Die wachsende Kapazitätslücke im HR-Bereich mit AI bewältigen

Wenn Sie in der HR-Führung tätig sind, kennen Sie bereits die unangenehme Wahrheit: Die Kluft zwischen dem, was Ihr Unternehmen erwartet, und dem, was Ihr Team tatsächlich leisten kann, wird größer, nicht kleiner. Sie sollen als strategischer Partner für Wachstum und Unternehmenstransformation agieren und gleichzeitig ein beispielloses Volumen an komplexen, emotional intensiven Mitarbeiterangelegenheiten bewältigen – und das im Wesentlichen mit der gleichen Mitarbeiterzahl und den gleichen Tools wie vor der Pandemie, die die Arbeit grundlegend verändert hat.

Hier geht es nicht darum, härter zu arbeiten oder effizienter zu sein; die Rechnung geht einfach nicht mehr auf. Die Volatilität nach der Pandemie, der chronische Fachkräftemangel und der ständige organisatorische Wandel haben HR-Abteilungen in einen fast dauerhaften Krisenmodus versetzt. Gleichzeitig fordern Mitarbeiter aus fünf Generationen eine Personalisierung auf Consumer-Niveau in allen Bereichen – von Zusatzleistungen bis hin zur Karriereentwicklung. Führungskräfte wiederum erwarten von Ihnen, dass Sie strategische Herausforderungen wie die Nachfolgeplanung für eine alternde Belegschaft lösen, kurzfristig messbare Geschäftsergebnisse erzielen und die Belegschaft auf eine AI-gestützte Zukunft vorbereiten.

Eine wachsende Herausforderung für das Geschäftsergebnis

Die Belastung ist spürbar. Jüngste Untersuchungen zeigen, dass 84 % der HR-Führungskräfte von häufigem Stress berichten, 81 % sich ausgebrannt fühlen und 95 % den Job als „zu viel Arbeit und Stress“ beschreiben. Andere Umfragen zeigen, dass HR-Abteilungen zunehmend „über ihre Kapazitäten hinaus beansprucht“ sind, wobei die Befragten eine Verschlechterung der Qualität und Effektivität ihrer Arbeit melden.

Die Auswirkungen auf Unternehmen sind enorm: Sinkende Raten bei der Personalbeschaffung und -bindung hängen mit einem überlasteten HR-Team zusammen. Dies macht es für Unternehmen schwieriger, offene Stellen für aktuelle Anforderungen adäquat zu besetzen, geschweige denn für die Zukunft. Angesichts monatlicher Kosten für eine unbesetzte Stelle zwischen 5.000 und 25.000 US-Dollar (je nach Seniorität der Rolle und Branche) und Wiederbesetzungskosten von bis zu 200 % des Jahresgehalts eines typischen Mitarbeiters ist es absolut entscheidend, das Beste aus den vorhandenen Mitarbeitern herauszuholen.

Auch das Mitarbeiterengagement ist aufgrund mangelnder Unterstützung, Einbindung und beruflicher Klarheit rückläufig, wobei „Quiet Quitting“ (Dienst nach Vorschrift) zu einer zunehmenden Norm wird. Dies entwickelt sich zu einem besorgniserregenden Trend, da ein Rückgang des Mitarbeiterengagements um nur wenige Prozentpunkte zu Millionenverlusten bei der Wertschöpfung eines Unternehmens führen kann.

Es ist offensichtlich, dass sich etwas ändern muss. Und die Antwort lautet immer seltener mehr Personal oder eine weitere Einzellösung. Die Unternehmen, die die Nase vorn haben, tun nicht einfach mehr mit weniger Mitteln; sie überdenken grundlegend, was HR tut, was AI leistet und wo sich beide überschneiden.

Der Weg von HR zur AI-Transformation

Bei jeder Diskussion über HR und AI ist es wichtig, den bisher begrenzten Einfluss von AI anzuerkennen. In einer kürzlich durchgeführten Gartner-Umfrage unter HR-Führungskräften gaben 88 % an, keinen nennenswerten geschäftlichen Nutzen aus AI-Tools gezogen zu haben, trotz weit verbreiteter Versuche, AI in ihren Unternehmen zu etablieren. AI-Tools haben sich auf eng definierte HR-Aufgaben wie Sourcing und Talentsuche, Lebenslauf-Screening sowie Notizen und Zusammenfassungen von Vorstellungsgesprächen ausgewirkt. Das Vertrauen bleibt jedoch ein grundlegendes Hindernis für eine breitere Einführung bei komplexeren Funktionen des Belegschaftsmanagements.

