Zukunft der HR-Software: Braucht HR 2030 noch ATS und LMS?

Zukunft der HR-Software: Revolution oder Evolution?

Vor fünf Jahren ging es um die Frage, welche HR-Software du kaufst. Heute fragen viele, ob es überhaupt noch Software braucht. Gero Hesse startet das Panel mit einer Abstimmung: Wer glaubt, dass es 2030 noch Applicant-Tracking-Systeme, LMS und Talent-Management-Systeme in ihrer heutigen Form gibt? Ungefähr 30 Prozent im Publikum, Erbeldinger zählt genauer 28.

Dr. Jürgen Erbeldinger, CEO von Escriba, teilt die These vom rasanten KI-Wandel nicht. Seit 2017 gebe es im KI-Bereich keine Innovation, das Modell sei stabil. Schnell verändere sich die Anwendung. KI werde die Systemlandschaften trotzdem umbauen: weg von starren Systemgrenzen, hin zu Services und MCP-Servern, die eine KI orchestriert.

Tim Schleicher, Founder und CEO von One Thousand, setzt die Praxis dagegen: Von 27 Engineers im Team programmiert seit Anfang des Jahres niemand mehr, obwohl der Job vorher zu 80 Prozent aus Programmieren bestand. Die Arbeitsweise habe sich um 180 Grad gedreht. Hesse erzählt von einem selbst programmierten ATS, gebaut von einer einzelnen Person in sechs Wochen, abends und am Wochenende. Vor drei Jahren hätte dasselbe System sechs Leute und anderthalb Jahre gebraucht.

SaaS oder AI-native: Kaufen oder selbst bauen?

Ingolf Teetz von milch & zucker sieht die echte Revolution in der Softwareentwicklung. Wo früher erst ROI-Rechnung und Konzept kamen, steht eine Lösung heute an einem Sonntagnachmittag. AI-native und SaaS liegen für Teetz nicht weit auseinander, gemietet oder gekauft wird weiterhin. Bei sehr speziellen Anwendungen, für die eine SaaS-Lösung viele Kompromisse bedeutet, wird der Eigenbau aber eine Option. Früher kam das aus Kostengründen nicht in Frage.

Erbeldinger ordnet ein: Große Anbieter wie SAP bauen ihre Plattformen gerade in einzelne Services und MCP-Server um, über die sich eine No- und Low-Code-Logik mit KI legen lässt. SaaS sei ein Betriebsmodell. Es lohnt sich, wenn du Software nicht selbst betreiben willst, und hat mit KI nichts zu tun. Ute Neher von Indeed stimmt zu: Das perfekte Produkt gab es nie, nur Standardisierung. Die Frage ist, ob Unternehmen mutig genug sind, erst ins Design zu gehen, statt nur ein neues Tool einzuführen.

Wie das im Alltag aussieht, zeigt Schleicher: Statt das CRM zu öffnen, nutzt Schleicher Claude als einzige Oberfläche. Claude greift auf das CRM zu und wertet verlorene Deals und E-Mails aus. Mittelfristig werde das Team kein SAP oder Salesforce mehr öffnen. Schleicher nennt sich selbst keinen KI-Fan, sieht KI aber als einzigen Weg, die Effizienz drastisch zu steigern.

Texterzeugungsmaschine statt Intelligenz

Erbeldinger will weg vom Begriff KI. Ein KI-Modell sei eine Gleichung, zustandsfrei und ohne Wissen. Es bildet Strukturen sehr gut ab, deshalb wirkt es, als stecke Wissen darin. Erbeldinger nennt es eine Texterzeugungsmaschine, die Fragen nicht gegen Wissen prüft. Schilderst du einen Arbeitsrechtsfall aus Sicht der Beschäftigten, erklärt die Maschine, wie du gewinnst. Aus Sicht des Arbeitgebers auch. Ein Wertesystem fehlt. Deshalb war Expertenwissen laut Erbeldinger nie so wertvoll: Wer Inhalte und ein Why hat, wird bestehen.

Neher sieht das größere Problem woanders: Unternehmen überlagern alte Dinge einfach mit Technologie. Neher verweist auf Untersuchungen, nach denen in Unternehmen 80 plus HR-Anwendungen aktiv sind, die kaum Daten austauschen. Ob es 2030 noch ATS und LMS gibt? Wahrscheinlich ja, so wie es auch noch Excel gibt. Wichtiger ist, wen ein System ausschließt, welche Daten zugrunde liegen und wie Menschen befähigt werden.

AI first, human last: Warum HR in den Driver Seat gehört

Für Erbeldinger braucht es eine grundlegend neue Aufgabenteilung. AI first heißt: Prüf immer, ob die Maschine eine Aufgabe besser erledigt. Die Kehrseite ist human last, also die Frage, was für Menschen übrig bleibt. Genau das sei eine typische Aufgabe für die Personalabteilung. Als Zeichen nennt Erbeldinger Mercedes-Benz, wo IT erstmals bei HR angehängt wurde. Dafür muss HR die Themen durchdringen. Nicht lernen, wie man die Maschine bedient, sondern verstehen, was sie kann, und den Prozess gestalten.

Aus der Runde kommt dazu ein Bild: Human in the loop, also ein Mensch, der am Ende noch einmal draufschaut, reicht nicht. Der Mensch gehört an den Anfang des Prozesses und muss ihn steuern, wie ein Lokführer.

KI und Jobabbau: Wer kümmert sich um die Menschen?

Schleicher spricht offen über die Folgen: One Thousand baut teilweise Anwendungen, für die hunderte Menschen entlassen werden, etwa im Rechnungswesen, wo KI 30 Leute überflüssig macht, die jetzt umgeschult werden. Das gehe Schleicher sehr nah. Gleichzeitig sieht Schleicher in Deutschland eine Logik, die Wandel verhindert, weil immer Betriebsrat oder Datenschutz blockieren. Tempo entstehe nur mit denen, die mitmachen wollen.

Neher widerspricht: Verantwortung tragen wir als Gesellschaft, nicht nur der Sozialstaat. Bevor du sagst, wer nicht dabei ist, ist nicht dabei, frag, wer überhaupt die Chance dazu hatte. Sich zu informieren, ist Aufgabe jedes Einzelnen, Unternehmen müssen aber die Rahmenbedingungen schaffen. Readiness entsteht nicht durch eine Copilot-Schulung, sondern durch ein Zielbild.

Erbeldinger warnt vor einer Verschiebung der Produktivität. Nach dem Price Law leisten in einem Zehnerteam drei Leute rund 40 Prozent der Arbeit, mit KI machen zwei 80 Prozent. Arbeit ist aber soziale Teilhabe. Erbeldinger fordert deshalb einen neuen Sozialvertrag, der Produktivitätsgewinne so verteilt, dass freigesetzte Menschen menschenwürdig leben können. Dein erster Schritt: Kläre das Zielbild deiner Prozesse, bevor du über Tools entscheidest, und prüf bei wegfallenden Aufgaben zuerst, wo die Menschen anders gebraucht werden.