People Analytics mit KI: Wie simpleclub sein Bauchgefühl mit Daten prüft

Warum HR ohne People Analytics im Budget-Teufelskreis steckt

Nick Stodt beginnt mit einem Problem, das viele HR-Teams kennen: zu wenig Budget, dadurch zu wenig Ressourcen, dadurch zu wenig Wirkung, dadurch noch weniger Budget. Laut einem CHRO-Budget-Benchmark von Gartner liegt HR bei gerade einmal 0,8 % im Verhältnis zum Gesamtumsatz. Marketing und Sales haben zum Teil zehnmal so viel. Und die Aussichten werden düsterer: 2022 rechneten 10 bis 12 % der Personalleitungen mit sinkendem Budget, inzwischen sind es 33 %.

Der Ausweg führt laut Stodt über Daten und Analysen. Marketing, Sales und Finance können messen, welchen Einfluss sie auf das Unternehmen haben, und bekommen deshalb mehr Budget. Genau hier muss HR ansetzen. Bisher nutzen erst 21 % der HR-Verantwortlichen Daten, um Unternehmensinitiativen voranzutreiben. Das Potenzial ist groß.

Wo KI im HR wirklich stark ist

Strategie, Firmenphilosophie, Beziehungsmanagement und Kommunikation bleiben Aufgaben von Menschen. KI kann hier unterstützen, aber nicht automatisieren. Stark ist KI dagegen bei Datenmanagement und Analysen, etwa wenn du ein Workforce-Dashboard brauchst oder Muster in deinen Daten suchst. KI verarbeitet viel mehr Datenpunkte viel schneller, als ein Mensch es je könnte.

Der KI-People-Analyst von peopleIX verbindet sich mit allen bestehenden HR-Systemen und baut daraus ein gemeinsames Datenmodell. Danach chattest du mit deinen Daten, ähnlich wie mit ChatGPT. Stodt zeigt drei Funktionen: Antworten in 2 Sekunden, etwa zur Fluktuation gekreuzt mit Performance-Daten, Hinweise auf Anomalien und Trends wie eine sinkende Time-to-Hire oder einen auffälligen Gender Pay Gap sowie fertige Reports aus Recruiting-, Fluktuations- und Vergütungskennzahlen in Sekunden statt Tagen.

Praxisfall simpleclub: People Analytics mit KI gegen das Bauchgefühl

simpleclub ist remote organisiert und nutzt Personio, remote.com und ein ATS. Für eine Auswertung hätte das Team unzählige Reports ziehen müssen, Data-Analyst-Skills fehlten. Ein erstes Google Sheet half, war aber aufwendig und enthielt keine Recruiting-Daten. Ahmed hatte das Gefühl, dass sich simpleclub zu oft in der Probezeit von Leuten trennt. Der KI-Analyst lieferte die Zahlen, zeigte Spitzen und ordnete sie im Benchmark ein: kein Grund zur Sorge. Für die Demo nutzt Ahmed aus Datenschutzgründen Dummy-Daten.

Dann ging Ahmed tiefer. Die Time-to-Hire derer, von denen sich simpleclub getrennt hatte, lag unter dem Durchschnitt. Ein Hinweis, dass in einigen Fällen Tempo vor Qualität ging. Der Analyst lieferte Empfehlungen, die Ahmed mit dem Team und dem Business besprechen kann, eine Grafik für visuelle Präsentationen und eine Einschätzung zur Nachbesetzung: Für den Tech-Support gibt es genug Bewerbungen, bei Accountmanagern braucht es mehr Active Sourcing oder Employer Branding.

Alle Checks zusammen dauerten keine halbe Stunde. Ohne das Tool hätte die Analyse laut Ahmed mindestens eine Woche gedauert, mit Diskussionen hin und her. Den größten Vorteil sieht Ahmed darin, dass eine Plattform mit allen Tools spricht und den kompletten Employee Life Cycle abdeckt, statt dass jemand jedes System einzeln abfragen muss.

Ab wann sich People Analytics lohnt und wie du startest

simpleclub hat rund 130 Mitarbeitende. Stodt sieht den Einstieg meist ab etwa 100 Mitarbeitenden, wenn nicht mehr alle sich persönlich kennen, und vor allem, wenn neben dem HR-System weitere Tools wie Recruiting oder Zeiterfassung laufen. Gerade ab dieser Größe beginnen laut Ahmed die Probleme, für die man nicht mehr nah genug dran ist. Die meisten Kunden von peopleIX haben zwischen 500 und 5000 Mitarbeitenden.

Die wichtigste Voraussetzung ist Datenqualität. Jede Analyse ist nur so gut wie die Quellsysteme. Viele Unternehmen wissen, dass ihre Daten schlecht sind, aber nicht, wie viel Arbeit das Aufräumen kostet. Eine Prüfung bis auf Ebene einzelner Mitarbeitender zeigt, wo ein Geburtsdatum fehlt oder eine falsche Führungskraft eingetragen ist. Viele Kunden starten bei rund 60 % und erreichen innerhalb von 3 Wochen über 90 %. Nach spätestens vier Wochen Einführung ist das Tool laut Stodt voll nutzbar.