Fast eine „Glaskugel“ für Personaler

Big-Data-Analytics im HR-Management

Ein Beitrag von: Ralf Lanwehr, Fachhochschule Südwestfalen

Bedarfsgerechte Personalplanung wird in Zeiten schneller Transformationen, disruptiver Technologien und der immer längeren Suche nach geeigneten Talenten immer schwieriger. Außerdem verändern sich die Anforderungen an die im Unternehmen bestehenden Skillsets der Mitarbeiter in rasanter Weise. Quantitative Methoden erlauben es neuerdings jedoch, bestehende Potenziale im eigenen Unternehmen zu erkennen, zu fördern, auszubauen und gleichzeitig die Kluft zwischen bestehenden und noch fehlenden Skills rasch zu überbrücken.

Der Zugang zu spezialisierten Arbeitskräften mündet bei vielen Unternehmen mittlerweile in einen “War for Talents”. Zusätzlich machen es Outsourcing und die Digitalisierung den Unternehmen schwerer, das aktuelle Humankapital an ihrem strategischen Wachstum auf lange Sicht hin auszurichten. Verschiedene Fähigkeiten der Mitarbeiter, die bis jetzt zwingend innerhalb der Organisationsperspektive notwendig waren, werden in den kommenden fünf Jahren zunehmend unbedeutend. Eine Studie des Weltwirtschaftsforums schätzt, dass sich bereits 2020 mehr als ein Drittel der Fähigkeiten, die in Unternehmen derzeit als wichtig eingestuft werden, geändert haben werden. Dies verursacht eine Kluft zwischen dem aktuellen Skillset von Angestellten und Skillsets, die für die Langzeitziele der Organisation notwendig wären. Als zusätzlicher Faktor erfordert auch die Digitalisierung ein verändertes Skillset im Unternehmen, um die damit zusammenhängenden Transformationen innerhalb der Organisation überhaupt stemmen zu können. Für das HR-Management bedeutsame Zeiten. Hinzu kommt: Mit der Zunahme von Internetplattformen und Jobportalen wird es für Unternehmen immer wichtiger, eine funktionale Strategie zur Einstellung und Bindung relevanter Fähigkeiten zu entwickeln. Dank solcher Plattformen sind sich die Mitarbeiter des Marktwertes ihrer Dienstleistungen bewusster und erhalten darüber hinaus auch Informationen über andere Komponenten, wie Unternehmenskultur und Worklife-Balance, bei anderen potenziellen Arbeitgebern. Die Transparenz, gepaart mit dem Trend, dass sich Arbeitnehmer immer weniger abhängig von ihrem derzeitigen Arbeitgeber fühlen, führt zu einer Abnahme der Loyalität und kann schnell zu einem Fluktuationsproblem führen und in der Folge die zukünftigen Wettbewerbsvorteile des Unternehmens untergraben. Die zentralen Fragen lauten in diesem Zusammenhang: wie viele und welche Kompetenzen werden in Zukunft gebraucht und welche Beschaffungsengpässe sind hierbei zu erwarten? Abhilfe kann eine neue, KI-basierte Strategie aus dem Bereich der HR Analytics schaffen. Hierbei werden relevante Skills aus den verfügbaren Daten im Unternehmen extrahiert, künftige Business-Szenarien in die erforderlichen Skillsets übersetzt und die daraus resultierende Jobstruktur und Skill-Landschaft der Organisation definiert. Die künftigen Anforderungen, die die Transformation dem Unternehmen stellt, kann so mit den erforderlichen HR-Maßnahmen auf Grundlage von Big Data Analytics und “Connected Data” vorausschauend begleitet werden.

