Auf dem Weg in die Arbeitswelt 5.0

Die «atmende Belegschaft» ist ein zentrales Element im heutigen Personalmanagement. Es fragt sich, wie sich dieses Atmen in der noch deutlich volatileren Digital-Ära bewerkstelligen lässt. Planbarkeit war gestern. Im Zeitalter der Massenproduktion konnten Produktions- und Distributionsabläufe noch weit im Voraus kalkuliert werden. Optimiert wurden die Produktionsprozesse zum Beispiel durch Just-in-time-Logistik, mit der alle benötigten Vorprodukte genau zum benötigten Zeitpunkt angeliefert wurden. Personalmanagement war dementsprechend in erster Linie eine Frage der Personalplanung: Wie viele Personen mit welchen Qualifikationen würden für den voraussichtlichen Bedarf in nächster Zeit benötigt?

Globalisierung und Individualisierung haben schon in den vergangenen Jahrzehnten die Planbarkeit begrenzt. Lieferketten wurden anfälliger, die Kundenwünsche individueller und die Nachfrage wurde volatiler. Eine Konsequenz dieser Entwicklung war eine flexiblere Anpassung der Personalstärke: atmende Belegschaften, mit denen auf Spitzen und Dellen in der Nachfrage reagiert werden konnte. Dafür wurde in grossem Umfang auf befristete Arbeitskräfte und Personalverleiher zurückgegriffen.

Digitalisierung erhöht die Volatilität

Produkte wollen nicht bestellt und irgendwann abgeholt werden, sondern sollen jetzt und hier zur Verfügung stehen; wenn im Netz Attacken auf Produkte des Unternehmens gestartet werden, muss so rasch wie möglich reagiert und kommunikativ gegengesteuert werden. Personalplanung im traditionellen Sinn kann beim verlangten Tempo kaum mithalten – das «Atmen» würde schlicht zu kurzatmig. Personalplanung im traditionellen Sinn kann bei dem verlangten Tempo kaum mithalten.

Aber die Digitalisierung schafft auch Instrumente, um schneller und präziser reagieren zu können – in vielen Fällen sogar schon, bevor der Fall eintritt, auf den man reagieren muss. Big Data verheisst, mit Prognosen den zukünftigen Bedarf (zumindest auf kurze Sicht) so verlässlich abschätzen zu können, dass das Unternehmen einatmen kann, bevor die Luft überhaupt gebraucht wird; dann könnte die volle Leistung auf den Punkt erbracht werden. Was die Prognosemöglichkeiten angeht, sind die Such-Weltmeis­ter von Google besonders optimistisch: Suchanfragen nach Erkältungsmitteln sollen Grippe epidemien vorhersehen und aus der Zahl der Online-Jobsuchen soll sich die Entwicklung am Arbeitsmarkt erschliessen. Die Trefferquote ist zwar bislang noch nicht berauschend – aber mit der weiteren technologischen Entwicklung werden Maschinen und Programmierer die Zukunft noch in den Griff bekommen.

Gesucht: Silicon Headhunters und Algorithmic Officers

Wenn man Roboter beziehungsweise Algorithmen finden muss, die für eine spezifische Aufgabe am besten passen oder sich am besten in ein Mensch Maschine-Team integrieren: Ist das eine Aufgabe der Human-Resources-Abteilung, auch wenn es sich nicht um menschliche Ressourcen handelt?

Bislang war die Grenze in den Unternehmen klar gezogen: Das Beschaffen der passendsten Geräte für eine Aufgabe lag in der Verantwortung der Einkaufsabteilung. Für das Beschaffen der jeweils passenden Personen für eine Aufgabe war hingegen die Personalabteilung zuständig – Human Resources eben. Solange wir Geräte wie Sklaven behandeln, deren Aufgabe darin besteht, das zu tun, was wir von ihnen verlangen, ist eine Trennung der Ressourcenbeschaffung auch sinnvoll. Aber dabei wird es nicht mehr lange bleiben.

Nehmen wir als Beispiel eine Aufgabe, bei der schon heute vielfach intelligente Software eingesetzt wird: Bei der Analyse der Aufnahmen von Computertomografen und der Diagnose und Therapie. Hierbei ist das IBM-Superhirn Watson schon für mehrere Kliniken aktiv. Auch andere sind dabei, sich in diesen Markt zu begeben. Es wird also um eine Auswahl des passenden Assistenz-Systems gehen. Dabei spielt nicht nur das klassische Einkäuferkriterium eine Rolle, nachdem jenes System gekauft wird, welches das beste Preis-Leistungs-Verhältnis aufweist. Wenn eine Software mit ständig wechselnden Medizinstudenten oder Jungärzten zusammenarbeitet, könnte beispielsweise ein anderes Kommunikationsdesign sinnvoll sein als bei einem Diagnose-Team mit dem gleichen Arzt. Sollte dieser Arzt ein zynisches Ekel wie der TV-Arzt Dr. House sein, braucht es wiederum eine ganz eigene Kommunikationsebene.

Bei solchen Auswahlkriterien stossen die IT-Abteilung und der Einkauf schnell an ihre Grenzen. Je intensiver die Zusammenarbeit zwischen Menschen und Maschinen wird und je vielfältiger die zu erledigenden Aufgaben sind, desto wahrscheinlicher ist es, dass Human-Resources-Kompetenz zumindest zur Entscheidungsfindung hinzugezogen wird. Sofern es hierfür keine etablierten Strukturen in den Unternehmen gibt (und die gibt es nicht), öffnet sich ein Markt für externe Experten als Arbeitskräftevermittler für nichtmenschliche Arbeitskräfte oder für Silicon Headhunters und Algorithmic Officers.

Algorithmen als digitale Schutzengel

Die Rolle von Algorithmen in Leben und Beruf wird zentraler: Die Algorithmen werden zu digitalen Schutzengeln, die uns durch den Alltag leiten und aufpassen, dass wir nicht vom guten Weg abkommen. Allerdings: Je abstrakter die Mechanismen sind, die uns steuern, desto wichtiger wird das Vertrauen beziehungsweise Misstrauen in höhere technischen Intelligenzen. Denn in einen Algorithmus so einfach hineinzuschauen, geht nun mal nicht.

Für die weitere Verbreitung von Management by Algorithm werden zwei Kriterien wichtig sein, auf die es auch bei menschlichen Entscheidungen ankommt: Vertrauen und Kontrolle. Wenn etwas nicht einfach geht, aber trotzdem wichtig ist, braucht man Experten, die den Kontrolljob erledigen können, meint Wissenschaftspublizist Christoph Kucklick, und setzt auf einen Prozess «ähnlich wie derjenige, der im gesamten Verlauf des 20. Jahrhunderts zur Transparenz der Finanzdaten geführt hat». Am Ende dieses Prozesses standen Wirtschaftsprüfer, wie wir sie heute kennen: «Global agierende Netzwerke, die mit einem mehr oder weniger einheitlichen Rahmenwerk agieren und nationale Gesetze sowie internationale Bilanzierungsregeln anwenden. So etwas Ähnliches brauchen wir auch heute für Daten und Algorithmen.»