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:
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
04.11.2026

SAP stellt neue KI-Tools vor – eines davon kommt auf der Internationalen Raumstation (ISS) zum Einsatz

SAP arbeitet an einem umfassenderen Einsatz von KI in Unternehmen und stellte dafür bei seiner Entwicklerkonferenz TechEd neue Technologien vor. Sie sollen unter anderem die Zusammenarbeit von KI-Agenten verbessern, ihren Einsatz besser kontrollierbar machen und Datenanalysen selbst unter den besonderen Bedingungen der ISS ermöglichen.
/artikel/sap-stellt-neue-ki-tools-vor-eines-davon-kommt-auf-der-internationalen-raumstation-iss-zum-einsatz
ISS, SAP
Philipp Herzig, CTO SAP I © SAP

SAP hat auf seiner jährlichen Entwicklerkonferenz „SAP TechEd“ Ende Oktober eine Reihe von KI-Innovationen bekannt gegeben, die das SAP-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der SAP Business AI Platform – einschließlich des neuesten Foundation Models von SAP für tabellarische Daten – sollen neue Tools zur Entwicklung und Erweiterung von KI-Agenten bereitstellen. Zugleich sollen sie den Agenten Daten- und Geschäftskontext für logisches Denken sowie zusätzliche Governance-Kontrollen bieten. Um sie unternehmensweit verantwortungsvoll einsetzen zu können, so der Plan.

SAP Business AI Plattform als Basis

„Auf der SAP TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“ sagt Philipp Herzig, CTO von SAP. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In ‚Joule Work‘ machen Nutzer ihre Eingaben und erledigen Aufgaben in einer durchgängigen Anwendungsumgebung, in der gesamten SAP-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen.“

Die Basis von allem bildet die SAP Business AI Plattform. Sie sorge für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang an verstanden würden, und biete eine höhere Genauigkeit. „Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist“, so Herzig weiter.

Code und No-Code

Gebaut werden KI-Agenten im „Joule Studio“. Das ist sowohl ohne Programmierkenntnisse per Klick-Baukasten (No-Code) möglich, als auch mit eigenem Code (Pro-Code). Dafür stehen über 70 verschiedene KI-Modelle zur Auswahl.

Durch neue Funktionen für „Joule Work“ sollen KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen „Joule Work“ leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen, so der Claim.

SAP erweitert seine KI-Plattform damit eigenen Angaben zufolge um eine neue Orchestrierungsschicht, damit Assistenten und Agenten komplexe, mehrstufige Abläufe über verschiedene SAP-Systeme hinweg zuverlässiger erledigen können. Der SAP Knowledge Graph soll künftig auch Daten aus kundeneigenen SAP- und Drittquellen einbinden, sodass Nutzer ihre Informationen in natürlicher Sprache durchsuchen und exakte, auf den eigenen Daten basierende Antworten erhalten.

Auch andere Anbieter-Einbindung möglich

Agenten anderer Anbieter sollen außerdem über ein kontrolliertes Agenten-Gateway sicher auf „Joule Agents“ zugreifen und mit ihnen zusammenarbeiten können, ohne dass „Kontrolle und Governance verloren gehen“. Das neue „SAP Enterprise AI Gateway“ bündelt zudem Authentifizierung, Richtlinien, Routing, Überwachung, Nutzungsverfolgung und Auditing des gesamten KI-Datenverkehrs im Unternehmen. Ergänzend sollen ein neuer „Joule Assistent“, der „SAP AI Agent Hub“ und ein „AI Governance Assistant“ Kunden dabei helfen, die EU-KI-Verordnung einzuhalten.

Beim „Tabular Foundation Model“ kündigt SAP das Modell „SAP-RPT-2.0“ an, das künftig auch Anomalien und Ausreißer in Tabellendaten erkennen soll. „SAP-RPT-TS“ hingegen soll Geschäftskennzahlen prognostizieren können.

