Was KI in der People Analytics ersetzen wird – und was nicht

David Rice: KI wird 90 % von dem, was ein starkes People-Analytics-Team leistet, nicht ersetzen. Was gehört zu diesen 90 %, das einzigartig menschlich ist?

Roxanne Laczo: Was dazugehört, ist das, was in unserem Kopf, unserem Gehirn ist. Es gibt Einflussnahme auf Stakeholder im Storytelling. Vielleicht wird sich dieser Prozentsatz mit der Zeit verändern, aber KI wird niemals vollständig und komplett ersetzen können.

David Rice: Läuft man Gefahr, eine Art Zwei-Klassen-System zu schaffen, bei dem KI die „ausreichend gute“ Lösung für die meisten Unternehmen wird?

Noelle London: Traditionell ist People Analytics eine Ressource, die sich vor allem Großunternehmen leisten. Es ist nicht etwas, wofür Unternehmen zwangsläufig Budget haben. Wir sehen aber, dass Unternehmen heute viel früher solche Fähigkeiten einstellen, als das noch vor zwei, zweieinhalb Jahren der Fall war. Das macht die Sache richtig spannend.

David Rice: Ist People Analytics dabei, zum Machtzentrum von HR und damit zum Zentrum der KI-Transformation zu werden?

Cole Napper: Ich sage nein. Der Grund dafür ist kein Mangel an Fähigkeiten, sondern am Willen.

David Rice: Wenn man auf die nächsten 12 bis 18 Monate blickt – welche konkreten Fähigkeiten sollten sie entwickeln, um relevant zu bleiben? Und umgekehrt: Auf welche Fähigkeiten sollte man keine Zeit mehr verwenden, weil KI das mittelfristig übernimmt?

Willkommen beim Podcast „People Managing People“ – die Sendung, in der wir Führungskräfte dabei unterstützen, Arbeit auch im KI-Zeitalter menschlich zu halten. Ich bin David Rice, euer Gastgeber. In der heutigen Folge freue ich mich sehr, drei brillante Köpfe aus dem Bereich People Analytics zu begrüßen und mit ihnen eine Art Roundtable-Diskussion zu führen.

Als Erstes begrüßen wir Roxanne Laczo. Sie ist Head of People Analytics bei Cloudflare. Willkommen, Roxanne!

Roxanne Laczo: Hallo, schön, hier zu sein!

David Rice: Außerdem haben wir Cole Napper, den ihr vielleicht noch aus einer früheren Podcast-Folge kennt. Er ist VP of Research, Innovation & Talent Insights bei Lightcast. Willkommen, Cole!

Cole Napper: Danke, David, dass ich dabei sein kann.

David Rice: Und schließlich Noelle London. Sie ist Gründerin und Geschäftsführerin von Illoominus. Willkommen, Noelle!

Noelle London: Vielen Dank, ich freue mich sehr, hier zu sein.

David Rice: Super. Heute sprechen wir über den aktuellen Stand von People Analytics, wie sich das Thema weiterentwickelt, wie wir die Rolle neu definieren und was das für HR bedeutet.

Ich möchte mit folgendem beginnen: Wir haben im Vorgespräch festgestellt, dass KI 90 % von dem, was ein starkes People-Analytics-Team leistet, nicht ersetzen wird. Roxanne hatte da eine interessante Einschätzung. Was umfasst diese 90 %, die einzigartig menschlich sind? Und glaubst du, dass dieser Prozentsatz hält, wenn sich KI weiterentwickelt?

Roxanne Laczo: Ja, absolut. Der Schlüssel liegt im Kopf bzw. Gehirn. Es gibt strategischen Kontext in der Organisation und im Business, den KI nicht erfassen kann. Institutionelles Wissen, Beziehungen im Unternehmen – wo du Informationen erhältst, Daten hervorhebst, die du nicht einfach so bekommst.

Ein KI-Tool kann nicht einfach alles zusammentragen. Es gibt Einflussnahme auf Stakeholder durch Storytelling, was mit einer KI sehr schwierig nachgebaut werden kann, außer man hat sehr viel Kontextwissen, so wie ich es beschrieben habe. Letztlich ist es auch das Stellen der richtigen Fragen – basierend auf Beziehungen, Unternehmensverständnis, Wissen über Geschäftsprobleme.

Vielleicht verändern sich diese 90 % irgendwann, aber kurzfristig wird sich vor allem der Wert verändern, den wir als Individuen mit Netzwerken und Kontext beisteuern. Das kann KI auf dem von uns gewünschten Niveau nie vollständig ersetzen.