Dennoch äußern HR-Führungskräfte in Umfrage um Umfrage weiterhin Optimismus hinsichtlich der längerfristigen Transformation von HR-Funktionen durch AI und bauen ihre Investitionen in diese Technologie weiter aus. Viele dieser Unternehmen erkennen allmählich, dass eine AI-gestützte Transformation keine magische Universallösung für langjährige organisatorische Anforderungen ist, sondern ein Werkzeug, das sorgfältig und schrittweise in bestehende sowie neu gestaltete Prozesse integriert werden kann, während sich die technischen Fähigkeiten weiterentwickeln und Governance-Richtlinien und -Praktiken entstehen. Dieser Ansatz versteht Transformation nicht als binären Zustand, den eine HR-Abteilung erreicht oder nicht erreicht hat, sondern als eine langfristige Reise des schrittweisen Wandels und der Prozessverbesserung, die im Laufe der Zeit immer größeren Nutzen bringt.

Ein bewährter Weg zum Erfolg

Gemeinsam haben MathCo und Databricks einer Vielzahl von HR-Teams geholfen, AI fest in ihre Prozesse zu integrieren. Der Ansatz, der unserer Erfahrung nach die besten Ergebnisse liefert, verläuft in mehreren Phasen, von denen jede auf dem Erfolg der vorherigen aufbaut und schrittweise einen geschäftlichen Mehrwert schafft (Abbildung 1).

Phase 1: Die Datengrundlage schaffen

Erst in Kombination mit den proprietären Informationsbeständen Ihres Unternehmens können Standard-AI-Modelle den von Ihnen gewünschten Nutzen bringen. Dies stellt die meisten HR-Teams vor zwei Herausforderungen: wie man Mitarbeiterdaten aus dem gesamten Unternehmen zusammenführt und wie man am besten sicherstellt, dass diese sensiblen Informationen angemessen geschützt sind.

Marketing-Teams haben diese Herausforderungen in Bezug auf Verbraucherdaten schon lange erkannt. Das von den meisten dieser Teams angewandte Kernmuster besteht darin, ein zentrales Repository für relevante Informationen aufzubauen, das um ein gemeinsames Konzept der Identität eines einzelnen Kunden herum strukturiert ist. Dieses Informations-Repository, das oft als Customer 360 bezeichnet wird, lässt sich leicht auf Mitarbeiterinformationen übertragen.

Innerhalb von Employee 360 werden Mitarbeiterdaten aus dem gesamten Unternehmen zentralisiert. Strukturierte Informationen aus verschiedenen operativen Systemen werden ebenso repliziert wie unstrukturierte Informationen aus einer Vielzahl von Management- und Kommunikationssystemen. Nützliche Metriken und Klassifizierungen werden aus diesen Daten extrahiert, und es werden auch prädiktive Erkenntnisse generiert. Ziel ist es, die in Employee 360 enthaltenen Rohdaten für HR-Teams direkter nutzbar zu machen und eine gewisse Standardisierung bei der Interpretation kritischer Signale in den Mitarbeiterinformationen zu erreichen.

Data Governance ist hier absolut entscheidend. Während wir uns stark darauf konzentrieren, dass ein angemessener Zugriff auf die Daten gewährt und sorgfältig geprüft wird, müssen wir ebenso auf die Qualität der Informationen im Repository achten. Personalentscheidungen auf der Grundlage unzuverlässiger Informationen zu treffen, ist nicht nur schädlich für das Geschäft, sondern kann auch regulatorische und rechtliche Konsequenzen für das Unternehmen haben.

Phase 2: Erkenntnisse über die Belegschaft neu bewerten

Mit einer starken, zuverlässigen und sicheren Datengrundlage besteht der nächste Schritt darin, diese Grundlage zu nutzen. Anstatt sich weiterhin auf manuelle Berichte und Ad-hoc-Analysen zu verlassen, können Unternehmen nun wiederverwendbare Produkte für Belegschaftserkenntnisse direkt aus dem Employee 360 bereitstellen. So lassen sich Daten in die kritischen HR-Workflows integrieren, in denen sie am wichtigsten sind: Personalbeschaffung, Performance-Management, Vergütung, Fluktuation und Personalplanung.

Dieser Wandel verbessert nicht nur die Effizienz. Für Unternehmen, die bisher nur über eine begrenzte Datentransparenz verfügten, rückt damit die Belegschafts-Intelligence in das Zentrum jeder wichtigen HR-Entscheidung. Dies fördert die analytische Kompetenz, die HR-Führungskräfte, Manager und Analysten in Zukunft benötigen werden. Gleichzeitig dient der erweiterte Zugriff auf eine gemeinsame, verlässliche Quelle für Mitarbeiterinformationen als natürlicher Härtetest für die Daten selbst.

