Wie agentische KI Einarbeitung, 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 anhand der universellen Kennzahlen, zu denen die KI Zugang hat.

David Rice: Wie sorgt ihr für Vertrauen, wenn KI-Agenten etwas so Sensibles wie Mitarbeiterbindung oder Mentoring initiieren?

Dan George: Wir müssen alles, was agentisch ist, mit dem richtigen Maß an Einwilligung und ethischer Nutzung ausstatten. Man klickt auf einen Button zur Zustimmung und kann diese Einwilligung jederzeit widerrufen.

David Rice: Wie sieht Erfolg in diesem Zusammenhang aus?

Francisco Marin: Bei einem Mentoring-Interventionsprogramm kann man Einsparungen zwischen 20.000 und 30.000 erzielen, indem die Zeit bis zur vollen Produktivität eines neuen Mitarbeiters um bis zu 40 % verkürzt wird.

David Rice: Willkommen beim People Managing People Podcast, der Sendung, in der wir die menschliche Seite der Arbeit, die sie beeinflussende Technologie und die kühnen Ideen erkunden, die die Zukunft von Personalpraktiken prägen werden. Ich bin Ihr Gastgeber, David Rice.

Ich habe heute zwei Gäste. Francisco Marin ist Gründer und CEO von Cognitive Talent Solutions. Er ist auch Autor des Network-First Manifesto und ein Pionier in der organisationalen Netzwerk-Analyse. Francisco führt eine wachsende globale Community, die sich darauf konzentriert, wie informelle Netzwerke und KI-Kollaboration das 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 verfügt über Erfahrungen in Fortune-100-Unternehmen und mittelständischen Innovatoren und hat geholfen, HR als strategische, analytikbasierte Funktion neu zu definieren. Er ist zudem Mitglied unseres Editorial Advisory Boards.

In diesem Gespräch werden wir tiefer eintauchen, wie KI-Agenten und Netzwerk-Analyse HR von statischer Berichterstattung zu handlungsfähigen autonomen Workflows transformieren. Francisco wird Einblicke aus frühen Pilotprojekten teilen, bei denen KI-Agenten Mentoren und Mentees zuordnen, informelle Führungskräfte identifizieren und das Onboarding über kritische Netzwerke beschleunigen. Dan wird darauf eingehen, wie diese Agenten die People-Analytics-Funktion selbst skalieren können, indem sie Einblicke automatisieren und HR-Fachkräften ermöglichen, sich auf strategische Aufgaben zu konzentrieren.

Egal, ob Sie HR, People Ops oder Talentstrategie leiten oder einfach nur verstehen möchten, wohin sich die nächste Grenze der Transformation der Arbeitswelt bewegt – dieses Gespräch ist für Sie. Steigen wir ein.

Also, Francisco, Dan – willkommen!

Dan George: Schön, hier zu sein. Vielen Dank.

David Rice: Ich möchte mit der Vision beginnen, die ihr bei Cognitive Talent Solutions habt. Warum genau diese acht Agenten? Welche Kernbereiche habt ihr euch angeschaut, wenn ihr das gesamte HR betrachtet?

Dan George: Aus unserer Sicht gibt es viele Möglichkeiten, wie KI-Agenten im HR-Bereich effektiv eingesetzt werden könnten, aber diese acht waren die offensichtlichsten, bei denen wir nicht nur leicht Einwilligungen einholen und sicherstellen konnten, dass alle Beteiligten im Prozess bereit waren, sondern bei denen wir auch den ROI direkt auf den Einfluss auf die HR-Gesamtabläufe zurückverfolgen konnten – auch im Hinblick auf notwendige Aspekte als erste Output-Generation.

Wir wollten es nicht zu wild machen, aber natürlich einen Impact erzielen. Natürlich wird sich alles weiterentwickeln. Aber diese acht sagten uns am meisten zu.

Francisco Marin: Ich stimme Dan völlig zu. Ergänzend dazu: Wir haben beobachtet, dass einige agentische KI-Fähigkeiten bereits für Kern-HR-Prozesse wie Payroll oder regulatorische Compliance eingesetzt werden.

Aber uns fehlten Anwendungsfälle, die People Analytics betreffen, insbesondere solche, die mit unserem Netzwerk-Framework bei CTS übereinstimmen. Also, wie kann KI uns helfen, Prozesse wie Change Management, Führungsentwicklung oder Onboarding im Hinblick auf soziale Aktivierung neu zu denken?

Wir haben diese Gruppe von acht ausgewählt. Wir bekommen viel Resonanz; über das Onboarding und das Mentorship-Matching können wir später noch sprechen. Es sind jedenfalls Anwendungsfälle, die zeigen, dass das der neue Weg agentischer Fähigkeiten in der People-Analytics-Branche insgesamt ist – über die reine Netzwerk-Analyse hinaus.

David Rice: Dan, du hast Einwilligung erwähnt. Wie stellt ihr Zustimmung, Vertrauen und Transparenz sicher, wenn KI-Agenten etwas Sensibles wie eine Mitarbeiterbindungsintervention oder Mentoring-Verbindung initiieren?

Dan George: Das war ein früher zentraler Gedanke von uns: Alles, was wir agentisch machen, braucht das richtige Maß an Einwilligung und ethische Verwendung dieser automatischen Prozesse. Unsere Plattform verarbeitet Services und E-Mail-Aspekte sowohl der Empfänger als auch anderer Personen in der Organisation. Wenn ein Agent ein bestimmtes Kriterium erkennt, kann eine automatisierte E-Mail von einem Administrator ausgelöst werden.

Beide Parteien erhalten dann eine E-Mail, klicken auf Zustimmung, und so sind beide benachrichtigt und haben zugestimmt. Die Zustimmung kann jederzeit widerrufen werden. Wir bleiben dadurch nicht nur DSGVO-konform, sondern auch aus ethischer Sicht abgesichert.

Francisco Marin: Wir diskutieren fortlaufend alle Nuancen jedes einzelnen Anwendungsfalles. Bei der Mitarbeiterbindung etwa überlegen wir, ob es sinnvoller ist, Insights auf aggregierter Ebene zu bieten – z. B. „Hey, dieses 13-köpfige Team hat laut Signalen ein hohes Abwanderungsrisiko. Diese Maßnahmen könnten helfen“ – oder auf individueller und die Führungskraft informieren. Wir testen beides und evaluieren die Reaktionen bei Pilotunternehmen und Mitarbeitenden.

Das Prinzip ist möglichst immer ein Opt-in-Mechanismus. Wenn Sie etwa als Mentor für einen neuen Kollegen erkannt werden, müssen Sie der Teilnahme am Mentoring zustimmen. Ebenso wird diskutiert, ob die direkte Führungskraft als Genehmigungsstelle agieren oder lediglich informiert werden sollte. Wir entwickeln das Konzept laufend weiter, aber DSGVO-Konformität und Opt-in bleiben Grundsätze.

David Rice: Kommen wir zur Funktion: Was macht diese Agenten wirklich „agentisch“ – im Unterschied zu Dashboards, smarten Assistenten oder der typischen Gen-AI?

Francisco Marin: Wie der Name sagt: Die KI erhält mehr Eigenständigkeit.

Diese KI wartet nicht darauf, dass ein Mensch ein Dashboard analysiert oder eine Frage stellt. Sie kommt von selbst auf Fragen oder potenzielle Interventionen. Der Mensch bleibt notwendig, um die Intervention freizugeben – aber die KI überwacht laufend Signale und erkennt in Echtzeit passende Interventionen.

Sie kann außerdem kontextbezogene Entscheidungen treffen: Mal gibt es viele, mal weniger Kennzahlen. Auf Basis der Kennzahlen und im Gesamtorkestrator der Use Cases trifft sie dann Echtzeitentscheidungen, verfasst E-Mail-Benachrichtigungen und setzt Interventionen um.

Das Maß an Eigenständigkeit ist weit höher als bei klassischen generativen KI-Oberflächen, wie wir sie früher implementiert hatten.

David Rice: Ihr macht Pilotprojekte: Welche Agenten haben dabei besonders schnell Wirkung gezeigt oder das Interesse der Nutzer geweckt? Und warum?

Francisco Marin: Es ist das Mentoring-Matching und das Onboarding. Möchtest du, Dan?

Dan George: Ja, zu großen Teilen. Das Mentoring-Matching ist wahrscheinlich das risikoloseste. Ich bin ein großer Verfechter von mehreren Mentoren für neue Leute. Für jedes Unternehmen ist es ein Gewinn, neuen Mitarbeitern einen Mentor zuzuordnen – idealerweise nicht aus der direkten Linie oder Abteilung. Das Mentoring-Management erkennt mehr über die Person, das Level, Ambitionen und mehr (je nach Tiefe der aktiven ONA-Umfrage).

Sowohl potentieller Mentee als auch Mentor erhalten Opt-in-Mails und können zustimmen. Die Einführung beginnt und kann skaliert werden. Das macht alles viel leichter – ich habe das früher als CHRO und Leiter People Analytics selbst manuell gemacht, Listen erstellt und versandt. Jetzt reicht ein Klick, und es gibt kein Bias für die üblichen Verdächtigen als Mentoren/Mentees mehr.

Es ist wahrscheinlich die einfachste, risikoärmste und wirkungsvollste Sache, die ein Unternehmen sofort umsetzen kann – unglaublich für den Preis.

Francisco Marin: Das Konzept ist sofort greifbar, weil jeder, der in einem multinationalen Konzern gearbeitet hat, weiß, wie entscheidend die erste Bezugsperson für das Ankommen ist. Es macht einen Unterschied, ob die Person motivierend ist – oder eher das Unternehmen verlassen will. Gerade jetzt mit Hybridmodellen, kaum Kontakt zum Team und laufenden Umstrukturierungen ist es besonders wichtig, den Onboarding-Prozess zu optimieren und die Produktivitätszeit zu verkürzen. Wir denken Onboarding neu als soziale Aktivierung.

David Rice: Faszinierend – vor allem, wenn man an multinationale Unternehmen denkt. Viele werden grenzüberschreitend eingestellt, und so lassen sich neue Verbindungen herstellen. Ihr sagtet vorab, dass Agenten Burnout-Risiken erkennen oder sofort Mentoren/Manager verbinden können. Wie funktioniert der Workflow praktisch?

Francisco Marin: Am Beispiel Mentoring-Matching, das bereits in mehreren Unternehmen operativ eingesetzt wird:

Ein neuer Mitarbeitender beginnt. Die KI erkennt aufgrund von Metriken – z. B. informelle Führung, Rolle, Abteilung, Performance, Erfahrung, je mehr verfügbare Daten, desto besser – wer am besten als Mentor/Ansprechpartner geeignet ist. Nach erfolgtem Matching wird die Intervention auf der HR-Plattform angezeigt, der HR-User gibt das Startsignal.

Dann kontaktiert die KI den Mentor zur Einwilligung, und informiert die direkte Führungskraft (ohne deren explizite Erlaubnis abzuwarten). Gibt der Mentor das Okay, stellt die KI E-Mail-Kontakt her, plant ein Treffen, dokumentiert die Durchführung und misst die Impact-Einsparungen hinsichtlich Produktivitätszeit. Das ist ein Beispiel für einen vollständigen agentischen KI-Workflow beim Onboarding über das Mentoring-Matching.

David Rice: Kommen wir zu Resultaten: Wie definiert ihr Erfolg? Welche Signale oder Kennzahlen nutzt ihr zur Bewertung?

Dan George: Wir greifen auf umfassende Forschung und Durchschnitts-ROIs aus unterschiedlichen Szenarien zurück. Wenn die Agenten ihre Aufgaben abschließen und beispielsweise ein Mentee und Mentor ihr Meeting hatten, werden diese Zahlen gezählt und mit einem monetären Wert belegt – aggregiert im Dashboard abrufbar.

HR-Admins können den ROI anpassen oder eigene Werte hinterlegen. Entscheidend ist, dass der automatisierte Prozess die Koordination, Terminierung und Durchführung abbildet und enorme Zeit (und damit Kosten) spart. Je nach Größe können so Dutzende, Hunderte Stunden eingespart werden. Die Metriken können zur Wirkungsmessung im Team oder Management flexibel präsentiert werden.

Francisco Marin: Ergänzend: Bei einer Mentoring-Maximalintervention sprechen wir von Einsparungen zwischen 20.000 und 30.000, wenn die Produktivitätszeit eines Neueinsteigers um 40 % reduziert wird.

Das ist unternehmensweit für alle Neueinstellungen skalierbar. Heute sind die Agenten in unserer Connect-Analyzer-Plattform verfügbar, demnächst auch nativ in Systemen wie ServiceNow und Google integriert, damit Kund:innen sie in ihrer bestehenden IT-Infrastruktur nutzen können.

Dann können die Agenten beispielsweise auf alles rund um Case Management oder HRSD in ServiceNow zugreifen. Es ist eine spannende Zeit, in der wir neue Anwendungsfälle entdecken und Feedback sammeln.

Das Ziel ist, alle acht Agenten großflächig bereitzustellen und über die Pilotphase hinauszugehen.

Dan George: Es besteht auch Interesse von anderen CRMs. Die native App im jeweiligen Marketplace setzt die Nutzung deutlich herab und vereinfacht die Integration in bestehende Umgebungen.

David Rice: Stellen Sie sich vor, Sie hätten Zugang zu den besten Talenten weltweit: Ob Ingenieur:in in São Paulo, Head of Sales in Dublin oder Designer:in in Kapstadt – Ihre nächste Top-Einstellung kann überall sein. Mit Oyster muss es nicht „die eine, die uns entging“ sein.

Oyster unterstützt Unternehmen beim globalen Recruiting, sorgt für pünktliche und exakte Gehaltsabrechnung und bietet Compliance in jeder Phase. Bauen Sie Ihr Traumteam auf und wachsen Sie mit Selbstvertrauen – denn die Welt ist im wahrsten Sinne Ihre Auster.

Ich nehme an, das Interesse kommt klar von HR, aber ihr sagtet auch, dass man damit an die gesamte Führungsebene spricht. Gibt es viele Anfragen aus den Bereichen Operations, CEOs etc.?

Dan George: Immer mehr Gespräche führen wir mittlerweile außerhalb von HR.

Oft war der Einstieg über People-Analytics-Fachleute oder HR-Transformation, Management, aber nun sprechen wir verstärkt mit Führungskräften außerhalb von HR, weil sie interessiert sind, die Kompetenzen und Netzwerke ihrer Mitarbeitenden besser zu verstehen.

So lässt sich Innovation beschleunigen, Zusammenarbeit fördern, die Kultur besser verstehen, aber auch bei Change-Vorhaben gezielt Influencer in jeder Hierarchiestufe ansprechen. Zu wissen, wer die Kernmultiplikatoren sind, und gezielte Kommunikation zu entwickeln, ist ein riesiger Use Case.

David Rice: Technisch betrachtet: Unternehmen haben unterschiedliche Daten und Infrastrukturen. Wo müssen sie stehen, um diese Agenten realistisch einführen zu können?

Francisco Marin: Die Einstiegshürden sind geringer, als viele denken. Das Schöne ist, wir kombinieren aktive ONA (Online-Umfragen) mit passiver ONA (aggregierte Metadaten aus Tools wie Microsoft, Google, Slack). Die wichtigsten Kennzahlen sind Name, E-Mail sowie Name und E-Mail des Managers – damit kann man schon einen Pilot starten. Zusätzliche Daten wie Abteilung, Performance, Engagement, Fluktuation helfen, sind aber nicht zwingend.

Die agentische KI kann kontextbezogene Entscheidungen mit sehr wenig Input treffen. Wenn Manager-Daten fehlen, kann sie keine Benachrichtigungen erstellen – aber viele Infos sind ohnehin standardmäßig in Microsoft- und Google-APIs vorhanden. Wer mehr bereitstellt, profitiert.

Dan George: Wir haben von rudimentären Hierarchiestrukturen bis zu Kunden mit mehreren parallelen Organisationsstrukturen alles umgesetzt. Unser LLM kann praktisch jede gewünschte Struktur einlesen – und wenn wir integrierte Systeme nutzen, auch deren LLMs zur Netzwerk-Analyse heranziehen.

Francisco Marin: Ein Beispiel: Wir arbeiteten mit einem Fortune-5-Unternehmen, das sieben verschiedene Metriken zur Teambildung hatte – Organisationsebene 5, 6, 7, Funktionsberichte, Direkt- und Indirektberichte. Die KI hat alle universellen Daten verwertet und auch den generativen KI-Komponenten ins Prompt eingebaut: Ein echter Mehrwert für unsere Insights.

David Rice: Studien zeigen, HR-Fachkräfte sind manchmal skeptisch, ob sie KI-Tools überhaupt bedienen können – viele sehen sich nicht als Datenmenschen. Gab es Vorbehalte oder Widerstand gegen agentische KI in diesen menschzentrierten Prozessen? Wie habt ihr das gehandhabt?

Francisco Marin: Bisher wird durchweg verstanden, dass KI für die Zukunft der Arbeit entscheidend ist – egal ob man in HR, IT oder Finance ist. Das Bewusstsein für den dringenden Handlungsbedarf mindert den Widerstand gegen neue Technologien im Vergleich zu früheren Innovationswellen.

Als einer der ersten Anbieter von generativer KI im People-Analytics-Bereich haben wir beobachtet, wie Unternehmen anfangs zögern, aber nach kurzer Zeit doch agentische KI im gesamten Unternehmen ausrollen. Die Mentalität wandelt sich rasant, weil KI schlicht Alltag wird. Das gilt besonders für den Unterschied zwischen generativer und agentischer KI.

Dan George: Unser System ist darauf ausgelegt, dass auch Fachleute ohne tiefgehendes ONA- oder Graphdatenbank-Wissen einsteigen können. Die wichtigsten Kennzahlen sind im Vordergrund, alle Vertiefungen sind aber im Backend verfügbar. Berichte und Metriken sind einfach verständlich und können heruntergeladen und mit der bestehenden HR-Datenbasis kombiniert werden – für 300 oder 30.000 Mitarbeitende gleichermaßen.

Wir verbinden nicht-technische Insights mit der Option, bei Bedarf in die Tiefe zu gehen. Ein Kunde wollte etwa erst ohne generative Komponenten starten, war dann aber nach dem ersten Test bereit, diese nachzuziehen – da die Umgebung klar vom restlichen HR-System abgegrenzt und kontrollierbar ist.

Francisco Marin: Die zentrale Botschaft dabei ist: Die Nutzenden bestimmen jederzeit, wie die Insights geteilt werden. Interventionen können autorisiert oder untersagt werden; Sie wählen, welche Metriken, Insights und Charts in Berichte kommen. Sie bestimmen also Kontrolle und Scope völlig selbst – das kommt bei HR sehr gut an.

David Rice: Diese Anpassbarkeit und Orientierung an den verschiedenen Nutzerniveaus ist sicher wichtig für die Akzeptanz. Was sind die nächsten Schritte – träumt ihr bereits von einer neuen Generation agentischer Fähigkeiten?

Francisco Marin: Ja.

Dan George: Ja, ich mache mal den Anfang – Francisco ist da sehr visionär. Wir kennen uns fünf, sechs Jahre und arbeiten seit der Pandemie an diesen Themen. Ich glaube, in der zweiten Generation wartet noch viel Potenzial. Natürlich gibt es Ideen, die ich wettbewerbsbedingt noch zurückhalte – aber wir freuen uns sehr auf die zweite Generation und neue Ausprägungen.

Francisco Marin: Für mich sieht die Zukunft so aus: Die Organisation der Zukunft ist ein Netzwerk, gesteuert durch Agenten, die großflächig Interventionen ermöglichen. Großunternehmen werden als Inkubatoren für diese Netzwerk-zuerst-Zukunft fungieren. Neue Unternehmen entstehen und wachsen, indem sie diese Ansätze nativ skalieren – wie wir es bei CTS machen, mit einem globalen, dezentralen 50-köpfigen Team. Das wollen wir als Fallstudie für diese neue Arbeitswelt nutzen.

Wir haben dazu auch das Network-First Manifesto gestartet, das alle einlädt, einen Strauß an Prinzipien für diese Netzwerkzukunft zu entwerfen. Es gibt derzeit 200 Gründungsmitglieder und 80 unterstützende Organisationen – nach nur einem Monat! Nach der Ratifikation am 13. werden wir spannende nächste Schritte verkünden.

Das Ziel: Den Wechsel von einem Hierarchie-zuerst-Modell hin zu einer Netzwerk-zuerst-Arbeitswelt vorzuleben und voranzutreiben – damit neue Mitarbeiter auch in Großunternehmen die gleichen Chancen und Flexibilität wie in Startups erleben können. Am Ende geht es darum, eine Zukunft der Arbeit zu schaffen, auf die wir uns freuen können – nicht eine, vor der wir Angst haben.

David Rice: Das klingt großartig – ich liebe Michaels Arbeit zu Netzwerken. Er macht wirklich Spannendes. Dan, Francisco, danke für das Gespräch. Bevor wir enden: Wo können Interessierte mehr erfahren?

Francisco Marin: Besuchen Sie jederzeit cognitivetalentsolutions.com. Außerdem gibt es den LinkedIn-Newsletter CTS Running Sites mit wöchentlichen Artikeln. Und losgelöst von CTS haben wir die Initiative Network-First Manifesto unter networkfirstmanifesto.com oder networkfirstmanifesto.com/join gestartet – offen für alle Interessierten.

David Rice: Vielen Dank für das Gespräch.

Dan George: Danke, David.

Francisco Marin: Danke, David.