Wie die strategische Personalbedarfsplanung mithilfe KI den «Skill Shift» der digitalen Transformation ermöglichen kann

Viel Druckerschwärze und digitaler Speicherplatz wurden bereits dafür verwendet, um die Disruption unserer Arbeit durch die digitale Transformation zu untersuchen, beschreiben oder gar bewerten. Auch ich habe zu diesem «Skill Shift» einige Male publiziert, wie beispielsweise in diesem Artikel vor über drei Jahren.

Elaborierte strategische Personalbedarfsplanung als Antwort auf «Skill Shift»

Immer mehr Unternehmen intensivieren vor diesem Hintergrund ihre Bemühungen in verschiedenen Aspekten. So drängt beinahe jedes Unternehmen mittlerweile dazu, agiler zu werden. Schliesslich meint Agilität die Fähigkeit, mit jeglichen Veränderungen umgehen zu können – auch mit der digitalen Transformation (Krapf 2016).

Ein anderes Thema, das vor dem Hintergrund des nötigen «Skill Shift» zunehmend Aufwind bekommt, ist die strategische Personalbedarfsplanung oder Strategic Workforce Planning (SWP). Denn SWP ist die logische Antwort auf die Frage, welche Kompetenzen Organisationen in Zukunft brauchen, wenn die digitale Transformation – und insbesondere die Automatisierung durch KI – viele Jobs radikal verändern wird.

Brauchen agile Organisationen noch eine SWP?

In einem früheren Artikel habe ich starke Zweifel erhoben, ob die traditionelle SWP für agile Organisationen der richtige Ansatz ist. Denn das Problem mit traditioneller SWP liegt darin, dass sie zu langsam, zu ungenau und zu kompliziert ist. Es ist eine menschliche Lösung, dass der Komplexität des Problems nicht gerecht wird.

Ich habe mich deshalb dafür ausgesprochen, die traditionelle SWP radikal zu hinterfragen. Eine solche radikale Lösung wäre die komplette Abschaffung der SWP. Alternativ zu einer traditionell zentral getriebenen Planung würde stattdessen eine dezentrale, kontinuierliche Entwicklung der einzelnen Mitarbeitenden gefördert. Diese quasi absolute Selbstorganisation bei der Kompetenzentwicklung kann in agilen Organisationen gelingen, die stark «purpose-driven» sind und so eine allgemein akzeptierte Entwicklungsrichtung haben (Stichwort «Schwarmintelligenz»).

Das traditionelle SWP ist «stuck in the middle»

Die absolute Dezentralisierung der selbstorganisierten Kompetenzentwicklung mag allerdings ein radikaler Schritt sein, der nicht für alle Organisationen geeignet ist. Sie ist eine zukunftsfähige Lösung im Vergleich zum traditionellen SWP, die den «Skill Shift» nicht zentral steuern kann. Die Dezentralisierung ist aber nicht die einzige Lösung.

Eine Alternative zur dezentralisierten Selbstorganisation ist die radikale Verbesserung der traditionellen SWP – beispielsweise durch künstliche Intelligenz. Hier wird das Paradigma der zentralen Steuerung (vorerst) beibehalten. Im Gegensatz zum traditionellen SWP werden die Berechnungen allerdings so verbessert bzw. automatisiert, dass ein Mehrwert entsteht, weil die Komplexität des «Skill Shifts» mit komplexen Algorithmen (annähernd) abgebildet werden kann.

In den meisten Grossunternehmen wird aber meistens weder die eine noch die andere Variante gelebt. Das traditionelle SWP ist «stuck in the middle». Es ist zu wenig elaboriert, um den «Skill Shift» richtig abzubilden. Und es ist auch keine Kultur etabliert, bei der die Mitarbeitenden diesen «Skill Shift» selbstständig machen können.

stuck in the middel SWP.png

So kann KI die SWP auf eine neue Ebene bringen

Vor einiger Zeit hat mir Linda Vos aufgezeigt, wie künstliche Intelligenz (KI) immer besser wird, um den «Skill Shift» in der SWP abzubilden. Linda ist «Data Analyst» bei PwC und auf SWP spezialisiert. Da sie in diesem Thema deutlich kompetenter ist als ich, verlinke ich hier zu einem aufgezeichneten Webinar von ihr und beschränke mich auf ein paar wenige Zeilen, um ihre spannende Grundidee zu skizzieren.

Aufbrechen der Funktionscluster

Die Idee von Linda ist, bei den Planungen nicht mehr in Funktionsgruppen zu denken, sondern vielmehr jede Funktion auf alle relevanten Kompetenzen aufzubrechen. Durch «Machine Learning» können so beispielsweise Jobs mit ähnlichen Kompetenzen entdeckt werden, die auf den ersten Blick nicht offensichtlich verwandt sind. Wie beispielsweise die Ballett-Tänzerin und der Skateboard-Fahrer, die beide ein ausgeprägtes Gleichgewicht haben.

