Wie KI für Comp&Ben relevant wird

Im People Management haben Anwendungen mit Künstlicher Intelligenz (KI) Einzug gehalten. Neben HR-Chatbots zur Bearbeitung von Anfragen oder KI-gestütztem Screening von Lebensläufen scheint KI überwiegend in Disziplinen wie Performance Management, Skills Assessment sowie Personalentwicklung zum Einsatz zu kommen. Dagegen haben Anwendungsfelder im Bereich Comp & Ben bisher vergleichsweise wenig Beachtung gefunden, und die Nutzung von generativer KI ist mit etwa fünf Prozent noch nicht weit verbreitet. Umso mehr lohnt ein strukturierter Blick auf aktuelle und potenzielle Einsatzgebiete, Herausforderungen und Erfolgsfaktoren.

Die Nutzung von Künstlicher Intelligenz ist spätestens seit der Öffnung von ChatGPT durch OpenAI für die breite Öffentlichkeit im November 2022 auf der Agenda von Management und Mitarbeitenden angekommen. Mehr als die Hälfte der Beschäftigten erwartet schon heute, dass KI helfen wird, ihre Jobs effizienter zu erledigen. Signifikante Potenziale für Verbesserungen durch KI sind mittlerweile mannigfach belegt: Programmieren von Aufgaben mit KI-Unterstützung benötigt zum Beispiel nur die Hälfte der Zeit im Vergleich zur bisherigen Arbeitsweise. Wissenschaftliche Untersuchungen zeigen, dass mit KI-gestützte Lösungen im Schnitt volle 36 Arbeitstage pro Mitarbeitendem im Kalenderjahr eingespart wird. 61 Prozent der Entscheiderinnen und Entscheider geben in Studien bereits Produktivitätssteigerungen an.

Auch im Bereich Personal haben die neuen Anwendungen Einzug gehalten. Jüngst geben in einer Befragung mehr als 50 Prozent der befragten Unternehmen an, KI in den kommenden zwölf Monaten im Personalbereich nutzen zu wollen. Anwendungsfelder im Bereich Comp & Ben haben bisher relativ wenig Beachtung gefunden. Im Folgenden geben wir Ihnen einen strukturierten Überblick über aktuelle und potenzielle Anwendungsgebiete, Herausforderungen und Erfolgsfaktoren.

Evolution von KI und Einordnung für Comp & Ben

Den Anfang stellen regelbasierte Systeme (KI 1.0) dar, die einfache Datenanalysen basierend auf definierten Logiken vornehmen. Mit den 2000er-Jahren kamen Modelle, die aus Erfahrungen lernen (KI 2.0). In den beiden nächsten Jahrzehnten folgten Deep-Learning-Anwendungen (KI 3.0) und generative, also neue Inhalte generierende KI, die wir als KI 4.0 bezeichnen. Deep-Learning-Modelle lernen automatisch und adaptiv anhand von Trainingsdaten und bilden komplexe Strukturen nach, wodurch sie in der Lage sind, Vorhersagen zum Beispiel zur Fluktuation von Mitarbeitenden zu erstellen. Noch weiter geht generative KI: Mit der Fähigkeit zur Mustererkennung können abstrakte Konzepte verarbeitet und Muster in riesigen Datenmengen erkannt werden. Entsprechend können analytische und kreative Prozesse auf ein neues Level gehoben oder beschleunigt werden. Zudem existieren geringe Anforderungen für ihre Anwendung, nur geringe oder keine Kenntnisse von Programmiersprache sind notwendig, was den Zugang vereinfacht. Diese beiden Evolutionsstufen, KI 3.0 und KI 4.0, scheinen für das Aufgabenfeld Total Rewards besonders relevant zu werden.

Anwendungen im Kontext von Comp & Ben

Der Einsatz von KI-Lösungen scheint vor allem sinnvoll, wenn Prozesse schneller, einfacher oder besser werden. Eine Kategorisierung von Arbeit kann in „Hands Work“ (einfache, repetitive Aufgaben), „Head Work“ (kognitiv fordernde Aufgaben) und „Heart Work“ (Aufgaben mit emotionaler Komponente und menschlicher Interaktion) vorgenommen werden. KI-Unterstützung eignet sich an dieser Stelle insbesondere für Aufgaben der ersten und zweiten Kategorie. Mitarbeitende geben an, dass bis zu einem Drittel ihrer Tätigkeiten einfach und repetitiv seien, was ein hohes Potenzial für Automatisierung evident werden lässt.

KI wird im Bereich Comp & Ben in unterschiedlichen Anwendungsfeldern bereits genutzt: bei Vergütungsanalysen, administrativen Tätigkeiten oder im Kontext von Jobarchitekturen. Aktuell ermöglichen KI-Lösungen dem Reward-Management vor allem Effizienzsteigerungen im Sinne schnellerer und einfacherer Prozesse; teilweise ergeben sich inhaltlich überlegene Ergebnisse.

Regulatorische Risiken und Systemfallen

Trotz der vorhandenen Potenziale dürfen Herausforderungen nicht außer Acht gelassen werden. Einerseits sind die bislang bekannten systemimmanent.

