Auf der Keynote Stage der Zukunft Personal Süd stand keine Maschine, die dem Personalwesen die Arbeit abnimmt. Dort saßen drei Stimmen aus Praxis und Wissenschaft, die im Kern über etwas Älteres sprachen als Künstliche Intelligenz: über Urteilskraft. Julia Merkel, lange Personalvorständin und heute Aufsichtsrätin, Beirätin und Beraterin, Birk Alwes, Director Human Resources & Organization bei Zott, und Prof. Dr. Torsten Biemann von der Universität Mannheim verhandelten unter der Moderation von Cliff Lehnen eine Frage, die in vielen Unternehmen noch immer mit erstaunlicher Scheu behandelt wird: Woran erkennt die Personalarbeit, ob sie recht hat?
Der Titel der Runde lautete „Klare Entscheidungen statt Bauchgefühl: Wie People Analytics die HR-Arbeit revolutioniert“. Präziser wäre vielleicht: Wie datenbasierte Personalarbeit die Begründungspflicht erhöht. Denn Revolution ist ein großes Wort für eine Disziplin, die, wie Julia Merkel erinnerte, keineswegs bei null anfängt. Früher hieß vieles davon Personalkontrolling. Man arbeitete mit Excel-Tabellen, trug Zahlen von Hand zusammen, bereitete sie für Gespräche mit dem Geschäft auf und nutzte sie, um Personalthemen sichtbar zu machen. Neu ist also nicht der Wunsch, mit Zahlen zu arbeiten. Neu ist die mögliche Tiefe, Geschwindigkeit und Verknüpfbarkeit der Daten.
Die Ausrede vom schlechten Datensatz
Ein aufschlussreicher Moment der Runde entstand, als Lehnen das Publikum fragte, wer den eigenen Datenbestand im Unternehmen mit neun von zehn Punkten bewerten würde. Fast keine Hand ging hoch. Das hätte ein bequemer Vorwand sein können: Erst die Datenqualität perfektionieren, dann irgendwann analysieren. Birk Alwes widersprach genau dieser Logik. Natürlich brauche man valide Daten. Aber die Behauptung, zuerst müsse alles sauber, vollständig und makellos sein, werde in Unternehmen zu oft als Ausrede benutzt, gar nicht anzufangen.
Sein Hinweis wirkt banal und ist gerade deshalb wichtig: Unternehmen zahlen jeden Monat Gehälter aus. Dafür brauchen sie Stammdaten, Bankdaten, Anwesenheitsdaten, Fehlzeitdaten. Diese Daten sind nicht vollkommen, aber sie sind oft besser, als die eigene Zurückhaltung behauptet. Wer aus ihnen keine Fragen entwickelt, leidet nicht nur an Datenmangel, sondern an mangelnder Entschlossenheit.
Torsten Biemann stützte diese Sicht aus wissenschaftlicher Perspektive. Für viele sinnvolle Analysen brauche man keine riesigen Datenberge und keine magische Künstliche Intelligenz. Sein Beispiel aus einem frühen Projekt bei John Deere war geradezu entzaubernd: Eingeführt wurden Shopfloor-Meetings, danach wurde geprüft, ob sie Quantität und Qualität der Ergebnisse verändern. Dafür musste man wissen, welche Teams solche Meetings hatten und wie sich die Ergebnisse entwickelten. Kein Orakel, keine Blackbox, keine Softwaremystik. Eine Frage, ein Vergleich, eine Wirkungsmessung.
Die Zahl allein führt noch nicht
People Analytics, also die systematische Auswertung von Personaldaten zur besseren Entscheidung, beginnt nicht mit der Software. Sie beginnt mit einer geschäftlich relevanten Frage. Biemann formulierte diesen Punkt klar: Datenprojekte scheitern, wenn nach der Analyse niemand im Management wissen will, was daraus folgt. Interessante Ergebnisse ohne betrieblichen Bedarf bleiben akademischer Schmuck. Die bessere Reihenfolge lautet: Problem benennen, Daten prüfen, Methode wählen, Entscheidung vorbereiten.
Das klingt selbstverständlich. In der Praxis ist genau diese Reihenfolge selten gesichert. Viele Personalbereiche berichten, was leicht verfügbar ist. Sie messen Anwesenheiten bei Schulungen, zählen Bewerbungen, erheben Fluktuationsquoten, verschicken Befragungen, malen Ampeln. Lehnen nannte in der Runde die bekannte „Wassermelonenampel“: außen grün, innen rot. Jeder, der in größeren Organisationen gearbeitet hat, kennt diese Frucht aus dem Berichtswesen. Sie schmeckt nach Selbsttäuschung.
