Wie agentische KI Onboarding, Mentoring und Mitarbeiterbindung verändert

David Rice: Was macht diese Agenten wirklich agentisch, im Gegensatz zu beispielsweise einem Dashboard oder einem smarten Assistenten?

Francisco Marin: Eine agentische KI wartet nicht darauf, dass ein Mensch eine Frage stellt. Sie trifft proaktiv Entscheidungen in Echtzeit oder identifiziert Interventionen auf Grundlage der universellen Kennzahlen, auf die die KI Zugriff hat.

David Rice: Wie stellen Sie Vertrauen sicher, wenn KI-Agenten in so sensible Abläufe wie Bindung oder Mentoring eingreifen?

Dan George: Alles, was agentisch ist, muss das richtige Maß an Einwilligung zur ethischen Nutzung bieten. Also: Button klicken zur Zustimmung – und jederzeit kann man diese Zustimmung widerrufen.

David Rice: Wie sieht Erfolg aus?

Francisco Marin: Was ein Mentoring-Markt-Eingriff bedeuten kann: Sie sparen zwischen 20k und 30k, indem Sie die Zeit bis zur Produktivität eines Neueinsteigers um bis zu 40 % verkürzen.

David Rice: Willkommen beim People Managing People Podcast, die Show, bei der wir die menschliche Seite der Arbeit beleuchten, die Technologie, die sie beeinflusst und die mutigen Ideen, die die Zukunft von People Practices prägen. Ich bin Ihr Moderator, David Rice.

Ich habe heute zwei Gäste. Francisco Marin ist Gründer und CEO von Cognitive Talent Solutions. Er ist auch Autor des Network-First-Manifests und Vorreiter in der Analyse von Unternehmensnetzwerken. Francisco leitet eine wachsende globale Community, die sich darauf konzentriert, wie informelle Netzwerke und KI-Zusammenarbeit Onboarding, Mentoring und informelle Führung in großen Unternehmen beschleunigen können.

Dan George ist Chief Experience Officer bei CTS und Gründer und CEO von Piper Key Analytics. Er ist ein preisgekrönter Experte für People Analytics, Workforce Planning und datengetriebene HR-Transformation. Er hat für Fortune-100-Unternehmen und innovative Mittelständler gearbeitet und HR als strategische analytikbasierte Funktion neu gedacht. Außerdem ist er Mitglied unseres Editorial Advisory Boards.

In diesem Gespräch gehen wir der Frage nach, wie KI-Agenten und Netzwerkanalysen HR von statischen Reports zu umsetzbaren, autonomen Workflows transformieren. Francisco teilt Erkenntnisse aus frühen Pilotprojekten, bei denen KI-Mentoren mit Mentees gematcht wurden. Es werden informelle Führung abgebildet und Onboarding in wichtigen Netzwerken beschleunigt. Dan erklärt, wie diese Agenten die People-Analytics-Funktion selbst skalieren können, automatisierte Einblicke liefern und HR-Fachleute für strategische Arbeit entlasten.

Ob Sie im HR-Leitungsteam, in People Ops, oder Talentstrategie tätig sind – oder einfach nur verstehen möchten, wohin Workforce Transformation steuert – dieses Gespräch ist für Sie. Los geht’s!

Okay! Francisco, Dan – willkommen!

Dan George: Schön, hier zu sein. Danke.

David Rice: Ich würde gern mit Ihrer Vision rund um Cognitive Talent Solutions beginnen. Warum gerade diese acht Agenten? Welche Kernbereiche wollten Sie im HR insgesamt adressieren?

Dan George: Aus unserer Sicht gibt es viele Bereiche, in denen KI-Agenten im HR effektiv eingesetzt werden könnten, aber diese acht waren die offensichtlichsten, bei denen wir nicht nur einfach die Zustimmung sammeln und sicherstellen konnten, dass alle Beteiligten einverstanden und handlungsbereit sind. Es waren auch jene, bei denen wir den ROI gezielt nachvollziehen konnten, wie sie die HR-Gesamtperformance und auch die notwendigen Aspekte einer ersten Generation beeinflussen.