David Rice: Das ist interessant. Cole, mich interessiert deine Meinung, weil du dich intensiv mit Skills, Wandel und Automation beschäftigst. Was bleibt in der People-Analytics-Funktion bestehen?

Cole Napper: Zu deiner Frage: 90 % von dem, was ein starkes Team macht, bleibt bestehen.

Wenn das Team aber nicht stark ist, könnten 90 % davon wegfallen. Es kommt darauf an, ob man transaktional oder strategisch-transformativ arbeitet: 90 % der strategischen Arbeit bleiben bestehen, beim Transaktionalen gehen vermutlich 90 % verloren. All das, was Roxanne gesagt hat, stimmt. Wir haben bei Lightcast dazu geforscht. Wir haben alle HR-Technologien und Skills daraufhin untersucht, wie wertvoll sie sind, wie sie gewachsen sind und wie stark KI sie beeinflussen wird. People Analytics war die wertvollste Fähigkeit im HR-Bereich, aber auch eine der am stärksten von KI bedrohten.

Das Spannende: Der transaktionale Anteil von People Analytics wird in den nächsten Jahren stark durch KI ersetzt werden.

David Rice: Noelle, wie siehst du das, gerade wenn es um den Technologieeinsatz und die menschliche Rolle geht?

Noelle London: Ich möchte einleitend sagen: People Analytics bedeutet in unterschiedlichen Unternehmensgrößen und -reifegraden verschiedene Dinge.

Wenn wir von People Analytics sprechen, besteht für Unternehmen mit weniger Erfahrung/Teamgröße die Chance, bestimmte Aufgaben abzugeben. Roxanne ist zum Beispiel ein extrem wertvoller Gewinn für ihr Unternehmen. Aber vielleicht sind 90 % ein hoher Wert bezüglich Nicht-Ersetzbarkeit. Ich sehe es auch nicht primär als Ersetzen – eher, dass KI als Co-Pilot hilft, vor allem bei Aufgaben, die Menschen zermürben. Bei kleineren Firmen geht es häufig etwa um Integrationspflege oder Data Cleanup, das ist alles sehr ressourcenintensiv. Das kann durch KI entlastet werden – so bleibt mehr Zeit für das, was Roxanne beschreibt: Kontextuelles Wissen.

Natürlich gibt es auch Dinge, die nach wie vor schwierig sind – etwa Edge Cases. Zum Beispiel beim Thema interne Mobilität: Unternehmen regeln das sehr unterschiedlich in ihren Systemen. Genau bei solchen Sonderfällen muss man nach wie vor genau hinschauen.

Der Kontext und das organisationsspezifische Wissen bleiben zwingend nötig, um aus KI-Analysen auch Maßnahmen ableiten zu können. Das reine Reporting ist nicht alles.

David Rice: Gerade viele Unternehmen haben ja nicht die „Roxanne“ im Haus. Entsteht damit ein Zwei-Klassen-System? Also „gut genug“-KI für viele, echte Strategie nur für sehr gut ausgestattete Firmen?

Noelle London: Genau das begeistert mich! People Analytics war bisher oft Unternehmen mit riesigen Budgets vorbehalten.

Für kleinere Unternehmen war das kaum umsetzbar. Aber wir sehen nun, dass Firmen bereits mit 12.000 Mitarbeitenden oder weniger solche Fähigkeiten früher aufbauen als früher. Sie müssen sich auf die Zukunft vorbereiten und brauchen datengestützte Entscheidungen. Das Interesse wächst in allen Unternehmensgrößen! Natürlich sieht People Analytics in einem 30-köpfigen Team anders aus als in einer kleinen, agilen HR-Abteilung.

Ich sehe darin aber keine Spaltung, sondern eine riesige Chance: Daten branchenübergreifend zu teilen, voneinander zu lernen, Benchmarks zu setzen. So können Unternehmen, die schnell People Analytics aufbauen, sogar einen Sprung nach vorn machen.

Roxanne Laczo: Zurück zu Noelles früherer Aussage: Wie definieren wir eigentlich People Analytics? Darüber könnte man eine eigene Podcast-Folge machen. Ich habe dazu eine sehr klare Meinung, aber ich garantiere dir: Die meisten Unternehmen, die behaupten, sie machen das, tun es nicht so, wie ich es definieren würde. Andererseits gibt es Firmen ohne explizite Analytics-Teams, die trotzdem echte Analytics-Arbeit machen – Recruiting, Assessment, Talent Management geht alles nicht ohne Analysen. Es hängt also von der Organisations-Reife, vom Kontext, vom Business-Verständnis ab. Die Risiken liegen weniger in der Fähigkeit, Insights zu liefern, sondern eher darin, inwieweit HR-Partner und das Business befähigt werden, KI für Entscheidungen einzusetzen.

