HR-Technik Trends 2017 (Teil I): Learning und Datensicherheit
DEMO
Kontakt

HR-Technik Trends 2017 (Teil I): Learning und Datensicherheit

Technology

HR-Technik Trends 2017 (Teil I): Learning und Datensicherheit

February 13, 2017 Sascha Grosskopf

Es bleibt spannend: So wie 2016 die entscheidenden Weichen für die USA und Großbritannien legte, wird 2017 das Superwahljahr für Deutschland. Doch ebenso wichtig für uns: Was wird sich in der Technik verändern? Auf welche Trends sollte man sich gefasst machen?

In unserem letzten Blogbeitrag haben wir uns mit den HR-Management Trends beschäftigt. Im Zuge der digitalen Transformation und jüngst stattgefundenen LEARNTEC werfen wir nun auch einen Blick auf die Tech-Trends für das Jahr 2017.

Hier die ersten drei Hotspots, die in Zukunft von Bedeutung sein werden:

1. Machine Learning: Was hat ein Klempner mit maschinellem Lernen gemein?

Machine Learning hat längst Einzug in den Alltag gehalten. Wenn zum Beispiel Siri unsere Stimme erkennt, Fotos automatisch mit Tags versehen werden oder Spotify neue Produkte auf Basis unserer Vorlieben empfiehlt. Längst sind wir regelmäßig Nutznießer des maschinellen Lernens. Nur in der Arbeitswelt hat sich die Effizienzsteigerung der firmeninternen Lernmodule auf Grundlage von Algorithmen noch nicht durchgesetzt. Häufig sind es Vorbehalte gegenüber zu viel Datenarbeit und unerwarteten Verhaltensvariablen. Aufgrund der digitalen Transformation haben viele Unternehmer aber mittlerweile die Bedeutung eines Machine-Learning-Frameworks erkannt. 2017 könnte der Startschuss sein und die Thematik sich in der Breite durchsetzen – besonders in Form gebündelter Lösungsansätze wie das Ensemble Learning. Für eine erfolgreiche Implementierung ist daher eine stringente Überwachung der Datenpipeline notwendig und eine Visualisierung, die den Wünschen der User entspricht. HR ist somit die gute Seele des Learning und analysiert um Gutes zu schaffen.

Doch wie sieht die Implementierung in der Praxis aus? Die Thematik um neuronale Netzsysteme mag für Personaler oftmals kompliziert anmuten, doch wie simpel und damit entscheidend das maschinelle Lernen in Wahrheit ist, zeigt ein geniales Tutorial. Dort wird nicht mit akrobatischer Theorie um sich geworfen, sondern die Algorithmen an dem beliebten Videospielklassiker Super Mario World demonstriert. Es wird anhand des populären Klempners mit dem italienischen Akzent gezeigt, wie die Challenges im Level durch maschinelles Lernen optimiert abgeschlossen werden können, ohne zu viel Energie zu verschwenden. Reinschauen lohnt sich!

Es kommt jedoch darauf an, jede Form des Learning strategisch mit der Performance sowie der Nachfolge- und Karriereplanung zu vernetzen, um einen aussagekräftigen Wertbeitrag messen zu können, der über den üblichen „Nachweis erfolgreicher Teilnahme“ hinausgeht. Entscheidend ist, ob die aufgenommen Lerninhalte auch einen signifikanten Erfolg bringen und von den Mitarbeitern praktisch angewendet werden können. Daher sollten in Zusammenarbeit mit den Line Managern gezielte KPIs entwickelt werden, die mit den Angeboten erreicht werden sollen, beispielsweise auf der Basis eines messbaren Punktesystems. Dadurch lässt sich zugleich analysieren, welche Learnings welchen Erfolg bieten. Boni wie Amazon-Gutscheine bei Erlangung einer bestimmten Punktzahl oder eine transparente Rangliste zwischen den Teilnehmern fördern dabei Motivation am Lernerfolg.

Besonders interessant werden diese Lösungsansätze bei ganz innovativen Learning-Konzepten, wie im nächsten Punkt erläutert.

2. Cross-Corporate Learning: Branchenübergreifendes Wissen abrufen

Das Motto könnte auch lauten: „Better together!“ Auf der LEARNTEC wurde jüngst dieser neue Trend des Cross-Corporate Learning angesprochen; eine Entwicklung, die noch in den Kinderschuhen steckt. Selbst Cross-Cultural Learning hat sich noch nicht richtig etabliert, umso frischer wirkt die Idee, dass sogar Unternehmen aus verschiedenen Branchen beim Learning zusammenarbeiten können. Natürlich schließt sich eine solche Kooperation mit der Konkurrenz aus, aber häufig bieten sich partnerschaftliche Kooperationen im Bereich Learning an, wenn zum Beispiel die Mitarbeiter aus einem festen Zuliefererbetrieb mit den Kollegen aus dem Endfertigungsbetrieb agieren sollen. Dadurch können Erfahrungen aus beiden Firmen eingespeist und Szenarien entwickelt werden, die herkömmliche Grenzen überwinden. Nicht nur der einzelne Mitarbeiter wird bei seiner Förderung auf diese Weise gleich von zwei Seiten unterstützt, sondern auch Schwachstellen in der Learning-Infrastruktur können so ausgelotet und abgefangen werden. So kann das eine Unternehmen womöglich mit einem viel besseren Support aufwarten, während die andere Organisation Lösungen rund um Predictive Learning anbieten kann und so nachhaltig die Performance der anderen Belegschaft verbessert. Dadurch steht einer zukünftigen Zusammenarbeit in allen Wirtschaftszweigen nicht viel im Wege, wenn ein gegenseitiger Wissensaustausch zielgenau stattfindet.

