Wie IBM seine HR-Kosten um 40% senkte
In der Personalabteilung beantworten Mitarbeiter täglich die gleichen Fragen. Wann kommt mein Gehalt? Wie nehme ich Urlaub? Wo finde ich das Formular für die Steuererklärung? Diese Arbeit ist wichtig, aber sie nimmt viel Zeit in Anspruch. IBM hatte dieses Problem. Sie lösten es, indem sie die Routinearbeit automatisierten. Das Ergebnis: 94% dieser Aufgaben erledigen jetzt Computer. Die Kosten für die Personalabteilung sanken um 40%.
IBM schuf digitale Arbeiter. Das sind keine Roboter, sondern Computerprogramme für bestimmte Aufgaben. Sie beantworten Fragen, prüfen Formulare oder bearbeiten Anträge. Diese Programme arbeiten rund um die Uhr, machen keine Fehler durch Müdigkeit und sind schnell. Echte Mitarbeiter wurden so für wichtigere Aufgaben frei.
Die freigewordenen Experten verkaufen ihr Wissen jetzt an andere Unternehmen. Sie zeigen, wie man Personalarbeit automatisiert. Aus einer Kostenstelle wurde ein Umsatzzentrum. IBM nennt sich „Client Zero“. Sie testen alle neuen Ideen zuerst bei sich selbst, bevor sie sie Kunden anbieten.
Die fünf wichtigsten Lektionen von IBM
IBM verfolgte einen klaren Plan. Dieser Plan kann auch für andere Unternehmen nützlich sein. Hier sind die fünf wichtigsten Punkte. Erstens: Automatisiere die langweilige Routinearbeit. So haben menschliche Mitarbeiter Zeit für kreative und komplexe Aufgaben. Zweitens: Nutze die eingesparten Gelder, um zu wachsen. IBM sparte 3,5 Milliarden Dollar. Dieses Geld wurde zum Teil in Forschung und Entwicklung gesteckt.
Drittens: Es geht nicht um ein einziges, riesiges KI-Modell. IBM setzt auf viele kleine, spezialisierte digitale Arbeiter. Ein übergeordnetes System koordiniert sie. Manchmal reicht ein kleines, günstiges Modell für eine einfache Aufgabe. Nur bei schwierigen Fragen wird ein größeres Modell genutzt. So spart man Kosten. Viertens: Die Mitarbeiter müssen mitmachen. IBM veranstaltete große Hackathons. Dabei entwickeln Mitarbeiter in Teams neue Ideen.
Über 150.000 Mitarbeiter machten bei diesen Hackathons mit. So entstanden viele gute Vorschläge. Gleichzeitig gab es klare Führung von der Unternehmensspitze. Fünftens: Man kann die neuen Technologien auch verkaufen. IBM experimentiert mit „Pods“. Das sind Teams aus menschlichen und digitalen Arbeitern, die gemeinsam ein Problem lösen. Sie garantieren ihren Kunden zum Beispiel, die Arbeitszeit in der Beschaffung um 50% zu senken.
Warum ist diese Geschichte wichtig?
Viele Unternehmen reden über Künstliche Intelligenz. Aber nur wenige zeigen konkrete Ergebnisse. IBM hat über 270.000 Mitarbeiter. Sie haben bewiesen, dass man KI im großen Stil nutzen kann. Es geht nicht nur um die Technik. Es geht vor allem um die Veränderung von Arbeitsabläufen und die Unternehmenskultur. Erfolgreiche KI-Einführung ist ein Management-System. Man braucht klare Führung, neue Prozesse und die Beteiligung aller.
Wenn ein Unternehmen nur experimentiert und keine echten Ergebnisse liefert, dann ist dieser Plan ein guter Wegweiser. Man muss von der Theorie zu finanziellen Ergebnissen kommen, die man jeden Quartal messen kann. Gleichzeitig werden die Mitarbeiter weitergebildet, anstatt dass sie ihren Job verlieren. Diese Fallstudie von IBM sollte sich jedes größere Unternehmen ansehen.
Die drei Voraussetzungen für KI im großen Stil
Bevor man startet, muss man drei Dinge sicherstellen. Die erste Voraussetzung ist technische Führungskompetenz. Die Chefs müssen verstehen, wie KI-Modelle, Daten und Computer-Ressourcen funktionieren. Sie müssen entscheiden können: Wann reicht ein kleines Modell? Wann brauchen wir ein großes, teureres Modell? Ein Geschäftsführer sollte mit einem Technik-Chef zusammenarbeiten. Die Finanzabteilung muss von Anfang an dabei sein, um die Einsparungen zu prüfen.