Es braucht dafür kein dediziertes People-Analytics-Team. Entscheidend ist, ob in HR/People Teams Tools und Fähigkeiten gefördert werden, um KI-gestützte Entscheidungen treffen zu können. Das ist weniger eine Investitions-, sondern vielmehr eine Frage der Befähigung.

Cole Napper: Zur Zwei-Klassen-System-Frage: Die Geschichte der People Analytics war aus meiner Sicht zweigeteilter als die Zukunft. Es gab Unternehmen mit hundertköpfigen Analytics-Teams – die meisten werden gerade abgebaut. Ich sehe keine Zukunft, in der Firmen Teams mit 50+ Analytics-Mitarbeitenden brauchen. KI senkt die Eintrittshürden dramatisch: Von null Analytics oder Technologie auf einen Mitarbeitenden umzustellen, ist heute viel einfacher als noch vor fünf Jahren. Das ist besser für HR und People Analytics – gerechter, weil inklusiver.

David Rice: Das ist besonders für diese Funktion interessant. In anderen Unternehmensbereichen herrscht eher der „gut genug“-Gedanke. Aber im Bereich People Analytics fehlt oft das Verständnis auf Führungsebene, was und wie es funktioniert. Wenn man also KI anwendet – brauchen Führungskräfte dann weiterhin Fachleute, die vermitteln?

Cole Napper: Hier habe ich eine starke Meinung: Es ist enorm problematisch, dass HR-Führungskräfte oft keine Datenkompetenz haben. KI wird diesen Missstand jetzt zwangsweise adressieren.

Es ist aus meiner Sicht existenziell für die HR-Funktion, datenkompetent zu werden. Das Beispiel Moderna zeigt: Dort wurde HR mit IT fusioniert, weil IT datenbasiert entscheiden kann – HR (noch) nicht. Das ist die klare Botschaft. Ich hoffe, dass dies kein bleibender Trend wird; sofern HR sich weiterentwickelt und Führung zeigt. Wer als HR-Führungskraft nicht datenkompetent ist, wird abgehängt. Gerade deshalb ist es spannend, jetzt People-Analytics-Leader zu sein: Das bereitet dich für die Rolle des Chief People Officer/CHRO der Zukunft vor.

Roxanne Laczo: Dazu möchte ich ergänzen: Die Frage ist nicht „Wie setze ich KI ein?“, sondern: Verstehst du das Business und bist du wirklich Business Leader? Diese Diskussion um den strategischen HR-Business-Partner gibt es seit über 20 Jahren. Wenn du die Sprache des Business nicht sprichst, ist das dein erstes Problem. Wie Cole schon sagte: KI ist nicht das „Wie“. Erst wenn du das Problem verstanden hast, ergibt der KI-Einsatz überhaupt Sinn.

Noelle London: Ich muss jetzt HR etwas in Schutz nehmen: Ich arbeite mit vielen HR-Leitungen, die unbedingt datenbasiert arbeiten wollen. Oft fehlt das Budget und HR ist chronisch unterfinanziert: Jeder hat ein Customer Data Platform, im HR war das lange nicht Standard. Das Budget ging immer zuerst an Sales und Marketing, nicht an Employee Data. Erst jetzt holt HR in Sachen Systeme und Datenfundamente auf, um KI sinnvoll nutzen zu können.

Es ist gerade deshalb eine spannende Zeit: Heute machen drei Leute in drei Wochen eine Mitarbeiterbefragung und bezahlen dafür 30.000 Euro. Das muss nicht mehr sein! Früher galt: HR bekommt ein HRIS, ein Recruiting-Tool, ein Engagement-Tool und, mit etwas Glück, ein Performance Tool. Jetzt brauchen wir People Analytics als verbindendes Element zwischen diesen Systemen. Erst durch KI und geteilte Tools wird die strategische Rolle möglich.

David Rice: Nun möchte ich den Fokus verschieben, denn es gibt eine Lücke zwischen den Erwartungen des Top-Managements an KI in HR und der praktischen Umsetzbarkeit. Wie kann man diese Diskrepanz überbrücken?

