von Franziska Renger
Zuletzt aktualisiert: 11.11.2026
Lesedauer: 9 Minuten
Warum kündigen Mitarbeitende in einem bestimmten Bereich häufiger? Welche Recruiting-Kanäle führen zu passenden Einstellungen? Und welche Personalmaßnahmen zahlen auf die Unternehmensziele ein? Die nötigen Daten liegen oft in HR-Systemen, Recruiting-Tools, Lernplattformen und Befragungen, werden aber selten gemeinsam ausgewertet. HR Analytics bringt diese Informationen in einen Zusammenhang und hilft, konkrete Steuerungsfragen systematisch zu untersuchen.
Dieser Artikel erklärt die wichtigsten HR-Kennzahlen samt gängigen Formeln, ordnet die Reifegrade ein und zeigt, wie sich Analytics schrittweise aufbauen lässt, einschließlich Plattformbeispielen, Datenschutz und Mitbestimmung.
Übersicht People-Analytics-Plattformen
HR Analytics, oft auch als People Analytics bezeichnet, beschreibt die systematische Analyse von HR-Daten, um fundierte Entscheidungen im Unternehmen zu treffen. Statt ausschließlich auf Erfahrungswerte oder einzelne Kennzahlen zu schauen, verbindet HR Analytics Daten aus verschiedenen Quellen und macht Zusammenhänge sichtbar.
Ziel ist es, Daten so zu analysieren, dass sie konkrete Steuerungsfragen zum Thema Personalcontrolling beantworten können. Folgende Anbieter eignen sich dafür:
| Anbieter | Kann passen, wenn … | CLEVIS-Einschätzung: im Auswahlprozess prüfen |
|---|---|---|
| functionHR | Mitarbeiterbefragungen und People Analytics gemeinsam genutzt werden sollen, etwa um Befragungsdaten mit HR- und Unternehmensdaten zu verbinden. Mit unter anderem einem Data Hub und integrierten Analysefunktionen. | Datenquellen und Schnittstellen, Aufbau der Organisationsstruktur, Einbindung der Befragungsdaten und Pflege der KPI-Definitionen prüfen. Bei KI-gestützten Empfehlungen klären, wie Ergebnisse zustande kommen und welche menschliche Prüfung vorgesehen ist. |
| HR Forecast | People Analytics mit strategischer Personalplanung verbunden werden soll – etwa bei Fragen zu künftigem Personalbedarf, Skills oder Arbeitsmarktinformationen. | Zuerst klären, welches Produkt und welcher Anwendungsfall gemeint ist: HR-Analyse, Arbeitsmarktinformationen oder Personalplanung. Datenbasis, Prognoseannahmen, Szenariomöglichkeiten, Grenzen der Ergebnisse und Zuständigkeiten für daraus abgeleitete Entscheidungen prüfen. |
| Visier People | Dedizierte People-Analytics-Plattform für Organisationen, die HR-Daten aus mehreren Quellen zusammenführen und übergreifend analysieren möchten. | Prüfen, welche Quellsysteme und Kennzahlen im konkreten Setup abgedeckt sind, wie das Datenmodell an die eigene Organisation angepasst wird und wie Rollen, Zugriffe und Datenexport geregelt sind. |
| One Model | Dedizierte Analytics-Plattform, wenn HR- und weitere Unternehmensdaten in einem organisationsspezifischen Datenmodell zusammengeführt werden sollen. | In der Demo nachvollziehen, wer Datenmodell und KPI-Definitionen pflegt, wie Änderungen versioniert werden und welches interne Analytics- oder Data-Team für Betrieb und Qualität nötig ist. |
| Crunchr | Cloudbasierte Workforce-Analytics-Lösung, die auf bestehenden HR-Systemen aufsetzt und Daten für Reporting und Analysen bündelt. | Datenquellen, Integrationsrhythmus, Datenqualität, Berechtigungen und Exportmöglichkeiten konkret testen. Prüfen, welche Analyse- und Planungsfunktionen im angebotenen Umfang enthalten sind. |
CLEVIS hilft, die richtige HR-Software auszuwählen – anbieterunabhängig und ohne sich im Markt zu verlieren
Der HR-Software-Markt ist unübersichtlich: viele Anbieter, ähnliche Versprechen, unterschiedliche Architekturen. Wir zeigen, wie Unternehmen HR-Software strukturiert auswählen – passend zu Zielbild, Prozessen und Organisation.
Was sind die wichtigsten HR-KPIs mit gängigen Formeln?
Die folgende Tabelle zeigt gängige HR-Kennzahlen mit Standardformel. In der Praxis gibt es für einige KPIs mehrere Berechnungsvarianten, entscheidend ist, dass eine Definition unternehmensweit einheitlich verwendet wird.
| KPI | Gängige Formel / Definition | Aussage | Interpretationshinweis |
|---|---|---|---|
| 1. Time-to-Hire | Kalendertage von Bewerbungseingang bis zur Annahme des Angebots. | Wie lange dauert der Auswahlprozess ab Bewerbung? | Ereignisse und Startpunkt einheitlich definieren. |
| 2. Time-to-Fill | Kalendertage von Stellenfreigabe bis zur Annahme des Angebots. | Wie lange bleibt eine genehmigte Stelle unbesetzt? | Freigabe, Besetzung und pausierte Stellen sauber abgrenzen. |
| 3. Cost-per-Hire | Interne und externe Recruitingkosten geteilt durch die Zahl der Einstellungen. | Welche durchschnittlichen Recruitingkosten entfallen auf eine Einstellung? | Einbezogene Kostenarten und Zeitraum dokumentieren. |
| 4. Offer Acceptance Rate | Angenommene Angebote geteilt durch alle ausgesprochenen Angebote, mal 100. | Wie häufig werden Angebote angenommen? | Zur Vergleichbarkeit Rücknahmen und Mehrfachangebote einheitlich behandeln. |
| 5. Frühfluktuation | Austritte innerhalb eines definierten Zeitfensters geteilt durch die zugehörigen Einstellungen, mal 100. | Wie viele neue Mitarbeitende verlassen das Unternehmen früh? | Kohorte und Beobachtungsfenster festlegen; noch nicht ausgereifte Kohorten ausnehmen. |
| 6. Fluktuationsquote | Austritte im Zeitraum geteilt durch den durchschnittlichen Personalbestand, mal 100. | Wie stark verändert sich der Personalbestand durch Austritte? | Varianten und Zählweise unterscheiden; über Zeit nur dieselbe Definition vergleichen. |
| 7. Freiwillige Fluktuation | Arbeitnehmerseitige Austritte geteilt durch den durchschnittlichen Personalbestand, mal 100. | Welcher Anteil der Austritte ist freiwillig? | Austrittsgründe konsistent und datenschutzgerecht erfassen. |
| 8. Krankenquote | Krankheitstage geteilt durch Soll-Arbeitstage, mal 100. | Wie entwickeln sich krankheitsbedingte Abwesenheiten? | Arbeitszeitmodell, Teilzeit und Zählweise berücksichtigen; keine individuellen Diagnosen ableiten. |
| 9. eNPS | Anteil Promotoren minus Anteil Kritiker in einer standardisierten Empfehlungsfrage. | Wie fällt die Weiterempfehlungsbereitschaft in der Befragung aus? | eNPS ist kein vollständiges Maß für Engagement; Befragungsdesign und Gruppengröße prüfen. |
| 10. Weiterbildungstage pro Kopf | Dokumentierte Weiterbildungstage geteilt durch die durchschnittliche Beschäftigtenzahl. | Wie viel Zeit wird im Mittel für Weiterbildung eingesetzt? | Informelles Lernen und unterschiedliche Erfassungspraktiken beachten. |
| 11. Weiterbildungskosten pro Kopf | Weiterbildungskosten geteilt durch die durchschnittliche Beschäftigtenzahl. | Wie verteilen sich dokumentierte Lerninvestitionen? | Kostenkategorien und interne/externe Leistungen definieren. |
| 12. Interne Besetzungsquote | Intern besetzte Stellen geteilt durch alle besetzten Stellen, mal 100. | Welcher Anteil der Stellen wird intern besetzt? | Interne Wechsel, Beförderungen und befristete Besetzungen konsistent zählen. |
| 13. Personalkostenquote | Personalkosten geteilt durch Umsatz, mal 100. | Wie entwickeln sich Personalkosten relativ zum Umsatz? | Branchen- und Geschäftsmodellunterschiede beachten; nicht isoliert bewerten. |
| 14. HR-Betreuungsquote | Beschäftigtenzahl geteilt durch HR-Vollzeitäquivalente. | Wie viele Beschäftigte kommen rechnerisch auf eine HR-Vollzeitstelle? | Leistungsumfang, Outsourcing und Organisationsstruktur mit betrachten. |
| 15. Unbereinigter Entgeltunterschied | Durchschnittlicher Bruttostundenlohn Männer minus durchschnittlicher Bruttostundenlohn Frauen; Differenz geteilt durch den Männer-Durchschnitt, mal 100. | Wie unterscheiden sich die unbereinigten Durchschnittswerte? | Deskriptive Kennzahl, keine Erklärung oder Rechtsbewertung; Vergleichsgruppe und gesetzliche Definition separat prüfen. |
Eine einzelne Kennzahl erklärt selten eine Entwicklung. Aussagekräftiger wird eine Analyse, wenn Kennzahlen entlang einer klaren Frage zusammen betrachtet werden, zum Beispiel Recruiting-Kanal, Einstellungszeitpunkt und Verbleib nach einer definierten Zeit. Auch dann sind alternative Erklärungen und Datenlücken zu berücksichtigen.
Die vier Reifegrade von HR Analytics
Verlässliches deskriptives Reporting kann bereits wertvoll sein. Prognosen und Empfehlungen sollten erst dann folgen, wenn Datenqualität, Fragestellung und Governance belastbar sind.
| Reifegrad | Leitfrage | Beispiel | Voraussetzung |
|---|---|---|---|
| 1. Deskriptiv | Was ist passiert? | Monatliches Reporting zu Headcount, Fluktuation oder Krankenquote. | Verlässliche Stammdaten und einheitliche KPI-Definitionen. |
| 2. Diagnostisch | Warum könnte es passiert sein? | Fluktuation nach Bereich, Betriebszugehörigkeit oder Beschäftigungsart untersuchen. | Verknüpfbare Daten, passende Vergleichsgruppen und fachliche Hypothesen. |
| 3. Prädiktiv | Was könnte künftig passieren? | Szenarien zu Personalbedarf oder aggregierten Austrittsmustern entwickeln. | Ausreichende Datenqualität, geeignete Modelle und Validierung. |
| 4. Präskriptiv | Welche Handlungsoptionen sollten geprüft werden? | Mögliche Maßnahmen anhand transparenter Kriterien vergleichen. | Governance, nachvollziehbare Entscheidungsregeln und menschliche Verantwortung. |
Die meisten Unternehmen stehen bei Reifegrad 1 oder 2. Das ist kein Defizit: Ein verlässliches deskriptives Reporting ist die Voraussetzung für alles Weitere.
Erste Orientierung – ganz ohne Beratungsgespräch
Mit unserem Self-Service-Tool - HR-IT-Assessment
Warum HR Analytics für Unternehmen immer wichtiger wird
Unternehmen stehen heute vor immer komplexeren Herausforderungen: Fachkräftemangel, steigende Wettbewerbsdynamik und sich verändernde Arbeitsmodelle erfordern schnelle und fundierte Entscheidungen.
HR Analytics hilft dabei, diese Entscheidungen auf eine solide Datenbasis zu stellen. Statt isolierte Kennzahlen zu betrachten, können Organisationen Zusammenhänge erkennen und Trends frühzeitig identifizieren.
Typische Fragestellungen, die mit HR Analytics beantwortet werden können, sind beispielsweise:
| Fragestellung | Beispiel |
|---|---|
| Recruiting-Effizienz | Welche Kanäle liefern die besten Kandidaten? |
| Fluktuation | Welche Faktoren führen zu Kündigungen? |
| Mitarbeiterentwicklung | Welche Trainings zeigen messbare Wirkung? |
| Workforce-Struktur | Welche Kompetenzen fehlen künftig im Unternehmen? |
| HR-Initiativen | Welche Programme haben tatsächlich Einfluss auf Performance oder Engagement? |
Solche Analysen ermöglichen es HR, seine Rolle im Unternehmen zu stärken. Entscheidungen werden nachvollziehbarer und strategische HR-Initiativen können gezielter gesteuert werden.
HR Analytics wird damit zu einem wichtigen Bestandteil moderner HR-Steuerung, Strategie und Prozessentwicklung.
Was zeichnet gute HR Analytics aus?
Viele Unternehmen verfügen bereits über umfangreiche HR-Daten. Dennoch gelingt es oft nicht, aus diesen Daten echte Erkenntnisse zu gewinnen. Gründe dafür sind häufig fehlende Datenstrukturen, unterschiedliche KPI-Definitionen oder isolierte Systeme.
Wirksames HR Analytics entsteht erst dann, wenn mehrere Faktoren zusammenspielen:
| Erfolgsfaktor | Bedeutung |
|---|---|
| Konsistente Datenbasis | Strukturierte, vergleichbare Daten aus einem führenden System – ohne Excel-Schattenwelten |
| Klare Fragelogik | Jede Analyse beantwortet eine konkrete Steuerungsfrage |
| Einheitliche KPI-Definitionen | Eine Formel pro Kennzahl, unternehmensweit gültig und dokumentiert |
| Verknüpfung mit Business-Daten | HR-Daten werden mit Umsatz, Produktivität oder Kundenzufriedenheit verbunden |
| Verständliche Visualisierung | Dashboards, die Führungskräfte ohne Erklärung lesen und nutzen können |
| Datenschutz & Akzeptanz | Transparente Regeln, Anonymisierung und Einbindung des Betriebsrats |
Erst wenn diese Grundlagen vorhanden sind, können Analysen tatsächlich handlungsleitend werden. HR wird dadurch in die Lage versetzt, Entwicklungen frühzeitig zu erkennen und fundierte Empfehlungen für das Management zu geben.
Datenschutz und Mitbestimmung
HR Analytics arbeitet mit besonders sensiblen Daten. Damit Analysen rechtssicher und akzeptiert sind, gehören folgende Punkte von Anfang an dazu:
- Zweckbindung und Rechtsgrundlage: Für jede Analyse festlegen, wozu sie dient und auf welcher Grundlage nach DSGVO und BDSG die Daten verarbeitet werden.
- Aggregation und Mindestgruppengrößen: Auswertungen nur ab einer Mindestgröße der Gruppe, damit keine Rückschlüsse auf Einzelpersonen möglich sind.
- Mitbestimmung: Technische Einrichtungen, die Verhalten oder Leistung auswerten können, sind in der Regel mitbestimmungspflichtig (§ 87 Abs. 1 Nr. 6 BetrVG). Eine Betriebsvereinbarung schafft Klarheit.
- KI und Prognosen: Für KI-gestützte Personalentscheidungen gelten nach dem EU AI Act besondere Anforderungen an Transparenz und menschliche Aufsicht.
Wie lässt sich HR Analytics im Unternehmen einführen?
Der Aufbau von HR Analytics erfolgt meist schrittweise. Unternehmen beginnen häufig mit einfachen Auswertungen und entwickeln ihre Analysefähigkeiten im Laufe der Zeit weiter.
Ein typischer Einstieg umfasst mehrere Schritte:
- Steuerungsfragen festlegen: Mit zwei bis drei Fragen starten, die für Management und HR wirklich relevant sind – etwa zur Fluktuation in einem Kernbereich.
- Datenbasis prüfen: Welche Daten liegen wo vor? Wie vollständig und verlässlich sind sie? Welches System ist führend?
- KPIs definieren: Wenige Kennzahlen mit einheitlicher Formel, Datenquelle, Verantwortlichen und Aktualisierungsrhythmus festlegen.
- Reporting aufbauen: Standardisierte Reports und Dashboards für HR, Führungskräfte und Management – jeweils mit passendem Detailgrad.
- Analysieren und mit Business-Daten verknüpfen: Zusammenhänge untersuchen, Maßnahmen ableiten und deren Wirkung wieder messen.