Daten zu Kompetenzen

Damit die relevanten Ist-Kompetenzen bekannt sind, braucht es natürlich eine Anfangsinvestition. So muss klar sein, welche Kompetenzen bei welchen Funktionen besonders ausgeprägt sind. Wenn adäquate Funktionsprofile vorliegen, kann diese Analyse vereinfacht werden, indem eine Normalverteilung bei den individuellen Kompetenzen je Funktion angenommen wird. Damit wird darauf verzichtet, tatsächlich in der Organisation zu analysieren, inwieweit die Funktionsträger den funktionsrelevanten Kompetenzen gerecht werden. Es wird vielmehr davon ausgegangen, dass im Durchschnitt die erwarteten Kompetenzen erfüllt sind. Auf individuelle – auch funktionsunabhängige – Kompetenzen wird in diesem «Kurzverfahren» nicht eingegangen.

In einer Weiterentwicklung könnten auch erweiterte Datenquellen genutzt werden, um individuelle Kompetenzdaten zu berücksichtigen und so die Berechnungen zu verbessern. Solche Daten könnten beispielsweise aus LinkedIn, aus dem Mitarbeiterprofil, aus vergangenen Arbeitszeugnissen oder absolvierten Kursen bei Coursera etc. (automatisch) gewonnen werden. Doch nicht zuletzt aufgrund des Datenschutzes bewegen wir uns bei dieser Variante wohl schon weiter in der Zukunft.

Berechnung von verschiedenen Soll-Szenarien

Hat der Algorithmus nun gelernt, welche Kompetenzen vorhanden sind und wie diese in einem Unternehmen kompetenzbasiert gruppiert werden können, werden Soll-Kompetenzen bestimmt. Dabei können durch KI-Unterstützung verschiedene Szenarien durchgerechnet werden, um so herauszufinden, wo welche Kompetenzlücken in der gesamten Organisation bestehen. Im Unterschied zur traditionellen SWP können hierbei elaboriertere Daten genutzt werden wie bspw. die Automatisierungswahrscheinlichkeit von gewissen Kompetenzen oder andere endogene oder exogene Einflussfaktoren.

Gap-Analyse und Massnahmenbestimmungen

Aus den elaborierten, KI-unterstützen Berechnungen entsteht eine Ist-Analyse zu den vorhandenen Kompetenzen sowie eine Aufstellung der nötigen Soll-Kompetenzen gemäss den verschiedenen Szenarien. Die KI-basierte SWP kann anschliessend genutzt werden, um den kleinstmöglichen Gap zu errechnen. So kann KI beispielsweise aufzeigen, wie die vorhandenen Kompetenzen so neu gruppiert werden können, dass der Entwicklungsaufwand durch den «Skill Shift» minimiert wird.

Volle Dezentralisierung oder KI-basierte zentralisierte SWP – was denn nun?

Zugegeben, die beiden Lösungen stehen auf den ersten Blick diametral zueinander. Hier die dezentralisierte Lösung, welche den Mitarbeitenden die volle Verantwortung in der Entwicklung gibt. Da die KI-unterstützte, zentralisierte «Ultra-Kontrolle».

Allerdings muss diese Gegenüberstellung nicht als Widerspruch verstanden werden. Vielmehr könnten die KI-basierten Ergebnisse genutzt werden, um die Transparenz für die Mitarbeitenden zu erhöhen und so deren Selbstentwicklung zu fördern. Also ähnlich, wie ich früher meine Trainingsdaten genutzt habe, um herauszufinden, mit welchem Puls, mit welcher Schrittlänge, mit welchem Tempo etc. ich gerannt bin, um mich in späteren Trainings gezielt verbessern zu können. Die KI-unterstützten Erkenntnisse können so also genutzt werden, um die Selbstentwicklung entsprechend zu fördern.

swp KI und agil.png

 

Wie erreichen wir diese Utopie?

Nun ist es für die meisten Unternehmen utopisch, eine SWP in naher Zukunft einzurichten, bei der selbstorganisierte Mitarbeitende auf Basis einer KI-unterstützten SWP ihre Entwicklung selbst vorantreiben. Doch wie überall gilt auch hier: Think Big, Act Small. Selbst der Mount Everest wird nicht in einem Tag bestiegen. Vielmehr braucht es jahrelanges Training, monatelange Akklimatisierung und mehrere Teilbesteigungen, bis mit etwas Glück der Gipfel erklimmt werden kann.

Übertragen auf unser Beispiel bedeutet das, dass Unternehmen diese zugegebenermassen visionäre SWP als langfristiges Ziel nehmen und sich dann mit ersten, kleinen Schritten daran annähern.

Einerseits durch die Förderung der Selbstlernkompetenz der Mitarbeitenden und der Entwicklung einer agilen Kultur.

Andererseits, indem die Datengrundlagen geschafft werden, um elaborierte Daten Analyse zu betreiben. Dabei sollte auch möglichst bald ein «Data Analyst» einbezogen werden, um bald einmal erste Analysen durchzuführen und sich so schrittweise einer SWP anzunähern, die einen Mehrwert generieren kann.

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s