Noelle London: Ich denke, vieles davon hatte ich schon angesprochen. Man kann einige Anwendungsfälle im aktuellen HR-Tech-Stack nutzen, um zu zeigen, dass man erste Tools bereits einsetzt. Die Frage „Wie integrierst du KI in HR?“ wird aktuell gestellt. Jetzt ist die Gelegenheit, das Business-Case für People Analytics zu machen – nicht nur Einzelmaßnahmen, sondern wirklich strategisch denken: Wenn Personal die größte Kostenstelle ist und Profitabilität im Fokus steht, dann muss *jetzt* in Analytics investiert werden.

Roxanne Laczo: Es braucht viel mehr Enablement: „Macht KI!“ reicht nicht. KI kostet Geld, Zeit und ist eine Lernaufgabe. Wer bislang keinen Bezug dazu hatte, weiß oft nicht, wo er anfangen soll. Dafür braucht es Investitionen und Enablement, Tools, Technologie und Up-Skilling – sonst ist die Forderung nach mehr KI im HR einfach nicht realistisch.

Cole Napper: Aus der Vorstandsperspektive sieht das oft so aus: (A) Investiert in KI! Das kostet. (B) Lasst die operativen Kosten aber nicht steigen. (C) Kürzt daher die Köpfe. Die Idee: KI erhöht die Produktivität. In Realität funktionieren aber 95 % der KI-Piloten nicht wie gewünscht. Also müssen die Mitarbeitenden am Limit arbeiten – mehr Überstunden, mehr Belastung. Die positiven Produktivitätszahlen beruhen derzeit eher auf maximaler Anstrengung als auf echter KI-Wertschöpfung.

David Rice: Ich stimme zu. Und es braucht generell mehr Bildungsarbeit in Führungsteams, um den Unterschied zwischen KI, Machine Learning, Automatisierung zu verstehen. Viele setzen alles gleich, aber das stimmt so nicht. Im Vorgespräch habt ihr zwischen Mikro-KI-Lösungen (z.B. GPT für Tagesaufgaben) und Makro-Lösungen (KI-Workflows im gesamten Tool) unterschieden. Wohin sollten HR-Verantwortliche jetzt investieren und lernen?

Cole Napper: Es gibt da einen Disconnect: Das Topmanagement erwartet einen fundamentalen Wandel von HR durch KI (Makro), während die HR-Mitarbeitenden ChatGPT für Texte oder Chatbots testen (Mikro). Zwischen beidem liegt aktuell eine große Lücke.

Diese erste Welle (V1) der KI-Einführung konzentriert sich zu 95 % aufs „Drüberstülpen“ eines KI-Wrappers auf bestehende Prozesse. Aber das funktioniert nicht skalierbar. Die Zukunft (V2) der KI-Einführung wird komplett anders aussehen: 95 % der Investition sollten in bessere Daten und Infrastruktur, nur 5 % in neue Tools/Wrappers gehen. Genau deshalb arbeite ich so gerne bei Livecast: Dort haben wir genau diese Daten. Das ist der spannende, zukunftsweisende Teil von People Analytics.

Noelle London: Das gefällt mir, Cole! Momentan geht es in meinen Augen darum, einige Quick Wins mit KI-basierten Tools mitzunehmen, aber das reicht nicht. Der Schlüssel ist, die Datenbasis zu bereinigen, systemübergreifend zu verbinden und zu harmonisieren – erst dann kann das volle Potenzial für interne Mobilität oder Workforce Planning ausgeschöpft werden. Das ist jetzt der Reifegrad, den HR benötigt.

Roxanne Laczo: Ich möchte ergänzen, dass ich den schnellen Einsatz von ChatGPT zwar praktisch finde, aber nur fürs Selbstmanagement: Das ist kein bedeutender KI-Use-Case! Die Wertschöpfung entsteht durch größere, messbare Projekte und nachhaltige Produktivitätsgewinne – nicht durchs Copywriting in ChatGPT.

David Rice: Es ist im Wesentlichen ein Geschwindigkeitsgewinn, der ein bisschen mehr Zeit für wirklich wichtige Aufgaben verschafft. Für jede Rolle, in jeder Branche ist das jetzt Standard. „Table Stakes“ ist aktuell DAS Buzzword. Noch vor zwei Jahren war das kaum Thema, heute ist es „State of the Art“.

