personalmagazin 12/2018 - page 24

Schwerpunkt
personalmagazin 12.18
24
troffenen Mitarbeiter innerhalb eines Tages mit kürzester An-
kündigungsfrist Arbeitszeitverlängerungen oder -verkürzungen
realisieren müssen. Daher sollte sich jeder hinterfragen, ob man
mit etwas mehr Planung nicht auf derartig kurze Lieferzeiten
verzichten kann. Und wenn man sie dann mal braucht, ob dann
nicht ein angemessener Mehrpreis angebracht wäre, damit die
Beschäftigten für ultraflexible Einsätze auch entsprechend ent-
lohnt werden können.
Vorbehalte bei flexiblen Arbeitszeitmodellen
Wir sind überzeugt davon (und haben es in vielen Projekten
unter Beweis stellen können), dass von klar geregelten, auf den
Flexibilitätsbedarf abgestimmten Arbeitszeitmodellen sowohl
Unternehmen als auch Mitarbeiter profitieren können. Dennoch
gibt es sowohl bei Geschäftsführern als auch Mitarbeiterver-
tretern viele Vorbehalte. Auf Unternehmensseite sind diese oft
durch die Angst vor höheren Kosten begründet. Dabei lässt sich
nachweisen, dass durch derartige Modelle die Anzahl der Leer-
stunden sinkt und oft auch die Motivation der Mitarbeiter steigt.
Das wiederum kann zu sinkenden Krankenquoten und reduzier-
ter Fluktuation führen. Die Mitarbeitervertreter möchten jedoch
häufig keinem System zustimmen, bei dem die Flexibilität durch
den Arbeitgeber angewiesen werden kann. Stattdessen möchten
sie gerne an den Freiwilligen-Systemen festhalten.
Wir sehen hier die bessere Lösung im Angebot verschiedener
Modelle mit unterschiedlichen Flexibilitätsstufen, denen sich
die Mitarbeiter freiwillig zuordnen können. Voraussetzung hier-
für ist, dass die Modelle hinreichend attraktiv gestaltet sind. Im
Gegenzug kann dann der Arbeitgeber die Flexibilität innerhalb
der im jeweiligen Modell definierten Grenzen auch einfordern.
Big-Data-Analysen als Basis für Prognosen
Für Betriebe und Mitarbeiter ist die verlässliche Prognose eines
Bedarfs der entscheidende Hebel. Damit kann eine kurzfristige
Flexibilität der Mitarbeiter reduziert werden, die belastend und
gegebenfalls auch teuer ist. In den meisten Unternehmen gibt es
mittlerweile eine Vielzahl von Daten, die – richtig ausgewertet
und verknüpft – als Basis für qualitativ hochwertige Prognosen
dienen können. Dennoch gibt es nur wenige Unternehmen, die
dies auch methodisch und IT-technisch gut umgesetzt haben.
Provokativ gesagt: Es gibt immer noch viele Unternehmen, die
jedes Jahr wieder überrascht sind, dass Heiligabend auf den
24. Dezember fällt.
Dennoch haben mittlerweile viele Unternehmen auch in Work-
force-Management-Systeme investiert, die bedarfsgerechte Pläne
errechnen und dabei möglichst viele Mitarbeiterwünsche er-
füllen können. Ohne einen präzise errechneten Bedarf ist dies
aber eher wertlos, da dann ein hochkomplexer Algorithmus
gegen einen möglicherweise falschen Bedarf plant. Ein gutes
Ergebnis ist nur dann zu erwarten, wenn der Bedarf in einer
ausreichenden Qualität für den zu planenden Zeitraum vorliegt.
Nicht überall, wo KI draufsteht, ist KI drin
Nun gibt es die ersten Anbieter, die in ihren Prognosen mit
dem Einsatz von künstlicher Intelligenz (KI) werben. Ehrlich
gesagt sind wir da doch skeptisch: Erstens dahingehend, ob es
sich wirklich um KI handelt und zweitens, ob KI an dieser Stelle
wirklich hilft.
Unter KI ist Folgendes zu verstehen: Ein Algorithmus wird so
angelernt, dass er irgendwann auf Basis des Erlernten selbst-
ständig Entscheidungen treffen kann. Ein Beispiel könnte sein,
dass ein Algorithmus Tausende Katzenbilder „gezeigt“ bekommt
und irgendwann in der Lage ist, auch Katzen auf Bildern zu er-
kennen, die ihm bis dato nicht bekannt waren.
Bezogen auf Bedarfsprognosen hieße dies, dass ein Algorith-
mus Tausende Bedarfsverläufe mit Regelmäßigkeiten und Ano­
malien vorgelegt bekommt und dann in der Lage ist, Bedarfs-
Auf absehbare
Zeit wird bei jeder
Form der Analyse
und Prognose des
Personalbedarfs
eine menschliche
Intelligenz nötig
sein, die Ergebnisse
bewertet.
GUIDO ZANDER ist geschäftsführender
Gesellschafter bei der Dr. Scherf Schütt
und Zander GmbH.
1...,14,15,16,17,18,19,20,21,22,23 25,26,27,28,29,30,31,32,33,34,...100
Powered by FlippingBook