzen wir mit Datendashboards eine neue, visueller aufbereitete Form von Berichten.

People-Analytics-TeamIm Personal-Reporting werden seit jeher regelmäßig Berichte mit Vergangenheitsdaten erstellt. Personalmanager beantworten im Wesentlichen dem Management die Frage »Was ist passiert?«11, zum Beispiel Krankenstand je Monat, Fluktuation pro Monat oder Quartal, Mitarbeiteranzahl pro Unternehmensbereich, Anzahl durchgeführter Personalentwicklungsmaßnahmen, Anzahl angebotener und/oder durchgeführter Maßnahmen des betrieblichen Eingliederungsmanagements (BEM). Diese retrospektiven Berichte sind noch heute wichtig. Sie sollten aber nicht die einzige Betrachtungsperspektive bieten. Auch Unternehmen, die mit People Analytics arbeiten, benötigen ein Berichtswesen. Dieses übernimmt zwei wesentliche Aufgaben. Zum einen bietet das Personal-Reporting eine wichtige Datenquelle für People-Analytics-Projekte. Zum anderen bildet das Berichtswesen eine Kommunikationsschnittstelle zwischen dem People-Analytics-Team und dem Rest des Unternehmens. Hier werden beispielsweise Dashboards entwickelt, die People-Analytics-Ergebnisse ausspielen.

BerichtswesenDas Berichtswesen ist nach wie vor eine wesentliche Kommunikationsform, wenn es darum geht, Informationen aus HR-Controlling oder People Analytics zur Verfügung zu stellen. Die Grundlage für ein solides Reporting bildet dabei die strukturierte und fehlerfreie Erfassung von Daten.

11 Smith (2013).

2.4 HR-Controlling: Kennzahlen, Dashboards und Benchmarking

Lange bevor die ersten Personalabteilungen ein HR-Controlling einführten, entwickelte sich das Unternehmenscontrolling. Es entstand Ende des 19. Jahrhunderts in den USA, als dort die ersten Großunternehmen entstanden. Mit der Größe stiegen die Komplexität der Unternehmen und damit der Koordinationsbedarf. Zunächst bestand das Controlling ausschließlich aus den Aufgaben des externen Rechnungswesens, also der Buchhaltung, und der Erstellung von Jahresabschlüssen. Mit der Wirtschaftskrise Anfang der 1930er Jahre begannen Unternehmen das Controlling zu nutzen, um sich besser auf die volatilen Umweltdynamiken einstellen zu können. Von da an wurden im Controlling unternehmensexterne und -interne finanzielle Informationen analysiert. Eine weitere Aufgabe war es, diese Informationen in Berichten für das Management aufzubereiten. Die Erkenntnisse wurden genutzt, um das Unternehmen zu kontrollieren, aber auch um zukünftiges Vorgehen zu planen. Ab Ende der 1950er Jahre richteten Tochterunternehmen US-amerikanischer Firmen auch in Deutschland die ersten Controllingabteilungen ein. Es dauerte aber weitere zehn Jahre, bis ein Großteil der deutschen Unternehmen begann, eigene Controlling-Einheiten einzurichten.12

PersonalcontrollingAuch wenn Dr. Jac Fizenz in den USA bereits 1978 die ersten HR-Kennzahlen und 1984 die ersten HR-Benchmarks veröffentlichte, war bis Ende der 1980er Jahre ein Personalcontrolling alles andere als selbstverständlich. Erst langsam wurden neben HR-Reportings auch Kennzahlen, Dashboards und Benchmarkanalysen eingeführt. Analysen wurden erstmals nahezu in Echtzeit durchgeführt. Damit konnte man mithilfe von Daten die Frage »Was passiert heute?« beantworten.