Julia Merkel verschob die Debatte an diesem Punkt vom Bericht zur Wirkung. Sie unterschied zwischen dem, was ein System ausspuckt, und dem, was im Unternehmen wirklich verändert wird. Besonders interessant war ihr Beispiel zur Wirkung von Weiterbildung. Wer ein Training zur Neukundenakquise anbietet, kann mehr messen als Teilnahme und Zufriedenheit. Entscheidend ist, ob sich Verhalten verändert: Schreiben Teilnehmende tatsächlich neue Kontakte an? Entstehen Reaktionen? Werden Termine vereinbart? Eine erklärbare Künstliche Intelligenz kann helfen, digitale Spuren auszuwerten, Skills vorzuschlagen und Lernfortschritt in beobachtbares Verhalten zu übersetzen. Aber auch hier gilt: Die Maschine liefert keine Legitimation im Alleingang. Beschäftigte müssen nachvollziehen können, wie solche Schlüsse zustande kommen und ob die zugeschriebenen Fähigkeiten tatsächlich stimmen.
Der Krankenstand als betriebliche Diagnose
Der stärkste Praxisfall kam von Birk Alwes. Gefragt nach seiner wichtigsten Kennzahl nannte er nicht irgendein kunstvoll exotisches Maß, sondern den Krankenstand. Diese Antwort ist deshalb bemerkenswert, weil sie das Thema aus der moralischen Ecke holt. Fehlzeiten sind kein Charakterurteil über Beschäftigte, sondern ein Signal über Arbeit, Planung, Belastung und Organisation.
Alwes beschrieb, wie Zott Fehlzeitdaten mit Befragungsdaten verbindet. Daraus entstand eine Erkenntnis, die dem verbreiteten Reflex widerspricht. Beim gewerblichen Personal war nicht die Führungskraft im klassischen Sinn der wichtigste Treiber von Abwesenheiten. Entscheidend war die Stabilität der Prozesse. Wer im Schichtbetrieb arbeitet, will früh wissen, wann er an Weihnachten eingesetzt wird. Wer regelmäßig verschoben, umgeplant und von einem Einsatzort zum anderen gezogen wird, erlebt nicht Flexibilität, sondern Verfügbarkeit auf Abruf. Das Ergebnis ist nicht nur Unmut, sondern messbare Belastung.
Diese Beobachtung ist betriebswirtschaftlich scharf. Ein Unternehmen verändert Schichten nicht aus Bosheit, sondern um profitabel zu arbeiten. Doch wenn die kurzfristige Optimierung an anderer Stelle den Krankenstand erhöht, frisst die vermeintliche Effizienz ihre eigene Dividende. People Analytics bringt solche Nebenrechnungen ans Licht. Alwes leitete daraus eine andere Frage ab: Wäre ein modernes, flexibleres Schichtplanungssystem besser, in dem Mitarbeitende Schichten selbst tauschen oder ziehen können, sofern ihre Fähigkeiten erfasst sind? Dann wird Datenarbeit nicht zur Überwachung, sondern zur Voraussetzung besserer Spielräume.
Der Betriebsrat als Prüfstein der Seriosität
Sobald Personaldaten ausgewertet werden, steht die Mitbestimmung im Raum. Julia Merkel beschrieb die praktische Grenze sehr anschaulich: Aggregate ab etwa zehn Personen sind leichter zu vertreten; kleinere Gruppen und personenbezogene Auswertungen verlangen besondere Vorsicht. Entscheidend seien Erklärbarkeit, Transparenz und Zweckbindung. Woher stammen die Daten? Wer bekommt sie? Welche Schlüsse werden gezogen? Welche Maßnahmen folgen? Dürfen Ergebnisse zu Sanktionen führen, oder dienen sie Qualifizierung und Verbesserung?
Damit wird das Datenprojekt zum Kulturprojekt. Nicht im dekorativen Sinn, sondern im harten betrieblichen Sinn. Ein Unternehmen, das hinter dem Rücken der Beschäftigten auswertet, erzeugt Misstrauen. Ein Unternehmen, das offen erklärt, beteiligt, begrenzt und zurückspielt, kann Datenarbeit sogar vertrauensbildend nutzen. Die Grenze zwischen Analyse und Kontrolle verläuft nicht nur technisch. Sie verläuft politisch im Betrieb.
Auch Mitarbeiterbefragungen fallen unter diese Logik. Alwes sagte sinngemäß, wer wiederholt befragt und danach Antworten, Kommunikation und Maßnahmen schuldig bleibt, macht die Belegschaft müde. Genau dort kippt das Instrument. Die Befragung ist dann nicht mehr Beteiligung, sondern ein Ritual, das Erwartungen erzeugt und Enttäuschung organisiert. Gute People Analytics endet deshalb nicht beim Ergebnis, sondern bei der Rückübersetzung in die Organisation.
Wissenschaft ist kein Regal, sondern ein Werkzeugkasten
Biemann brachte eine weitere notwendige Korrektur ein. Viele Fragen, die Unternehmen als neu erleben, sind längst erforscht. Was macht gute Führung aus? Welche Faktoren beeinflussen Fluktuation? Wie wirken Trainings? Welche Bedingungen fördern Teamleistung? Die Wissenschaft hat dazu nicht nur einzelne Studien, sondern ganze Übersichten und Meta-Analysen vorgelegt. Wer dennoch jedes Problem im eigenen Unternehmen völlig neu erfinden will, verschwendet Zeit.