Use Case: Continental AG

Big Data for best fit – unter diesem Titel führte das Startup HRForecast ein Projekt mit der Continental AG durch, um die Einsatzmöglichkeiten von Big Data Analytics in der Praxis zu testen. Aufgrund der Erweiterung des Geschäftsmodells der Continental AG um den Bereich des autonomen Fahrens war es nötig, die Personalstruktur des Unternehmens umzugestalten und sie zu erweitern. Denn als Produzent von Zulieferprodukten für die Automatisierung des Autofahrens ist Continental als traditioneller Reifenhersteller darauf angewiesen, Mitarbeiter mit einem anderen Kompetenzprofil zu gewinnen. Kein Automobilhersteller und auch kein Zulieferbetrieb kann es sich leisten, die neuen digitalen Trends in der (Auto)mobilität zu verpassen. Für die Unternehmen bedeutet das konkret, dass die Bedeutung hochleistungsfähiger Softund Hardware ebenso weiter zunimmt wie der Bedarf an gut qualifizierten Entwicklern. Der dazu notwendige Personalentwicklungs- und -gewinnungsprozess dauert in der Regel rund drei Jahre. Mit bereitgestellten Tools und dem richtigen Know-how konnte die Prozessdauer auf 12 Wochen reduziert werden. Nach einer einführenden Analyse bei Continental zeigte sich, dass zwar viele HRDaten vorhanden waren, diese jedoch in unterschiedlichen Systemen gespeichert wurden und zu einem wesentlichen Teil unstrukturiert vorlagen. Nun bestand die erste Aufgabe darin, durch den Einsatz von HR-Analytics- Methoden die relevanten Informationen zur Personalstruktur zu identifizieren und sie transparent verfügbar zu machen, um einen Überblick über das Qualifikationsprofil der einzelnen Mitarbeiter zu erhalten. Ein Screening von strukturierten und unstrukturierten Datenquellen ermöglichte eine zielorientierte Auswahl und Extraktion der Rohdaten. Zudem wurde analysiert, welche Chancen und Risiken hinsichtlich der Unternehmensziele und des Unternehmensumfeldes bestehen. Auf dieser Grundlage konnte dann ein globales Software-Hub-Netzwerk entwickelt werden. In strategischer Hinsicht lag die Zielsetzung des Analytics-Projektes darin, die Digitalisierungsstrategie im HR-Bereich von Continental zu unterstützen und auf einer validen Datengrundlage das beste Matching zwischen offenen Positionen und qualifizierten Mitarbeitern zu erreichen. Die Informationen dieses HR-Analytics-Projekts bilden die Basis, um datenbasierte Entscheidungen für die erfolgreiche Umwandlung der Personalstruktur zur Unterstützung der globalen Unternehmensstrategie zu treffen und den neuen Teilbereich des Geschäftsmodells bestmöglich mit qualifiziertem Personal zu versorgen. Nach der Extrahierung der Rohdaten wurde deshalb die Verfügbarkeit von Fähigkeiten bei den vorhandenen Mitarbeitern analysiert. Ein besonderer Fokus lag hier auf den seltenen Fähigkeiten und speziellen Kenntnissen der Mitarbeiter. Bei der Durchführung des Projektes wurde ein langwieriger und kostenintensiver manueller Erhebungsaufwand vermieden. Damit einher gingen aber keineswegs Einbußen im Bereich der Qualität, wie dies insbesondere von Kritikern der Künstlichen Intelligenz und insbesondere von Big Data immer befürchtet wird. Ganz im Gegenteil zeigte sich in einer Qualitätskontrolle, dass die Ergebnisse der Analyse zu 90 Prozent mit manuell abgefragten Skillsets übereinstimmten. Zudem zeigte sich, dass die Mitarbeiter über ein 30 Prozent höheres Qualifikationsniveau verfügten, als sie das in einer direkten Befragung angegeben hatten. Durch das Projekt konnte die Wahrnehmung des HR-Managements bei Continental nachhaltig verändert werden. So wurde einigen projektbeteiligten Mitarbeitern des Unternehmens und Vorstandsmitgliedern erst durch das Projekt klar, dass ein technisch leistungsfähig unterstütztes HR-Management einen wesentlichen Beitrag für den wirtschaftlichen Erfolg eines Unternehmens leisten kann. So kann dann beispielsweise festgestellt werden, wie viele Ingenieure mit welchem Qualifikationsprofil in einem Jahr benötigt werden und ob zur Deckung dieses Bedarfs neue Mitarbeiter eingestellt werden müssen oder ob der Bedarf durch die Weiterentwicklung der bereits vorhandenen Ingenieure zu decken ist. Ein mit Big Data operierendes HR-Management kann deshalb komplexe Zusammenhänge aufzeigen und die verschiedenen unternehmerischen Ziele mit einer darauf angepassten Personalstrategie unterstützen.