Einsatz auf der ISS

„Es gibt große Weiterentwicklungen bei unseren Tabular Foundation Models“, ergänzt Herzig. „Daraus ist inzwischen eine ganze Modellfamilie geworden. Ein etwas ausgefallener technischer Ausblick ist, dass wir diese Modelle gemeinsam mit Hewlett Packard Enterprise auch auf der Internationalen Raumstation (ISS) einsetzen – für die vorausschauende Wartung im Weltraum.“ Das Modell soll zudem Ausfälle vorhersagen können, ohne dass die dafür benötigten Daten zur Erde übertragen werden müssen.

„SAP-RPT wurde generisch trainiert und kann– ähnlich wie große Sprachmodelle im Bereich Sprache – auf eine Vielzahl unterschiedlicher Anwendungsgebiete übertragen werden“, so Herzig weiter. „Creditplus verwendet solche Modelle beispielsweise für die Risikobewertung. Hitachi setzt sie für die vorausschauende Wartung seiner Maschinen ein. ‚Oxford Cancer‚ nutzt sie, um anhand von Proteinmarkern Krebserkrankungen bei Patienten besser vorherzusagen als mit bisherigen Modellen“, sagt er.

Wenn man sich die Internationale Raumstation ansehe, genauer gesagt das Columbus-Modul, in dem SAP das Modell einsetzt, gebe es dort enorme Datenmengen.

„Nicht einfach zur Erde herunterladen“

„Die Maschinen auf der ISS erzeugen Telemetriedaten, die sehr nützlich sind. Allerdings handelt es sich um rund zehn Gigabyte an Daten. Diese kann man nicht einfach zur Erde herunterladen – das würde viel zu lange dauern, wenn man schnell reagieren möchte, etwa um bestimmte Muster oder Auffälligkeiten in Zeitreihen zu erkennen“, erklärt Herzig. „Die Modelle lassen sich direkt vor Ort einsetzen, weil sie im Vergleich zu großen Sprachmodellen relativ klein sind. Sie können also unmittelbar auf der Raumstation betrieben werden. Und es ist kein Training erforderlich. Man speist die aktuellen Daten direkt als Live-Datenstrom ein und erhält sofort Vorhersagen.“

Der CTO sieht den Anwendungsfall auf der Raumstation nicht bloß als eine Marketingaktion, sondern als Zeugnis dafür, wie weit man gehen könne. Er sagt: „Wie nützlich ist die Technologie unter solch extremen Bedingungen? Auf der Erde ist heute vieles einfach. Wir haben schnelle Internetverbindungen und leistungsfähige GPUs. Bei solchen Anwendungsfällen spielt die Latenz kaum eine Rolle. Aber können wir auch in einer Umgebung echten Mehrwert schaffen, die nur eingeschränkt angebunden ist – oder zumindest sehr weit entfernt? Genau das wollten wir zeigen: Mit einer lokalen Verarbeitungsumgebung lassen sich Probleme lösen, deren Lösung sonst schwierig wäre, weil man zunächst sämtliche Daten zur Erde übertragen müsste. Anschließend müsste man sie dort auswerten und die Ergebnisse zurückübermitteln. Dann könnte es aber bereits zu spät sein.“

SAP löst „Data Drift“-Problem

Ein zentrales Problem bei klassischen KI-Modellen ist der sogenannte Data Drift: Data Scientists trainieren ihre Modelle auf historischen Daten, doch schon beim Abschluss des Trainings können sich die eintreffenden Daten statistisch verändert haben. Die neuen Modelle von SAP wollen genau hier ansetzen.

Man könne jederzeit aktuelle Daten ins Kontextfenster geben und erhalte darauf basierend präzise Vorhersagen, ohne neu trainieren zu müssen. „Veränderungen in Struktur oder Eigenschaften der Daten erkennt das Modell unmittelbar“, betont Herzig. „Das wollten wir demonstrieren: Müsste man bei veränderten Bedingungen erst alle Informationen zur Erde übertragen und das gesamte Modell neu trainieren, wäre es dafür viel zu spät. Dann würde man auf der ISS sagen: ‚Schön, dass ihr uns das jetzt mitteilt – aber das hättet ihr uns schon vor einem oder zwei Monaten sagen müssen‘.“

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