Der Hinweis auf Google war besonders lehrreich. Project Oxygen lieferte einst viel beachtete Erkenntnisse über gute Führung. Biemanns nüchterne Einordnung: In der Führungsforschung wusste man vieles davon schon seit Jahrzehnten. Interessanter wurde es bei Project Aristotle, wo Google erfolgreiche Teams untersuchte und dabei auf das Konzept der psychologischen Sicherheit zurückgriff, das aus der Forschung der späten neunziger Jahre stammt. Die Pointe: Nicht die Wissenschaft war schwach, sondern ihr Transfer. Google machte ein bekanntes Konzept organisationsmächtig.
Für die Personalarbeit folgt daraus ein Auftrag. Sie muss nicht jedes Paper lesen. Biemann verwies auf State-of-the-Art-Beiträge, etwa in der Personal Quarterly, und auf Meta-Analysen, die den Stand der Forschung bündeln. Künstliche Intelligenz kann beim Verdichten und Übertragen helfen, bei der Literatursuche aber noch halluzinieren. Die Maschine erleichtert den Zugang, ersetzt aber nicht die Prüfung.
Daten brauchen Erzähler
Eine Frage aus dem Publikum traf den wunden Punkt der ganzen Disziplin: Warum sinken bei einem Podcast die Abrufzahlen, sobald das Wort „Daten“ im Titel steht? Die Szene lachte, aber die Frage war ernst. Daten gelten vielen im Personalbereich als trocken, technisch, fremd. Birk Alwes antwortete mit Beharrlichkeit: Hochschulen müssten Statistik, Mathematik und Datenkompetenz stärker in die Ausbildung integrieren. Personalmanagement bestehe nicht nur aus Entwicklung und Recruiting.
Julia Merkel ergänzte den entscheidenden Gedanken: Datenanalyse und Erzählen müssen zusammenkommen. Der eine Typus zerlegt Zahlen, der andere kann Menschen erreichen. Zukunftsfähige Personalarbeit braucht beides. Eine Erkenntnis ohne Geschichte bleibt im Dashboard liegen. Eine Geschichte ohne empirische Grundlage wird zur Folklore. Wer beides verbinden kann, wird in Organisationen wirksam.
Das ist vielleicht der schönste Satz der ganzen Runde, auch wenn er nicht als Sentenz fiel: Die Zahl führt erst, wenn sie erzählt werden kann. Nicht ausgeschmückt, nicht manipuliert, nicht auf Vorstandsgeschmack poliert, sondern so übersetzt, dass Menschen verstehen, warum eine Maßnahme nötig ist.
Bauchgefühl darf bleiben, aber nicht regieren
Am Ende stellte ein Teilnehmer die klügste Gegenfrage: Ist der Gegensatz zwischen klarer Entscheidung und Bauchgefühl überhaupt richtig? Gerd Gigerenzer hat schließlich gezeigt, dass Intuition unter bestimmten Bedingungen eine valide Quelle sein kann. Julia Merkel antwortete versöhnlich und präzise. Intuition könne ein guter Anfang sein. Man spürt, dass etwas nicht stimmt, dass ein Thema wichtig ist, dass eine Entwicklung irritiert. Doch bei Fragen, die für das Unternehmen oder die Personalarbeit elementar sind, sollte man prüfen, ob sich dieses Gefühl mit Daten unterlegen, korrigieren oder widerlegen lässt.
Damit war der Titel der Session gerettet, aber zugleich verfeinert. Es geht nicht um die Abschaffung des Bauchgefühls. Es geht um seine Entmachtung als letzte Instanz. Intuition darf eine Frage stellen. Daten müssen helfen, sie zu beantworten.
Die stille Revolution der Personalarbeit
Die Revolution von People Analytics wird nicht laut sein. Sie wird nicht als Feuerwerk neuer Werkzeuge erscheinen, auch wenn Anbieter dies gern versprechen. Sie beginnt dort, wo Personalabteilungen sich weigern, weiter mit groben Vermutungen zu arbeiten. Sie beginnt beim Krankenstand, der nicht moralisiert, sondern analysiert wird. Beim Training, das nicht nur besucht, sondern auf Wirkung geprüft wird. Beim Schichtplan, der nicht nur Kosten senkt, sondern Fehlzeiten mitdenkt. Bei der Mitarbeiterbefragung, die nicht im Archiv verschwindet. Bei der wissenschaftlichen Evidenz, die nicht im Regal bleibt. Bei der Betriebsratsdebatte, die nicht als Hindernis gilt, sondern als Seriositätstest.
Die Runde auf der Zukunft Personal Süd zeigte deshalb keine kalte Zukunft der Personalarbeit. Sie zeigte eine erwachsenere. Wer mit Daten arbeitet, muss genauer fragen, transparenter erklären, sauberer begründen und besser kommunizieren. Das ist unbequem. Aber gerade darin liegt der Fortschritt. Personalmanagement wird nicht menschlicher, indem es auf Zahlen verzichtet. Es wird menschlicher, wenn es die richtigen Zahlen nutzt, um bessere Bedingungen zu schaffen.
Der Betrieb lernt dann nicht nur zählen. Er lernt, warum etwas geschieht. Und erst damit beginnt Führung.
Siehe auch: