Trotz aller Unkenrufe hat die Funktionsbewertung Bestand und erweist sich keineswegs als alter Hut. Mittlerweile verfügen fast alle größeren Unternehmen über ein Grading – vielerorts sogar erweitert als Basis für einen personalpolitischen Ordnungsrahmen, mit dem neben Vergütungsbändern auch Themen wie Personalentwicklung oder Workforce-Planning gesteuert werden.

Allerdings manifestiert sich angesichts der beschleunigten digitalen Transformation die Kritik an starren Prozessen und an aufwendigen, wenig flexiblen Methoden im traditionellen Grading – zurecht, weswegen eine grundlegende Modernisierung vielerorts auf der Tagesordnung steht. Automatisierte Ansätze ermöglichen dabei ein „Doing more with less“, bei gleichzeitiger Individualisierung, aber auch der Abbildung von agilen Organisationsformen und Arbeitswelten.

Wie lassen sich diese Aspekte abbilden? Funktionsbewertung folgt einem klaren Prozess und einer definierten Methode. Sie ist in der Regel deterministisch und damit auf Basis eines Algorithmus automatisiert abbildbar. Das Produkt eines solchen Automaten, also ein Grade oder eine konkrete Bewertung, ist definiert. Von zentraler Bedeutung für jeden Algorithmus ist jedoch der Umfang und insbesondere die Qualität des Inputs, sind diese doch maßgeblich für die Tragfähigkeit und Verlässlichkeit der Ergebnisse. Nachfolgend werden typische Anwendungsfälle für ein automatisiertes Grading vorgestellt.

Automatisierter Ansatz als Alternative zum klassischen Grading

Eine typische Ausgangssituation sind veraltete Funktionsbewertungen in traditionellen Unternehmen, die nicht (mehr) systematisch gepflegt oder inflationär angewandt wurden. Andererseits haben Start-ups in der Regel gar kein Grading, benötigen aber immer wieder kurzfristig konkrete Standortbestimmungen bei der Management- bzw. Personalausstattung oder der Vergütung. In allen Fällen braucht es valide, aber spezifische Ergebnisse, die die jeweilige Ausgangssituation des Unternehmens hinsichtlich Branche, Größe, Operating Model etc. berücksichtigen. Erforderlich ist eine ausgewogene Balance von Aufwand und Ergebnisqualität.

Für solche Anwendungsfälle bietet sich ein automatisiertes Grading an, das auf Basis weniger spezifischer Eingabeparameter schnell Bewertungen und Quervergleiche zum Beispiel für die ersten Berichtsebenen unterhalb der Geschäftsleitung ermittelt. Mit der methodischen Verankerung dieser Berichtsebenen können an-schließend die Stellen der nachfolgenden Ebenen valider verankert werden als bei einem herkömmlichen Mapping, das allein auf Basis von Jobkatalogen erfolgt.

Aktuell entwickeln Experten der hkp/// group einen Prototypen im praxisbezogenen Dialog mit verschiedenen Unternehmen. Dabei zeigen erste Testläufe, dass stabile Ergebnisse für Stellen in Zentralfunktionen wie auch in Geschäftsbereichen möglich sind, wobei manuelle Adjustierungen des automatisierten Grading-Vorgangs weiter möglich sind, beispielsweise um organisatorische Besonderheiten abzubilden. 

Überprüfung der Strukturkosten in der Restrukturierung und Transformation

Ein typischer Anwendungsfall für automatisiertes Grading ist die Unterstützung einer nachhaltigen Reduzierung von Strukturkosten im Rahmen von Transformationen. Bevor entsprechende Maßnahmen beschlossen werden, braucht es zunächst eine Standortbestimmung mit Angaben zu Führungsebenen, zur Management- und Expertenausstattung sowie zu den Berichtsspannen: Dies kann über ein Benchmark der eigenen Organisationsstrukturen mit einer Peer-Group erfolgen. Auf dieser Basis lässt sich der konkrete Handlungsbedarf ermitteln und mit Zahlen hinterlegen. Im Anschluss können Szenarien mit unterschiedlichen Organisationsmodellen durchgespielt werden, um die bestmögliche Lösung abzuleiten. Dabei spielt neben der Anzahl der Stellen auch deren Stellenwert einschließlich der Gesamtvergütung eine wesentliche Rolle.