Zusätzliche Maßnahmen

Um sich bei der späteren Bewertung des Bedarfs nicht im Detail von Einzelfunktionen zu verlieren, ist eine Gruppierung der Skills nötig, beispielsweise in Jobfamilien. Hier werden Funktionen mit gleichem oder ähnlichem Kompetenzprofil zusammengefasst. Aus strategischer Sicht ist es zunächst ohne Belang, ob ein Mitarbeiter sich zum Beispiel um Planung und Bau von Abwasseranlagen oder des Kanalnetzes kümmert. Beide Funktionen finden sich im Jobprofil „Bauingenieur“ wieder. Jobfamilien haben den Nebeneffekt, Transferund Synergiepotenziale sichtbar zu machen. Für die Fortschreibung des Personalbestands sind der Zeitpunkt der Verrentung sowie das Fluktuationsrisiko zu bestimmen. Hier können pauschale Richtwerte angesetzt oder mittels Analytics für jeden Mitarbeiter eine individuelle Austrittswahrscheinlichkeit bestimmt werden. Mit intelligenten Algorithmen wurden aus einer Vielzahl von Faktoren, die einen Mitarbeiter beschreiben (Alter, Geschlecht, Hierarchie, Ausbildung, Vergütung etc.), Zusammenhänge aufgedeckt, die zu einer Fluktuation führen können. Unter Berücksichtigung von Zukunftseffekten (längere Lebensarbeitszeit, chancenreiche Arbeitsmärkte) können mitarbeiter- oder gruppenspezifische Fluktuationsprognosen abgeleitet werden. Bei der Bedarfsermittlung sind die Geschäftsbereiche gefragt. Zur Unterstützung der Strategiearbeit haben sich zum Beispiel beim Unternehmen hanseWasser Maßnahmen mit Planeinheiten bewährt. In zwei Workshops wurden zunächst unternehmensspezifische und allgemeine Trends (wie bspw. Digitalisierung, Industrie 4.0) gesammelt, priorisiert und daraus ein oder mehrere Szenarien entwickelt. Erst danach konnte begründet beantwortet werden: Braucht es mehr oder weniger Mitarbeiter oder braucht es Mitarbeiter mit anderen Kompetenzen? Dabei geht es nicht um buchhalterische Genauigkeit, sondern um Trends. Es folgt die Konsolidierung der Bedarfsplanung sowie der dahinter liegenden Szenarien. Ab hier wird dann gerechnet. Dem Bedarf wird die simulierte zukünftige Personalstruktur gegenübergestellt. Die resultierenden Über- und Unterdeckungen in den einzelnen Jobfamilien bilden die Grundlage für die Ausarbeitung von Talentmanagement- Strategien, aus denen operative Maßnahmen etwa im Hinblick auf die (Weiter-) Qualifizierung der Mitarbeiter resultieren. Für die Simulation von Szenarien zur Schließung der Lücke können in der Planung makroökonomische Daten inkludiert werden; insbesondere im Hinblick auf die Verfügbarkeit der nachgefragten Profile auf dem Arbeitsmarkt. Damit kann zum einen abgeleitet werden, welche Kompetenzen intern entwickelt werden sollten und welche am Arbeitsmarkt beschafft werden müssen. Zum anderen kann analysiert werden, an welchen Schulen und Universitäten zukünftige Talente wann verfügbar sind.

Künftige Einsatzmöglichkeiten

Diese Technologie könnte auch in anderen Bereichen Verwendung finden. Beispielsweise beim Abbau von Kernkraftwerken. Was sich im ersten Moment verwirrend anhören mag, entpuppt sich bei genauerem Hinsehen als durchaus plausibel. Die Energiewende erfordert von den Energieunternehmen, dass sie ihre deutschen Kernkraftanlagen bis 2022 stilllegen. Beim Rückbau von Kernkraftwerken entstehen nun zwei große Herausforderungen: Die Betreiber haben erstens eine Belegschaft, deren Kompetenzen nicht mehr zum aktuellen Sinn und den Herausforderungen des Unternehmens passt. Darüber hinaus können zweitens nur bedingt Weiterbildungen für den neuen Unternehmenssinn geplant und durchgeführt werden, da teilweise unklar ist, welche Kompetenzen für den Rückbau genau benötigt werden. Schließlich hat noch nie jemand auf diesem Planeten ein Kernkraftwerk abgebaut. Es fehlt schlicht an Erfahrung, viele Erfordernisse ergeben sich unvorhergesehen. Entsprechend sinnvoll und gewinnbringend für alle Beteiligten wäre es, wenn man Supply und Demand algorithmisch bestimmen könnte. So ließen sich das Recruiting ebenso wie die Personalentwicklung in einem Prozess, der durchaus 20 Jahre und mehr dauern kann, viel besser steuern. Sobald für eine neuartige Aufgabe aufkommt, sorgt die volle Transparenz über die vorhandene Skilllandschaft dem Arbeitgeber dabei, diese direkt und bestmöglich besetzen zu können. Der somit gewährleistete ‚Best Fit‘ sorgt dafür, dass Skills optimal zu jeder Zeit optimal gemäß den Geschäftsanforderungen eingesetzt werden und Skillgaps schneller und besser überbrückt werden können.

Ergebnisse und Fazit

Im Ergebnis ist dann eine Personalstrategie zu formulieren, die alle wesentlichen Faktoren berücksichtigt. Im Idealfall stellt sie eine optimale Verbindung der Stärken und Schwächen des Unternehmens mit den in der Umwelt erkannten Chancen und Risiken her. Hierzu sind gemäß der strategischen Planung die Organisationsstruktur und das Mitarbeiterverhalten an die Strategie anzupassen; das Organisations- und Führungssystem des Unternehmens soll nach diesem Konzept die Strategieimplementierung unterstützen. Bisher war es schwierig, eine solche Strategie auch praktisch umzusetzen, weil die Informationen über den Personalbedarf erst dann zur Verfügung standen, wenn der Bedarf auch tatsächlich eingetreten war. Dabei ging dann viel Zeit für die Suche nach neuen Mitarbeitern und die Weiterentwicklung der vorhandenen Mitarbeiter verloren, denn in dieser Zeit konnten die benötigten Stellen nicht besetzt werden. Der Trend der Digitalisierung und die maßgeblichen Veränderungen, die in allen Wirtschaftsbereichen durch diesen Trend bereits ausgelöst worden sind und zukünftig noch ausgelöst werden, hat dazu geführt, dass diese Zeit nicht mehr zur Verfügung steht. Wenn ein Unternehmen heute wettbewerbsfähig sein möchte, dann muss es auf einen Trend nicht nur zeitnah reagieren können, sondern personell bereits auf einen Trend vorbereitet sein, wenn er eintritt. Big Data und die damit operierenden Analysemethoden sind zwar nicht die moderne Glaskugel des HR-Managements. Sie ermöglichen es einem Unternehmen jedoch, Trends frühzeitig erkennen zu können und die notwendigen Personalentwicklungsmaßnahmen zu treffen.