06.11.2019

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

"People Analytics" heißt die relativ neue HR-Disziplin, bei welcher Daten genutzt werden, um für eine bessere Employee Experience zu sorgen. Experte Maximilian Lammer erläutert in seinem aktuellen Beitrag, warum das Thema wichtig ist und was es dabei zu beachten gilt.
/artikel/wie-man-mit-dem-richtigen-einsatz-von-daten-fuer-gluecklichere-mitarbeiter-sorgt
People Analytics Data HR Employee Experience - Informer Buchhaltung
(c) Adobe Stock / gstockstudio

Dass wir uns in unseren Unternehmen in allen Bereichen mehr mit Daten beschäftigen müssen, ist inzwischen verstanden. Aber es gibt Bereiche, in denen Datensammlung und Datenverwendung für Entscheidungen stärker im Einsatz sind als in anderen. In den letzten Jahren wurden Marketing, Sales oder Produktion mit Tools und datenbasierten Entscheidungen verbessert und optimiert. HR dagegen ist allgemein gesprochen eher ein Bereich, in dem Data und Analytics bisher weniger stark im Fokus stand. Das liegt zum einen an der Stellung, die HR traditionell im Unternehmen hat – nämlich hinter Sales, Marketing, Produktion – und zum anderen an den Aufgaben, die HR in unseren Organisationen üblicherweise zugeschrieben sind.


Bisher in der Serie erschienen:


Insbesondere mit dem neuen Verständnis, dass Employee Experience – also das „Erlebnis Job“, die Mitarbeitererfahrung am Arbeitsplatz – ein, wenn nicht sogar das entscheidende strategische Gestaltungsfeld für die Zukunft von Unternehmen geworden ist, rückt auch das Thema Daten in den Vordergrund. Die Gestaltung von Employee Experience beginnt mit einem besseren Kennen und Verstehen der Mitarbeiter im Unternehmen – unter anderem auf Basis von Daten.

Daten im HR Bereich

Selbstverständlich sammelt HR viele Daten (absolute Full-time Equivalent-Zahlen, Gehalt, Krankenstände, etc.), aber was damit passiert oder welche Zusammenhänge eventuell erkannt werden können, das ist nicht ganz so klar. Alleine eine gute Visualisierung und Darstellung der gesammelten Daten hilft bereits bei einem besseren Verständnis und lässt erste Interpretationen zu – noch bevor es um tiefere People Analytics geht.

+++Mehr über Employee Experience am EX Summit (27. April 2020, weXelerate, Wien)+++

Und dann gibt es noch die Mitarbeiterbefragungen. Meist einmal pro Jahr, manchmal sogar nur alle zwei Jahre, manchmal werden die Mitarbeiter gar nicht befragt. Der letzte Fall klingt zwar besonders hart, ist aber im Endeffekt sogar fast besser als die jährliche Befragung, die keine Veränderung oder entsprechende Maßnahmen und Aktivitäten nach sich zieht – was öfter vorkommt als man denkt.

Insgesamt muss man festhalten, dass auch jährliche Befragungen so gut wie keine Aussagekraft haben, weil es sich um eine jeweilige Momentaufnahme handelt, die relativ wenig Rückschluss zulässt und keine Entwicklungen widerspiegelt. Der richtige Weg ist, Mitarbeiter regelmäßig mit kurzen Befragungen um ihre Meinung, Einschätzung und Feedback zu bitten – und darauf aufbauend die Employee Experience zu verbessern.

People Analytics verändert die Rolle von HR nachhaltig

Die neue HR-Disziplin „People Analytics“ nutzt also Insights und Erkenntnisse aus Daten, um die Entscheidungsfindung zu unterstützen. Das birgt großes Potenzial. Beispielsweise in Bezug auf Geschäftsstrategien, Produktivität und Performance – durch insbesondere individualisierbare und optimierte Employee Experience, basierend auf Zahlen und Daten.

Aufgrund dieses Potenzials und der zu erwartenden positiven Wirkung auf das Ergebnis eines Unternehmens verändert sich zwangsläufig und automatisch auch die Rolle von HR. Natürlich muss sich das Personalmanagement entsprechende Kenntnisse und Skills aneignen, die es für die Bewältigung der Aufgabe „People Analytics“ braucht – aber mit dem Einsatz und den Möglichkeiten von „People Analytics“ steigt auch die Stellung von HR in Unternehmen umgehend. Weil damit der Beitrag zum Ergebnis ganz anders sichtbar wird als bisher, wo HR mehr als eine Kostenstelle denn als ein Profitcenter in Unternehmen galt.

Einfache Grundregeln für People Analytics

  1. Am wichtigsten ist von vornherein, dass die Mitarbeiter ihre Daten „besitzen“ und bei einem etwaigen Ausscheiden aus der Organisation diese Daten mitnehmen können. Das ist grundsätzlich durch die DSGVO so vorgesehen, muss und soll unbedingt offen und klar kommuniziert werden.
  2. Genauso wichtig und essentiell sind Transparenz und offene Kommunikation generell im Bezug auf das Thema Analytics: Es muss erklärt werden, was genau passiert, welche Daten erhoben und wie die Ergebnisse verwendet werden. Ohne Transparenz entsteht Unsicherheit und Misstrauen – das ist es nicht wert.
  3. Einzig und allein „Lernen & Verstehen“ ist der Grund für die Einführung und Anwendung von People Analytics – das ist mit dem Grundsatz für Employee Experience verbunden: „you have to really, really care“. Der Fokus auf Employee Experience darf kein reines Lippenbekenntnis sein. Dementsprechend gilt: Stellen Sie die Erkenntnisse zur Verfügung, damit sich die Organisation im Sinne der Mitarbeiter positiv entwickeln kann.
  4. Beginnen Sie in einem kleinen Projektteam mit den Daten, die Ihr Unternehmen bereits sammelt und versuchen Sie, diese zu verstehen. Selbst in kleineren Unternehmen mit ein paar Dutzend Mitarbeitern gibt es Anwendungsmöglichkeiten. Lernen Sie in kleinen Schritten Ihre Daten kennen und diese in Beziehung zu setzen – stellen Sie in weiterer Folge entsprechende Fragen, die durch Daten und Analytics beantwortet werden sollen. Klären Sie, ob Sie eventuell zusätzliche Daten benötigen und erheben Sie diese, damit die richtigen Fragen auch beantwortet werden können.
  5. Nutzen Sie die Erkenntnisse, um eine bessere Employee Experience zu gestalten – ganz im Sinne von Richard Branson: „If you look after your staff they’ll look after your customers. It’s that simple.“ Gestalten Sie Employee Experience mit Ihren Mitarbeitern und nicht für sie – dazu benötigen Sie entsprechende Feedbacktools und Partizipationsmöglichkeiten, über die Sie wiederum in regelmäßigen Abständen Ihre Mitarbeiter einbinden und befragen.

Über den Autor

Max Lammer - Experte für Employee ExperienceMax Lammer ist Solopreneur, Trainer und Employee Experience Designer. Auf Basis seiner Erfahrung mit vielen Unternehmen – von klein bis multinational – und aus unterschiedlichen Blickwinkeln, ist er der Überzeugung, dass Employee Experience das entscheidende strategische Handlungsfeld für Organisationen egal welcher Größe und Branche ist – für mehr wirtschaftlichen Erfolg, sowie Zufriedenheit der Mitarbeiter und Kunden.

Seine berufliche und unternehmerische Erfahrung im Zusammenhang mit Innovation, Digitalisierung und New Work ist unter anderem geprägt durch beispielsweise die Initiative “Innovation to Company” in der er etablierte Unternehmen und Startups zusammen bringt, oder das Projekt des zukunftsweisenden Innovationscampuskonzept “Talent Garden” in Österreich . Außerdem hat er mehrere Jahre aktiv in einem österreichischen Technologiestartup mitgearbeitet.

Als Trainer und Solopreneur begleitet er Projekte zur Entwicklung von Innovationsstrategien und digitaler Transformation (in 8 Schritten) sowie zur “New World of Work”, und unterrichtet an Unis und bei Corporates mit Schwerpunkten auf Startup-Methoden, Employee Experience und Innovation. 

⇒ zur Website des Autors

Redaktionstipps
Deine ungelesenen Artikel:
vor 17 Stunden

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
vor 17 Stunden

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

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

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

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 …

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

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 …

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

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 …

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

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 …

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Wie man mit dem richtigen Einsatz von Daten für glücklichere Mitarbeiter sorgt