Zu Beginn dieser Phase werden Entscheidungsträger unweigerlich auf Erkenntnisse stoßen, die ihre Erwartungen infrage stellen. Einige dieser Herausforderungen werden echte Daten- oder Logikprobleme aufdecken, die korrigiert werden sollten. Häufiger jedoch werden sie etwas Wertvolleres offenbaren: die Kluft zwischen lang gehegten Annahmen und der tatsächlichen Funktionsweise der Belegschaft.

Beide Ergebnisse sind konstruktiv. Unternehmen, die diese Phase durchlaufen, gehen mit saubereren Daten, schärferen analytischen Instinkten und – was vielleicht am wichtigsten ist – einem Führungsteam hervor, das aus erster Hand erfahren hat, wo konventionelles Denken an seine Grenzen stößt. Genau das ist die Denkweise, die erforderlich ist, um HR-Workflows von Grund auf neu zu überdenken.

Phase 3: Workflows mit AI erweitern

Das Unternehmen ist nun bereit, die Vorteile von AI zu nutzen, aber es gibt weiterhin Bedenken hinsichtlich des Vertrauens in die Technologie. Anstatt die HR-Workflows radikal neu zu überdenken, ist es am besten, mit der Optimierung bestehender HR-Workflows zu beginnen. Dabei bleibt der Mensch für die Interpretation von AI-generierten Ergebnissen und alle kritischen Entscheidungen stets einbezogen.

Obwohl eine vollständige Erfassung aller HR-Prozesse von großem Nutzen wäre, beginnt diese Phase oft mit einer einfachen Auflistung von Workflows, die ressourcenbeschränkt sind und in hohem Maße auf der menschlichen Interpretation von Informationen beruhen. Die Erfassung dieser Workflows, ihre Integration in ein Workflow-Management-Tool, das AI nutzen kann, und der gezielte Einsatz von AI für zeitaufwendige, wiederkehrende und interpretative Aufgaben bringt mehr Struktur in die Abläufe und schafft die Grundlage für messbare Vorteile für das Team.

Transparenz ist in dieser Phase von entscheidender Bedeutung. Wann immer AI eingesetzt wird, müssen menschliche Entscheidungsträger Zugang zu Details darüber haben, nicht nur welche Entscheidung getroffen wurde, sondern auch warum. Diese Entscheidungsträger müssen in der Lage sein, der AI Feedback und Korrekturen zu geben, und dieses Feedback muss genutzt werden, um die Ergebnisse im Laufe der Zeit feinzustimmen. Wir erwarten von AI keine perfekten, rein deterministischen Ergebnisse. Doch bei der richtigen Nutzung von Feedback können sie Ergebnisse liefern, welche die Zuverlässigkeit und Konsistenz eines erfahrenen Experten übertreffen. Aber es braucht Zeit, um dorthin zu gelangen.

Phase 4: AI-optimierte Prozesse aufbauen

In Phase 3 wird relativ viel Zeit damit verbracht, bestehende Workflows durch einen begrenzteren Einsatz von AI zu verbessern. In dieser Phase lassen sich bereits erhebliche Vorteile erzielen. Doch je vertrauter die Teams mit dem Einsatz von AI und ihren eigenen Workflows werden, desto eher erreicht das Unternehmen einen Punkt, an dem es bereit ist, bestimmte Bereiche radikal neu zu überdenken.

An diesem Punkt verlagert sich die Diskussion: Es geht nicht mehr nur darum, wo AI Ressourcenengpässe im Unternehmen abbauen kann, sondern wie AI dem Unternehmen helfen kann, das HR- und Personalmanagement in einen echten Wettbewerbsvorteil zu verwandeln.

In dieser Phase gibt es keinen allgemeingültigen Weg, da die Anforderungen jedes Unternehmens unterschiedlich sind. Durch den hier beschriebenen schrittweisen Ansatz verfügen Unternehmen jedoch über die Daten- und Technologiebasis, die sie für ein solches Vorhaben benötigen. Zudem haben sie das Vertrauen und die Vertrautheit sowohl des HR-Teams als auch der Führungskräfte im gesamten Unternehmen gewonnen, um die vielfältigen Möglichkeiten zu erkunden, die AI für ihre Belegschaft eröffnen kann.

Nutzen Sie die Erfahrung von MathCo

Diese vierstufige Roadmap in die Realität umzusetzen, erfordert mehr als nur die Absicht. Es braucht die richtige Technologiebasis, um die Strategie mit Leben zu füllen. MathCo schließt diese Lücke mit NucliOS, einer AI-Plattform für Unternehmen, die entwickelt wurde, um die Geschäftstransformation zu beschleunigen (Video 1).

