12.08.2021

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

GASTBEITRAG. Wenn Startups Millioneninvestments an Land ziehen, folgt eine massive Wachstumsphase, in der auch der Aufbau des Teams eine große Herausforderung ist.
/artikel/die-6-groessten-hr-fehler-wenn-startups-ihr-team-schnell-massiv-vergroessern
© Unsplash/Kohler/Montage: brutkasten
© Unsplash/Kohler/Montage: brutkasten

GASTBEITRAG

Bitpanda, GoStudent, Storebox oder Refurbed – 2021 sind Finanzierungsrunden in zwei- und dreistelliger Millionenhöhe auch in Österreich nicht mehr sehr ungewöhnlich. Mit diesen massiven Finanzspritzen wird ein Wachstum finanziert, für das oft binnen kürzester Zeit auch die Belegschaft stark ausgebaut werden muss. Nicht selten verdoppelt sich die Zahl der Mitarbeiter in sehr kurzen Zeiträumen. Vor allem bei Tech-Unternehmen resultiert daraus entsprechender Druck und der Bedarf an gefragten Talenten ist enorm hoch.

Um eine Organisation erfolgreich durch eine Wachstumsphase zu führen, ist in der Regel eine Vorarbeit von 3-9 Monate notwendig um Strukturen, Prozesse und das Kernteam auf den enormen Wachstumsschub vorzubereiten. In den meisten Fällen kommt das Wachstum ganz plötzlich und durch die Dringlichkeit ist es aufgrund der vorhanden Organisations- und Personalstruktur nicht möglich, den Wachstumsanforderung gerecht zu werden. Unter diesem Druck werden immer wieder dieselben Fehler gemacht, die mittel- und langfristig verhältnismäßig kostenintensiv zu korrigieren sind.

Das führt dazu, dass man damit beschäftigt ist, Fehlbesetzungen neu zu besetzen, zeitintensives Change Management zu betreiben oder Abstriche an der Unternehmensbewertung machen muss, da man zu sehr mit operativen Tätigkeiten beschäftigt ist anstatt das Wachstumsmomentum auszuschöpfen. Daraus entstehen kulturelle und finanzielle Schäden die vorab schwer abzuschätzen sind.

1. Mangelndes Netzwerk mit Erfahrung

Eine neue Wachstumsphase bedeutet für die meisten Gründer eine Reise ins Ungewisse. Jeder Gründer der es geschafft hat, ein Unternehmen so erfolgreich zu führen wird früher oder später an den Punkt kommen, an dem die internen Talente und man selbst nicht genügend Erfahrungswerte gesammelt haben um die anstehenden Wachstumsherausforderungen zu meistern. Man sollte also den Fokus auf Talente setzen, die genau diese Herausforderungen schon einmal erfolgreich gemeistert haben.

Durch den gezielten Austausch mit einer Peer-Group von Personen, die solche Erfahrungen schon gesammelt haben, verbunden mit soliden Planungsmechansimen und konsequenter Umsetzung, können gravierende Folgefehler antizipiert werden. Umso größer eine Organisation wird und umso schneller eine Organisation wächst, desto weniger kann man in den einzelnen Bereichen involviert sein und desto schneller müssen Entscheidungen getroffen werden, deren Auswirkungen immer schwerwiegender werden.
Deshalb ist es umso wichtiger, ein aktives Netzwerk mit Personen zu pflegen an denen man sich für die einzelnen Herausforderungen orientiert oder sie als Unterstützung phasenweise mit an Board holen kann.

2. Zu wenig Transparenz und Klarheit

In Wachstumsphasen kann nicht zu viel Wert auf Kommunikation und Transparenz gelegt werden. Gründer und das Management müssen die Einstellung mitbringen, den Mitarbeitern zu vertrauen und permanent proaktiv eine klare Vision und ein Zielbild zeichnen an den sich jeder orientieren und seinen Bereich darauf auslegen kann. Regelmäßige Kommunikationsroutinen wie ein All-Hands auf Organisationsebene, Skip-level-Meetings und Updates innerhalb der jeweiligen Abteilungen kann nur von Vorteil sein. Umso transparenter relevante Informationen wie zum Beispiel konsolidierte Finanz Reportings, Personalveränderungen oder wichtige Projektupdates geteilt werden, umso effektiver können Mitarbeiter auf das gemeinsame Ziel hinarbeiten und umso klarer wird es, in welchen Bereichen es noch an Verbesserungspotenzial herrscht.