Wir wollten es nicht übertreiben, aber schon spürbaren Impact schaffen, wohl wissend, dass sich alles fortlaufend weiterentwickeln wird. Diese acht ergaben am meisten Sinn.

Francisco Marin: Ich stimme Dan komplett zu. Zudem haben wir beobachtet, dass einige agentische KI-Fähigkeiten bereits für Kernprozesse wie Payroll oder regulatorische Compliance eingesetzt werden.

Was aber fehlte, waren Use-Cases, die People Analytics betreffen – speziell jene, die mit dem Netzwerk-Framework, das wir bei CTS nutzen, harmonieren. Wie könnten sie Veränderungsmanagement, Führungskräfteentwicklung oder Onboarding (hinsichtlich sozialer Aktivierung) neu denken helfen?

Daher haben wir diese Gruppe von acht ausgewählt. Es gab viel Zuspruch – zum Beispiel für Onboarding und Mentoring Match. Es ist eine Use-Case-Gruppe, die die Botschaft transportiert: Das ist der neue Weg für agentische People Analytics, über das Feld der organisatorischen Netzwerkanalyse hinaus.

David Rice: Dan, du hast Zustimmung angesprochen. Wie stellt ihr Einwilligung, Vertrauen und Transparenz sicher, wenn KI-Agenten so sensible Vorgänge wie Mitarbeiterbindung oder Peer-Mentoring einleiten?

Dan George: Wir haben das ausgiebig im Voraus bedacht: Alles, was automatisiert agentisch abläuft, braucht das passende Maß an Einwilligung und ethischer Nutzung. Eine der besten Methoden ist, dass unsere Plattform den Service und die E-Mail-Aspekte beider Beteiligten einbezieht. Sobald der Agent ein spezifisches Kriterium feststellt, sendet das System eine automatisierte E-Mail, die von einem Administrator generiert wurde.

Beide Parteien erhalten dann eine E-Mail, auf die sie klicken, um zuzustimmen. Sie können aber auch jederzeit die Teilnahme widerrufen – damit sind wir nicht nur DSGVO-konform, sondern handeln generell ethisch verantwortungsvoll.

Francisco Marin: Wir diskutieren im Team laufend die Nuancen der einzelnen Use-Cases. Bei Mitarbeiterbindung zum Beispiel: Macht es Sinn, auf aggregierter Ebene Einsichten bereit zu stellen (z.B. "Ein Team hat laut Kennzahlen ein hohes Risiko für Fluktuation und das wären mögliche Maßnahmen") oder diese auf individueller Basis und Information des direkten Vorgesetzten zu liefern? Wir testen beides – Aggregation und individuelle Ebene – und werten die Reaktionen aus.

Wichtig ist stets: Opt-In-Mechanismen aufbauen. Wer z.B. als Mentor für einen neuen Mitarbeiter identifiziert wird, muss seine Einwilligung geben. Die Rolle des direkten Vorgesetzten – Gatekeeper oder nur informiert? Das entwickeln wir weiter. Ziel bleibt: maximale DSGVO-Konformität und Opt-In, wo immer möglich.

David Rice: Was macht also die eigentliche Funktionsweise dieser Agenten aus, etwa im Vergleich zu Dashboards oder bekannten Gen-AI-Funktionen?

Francisco Marin: Wie der Name schon sagt: Agentische KI bedeutet "mehr Eigenverantwortung" für die KI.

Diese KI wartet nicht darauf, dass ein Mensch ein Dashboard auswertet oder fragt. Sie erkennt proaktiv, welche Fragen entstehen – oder welche Interventionen nötig sind. Der Mensch autorisiert zwar noch die vorgeschlagenen Maßnahmen, doch die KI überwacht permanent Signale und leitet in Echtzeit Handlungen ab.

Sie trifft kontextbezogene Entscheidungen – etwa je nach verfügbarer Metriken. Im Framework mit Agenten-Orchestrator und verschiedenen Use-Cases trifft das System in Echtzeit Entscheidungen, wie Benachrichtigungen oder Interventionen auszusehen haben.

Das Maß an Autonomie ist weit höher als bei klassischen KI-Interfaces.

David Rice: In Ihren Pilotstudien – welche Agenten kommen besonders gut an oder wecken das stärkste Interesse?

Und warum?