HR Analytics ist kein reines Reporting-Projekt. Der Wert entsteht erst, wenn Erkenntnisse zu Entscheidungen und Maßnahmen führen.
Schematisches Beispiel: Frühfluktuation untersuchen
Das folgende Beispiel ist eine Illustration und kein CLEVIS-Kundenfall: Wenn ein Unternehmen eine erhöhte Frühfluktuation vermutet, kann es zunächst die betroffene Gruppe und einen nachvollziehbaren Beobachtungszeitraum definieren. Anschließend werden passende Daten zu Einstellungen, Austritten, Einsatzbereich und Onboarding geprüft. Die Analyse kann Hinweise liefern, welche Unterschiede vertieft werden sollten – etwa bei Prozessdauer oder Einsatzbereich. Daraus folgt noch kein Kausalnachweis. Mögliche Maßnahmen werden mit den Verantwortlichen entwickelt und später anhand derselben Definition erneut betrachtet.
HR Analytics mit CLEVIS
CLEVIS kann Organisationen dabei unterstützen, Steuerungsfragen zu priorisieren, HR-Kennzahlen zu definieren, Datenquellen und Zielarchitektur zu bewerten sowie Reporting- und Tool-Optionen zu vergleichen. Der sinnvolle Umfang richtet sich nach vorhandenen Systemen, Datenqualität und internen Kompetenzen.
Unsere ganzheitliche HR-Beratung aus einer Hand
Wir unterstützen Unternehmen entlang der gesamten HR-Wertschöpfung – von HR-Strategie und Prozessdesign über HR-IT-Architekturen und Softwareauswahl bis zur Implementierung und organisatorischen Transformation.
Unsere Beratungsschwerpunkte im Einzelnen
Fazit: mit einer belastbaren Frage starten
HR Analytics macht Personaldaten für konkrete Entscheidungen nutzbar – vorausgesetzt, Kennzahlen sind einheitlich definiert, Datenquellen nachvollziehbar und Grenzen der Analyse transparent. Starten Sie mit einer überschaubaren Frage, prüfen Sie Daten und Datenschutz früh und entwickeln Sie Reporting erst weiter, wenn die Grundlagen tragen. So entstehen Schritt für Schritt belastbarere Entscheidungsgrundlagen statt zusätzlicher Dashboards ohne klaren Zweck.
Häufig gestellte Fragen
HR Analytics ist die systematische Auswertung von Personaldaten, um Muster und Zusammenhänge zu untersuchen und Entscheidungen vorzubereiten. Je nach Fragestellung können weitere Unternehmensdaten einbezogen werden.
Personalcontrolling richtet sich vor allem auf Planung und Steuerung von Personalkosten und Personalbestand. HR Analytics untersucht zusätzlich mögliche Zusammenhänge und Einflussfaktoren. Die Begriffe überschneiden sich in der Praxis.
Die Begriffe werden häufig synonym verwendet. Manche Organisationen nutzen People Analytics für einen breiteren Blick auf Mitarbeitende, Zusammenarbeit und Organisation.
Das hängt von der Steuerungsfrage ab. Häufig betrachtet werden etwa Time-to-Hire, Cost-per-Hire, Fluktuationsquote, Frühfluktuation, Abwesenheiten, interne Besetzungen und Weiterbildung. Entscheidend sind klare Definitionen und passende Vergleichszeiträume.
Für erste Auswertungen können Berichte aus dem HRIS oder ein vorhandenes BI-Tool genügen. Wenn Daten aus mehreren Systemen verbunden werden müssen, kann eine spezialisierte Plattform in Frage kommen. Auswahlkriterien sind Datenquellen, Governance, Bedienbarkeit und Betriebsaufwand.
Das hängt von Zweck, Rechtsgrundlage, Datenumfang und konkreter Nutzung ab. Zweckbindung, Datenminimierung, Zugriffsschutz, Transparenz und gegebenenfalls Mitbestimmung müssen vorab geprüft werden.
Deskriptiv beschreibt, was passiert ist; diagnostisch untersucht mögliche Gründe; prädiktiv schätzt mögliche Entwicklungen; präskriptiv vergleicht Handlungsoptionen. Nicht jedes Unternehmen muss alle Stufen nutzen.
