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:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

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