Francisco Marin: Das Mentoring-Matching mit Onboarding! Möchtest du das übernehmen, Dan?

Dan George: Ja, in der Praxis ist das Mentoring-Match die mit Abstand risikoärmste Variante. Ich bin selbst Befürworter, dass man mehr als nur einen Mentor hat.

Für Organisationen, die neue Mitarbeiter oder künftige Führungskräfte einbinden möchten, ist ein Mentor – eventuell sogar fachfremd – Gold wert. Das Mentoring-Tool analysiert die Kenntnisse, Ziele und Wünsche der Teilnehmer – abhängig davon, wie tief die ONA-Befragung geht.

Sowohl Mentor als auch Mentee erhalten eine Opt-In-E-Mail, können beide zustimmen, dann geht's los – und das alles skalierbar. Ich habe das früher manuell gemacht, Listen erstellt, an L&D- oder Talent-Teams verschickt – jetzt: Automatisierung und Auswahl jenseits der üblichen Verdächtigen.

Das ist eines der wirkungsvollsten Tools mit geringem Risiko und hohem Nutzen – und für diesen Preis echt ein Gewinn.

Francisco Marin: Der Nutzen ist leicht greifbar: Wer in einem Konzern gearbeitet hat, weiß: Es macht einen riesigen Unterschied, ob der erste Ansprechpartner inspirierend und engagiert ist – oder ob er dienstmüde/unmotiviert ist. Gerade in hybriden oder unsicheren Umfeldern (z.B. Reorganisationen) ist Onboarding entscheidend für die Produktivität, und unsere Methode denkt Onboarding als sozialen Prozess neu.

David Rice: Gerade für multinationale Unternehmen – viele Teams arbeiten grenzüberschreitend –, ist dieses Matching ideal. Du sagtest, die Agenten können Burnout-Risiken erkennen und automatisch Verbindungen herstellen. Wie läuft das praktisch ab?

Francisco Marin: Das beste Beispiel ist das Mentoring-Matching, inzwischen bei mehreren Unternehmen operativ im Einsatz.

Der Ablauf: Ein neuer Mitarbeiter startet. Die KI sucht anhand von Kennzahlen (informelle Führung über Netzwerk-Analyse, technische Skills, Rolle, Team, Performance, Erfahrung) nach der optimalen Mentor-Person. Je mehr Daten, desto besser die Passgenauigkeit.

Nach dem Matching schlägt das System dem HR-Nutzer auf der Netzwerk-Analyser-Plattform die Intervention vor. HR muss diese genehmigen.

Danach holt die KI beim potenziellen Mentor die Einwilligung ein, informiert den direkten Vorgesetzten, ohne dessen explizite Zustimmung zu fordern. Gibt der Mentor sein Okay, stellt die KI den Kontakt per E-Mail her, plant ein Kennenlernen und dokumentiert, ob das Treffen stattfand und welchen Impact es hatte (z.B. Zeitersparnis bis zur Produktivität).

Das ist ein vollständiger KI-Workflow fürs Onboarding via Mentoring-Matcher.

David Rice: Kommen wir zu Ergebnissen: Wie definiert ihr Erfolg für diese Agenten? Welche Kennzahlen oder Resultate verfolgt ihr?

Dan George: Die bestehende Forschung zeigt typische ROIs für diese Szenarien. Wenn die Aufgaben abgeschlossen sind – etwa das Mentoring stattfindet – werden die Ergebnisse und Kostenersparnisse gezählt und oben im Dashboard summiert. HR-Admins können ihre eigenen ROI-Werte anlegen/ändern, aber das Prinzip bleibt: Ein automatisierter Workflow spart Stunden oder gar Hunderte von Stunden – je nach Team-/Unternehmensgröße.

Alle Kennzahlen können für Präsentationen oder Meetings verwendet werden und helfen zu zeigen, welcher Impact erzielt wurde.

Francisco Marin: Für einen Mentoring-Eingriff kann man mit Einsparungen von 20k bis 30k rechnen, wenn sich die Zeit bis zur vollen Produktivität des neuen Mitarbeiters um bis zu 40 % verkürzt.