Gute Führung setzt klare Regeln. Zum Beispiel: Standardmäßig wird immer erst ein kleines Modell getestet. Die Ziele müssen messbar sein, wie kürzere Bearbeitungszeiten oder niedrigere Kosten pro Aufgabe. Wöchentliche Besprechungen sollten konkrete Zahlen prüfen. Ein schlechtes Zeichen ist der Gedanke „Ein riesiges Modell für alles“. Oder Pilotprojekte, bei denen niemand die Ausgangslage genau kennt.
Die zweite Voraussetzung ist die Bereitschaft, Arbeit neu zu gestalten. Man darf nicht einfach nur ein Hilfsprogramm an bestehende Abläufe anhängen. Stattdessen muss man den gesamten Arbeitsprozess zerlegen und neu aufbauen. Man teilt einen großen Vorgang in viele kleine Mikro-Aufgaben ein. Dann entscheidet man: Welche Aufgabe übernimmt ein digitaler Arbeiter? Wo braucht man einen Menschen? Man sollte dort anfangen, wo viele Dokumente, klare Regeln und Warteschlangen im Spiel sind.
Gute Neu-Gestaltung erkennt man an klaren Ablaufdiagrammen. Sie zeigen, wo Aufgaben von einer Abteilung zur nächsten gehen, wo es Wartezeiten gibt und wo Fehler korrigiert werden müssen. Für jeden Schritt gibt es ein Automatisierungsziel. Menschliche Kontrolle wird nur an den kritischen Punkten definiert. Beispiele sind die Bearbeitung von Personal-Tickets, Rechnungen in der Buchhaltung oder die erste Kontaktaufnahme von Kunden.
Die dritte Voraussetzung ist die Zustimmung der Mitarbeiter. Die Führungsetage allein schafft keine Veränderung. Die Belegschaft muss die Veränderung mitgestalten und wollen. IBM hat das geschafft, indem sie die eigenen Mitarbeiter zu ersten Kunden machte. Große Hackathons weckten den Teamgeist. Die Abteilung Steuern wettete gegen die Abteilung Finanzplanung, wer mehr Stunden einsparen kann. Die Steuerabteilung gewann und sparte 100.000 Stunden. Solche Erfolge schaffen Stolz.
Hackathons funktionieren, weil sie die Mitarbeiter einbinden und echte betriebliche Probleme lösen. Die Herausforderungen sollten sich auf echte Arbeitsabläufe beziehen. Man erkennt messbare Ergebnisse an, wie gesparte Minuten oder weniger Fehler. Die Gewinnerideen werden sofort umgesetzt. Die Ergebnisse werden jedes Quartal veröffentlicht. Ein Tipp: Verbinde die Hackathon-Themen mit den großen Zielen des Unternehmens.
Wie findet man die richtigen Prozesse zum Automatisieren?
IBM startete mit 200 möglichen Arbeitsabläufen. Am Ende blieben 70 übrig. Sie nutzten vier einfache Filter. Der erste Filter ist die Daten-Realität. Kann man schnell an gute Daten kommen? Drei Fragen sind wichtig: Wo sind die Daten? Wie sauber sind sie? Wie schnell kann man legal und sicher darauf zugreifen? Man sollte Prozesse priorisieren, bei denen die Daten schon in strukturierter Form vorliegen.
In der Buchhaltung zum Beispiel sind Rechnungen oft schon digital. Unternehmen, die dort automatisieren, senken ihre Kosten für die Rechnungsbearbeitung um 50–80%. JPMorgan automatisierte die Prüfung von Kreditverträgen. Diese Arbeit nahm vorher 360.000 Stunden pro Jahr in Anspruch. Der Erfolg war möglich, weil die Verträge und Protokolle zugänglich und einheitlich waren. Eine einfache Regel: Wenn man nicht innerhalb einer Woche 50–200 Beispiele sammeln kann, sollte man den Prozess später angehen.
Der zweite Filter ist die Dokumentendichte. Prozesse mit vielen Dokumenten oder Text bringen schnelle Erfolge. Schritte wie Klassifizieren, Informationen extrahieren, zusammenfassen oder Texte verfassen lassen sich gut mit heutiger KI automatisieren. Die Bearbeitung von Rechnungen ist ein klassischer, früher Gewinn. Moderne KI entfernt manuelle Eingaben, reduziert Fehler und beschleunigt die Bearbeitung.