Am Ende entwickelt man nicht nur eine komplett neue Mannschaft, die auch über die Dogmatik des eigenen Unternehmens hinausdenken kann, sondern stärkt sogar die Bindungskräfte zwischen Kunden und Partnern. Und vielleicht erwachsen aus diesen Denkschulen auch neue Synergieeffekte und Projekte? Warum sollte sich der Wissenstransfer also nur innerhalb der eigenen vier Firmenwände abspielen?

3. Datensicherheit: Enterprise Search als Lösungsansatz

Besonders in Deutschland ein brisantes Thema, aber warum eigentlich? Und was wird sich ändern? Nahezu jede Woche tauchen in der Medienlandschaft Artikel zum Thema Datensicherheit auf, die ein richtiger Datenbeauftragter aber niemals als Datenschutz bezeichnen würde. Es soll 2017 verständlich werden, dass es Datensicherheit und nicht Datenunsicherheit heißt. Die Bauchschmerzen der Unternehmen wiegen dabei ganz unterschiedlich, vor allem da es verschiedene Deals mit den jeweiligen Betriebsräten gibt.

So wie die Manager spätestens ab 2010 auf die Digitalisierung eingestimmt wurden, könnte 2017 der Anlauf beginnen, dem Thema Datensicherheit den Mantel des Unaussprechlichen zu nehmen. Möglich macht dies die verbreitete Nutzung von Enterprise Search. Denn zwischen 2015 und 2020 wird das weltweite Datenvolumen von 8,6 Zettabyte auf 40 Zettabyte anwachsen. Dies macht es sehr schwer, diese Datenflut entsprechend zu indexieren. Denn beim Großteil der Daten wird es sich um nicht lokalisierbare Informationen handeln, die sogenannten Dark Data. Diese können unter Compliance-Gesichtspunkten sogar schädlich für das Unternehmen sein und schwirren frei in den Massenspeichern herum. Doch wie können solche Informationen anonymisiert und zugleich sicher validiert werden?

Für die verschiedenen Module digitaler HR gibt es häufig noch mehr Lösungen von verschiedenen Anbietern – die Gesamtsituation in der HR gleicht mittlerweile einem Flickenteppich. Dies hat dazu geführt, dass sich viele Unternehmen bei all den technischen Neuerungen ein einheitliches Reporting wünschen. Diese uniformierte Systemlösung, welche in der Vergangenheit noch ausschließlich auf Talent Management gemünzt war, wird sich 2017 auch stärker Richtung Stammdaten bewegen. Bei Unternehmen ab 5.000 Mitarbeitern mit Standorten im Ausland werden häufig sogar verschiedene Systeme genutzt, die untereinander nicht kompatibel sind. Das verkompliziert die Thematik zusätzlich. So klagen viele Manager zum Beispiel über die Schwierigkeit, in solch einem Szenario überhaupt ein einheitliches Headcount-Planning durchzuführen. Häufig fällt allein schon die Antwort auf die Frage schwer, wie viele Mitarbeiter die Organisation in Brasilien, in Singapur, in Australien etc. beschäftigt. Wie sieht es da erst mit der Analyse sensibler Betriebsdaten aus?

Der Trend geht auch hierbei erstmal in Richtung einer Vereinfachung dieser Prozesse. In der Praxis geht es darum, diese visuell verständlich und anwendbar zu gestalten. Enterprise Search-Entwicklungen wie Cornerstone Reporting machen hier den Anfang, da sie aufgrund ihrer semantischen Suchalgorithmen die Daten mittels Kontextualisierung nicht nur indexieren, sondern auch entsprechend katalogisieren. Gleichzeitig führen Anonymisierungsfunktionen und Zugangsberechtigungen zu einem besseren Schutz der Daten, die auch vor Ort am Produktionsstandort bleiben.

Cornerstone Reporting funktioniert als Dashboard und Gesamtlösung, das dem Nutzer sehr klar und übersichtlich wie in einem funktionalen Cockpit zeigt, was passiert und von dem aus er alle Funktionen steuern kann. Wo man vorher 17 oder mehr Klicks benötigte, um an halbwegs aussagekräftige Daten zu gelangen, kann man mit Cornerstone Reporting dies in Zukunft alles auf einer Seite bewerkstelligen.

Aber wobei handelt es sich genau um Dark Data? Diesen Punkt, sowie weitere technische Entwicklungen werden wir im nächsten Blogbeitrag erläutern.

Comments

Keinen Artikel mehr verpassen?

Our RSS Feeds

Cornerstone Blog Feed

Lernen Sie, wie unser integriertes Talent Management Sie bei Ihren Herausforderungen unterstützt.
Erfahren Sie mehr über unsere Produkte

Tags

Archiv