Das ist skalierbar auf jede Neueinstellung. Die Agenten sind derzeit als Self-Service bei Connect Network Analyzer verfügbar, werden aber demnächst nativ in Plattformen wie ServiceNow und Google integriert – damit Kunden sie direkt in ihrer IT-Infrastruktur nutzen können.

Dort können sie mit bspw. Fallmanagement-Infos oder HRSD in den Employee-Workflows von ServiceNow interagieren. Es ist eine spannende Phase, neue Use-Cases zu entdecken und Feedback auszurollen – hin zu einer breiteren Einführung aller acht Agenten.

Dan George: Wir bekommen auch Interesse von anderen CRM-Anbietern, die solche Apps nativ in ihre Marktplätze einbinden wollen und so die Implementierung noch weiter vereinfachen.

David Rice: Stellen Sie sich vor, Sie hätten Zugang zu den besten Talenten weltweit – der Ingenieur in São Paulo, der Sales-Leiter in Dublin oder die Designerin in Kapstadt. Ihre nächste Topkraft kann überall sein. Mit Oyster müssen sie nicht der Talentverlust sein.

Oyster unterstützt globale Rekrutierung, exakte pünktliche Gehaltsabrechnung und Compliance in jeder Phase. Bauen Sie Ihr Traumteam auf und wachsen Sie mit Zuversicht – die Welt liegt Ihnen zu Füßen.

Ich nehme an, HR ist sehr interessiert – aber gibt es auch Zuspruch aus anderen Bereichen, etwa Operations oder der Geschäftsleitung?

Dan George: Immer mehr Anfragen kommen inzwischen außerhalb von HR.

Zwar starten wir meist bei People Analytics, HR-Transformation oder Talentmanagement, aber auch Operations-Führungskräfte zeigen Interesse: Sie möchten Fähigkeiten, Netzwerke und Dynamiken ihrer Mitarbeiter besser verstehen, Innovation beschleunigen, Veränderung besser steuern. Veränderungsinitiativen lassen sich gezielter gestalten, indem Influencer aktiv eingebunden werden – egal auf welcher Hierarchieebene. Das beschleunigt Akzeptanz neuer Prozesse.

David Rice: Technisch gesehen ist die Daten- und Systemlandschaft ja überall unterschiedlich. Welche Daten braucht ein Unternehmen mindestens, um Agenten einsetzen zu können?

Francisco Marin: Die Einstiegshürden sind viel niedriger als man denkt. Wir kombinieren aktives ONA (Online-Umfragen) mit passivem ONA (Metadaten aus Kollaborationstools wie Microsoft, Google, Slack). Wichtigste Mindestdaten: Name des Mitarbeiters, E-Mail, Name und E-Mail des Vorgesetzten. Das genügt für einen Piloten; je mehr ergänzende Daten (Abteilung, Bereich, Performance, Engagement, Fluktuation etc.), desto besser. Die Agenten sind kontextsensitiv – mit wenig Input, aber je mehr, umso besser die Ergebnisse. Die meisten Basisdaten sind standardmäßig in APIs von Microsoft oder Google verfügbar.

Dan George: Manche Teams laden simple Hierarchien hoch, andere bis zu drei verschiedene Sichten für verschiedene Zwecke. Unser Backend kann jede Struktur aufnehmen. Besonders, da unser LLM im Hintergrund (und je nach System ggf. weitere Modelle) flexibel alles analysiert.

Francisco Marin: Beispiel: Ein Fortune-5-Unternehmen hatte sieben verschiedene Teammetriken – Vorgesetztenstruktur, Funktionszuordnung, direkte und indirekte Berichte. Die KI hat alle universellen Metriken verarbeitet, die Empfehlungen darauf abgestimmt und in Kombination mit generativer KI als Zusatzfeature präsentiert.

David Rice: Ich habe Forschung gesehen, wonach HR-Teams sich oft nicht ausreichend kompetent für KI-Nutzung fühlen. Gab es Skepsis oder Widerstand gegen agentische KI-Lösungen in traditionell menschenzentrierten Prozessen?