Klarna hat seinen Kundenservice umgestaltet. Ein KI-Assistent bearbeitet jetzt etwa zwei Drittel aller Chats. Das entspricht der Arbeit von ungefähr 700 Vollzeit-Mitarbeitern. AXA nutzt KI, um Schadensmeldungen zu klassifizieren und Daten aus unstrukturierten Berichten zu ziehen. Die Faustregel: Wenn ein Schritt zu 70% aus Lesen, Schreiben oder Suchen in Formularen, PDFs oder E-Mails besteht, ist er ein guter Kandidat für den Anfang.
Der dritte Filter ist die Zerlegbarkeit. Man sollte einen Prozess nicht als Ganzes automatisieren wollen. Stattdessen zerlegt man ihn in Mikro-Aufgaben. Zum Beispiel: Eingang einer Anfrage → Informationen extrahieren → Entscheidung treffen → Aktion durchführen → Ergebnis speichern → Benachrichtigung versenden. Für jede dieser kleinen Aufgaben entscheidet man dann, ob KI, klassische Automatisierung oder ein Mensch sie übernimmt.
Diese Zerlegung zeigt Schwachstellen auf, wie Übergabepunkte oder Warteschlangen. Diese kann man dann gezielt mit spezialisierten digitalen Arbeitern angreifen. Der KI-Assistent von Klarna funktioniert gut, weil der Ablauf in drei Teile geteilt wurde: Erstgespräch → Lösung des Problems → Weiterleitung an einen Spezialisten. Die Automatisierung übernimmt die Routine, Menschen kümmern sich um die Ausnahmefälle. Ein schneller Test: Wenn man den Prozess nicht in 5–9 Kästchen mit messbaren Übergaben zeichnen kann, ist er für die erste Welle nicht geeignet.
Der vierte Filter ist die einfache Wirtschaftlichkeit. Man sucht sich Schritte mit hohem Volumen und klaren Stückkosten. Zum Beispiel: Kosten pro bearbeiteter Rechnung oder Minuten pro Support-Ticket. Man wählt Bereiche, in denen die Einsparungen schon im laufenden Quartal sichtbar werden. Die Finanzabteilung kann dann vorher und nachher vergleichen und die Erfolge bestätigen.
Die Märkte haben diese Einsparungen im Blick. Als Klarna bekannt gab, dass KI zwei Drittel des Support-Volumens bewältigt, veränderte das die Erwartungen an ganze Branchen. Einfache, messbare Erfolge verändern das Verhalten und die Budgets. Man kann jeden Prozess mit einer einfachen Punkteskala bewerten. Wichtige Kriterien sind: Daten-Zugang und -Qualität, Volumen, Fehlerquote, Wartezeit, regulatorische Anforderungen und ob ein Bereichsleiter die Veränderung aktiv will. Man startet dann mit den Top 10% der bewerteten Prozesse.
Fallstudie: Die Personalabteilung von IBM
Das Projekt „AskHR“ von IBM zeigt, wie es geht. Die digitale Plattform beantwortet fast alle Standardfragen der Mitarbeiter selbständig. Nur in sehr komplexen oder persönlichen Fällen schaltet sie einen menschlichen Personaler dazu. Durch diese Automatisierung von 94% der transaktionalen Aufgaben sanken die HR-Kosten um 40%.
Die eingesparten 3,5 Milliarden Dollar an Kosten wurden nicht einfach nur gespart. Ein Teil floss zurück in die Forschung und Entwicklung. Der Anteil der Ausgaben für Forschung und Entwicklung am Umsatz stieg von 9% auf 12%. Das Wachstum des Unternehmens verbesserte sich deutlich. Aus einer schrumpfenden Situation von -3 Prozentpunkten wurde ein Wachstum von +5 Prozentpunkten. Diese Ergebnisse werden jeden Quartal offen berichtet.
Die frei gewordenen HR-Experten wurden nicht entlassen. Sie wurden umgeschult. Jetzt beraten sie andere Unternehmen dabei, ihre Personalarbeit ebenfalls zu automatisieren. Sie verkaufen das Wissen und die Software, die sie bei sich selbst entwickelt und getestet haben. So wurde aus der Personalabteilung, die früher nur Kosten verursachte, ein profitables Beratungsgeschäft.
Quelle: Dieser Artikel basiert auf einem Originalartikel: https://promptengineering.org/client-zero-to-industry-hero-inside-ibms-playbook-for-automating-hr-and-scaling-digital-workers/