Skip to main content

Meiner Ansicht nach ist die Vielfalt in der Belegschaft eines der am meisten missverstandenen und fehlinterpretierten Themen im Bereich Human Resources. Oft hört man Menschen, häufig sogar sehr hochrangige Personen innerhalb von Unternehmen, die behaupten, dass Top-Unternehmen eine vielfältige Belegschaft haben und dass wir das ebenfalls nachahmen sollten. Das zeugt von einem grundlegenden Missverständnis von Vielfalt und ihrem Zusammenhang mit leistungsstarken Organisationen.

Im Allgemeinen verfolgen diese leistungsstarken Organisationen eine sehr einfache Strategie: Sie finden die klügsten Köpfe, die ein Interesse an der jeweiligen Arbeit haben, und stellen sie ein. Intelligenz hängt bekanntlich nicht von Geschlecht, Sexualität, Körpergröße, Gewicht, Alter oder einem der zahlreichen Aspekte ab, auf die wir uns in den Mainstream-Medien zu fokussieren scheinen. Organisationen, die sich also darauf konzentrieren, die Besten aus ihrem jeweiligen Fachgebiet oder ihrer Karrierestufe zu rekrutieren und zu halten, haben am Ende meist eine recht vielfältige Belegschaft. Daraus entsteht dann fälschlicherweise die Überzeugung, dass Vielfalt die Leistung antreibt, was fast immer dazu führt, dass Unternehmen fast schon belustigend ein auf Diversität ausgerichtetes Programm starten, das sich auf Diskriminierung stützt. Wie viele von uns haben schon in Firmen Programme miterlebt, die gezielt nach Alter oder Geschlecht ausgerichtet sind, um so Vielfalt zu schaffen? Letzten Endes sind sowohl Alter als auch Geschlecht schlechte Prädiktoren für Leistung.

Wer sich in seinem Bemühen um Vielfalt auf extrem schlechte Vorhersagefaktoren für Leistung konzentriert, mag am Ende zwar eine vielfältige Belegschaft haben, in manchen Fällen führt das jedoch dazu, dass das Unternehmen weniger leistungsfähig wird. Stattdessen sollte man sich auf das konzentrieren, was tatsächlich starke Leistung vorhersagt: Finden Sie die klügsten Köpfe, die Sie sich leisten können, und stellen Sie sie ein. Achten Sie darauf, in Ihren Recruiting- und Auswahlprozessen all jene Aspekte zu eliminieren, die diskriminierend wirken, und ermöglichen Sie damit überhaupt erst, leistungsstarke Mitarbeitende zu finden – egal ob weiblich, männlich, genderdivers, groß, klein, Muttersprachler oder Nicht-Muttersprachler der in Ihrem Unternehmen vorherrschenden Sprache.

Lesen Sie weiter – und führen Sie weiterhin intelligenter

Erstellen Sie ein kostenloses Konto, um diesen Beitrag fertigzulesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Werkzeuge, Leitfäden und Einblicke für den Erfolg im Zeitalter der KI erschließen.

Name*
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
By submitting this form, you agree to receive our newsletter, and occasional emails related to People Managing People. You can unsubscribe at any time. For more details, please review our Privacy Policy
Brendan Lys

An der Schnittstelle von Personalwesen und Data Science nutze ich umfangreiche Fachkenntnisse im Personalwesen zusammen mit den Methoden und Ansätzen der Data Science. Dieser Fokus auf die Gewinnung umsetzbarer Erkenntnisse aus Daten wurde bereits in Bereichen wie Vergütung & Benefits, Personalplanung, Rekrutierung, Arbeitsschutz, Diversität und Weiterbildung angewendet. Doch wie sieht die Anwendung von Data Science auf HR-Herausforderungen und -Chancen tatsächlich aus? Im HR-Kontext stammen unsere verwendeten Daten typischerweise direkt aus unserem HRMIS. Ein Vorteil von Data-Science-Methoden ist, dass wir zusätzliche Daten aus der Organisation oder externen Quellen einbeziehen können – Daten, die mit rein HR-analytischen Ansätzen nicht zugänglich wären. Beispielsweise beinhalten Stellenbeschreibungen eine Fülle von Daten, die wir normalerweise ignorieren, da sie nicht analysierbar vorliegen. Ein Nebenprojekt, an dem ich derzeit (April 2019) arbeite, nutzt Textmining auf Stellenbeschreibungen, um Erkenntnisse darüber zu gewinnen, zu welcher Berufsgruppe eine Position gehören könnte. Die Ergebnisse meiner Arbeit wurden von Organisationen aus verschiedensten Sektoren genutzt, darunter: Regierungen (Australien und Neuseeland), börsennotierte Unternehmen an ASX und NZX, Versorgungsbetriebe, Non-Profit-Organisationen sowie Hochschulen.