In diesem Kontext können auch Benchmarks der Organisationsstrukturen sowie die Analyse verschiedener Szenarien diskret durchgeführt werden. Bei der Analyse des Status-quo kann der Automat beispielsweise auch inflationäre Tendenzen im Ist-Grading zu identifizieren. Dabei werden die Ergebnisse des Automaten mit dem bestehenden Grading abgeglichen. Es erfolgt praktisch eine Qualitätskontrolle.

Werden im Rahmen einer Reorganisation alternative Operating-Models diskutiert, liefert der Automat das Grading und gegebenenfalls die Strukturkosten für die ersten Berichtsebenen. Adjustierungen im Organigramm lassen sich schnell und einfach abbilden. Die jeweiligen Auswirkungen auf die Bewertungen, die Verteilung der Stellen auf Wertigkeitsebenen sowie auf die Strukturkosten werden innerhalb weniger Minuten sichtbar. 

Kurzfristige Bewertung einer großen Anzahl ähnlicher Stellen – Fast Grading

Im Rahmen einer Re-Organisation sind Managementstellen oft neu zu bewerten. Speziell die dem Top-Management nachgelagerten Berichtsebenen sind gekennzeichnet durch eine große Anzahl ähnlicher Stellen mit vergleichbaren Aufgabenfeldern, wenngleich in unterschiedlicher Ausgestaltung oder Kombination. Nicht selten werden diese auch in Stellenbeschreibungen dokumentiert. Um eine effiziente Bearbeitung zu ermöglichen, sollten individuelle Stellenprofile vermieden und standardisierte Texte mit Bausteinen erstellt oder generische Jobs beschrieben werden. Die Stellenprofile lassen sich dann via Baukastenprinzip effizient und konsistent ausarbeiten und anpassen.

Nach Freigabe werden die standardisierten Stellenprofile elektronisch erfasst und mit dem Grading-Automaten direkt durch den Algorithmus bewertet. Anschließend wird das Gesamtergebnis vom Anwender kalibriert und auf Plausibilität geprüft. Dies kann zeitnah erfolgen und nimmt deutlich weniger Ressourcen als im traditionellen Prozess in Anspruch. Zudem gewährleistet der automatisierte Bewertungsprozess ein hohes Maß an Objektivität, da nur konkrete, in den Stellenprofilen festgehaltene Anforderungen Einfluss auf die Wertigkeiten haben.

Positive Nebeneffekte: Auch der Prozess der Mitbestimmung wird beschleunigt, da die Kopplung an die Ergebnisse wie auch die Beschreibung des Algorithmus transparent geteilt werden können. Zudem gestaltet sich die laufende Systempflege deutlich effizienter, da sich Änderungen in den Anforderungen der Stellenprofile automatisch im Fast Grading Tool widerspiegeln.

Keine Zauberei

Automatisiertes Grading ist im Zuge fortschreitender Prozessautomatisierung eine zeitgemäße Weiterentwicklung und alles andere als Science-Fiction. Über die Nutzung von Big Data und KI sind Unternehmen auch im Grading schon in naher Zukunft für schnelle und valide Benchmarks wie auch die Optimierung bestehender Organisationsstrukturen gewappnet. Prototypen und erste, über die Testphase hinaus bewährte Anwendungsbeispiele verdeutlichen dies. Mit deren für 2021 erwarteten ausgereiften Vollversionen wird Grading nicht nur schneller, sondern gleichzeitig transparenter, effizienter und objektiver – und kann so die vielen berechtigten Kritikpunkte an seiner traditionellen Ausprägung hinter sich lassen. 

Dr. Christine Abel
Senior Partner
hkp/// group
christine.abel(*)hkp(.)com
www.hkp.com

Verena Vandervelt
Manager
hkp/// group
verena.vandervelt(*)hkp(.)com
www.hkp.com

John Pfeiffer
Senior Manager
hkp/// group
john.pfeiffer(*)hkp(.)com
www.hkp.com