Video 1. Das NucliOS-Studio von MathCo mit modularen Bausteinen und vorkonfigurierten Blueprints

Anstatt bei Null anzufangen, nutzt NucliOS modulare Bausteine und vorkonfigurierte HR-Blueprints. Diese helfen Unternehmen dabei, schnell von fragmentierten Daten zu einer einheitlichen, sicheren Employee-360-Ansicht zu gelangen. Dieser Ansatz verkürzt die Implementierungszeiten und stellt sicher, dass die Basis kontrolliert, zuverlässig und auf die spezifischen Nuancen von Personaldaten abgestimmt ist.

Während die Teams die späteren Phasen durchlaufen, bietet NucliOS integrierte Acceleratoren, die die AI-Einführung skalierbar und kontextabhängig machen. Jedes Modell und jede Erkenntnis – von Einstellungsempfehlungen bis hin zu Fluktuationswarnungen – ist transparent und erklärbar. So behalten HR-Teams die volle Kontrolle darüber, wie die AI arbeitet, und stellen sicher, dass Menschen an der Steuerung und Verfeinerung der Ergebnisse beteiligt bleiben.

Abgestimmt auf die vier Phasen der Transformation bietet NucliOS drei integrierte Umgebungen zur Unterstützung des kontinuierlichen Fortschritts:

• Data Studio automatisiert und sichert die Datenbasis.
• AI Studio operationalisiert Modelle und stellt sicher, dass menschliche Feedbackschleifen im Mittelpunkt stehen.
• Decision Studio ermöglicht die Erstellung maßgeschneiderter Anwendungen, die fundierte Erkenntnisse in strategisches Handeln umsetzen.

Zusammen geben diese Funktionen HR die Werkzeuge an die Hand, um ihre Prozesse im Tempo des Marktes weiterzuentwickeln und über die einfache Automatisierung hinaus zu einer AI-gesteuerten Exzellenz zu gelangen, die auf Transparenz, Governance und kontinuierlicher Innovation basiert.

Treiben Sie die Transformation mit Databricks voran

Jede erfolgreiche AI-Transformation beginnt mit vertrauenswürdigen, hochwertigen Daten. Databricks bietet die Grundlage, die dies ermöglicht: die sichere, kontrollierte Umgebung, in der die Employee-360-Ansicht Gestalt annimmt. Als zentraler Knotenpunkt für alle Personaldaten führt Databricks strukturierte und unstrukturierte Informationen aus verschiedenen HR-Systemen zusammen und sorgt so für eine konsistente, prüfbare und datenschutzkonforme Sicht auf das Unternehmen.

Basierend auf einer Lakehouse-Architektur kombiniert Databricks die Zuverlässigkeit von Enterprise-Data-Warehousing mit der Flexibilität von Data Lakes und ermöglicht so einen nahtlosen Datenaustausch und die Zusammenarbeit von Teams in Echtzeit. Robuste Zugriffskontrollen, Lineage-Tracking und Qualitätsprüfungen schützen sensible Mitarbeiterdaten und gewährleisten gleichzeitig die für die regulatorische Compliance erforderliche Transparenz und Rückverfolgbarkeit.

Entscheidend ist, dass Databricks über die reine sichere Speicherung hinausgeht. Die tiefe Integration mit fortgeschrittenen AI- und Machine-Learning-Funktionen sorgt dafür, dass Daten sicher und intelligent in Tools wie NucliOS fließen. Dort speisen sie prädiktive Modelle, Human-in-the-Loop-Workflows und die kontinuierliche Prozessoptimierung. Dieses Gleichgewicht zwischen Schutz und Innovation stellt sicher, dass Personaldaten nicht weggesperrt, sondern verantwortungsvoll aktiviert werden, um neuen strategischen Wert freizusetzen.

Beginnen Sie Ihre HR-Transformationsreise

Die größer werdende Kapazitätslücke im HR-Bereich wird sich nicht von alleine schließen. Doch mit der richtigen Datenbasis, vertrauenswürdiger AI und erfahrenen Partnern kann sie zu einem Katalysator für den organisatorischen Wandel werden. Der bewährte Ansatz von MathCo, unterstützt durch Databricks, hilft HR-Verantwortlichen, ihre Vision durch eine sichere, transparente und skalierbare AI-Transformation in die Tat umzusetzen.

Wenn Sie bereit sind zu erfahren, wie AI das HR-Management in Ihrem Unternehmen neu gestalten kann, setzen Sie sich mit MathCo in Verbindung, um Ihre Reise zu einer agileren, datengesteuerten und zukunftsfähigen Belegschaft zu beginnen.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag