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:
24.06.2026

Ora Computing: Wiener KI-Startup holt 3,5 Mio. Euro Seed-Finanzierung

Das Wiener KI-Startup Ora Computing hat eine Seed-Finanzierung über 3,5 Millionen Euro abgeschlossen. Mit seiner Technologie zur effizienten Komprimierung großer KI-Modelle will das Unternehmen die Kosten und den Energiebedarf von KI-Anwendungen senken und die Nutzung auf unterschiedlichster Hardware ermöglichen.
/artikel/ora-computing-wiener-ki-startup-holt-35-mio-euro-seed-finanzierung
24.06.2026

Ora Computing: Wiener KI-Startup holt 3,5 Mio. Euro Seed-Finanzierung

Das Wiener KI-Startup Ora Computing hat eine Seed-Finanzierung über 3,5 Millionen Euro abgeschlossen. Mit seiner Technologie zur effizienten Komprimierung großer KI-Modelle will das Unternehmen die Kosten und den Energiebedarf von KI-Anwendungen senken und die Nutzung auf unterschiedlichster Hardware ermöglichen.
/artikel/ora-computing-wiener-ki-startup-holt-35-mio-euro-seed-finanzierung
Ora Computing
© Ora Computing - (l.) Stefan Sack und Raimel Medina.

Ora Computing, ein Startup, das sich auf die Optimierung und Komprimierung von KI-Foundation-Modellen spezialisiert hat, gab heute den Abschluss einer Seed-Finanzierungsrunde in Höhe von 3,5 Millionen Euro bekannt. Die Runde wurde von Constructor Capital und Greencode Ventures angeführt, mit fortgesetzter Unterstützung des Gründungsinvestors XISTA Science Ventures, der beim Aufbau und der Einführung des Unternehmens geholfen hat.

Ora Computing schrumpft Modelle

KI-Inferenz – der Prozess der tatsächlichen Ausführung eines KI-Modells zur Generierung von Outputs – ist zu einem erheblichen und schnell wachsenden Kostenfaktor für jedes Unternehmen geworden, das KI im großen Maßstab einsetzt. Große Implementierungen können mittlerweile allein für die Rechenleistung zig Millionen Euro pro Monat kosten, und das Problem verschärft sich, da die Modelle immer größer werden. Für Unternehmen, die KI lokal auf Geräten wie Autos oder Industrieanlagen ausführen möchten, seien die Modelle oft schlichtweg zu groß.

Hier setzt Ora Computing an. Seine Software komprimiert diese Modelle – sie schrumpft ihre Größe um bis zu 80 Prozent und lässt sie bis zu viermal schneller laufen – während der Genauigkeitsverlust bei Null bis fünf Prozent gehalten wird, so der Claim.

Da komprimierte Modelle deutlich weniger Rechenleistung für die Ausführung benötigen, sollen sich die Effizienzgewinne auch direkt in einem geringeren Energieverbrauch und reduzierten CO2-Emissionen niederschlagen: Ora schätzt, dass seine Technologie bei einer Marktdurchdringung von ein Prozent jährlich mehr als 50.000 Tonnen CO2 einsparen könnte.

Ansatz über verschiedene Hardwaretypen

„Wir haben Ora Computing gegründet, um die Annahme infrage zu stellen, dass eine massive Skalierung erforderlich ist, um nutzbare Intelligenz zu erreichen. Wir glauben, dass die nächste Welle der KI-Einführung durch kompaktere Modelle vorangetrieben wird, die hocheffizient und für spezifische Anwendungsfälle optimiert sind, anstatt durch große, universelle Cloud-Modelle. Ora baut den Software- und Algorithmen-Stack auf, der diesen Übergang ermöglicht“, sagt Stefan Sack, CEO und Mitgründer von Ora Computing.

Im Gegensatz zu bestehenden Komprimierungstools funktioniere der Ansatz von Ora über verschiedene Hardwaretypen hinweg und füge sich direkt in Standard-Inferenz-Frameworks ein – ohne Änderung an der bestehenden Infrastruktur. Wo konkurrierende Ansätze eine binäre Entscheidung zwischen Komprimierungsstufen erzwingen, bilde der Algorithmus von Ora kontinuierlich den gesamten Kompromiss zwischen Modellgröße und Genauigkeit ab, sodass Unternehmen für ihre spezifischen Hardware- und Kostenbeschränkungen optimieren können, so der Mitgründer.

2025: Ora Computing tritt hervor

Ora wurde von Stefan Sack und Raimel Medina gegründet, beide Forscher im Bereich Quantencomputing aus der Serbyn-Gruppe am Institute of Science and Technology Austria (ISTA). Das Unternehmen verließ Ende 2025 den Stealth-Modus und möchte die frischen Mittel dazu nutzen, um das Team zu vergrößern, die Komprimierungsfähigkeiten auf die größten Frontier-Modelle auszuweiten und ein kommerzielles Produkt für Cloud-Inferenz-Anbieter und Unternehmen, die KI am Edge einsetzen, auf den Markt zu bringen.

Ora hat die Anwendbarkeit seiner Technologie nach eigenen Angaben an einem Modell mit 70 Milliarden Parametern nachgewiesen. Der Komprimierungsprozess beanspruchte hierbei wenige Stunden und verursachte Rechenkosten von unter 1.000 US-Dollar, wohingegen der bisherige Branchenstandard für vergleichbare Leistungen ein Vielfaches dieses Betrages erfordere.

„Hunger wächst schneller“

„Der Energiehunger der KI wächst schneller, als die Welt die Infrastruktur aufbauen kann, um ihn zu stillen. Ein wichtiger Ansatz ist es, die KI selbst effizienter zu machen, und genau das tut Ora. Modelle radikal zu komprimieren, ohne die Genauigkeit zu opfern, macht für ihre Kunden einen enormen Unterschied“, sagt Terhi Vapola, Gründerin und Managing Partner bei Greencode Ventures.

Und Valentino Jadrisko, Senior Associate bei Constructor Capital, ergänzt: „Die Ära der Brute-Force-KI stößt an ihre physikalischen Grenzen: Hyperscaler nehmen wieder Kernreaktoren in Betrieb, Frontier-Labs verbrennen Milliarden für Rechenleistung, Reasoning-Modelle vervielfachen die Inferenzkosten jedes Quartal. Die einzige nachhaltige Antwort besteht darin, den Betrieb von Frontier-KI drastisch günstiger zu machen. Das ist es, was Ora Computing tut: Sie komprimieren Frontier-LLMs so, dass sie überall laufen können – in der Cloud, im Auto, in der Hosentasche. Und das ist der Grund, warum Constructor Capital stolz darauf ist, ihre 3,5-Millionen-Euro-Seed-Runde als Co-Lead anzuführen.“

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