Francisco Marin: Bisher wird gut verstanden, dass KI künftig unverzichtbar sein wird – egal ob in HR, IT oder Finance. Das Bewusstsein, dass die eigene Arbeit bald betroffen ist, nimmt Hemmungen und begünstigt Offenheit, ganz anders als in früheren Innovationswellen. Selbst Unternehmen, die zunächst gegen generative KI waren, haben sie später organisationweit eingeführt – der Mindset-Wandel ist spürbar. KI ist heute im Alltag angekommen und verringert die Barrieren zur Anwendung sichtbar.

Dan George: Wir haben unsere Plattform so gestaltet, dass jeder, ob Experte in ONA oder nicht, intuitiv damit arbeiten kann. Alle relevanten Metriken sind vorhanden; Berichte und Impact-Auswertungen sind auch für Nicht-Techniker verständlich. Wer tiefer einsteigen will, kann Rohdaten exportieren und in eigene HR-Systeme integrieren – ob 300 oder 30.000 Leute. Es gibt immer beide Ebenen: verständliche Standardansichten und alle mathematischen Details für Experten. Viele starten ohne KI, werden aber nach erster Erfahrung offener für mehr Automatisierung, gerade durch die Komfortzone des eigenen Systems.

Francisco Marin: Diese Botschaft ist entscheidend: Nutzer kontrollieren selbst, wie Insights im Unternehmen geteilt werden. Sie entscheiden, ob Interventionen autorisiert oder Berichte (z.B. als PDF) weitergegeben werden. Alles ist individuell anpassbar – das überzeugt viele HR-Teams.

David Rice: Die Möglichkeit zur Anpassung dürfte ein wichtiger Faktor für die Akzeptanz sein. Wohin geht die Entwicklung? Gibt es Ideen, wie agentische Fähigkeiten künftig aussehen könnten?

Francisco Marin: Ja.

Dan George: Ich lasse Francisco gern sprechen – er hat eine lange Vision. Wir kennen uns seit 5-6 Jahren, seit vor der Pandemie. Ich sehe viele Chancen: Wir entwickeln nicht nur die zweite Generation der jetzigen acht Agenten, sondern denken darüber hinaus. Wir orientieren uns immer an aktuellen Trends, aber natürlich behalten wir Details aus Wettbewerbsgründen vorerst eng bei uns. Die Zukunft – also nächste Generation(en) –, darauf sind wir sehr gespannt.

Francisco Marin: Für mich ist die Organisation der Zukunft ein Netzwerk, das von Agenten gesteuert wird – agentische KI bringt großflächige Interventionen, multinationale Unternehmen werden Inkubatoren für neue Arbeitswelten (Network-First-Future-of-Work). Auch neue Organisationen werden diese Praktiken integrieren, so wie wir es bei CTS im eigenen Unternehmen umsetzen – ein dezentrales 50-köpfiges Kernteam plus Berater/Community. Wir wollen Vorbild und Case Study sein für neue Arbeitsmodelle.

Persönlich habe ich kürzlich das Network-First-Manifest mitgegründet (networkfirstmanifesto.com) – eine offene Initiative, die Grundsätze für Netzwerkarbeit formuliert. Aktuell sind etwa 200 Gründungsmitglieder und 80 Organisationen dabei, ratifiziert wird noch im laufenden Monat – dann folgen spannende nächste Schritte.

Wir wollen Vorreiter sein für den Wandel vom Hierarchie- zum Netzwerk-Modell. Ziel: Neue Mitarbeitende erleben in Großunternehmen ähnliche Freiheiten und Erfahrungen wie in Startups – ein Zukunftsmodell, das Lust statt Angst macht.

David Rice: Großartig, Michael Lorenzas Netzwerkforschung ist auch eins meiner Lieblingsthemen! Dan, Francisco, vielen Dank für das Gespräch. Möchten Sie abschließend noch erwähnen, wo man mehr über Ihre Arbeit und die Agenten erfahren kann?

Francisco Marin: Klar – jederzeit unter cognitivetalentsolutions.com oder im LinkedIn-Newsletter "CTS Running Sites" für wöchentliche Artikel. Daneben die Initiative networkfirstmanifesto.com bzw. networkfirstmanifesto.com/join – offen für alle Interessierten.

David Rice: Herzlichen Dank an euch beide für das Gespräch.

Dan George: Danke, David.

Francisco Marin: Vielen Dank, David.