3. Falsche Einschätzung des Arbeitsmarkts

Viele Gründer, Führungskräfte oder Teams wissen entweder nicht genau wonach sie suchen, können nicht klar formulieren wonach sie suchen oder haben keine realistischen Einschätzungen, ob die Wunschkandidaten-Profile realistisch am Markt verfügbar sind. Umso mehr relevante Erfahrungswerte in einem Team gesammelt wurden, desto besser kann eingeschätzt werden, welche Talente noch fehlen, um bestmöglich die Ziele zu erreichen.

Eine Stellenbeschreibung mit Skills und Qualifikationen reicht leider nicht aus. Eine Ableitung von der Vision, Organisation- und Abteilungsziele bis hin zu einer Beschreibung der Daseinsberechtigung einer Stelle und eine Projektion wie die ersten Monate idealerweise gestaltet werden, erhöht die Wahrscheinlichkeit, Stellen akkurat und fristgerecht zu besetzen.

4. Unklare Priorisierung

Jeder braucht alles gestern & sofort, das ist meistens die Realität in einer Wachstumsphase. Jedoch ist das ein Zeichen von mangelnder Priorisierung und ein Resultat von zu geringer Abstimmung innerhalb der Teams. Notwendig ist eine klare Einschätzung, was möglich ist und was aufgrund der gegebenen Ressourcen nicht möglich ist.

5. Reaktives Hiring

Kündigungsfristen, Iterationsstufen, um auf Marktfeedback zu reagieren und Time To Hire werden meist viel zu knapp eingeschätzt. Das führt dazu, dass man durch die hohe Dringlichkeit dazu gezwungen ist, eine nicht ideale Entscheidung zu treffen. Teure Fehlbesetzungen sind die Folge, die im schlimmsten Fall nicht nur finanzielle sondern auch kulturelle Schäden hinterlassen, deren Ausmaß kaum einschätzbar ist.

6. Nicht ausgelegtes HR-Setup

Wenn das HR-Setup in wachsenden Unternehmen nicht passend aufgesetzt ist, kann das viele Folgen haben. Es sind dann nicht ausreichend Ressourcen vorhanden, um den Wachstumsbedarf zu decken. Es fehlt an ausreichend qualifizierten Kandidaten im Bewerbungsprozess. Passende Kandidaten werden nicht systematisch von unpassenden Kandidaten evaluiert. Die Kommunikationsmaßnahmen sind nicht ausreichend zufriedenstellend für die Mitarbeiter. Das Management ist sehr stark in wesentlich operativen und organisatorischen Prozessen involviert.

Über den Autor

Thomas Kohler hat den Personalbereich bei einem Wiener Scaleup von der Pre-Seed Phase in die Internationalisierungssphase aufgebaut. Nach mehr als 250 Hires begleitet er Gründer & Führungskräfte durch Wachstumsphasen und baut Hochleistungs-Talent-Acquisition- & Personalabteilungen.

Deine ungelesenen Artikel:
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
07.07.2026

„Europa kann doch State of the Art“: Hochreiters NXAI präsentiert neues Modell

Das Linzer KI-Startup NXAI rund um KI-Pionier Sepp Hochreiter hat mit TiRex-2 ein neues Modell für Industrie-Vorhersagen veröffentlicht. Dieses soll extrem effizient bei der Analyse von Live-Datenströmen sein.
/artikel/europa-kann-doch-state-of-the-art-hochreiters-nxai-praesentiert-neues-modell
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI
KI-Pionier Sepp Hochreiter ist Co-Founder und Chief Scientist von NXAI | (c) NXAI

Das Linzer KI-Startup NXAI hat sein neuestes Modell TiRex-2 veröffentlicht. Die Entwicklung des sogenannten „Time Series Foundation Models“ (Zeitreihen-Basismodell) stand unter der wissenschaftlichen Leitung von KI-Pionier Sepp Hochreiter, der Mitgründer ist und als Chief Scientist des Startups fungiert.