• Voreingenommenheit verwendeter Algorithmen: Werden Trainingsdaten verwendet, die auf voreingenommenen Entscheidungen basieren, werden diese Tendenzen unter Umständen reproduziert. Bekanntes Beispiel: Die systematisch niedrigeren Vergütungen für Frauen führten 2015 bei Amazon dazu, dass ein Tool männliche Bewerber bei Gehaltseinstufungen bevorzugte.
• Mangelnde Genauigkeit: Die Ergebnisse generativer KI basieren auf Wahrscheinlichkeiten statt auf absoluten Gewissheiten. Bei der Sprachübersetzung kann KI zwar eine flüssige Übersetzung liefern, aber ihr können Nuancen entgehen, die ein menschlicher Übersetzer erkennen würde.
• Der Entscheidungsfindungsprozess und die Logik dahinter sind nicht immer transparent, was sich negativ auf das Vertrauen und die Akzeptanz der KI auswirken kann. Vorsicht ist geboten, wenn eine Verpflichtung zur Nachweisbarkeit und Begründung besteht.
• AI Hallucinations (KI-Halluzinationen) entstehen, wenn KI-Anwendungen Fehler machen und Dinge erfinden, die von Nutzerinnen und Nutzern nicht erkannt werden.

Daher sollte immer noch eine menschliche Einschätzung Basis für Entscheidungen sein. Im Bereich Comp & Ben betrifft das unter anderem leistungsbezogene Entscheidungen wie zum Beispiel Gehaltsanpassungen oder Beförderungen. Andererseits liegen weitere Herausforderungen in den Bereichen Regulatorik und Datenschutz:

• Mit dem EU AI Regulatory Act vom März 2024 müssen KI-Lösungen basierend auf ihrem Risiko klassifiziert und reguliert werden. Sicherheits-, Transparenzund Qualitätsanforderungen steigen erheblich.
• Datenschutz: Der Zugriff von KI auf vertrauliche Daten ist vorab zu evaluieren und rechtssicher zu gestalten.
• Bei einer neuen Art der Cyberattacke namens Data Poisoning (zu Deutsch Datenvergiftung) pflegen Angreifer gezielt falsche Informationen in Trainingsdaten für KI-Modelle ein, die verbreitet werden und die Funktion der Lösung einschränken oder Nutzerdaten stehlen.
• Werden offene Tools genutzt, kann die Frage nach dem geistigen Eigentum von KI produziertem Output relevant sein.
• Mitbestimmungsgremien: Die Rechte des Betriebsrats sind nach dem Betriebsverfassungsgesetz vor dem Einsatz von KI (zum Beispiel bei Stellenbewertungen) zu beachten.

Nicht ohne klare Zieldefinition

Wichtig für den erfolgreichen Einsatz von KI im Total-Rewards-Bereich ist eine klare Vision zur Nutzung von KI im Unternehmen, die mit der Gesamtunternehmensstrategie in Einklang stehen muss. Grundlegende Strukturen müssen gegeben sein wie klare Verantwortlichkeiten, ethische Praktiken sowie eine Governance zum Beispiel durch Audits von Algorithmen. Daneben sollte mit passenden Maßnahmen des Change Managements eine technologieoffene und positive Nutzung von KI gefördert werden. Aus finanzieller Perspektive ist ein Monitoring der Resultate wie etwa der Kosteneinsparungen ratsam, um den RoI (Return on Investment) von KI-Lösungen nachverfolgen zu können.

Ebenso besteht bei der Aus- und Weiterbildung von Mitarbeitenden zur sinnvollen KI-Nutzung ein deutliches Potenzial für Verbesserungen. So vertrauen nur 45 Prozent der Beschäftigten darauf, dass ihr Unternehmen ihnen die Fähigkeiten, die KI und eine steigende Automatisierung erfordern, vermittelt.

Fazit

Die Anwendung von KI im Bereich Comp & Ben hat großes Potenzial und bietet die Chance grundlegender Veränderungen des Tätigkeitsfeldes. Während die Faszination über die Möglichkeiten der generativen KI unbestritten ist, garantiert die Technologie an sich noch keine Verbesserungen. Letztlich ist ihr wertsteigernder Einsatz von effizienten Prozessen im Unternehmen sowie der Aus- und Weiterbildung der relevanten Mitarbeitendengruppen abhängig. Weiter fehlt es aktuell (noch) an der flächendeckenden Umsetzung. Bei der Anwendung von KI über alle Unternehmensbereiche hinweg liegt Deutschland im internationalen Vergleich zurück.

Die Nutzung im Bereich Comp & Ben beschränkt sich aktuell überwiegend auf Insellösungen für einzelne Mitarbeitende oder individuelle Teilbereiche. Um das volle Potenzial von KI auszuschöpfen, sind eine stärkere Integration und ein zunehmendes Experimentieren in sämtlichen Rewards-Bereichen wünschenswert. Unabhängig vom Unternehmensbereich gehen aktuelle Studien davon aus, dass der Reifegrad von KI-Lösungen erst in circa sechs bis zehn Jahren so fortgeschritten ist, dass organisationsweit signifikante Produktivitätssteigerungen zu
erwarten sind.

Kirstin Gründel

Kirstin Gründel beschäftigt sich mit den Themen Compensation & Benefits, Vergütung und betriebliche Altersvorsorge. Zudem kümmert sie sich als Redakteurin um das Magazin "Comp & Ben". Sie ist redaktionelle Ansprechpartnerin für das Praxisforum Total Rewards.