PersonalwesenWährend in anderen Unternehmensbereichen bereits ein vollwertiges Controlling eingeführt wurde, dauerte diese Entwicklung im Personalwesen in Deutschland etwas länger. In den 1980er Jahre begannen die ersten deutschen Konzerne ein systematisches HR-Controlling einzuführen, einer der Vorreiter war hier die Grundig AG. Dies war ein wichtiger Fortschritt, denn obwohl es bereits ein Berichtswesen gab, konnten scheinbar selbstverständliche Fragen oft nicht korrekt beantwortet werden. Ein Beispiel ist die Frage nach der Anzahl der Mitarbeitenden. Diese auf den ersten Blick triviale Frage stellte das Personal-Reporting lange vor Probleme. Eine der Ursachen dafür war, dass es neben dem »klassischen« Mitarbeiter, der unbefristet eingestellt ist und regelmäßig arbeitet, zahlreiche Sonderfälle gibt. Beispiele sind Teilzeitmitarbeitende oder Angestellte, die gerade nicht arbeiten, weil sie in Elternzeit, freigestellt oder krank sind. Andere sind nicht festangestellt und arbeiten als Aushilfe, Praktikant:in oder Urlaubsvertretung.

Beispiel: Personalcontrolling bei der Grundig AG

PersonalcontrollingDie Grundig AG hat sich als eines der ersten deutschen Unternehmen bereits in den 1980er Jahre entschieden, dieses Problem mit einer umfangreichen HR-Software zu lösen, und führte eines der ersten HR-Controlling-Tools ein, das sich zu diesem Zeitpunkt noch im Beta-Stadium befand.

Vor der Einführung wurde der Umfang des Grundig-Personals in regelmäßigen Abständen durch die EDV-Abteilung anhand der Abrechnungsfälle ermittelt. Wer Gehalt ausgezahlt bekam, zählte zur Belegschaft. Darüber hinaus gab es einzelne grobe Statistiken zur Geschlechterverteilung und Altersstruktur des Unternehmens. Angestellte, die gerade ihren Wehrdienst ableisteten, im Erziehungsurlaub oder unbezahlt freigestellt oder aus einem anderen Grund in diesem Monat kein Gehalt ausgezahlt bekamen, wurden nicht erfasst. Dafür wurden Leiharbeiter, kurzfristige Aushilfen, Teilzeitmitarbeiter und Praktikanten als vollwertige Mitarbeitende gezählt. Um genauere Zahlen zu ermitteln, wurden punktuell die Lohnsteuerkarten aller ca. 40.000 Grundig-Beschäftigten manuell ausgezählt. Allerdings lieferte auch diese Zählung nur grobe Werte, da der Personalabteilung nie alle Lohnsteuerkarten vollständig vorlagen. Das Fehlen der genauen Zahl des Personals, das in einem Werk arbeitete, führte gerade in Krisenzeiten, lange vor Einführung der Kurzarbeit, zu großen Problemen. Die Zahl der ungelernten Bandarbeiter:innen wurde permanent an die Auftragslage angepasst. Da zuverlässiges Zahlenmaterial fehlte, konnte niemand genau sagen, wie viele Mitarbeiter bei einer Verschlechterung der Auftragslage entlassen werden konnten, ohne dass die Produktion ins Stocken kam. Die Personalabteilung erhielt regelmäßig Anweisungen, zwischen 5 % und 10 % aus der Produktion zu entlassen oder wieder neu einzustellen. Diese Vorgaben beruhten auf reinen Vermutungen und Daumenschätzungen. Sie wurden pauschal und ohne jede Analyse des tatsächlichen Personalstands oder des Personalbedarfs festgelegt. Bei diesem Vorgehen ist es nicht verwunderlich, dass die Vorarbeiter im Werk während den Abbauphasen vor der Situation standen, dass ihnen Personal fehlte, um die bestellten Waren produzieren zu können. Um diese Fehlerquoten zu korrigieren, wurden mehrfach kurzfristig einige der bereits ausgesprochenen Kündigungen ausgesetzt und Mitarbeitende erneut eingestellt. Häufig ging das sogar so weit, dass die Personalabteilung bei der Kündigung die gerade Entlassenen fragte, ob sie sie in absehbarer Zeit wieder einstellen dürften, da zum Zeitpunkt der Kündigung bereits ersichtlich war, dass vermutlich bald wieder mehr Personal gebraucht werden würde.