Basic HTML-Version
04 / 12 personalquarterly
29
Abstract
Forschungsfrage:
Wie kann durch die ökonometrische Analyse von spezifischen Unter-
nehmensdaten einerseits ein betriebswirtschaftlicher Nutzen generiert und andererseits
ein Beitrag zum wissenschaftlichen Fortschritt geleistet werden?
Methodik:
Panelanalysen auf Basis einer Langfristkooperation mit der Volkswagen AG.
Praktische Implikationen:
Effektivitätssteigerung durch punktuelle personalwirtschaft-
liche Interventionen statt Anwendung des „Gießkannenprinzips“, z. B. in den Bereichen
Schichtplangestaltung und Krankenstandsmanagement.
können, haben wir den Einfluss der Umstellung von einem
rückwärts rotierenden langzyklischen Schichtplan auf ein
vorwärts rotierendes ebenfalls langzyklisches Schichtsystem
auf die Fehlzeiten in rund 400 organisatorischen Einheiten an
einem Standort des Unternehmens untersucht. Da die von uns
untersuchte Schichtplanumstellung in die von Arbeitsmedizi-
nern empfohlene Richtung erfolgte (vorwärts rotierende Pläne
sind dem Gesundheitszustand der Beschäftigten im Allgemei-
nen zuträglicher als rückwärts rotierende Pläne), wurde mit
einem Rückgang der Fehlzeiten gerechnet. Unsere auf knapp
13.000 Beobachtungen basierenden Untersuchungen zeigen
jedoch genau das Gegenteil: Unter statistischer Kontrolle an-
derer (potenziell) relevanter Faktoren hat die Umstellung des
Schichtsystems eine signifikante Zunahme der Fehlzeiten um
rund 0,3 Prozentpunkte zur Folge. Diese Zunahme wieder
um ist in Organisationseinheiten mit einer vergleichsweise
hohen projektierten Abwesenheitsrate (d. h. in Einheiten mit
einem überdurchschnittlichen Anteil von Älteren und Frauen)
weniger stark, was auf ausgeprägte Akzeptanzprobleme ins-
besondere bei Jüngeren und Männern hinzudeuten scheint.
Auch hier legen die Befunde den Schluss nahe, selektive Inter-
ventionsstrategien einzusetzen, um die Akzeptanz des neuen
Schichtsystems zu verbessern.
Teamzusammensetzung und Team-Performance
Die aufgrund des demografischen Wandels, der Zuwanderung
gering qualifizierter Arbeitskräfte beispielsweise aus Ost-
und Südeuropa sowie der stärkeren Erwerbsbeteiligung von
Frauen zunehmende Heterogenität der Belegschaften stellt in
den kommenden Jahren eine der zentralen Herausforderungen
für das Personalmanagement dar. Gleichwohl ist unser empi-
risches Wissen über den Einfluss der Zusammensetzung von
Produktionsteams auf die Arbeitsleistung im produzierenden
Gewerbe bislang bestenfalls lückenhaft.
Die wenigen verfügbaren Arbeiten, die sich diesem Thema
widmen, verwenden typischerweise Daten aus dem Dienstleis
tungsbereich (Mas/Moretti, 2009), der Landwirtschaft (Bandie-
ra/Barankay/Rasul, 2005 und 2009) oder aus studentischen
Projektteams (Hoogendorn/van Praag, 2012). In einem dem-
nächst beginnenden Projekt wollen wir deshalb den Einfluss
der Alters- und Qualifikationsstruktur sowie des Männer-/
Frauenanteils und der Zeitarbeitskräfte auf die Performance
von Produktionsteams in der Montage, im Karosseriebau so-
wie in der Lackiererei untersuchen, um anschließend Empfeh-
lungen für die „optimale Teamzusammensetzung“ formulieren
zu können. Dazu werden wir die Performance von rund 100
Produktionsteams, von denen etwa die Hälfte eine stabile Zu-
sammensetzung aufweisen und die übrigen deutliche Verände-
rungen in ihrer Zusammensetzung erfahren haben, über einen
längeren Zeitraum von mindestens drei Jahren vergleichen,
um auf diese Weise die Bedingungen identifizieren zu können,
unter denen homogene Teams heterogenen über- oder unter-
legen sind.
Kosten der Forschungsprojekte sind niedrig
Ein zwar naheliegender, aber nicht wirklich überzeugender
Einwand gegen die Durchführung derartiger Projekte sind die
damit verbundenen Kosten. Die für die empirischen Analy-
sen erforderlichen Daten liegen typischerweise nicht in einem
mit der verwendeten Statistik-Software kompatiblen Format
vor, sondern müssen zunächst aus dem SAP- oder einem ver-
gleichbaren Datenbanksystem extrahiert und z. B. in Excel
abgespeichert werden. Dies kann beim ersten Mal durchaus
einige Zeit in Anspruch nehmen, weil die „Alltagsaufgaben“
der (Personal-)Controller gänzlich anders geartet sind und die
für die Aufbereitung der Daten erforderlichen Kenntnisse und
Fertigkeiten erst durch „learning by doing“ erworben werden
müssen. Da die erforderlichen Schritte aber bei jedem einzel-
nen Projekt die gleichen sind, lassen sich sehr schnell Lern-
fortschritte beobachten, die dazu beitragen, die (direkten und
indirekten) Kosten der Datenaufbereitung in einem überschau-
baren Rahmen zu halten.
Dies gilt umso mehr, als die Erhebung zusätzlicher Infor-
mationen (z. B. durch die Befragung eines mehr oder weniger
großen Teils der Belegschaft) nur in Ausnahmefällen erforder-
lich ist, denn die prozessproduzierten und „auf Knopfdruck“
verfügbaren Daten sind im Allgemeinen vollkommen ausrei-
chend für die Beantwortung der jeweiligen Forschungsfrage.
Ein weitgehender Verzicht auf Befragungen ist aber nicht
nur aus Kostengründen sinnvoll, sondern trägt der grundsätz-