Ich möchte noch einmal zurückkommen auf Coles Aussage, dass die People-Analytics-Leitung prädestiniert ist, CHRO der Zukunft zu werden – also die KI-Transformation zu führen. Ich habe neulich über die neue Rolle des Chief AI Officer geschrieben und dabei argumentiert, dass HR-Leute möglicherweise besser als technische Rollen dafür geeignet sind, da Menschen oft die Hauptbremse beim Wandel sind. Ist People Analytics also das Power-Center von HR und damit auch der KI-Transformation?

Cole Napper: Um meinem eigenen Argument zu widersprechen: Nein, und das liegt nicht am Skillset, sondern am Willen. Die meisten People-Analytics-Leads, die ich kenne, wollen diesen Schritt nicht und haben kein Interesse an der Gesamtverantwortung. Zudem gibt es Aspekte – z.B. Employee Relations, Unternehmenskultur, politische und emotionale Aspekte –, für die das Profil nicht ideal geeignet ist. Da muss sich die CHRO-Rolle grundlegend ändern, damit People Analytics diese ausfüllen kann. Darüber sollte man ein eigenes Zukunftsmodell für HR entwickeln.

Roxanne Laczo: Es gibt viele Wege, Chief People Officer zu werden. People Analytics und KI-Kompetenz können dabei helfen, aber das Wichtigste bleibt das Business-Verständnis. Wer keinen Bezug zum Business hat, sollte kein CPO werden. Viele Unternehmen holen inzwischen externe Führungskräfte ins HR, zum Beispiel aus der Technik, um neue Impulse zu setzen.

Noelle London: Ergänzend: People Analytics ist der perfekte Brückenkopf für KI in HR, weil diese Rolle Datenkompetenz und Interpretationsvermögen verbindet. So jemand kann wirklich die Gesamtstrategie im HR steuern und die Interpretation der KI-Ausgaben verknüpfen. Historisch gesehen war HR sehr in Silos aufgeteilt – Recruiting, Employee Relations, Employee Experience ziehen oft in unterschiedliche Richtungen. Die People-Analytics-Perspektive kann KPIs und Employee Journey lückenlos abbilden, Daten aus allen Bereichen integrieren und Entscheidungsvorlagen für strategische Investitionen liefern.

David Rice: (lacht) Jetzt dachte ich, ich könnte meine Pieptaste benutzen …

Noelle London: Gemeint war „Silos“.

David Rice: Zum Abschluss: Viele Firmen sollten HR und People Analytics neu denken. Was sollten Menschen im Analytics-Bereich in den nächsten 12–18 Monaten lernen, um relevant zu bleiben? Was sollte man dagegen nicht mehr lernen, weil KI das bald übernimmt?

Roxanne Laczo: Mein Lieblingspunkt – Business-Kompetenz: Wer die Sprache des Geschäfts nicht spricht, hat ein Problem. Das braucht viel Übung und Arbeit im Leadership-Part. Außerdem sollte man sich mit AI-Ethics, Governance, Regulatorik, Gremien usw. beschäftigen. Traditionalistische „Reporting“-Teams sollten aufhören, manuelle, transaktionale Datenpflege zu machen – das sollen die Systeme liefern. Ebenso kann KI z.B. Dashboards erstellen, Code generieren und Produkte bauen. Damit sollte man als Analytics-Team keine Zeit mehr verschwenden.

Noelle London: Absolut Zustimmung! Enge Einbindung ins Geschäft, starke Beziehungsarbeit, konstantes Lernen rund um KI – so bleibt man relevant. Das Wissen über Business-Kontext im Kopf zu haben, macht einen unersetzlich. Und: On top bleiben bei neuen KI-Entwicklungen!

Cole Napper: Dem stimme ich voll zu. Vieles läuft auf Business-Kompetenz hinaus, nicht (nur) auf Coding oder Excel-Kenntnisse. Die Kunst besteht darin, echten Mehrwert für das Unternehmen zu schaffen – und das vor allem durch den Menschen. Wer künftig nur noch Reports baut, wird durch KI schnell ersetzt. „Verstehe die Daten, baue die Infrastruktur, aber Routine-Arbeit wird verschwinden.“

David Rice: Absolut. Es war ein faszinierendes Gespräch – danke an alle fürs Dabeisein!

Cole Napper: Vielen Dank!

Roxanne Laczo: Danke dir, David.

Noelle London: Ebenfalls vielen Dank.

David Rice: Und an die Zuhörer: Bis zum nächsten Mal – arbeitet weiter an eurer Business-Kompetenz! Meldet euch zum People Managing People Newsletter an, wie immer.