Das Modell wurde auch als Open-Source-Software frei zugänglich gemacht. Es ist darauf spezialisiert, historische Datenreihen aus der Industrie zu analysieren, um zukünftige Entwicklungen vorherzusagen. In der Presseaussendung zum Release zeigt sich das Startup selbstbewusst: „Europa kann doch SOTA-Modelle“ (Anm. State of the Art). Laut Hochreiter teilt sich das neue Modell in den offiziellen Bestenlisten „die Spitzenplätze mit AWS“.

Mehrere Signale gleichzeitig im Blick

Die wesentliche technische Neuerung des Modells liegt in der Verarbeitung multivariater Zeitreihen. Während herkömmliche Vorhersagesysteme oft nur eine einzelne Datenreihe anhand ihrer eigenen Vergangenheit analysieren, bezieht TiRex-2 zusätzliche Einflussfaktoren – in der Fachsprache Kovariaten genannt – mit ein. Für Industrieunternehmen soll das zum entscheidenden Vorteil werden, da Maschinen und Prozesse selten nur ein isoliertes Signal erzeugen. In der Praxis bedeutet dies: Will ein Logistik- oder Energiebetrieb den künftigen Verbrauch prognostizieren, kann das Modell neben den historischen Verbrauchsdaten auch begleitende Faktoren wie das Wetter, Kalenderdaten oder Produktionspläne auswerten. Das macht die Vorhersagen präziser und aussagekräftiger.

xLSTM soll Effizienz-Boost bringen

Im Gegensatz zu bekannten KI-Systemen wie ChatGPT, die auf der speicherintensiven Transformer-Architektur basieren, nutzt TiRex-2 das von Hochreiter mitentwickelte xLSTM-Verfahren. Das soll ein zentrales Problem industrieller Live-Anwendungen lösen: Bei kontinuierlich einlaufenden Datenströmen (Streaming) explodiere bei herkömmlichen Systemen nämlich der Rechen- und Speicheraufwand, argumentiert man beim Startup. TiRex-2 hingegen verarbeitet Daten sequenziell und aktualisiert fortlaufend einen internen Zustand. Dadurch würden der Speicherbedarf und die Rechenkosten auch bei unbegrenzten Datenströmen konstant niedrig bleiben. Lukas Fischer, Head of Applied Research bei NXAI, erklärt dazu: „Mit TiRex-2 können wir kontinuierliche Datenströme in Echtzeit analysieren, ohne Einbußen bei der Modellperformance.“ Dies prädestiniert das Modell für den direkten Einsatz an Maschinen vor Ort (Edge-Anwendungen).

„Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren“

Die Leistungsfähigkeit des Modells wird durch das begleitende wissenschaftliche Paper des Forscherteams untermauert. Darin zeigen die Wissenschaftler, dass sich TiRex-2 besonders gut für das sogenannte Zero-Shot-Forecasting eignet. Das bedeutet, dass das Modell ohne vorheriges, spezielles Training präzise Vorhersagen für völlig neue Maschinentypen oder Datensätze treffen kann.

Laut dem CEO von NXAI, Albert Ortig, bringt diese Generalisierungsfähigkeit handfeste wirtschaftliche Vorteile im Betrieb: „Die Kunden müssen für unterschiedliche Maschinen nicht immer ein neues KI-Modell trainieren.“ Ein weiterer Vorzug des vergleichsweise kompakten Modells mit 82 Millionen Parametern ist, dass es auf Wunsch direkt auf den eigenen Servern der Kunden (On-Prem) betrieben werden kann, was die Datensicherheit für sensible Industrie-Prozesse erhöht.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Die 6 größten HR-Fehler, wenn Startups ihr Team schnell massiv vergrößern