Eine der größten Herausforderungen bei der Vorbereitung auf die Entgelttransparenz ist die enorme Menge an Daten, die für die Umsetzung benötigt wird. In einer größeren Organisation müssen Hunderte oder sogar Tausende von Tätigkeiten, Entgeltdaten, Einstufungen und weiteren Kriterien miteinander verglichen werden, um Unterschiede und deren mögliche Ursachen sichtbar zu machen. An diesem Punkt kann KI erhebliche Unterstützung leisten, da sie im Meer der Daten schneller Zusammenhänge und Muster findet, die manuell nur schwer oder deutlich langsamer zu erkennen wären.

Gleichzeitig ist es sehr wichtig, genau festzulegen, wofür wir KI im Laufe des Prozesses einsetzen. Sie kann sehr hilfreich sein, um uns zu zeigen, wo wir genauer hinschauen sollten. Sie sollte jedoch nicht an unserer Stelle entscheiden, was wir tun müssen.

Sie kann helfen, Ordnung in das Meer der Daten zu bringen

Die Vorbereitung auf die Entgelttransparenz beginnt häufig mit einer sehr pragmatischen Aufgabe: Die Daten müssen in Ordnung gebracht werden. Es kann vorkommen, dass dieselbe Tätigkeit unter verschiedenen Bezeichnungen erfasst wird, Einstufungen voneinander abweichen, bestimmte Daten fehlen oder Informationen aus unterschiedlichen Systemen in ein einheitliches Format gebracht werden müssen. Bei einigen Dutzend Tätigkeiten lässt sich dies noch manuell bewältigen. Bei Hunderten oder Tausenden von Positionen handelt es sich jedoch um eine Aufgabe ganz anderer Größenordnung.

Der Einsatz von KI kann die Datenbereinigung beschleunigen, Unstimmigkeiten aufzeigen und dabei helfen, Tätigkeiten zu finden, die trotz unterschiedlicher Bezeichnungen ähnliche Inhalte haben könnten. Wir verwenden jedoch nicht ohne Grund den Konjunktiv, denn zwei ähnliche Stellenbezeichnungen bedeuten beispielsweise nicht zwangsläufig gleiche oder gleichwertige Arbeit. Die Vorschläge der KI müssen daher in jedem Fall überprüft werden, da die fachliche Bewertung weiterhin Aufgabe der HR-Fachkräfte ist.

Bei der Erkennung von Unterschieden kann sie besonders leistungsfähig sein

Einer der interessantesten Einsatzbereiche von KI könnte die Erkennung von Mustern und ungewöhnlichen Unterschieden in Entgeltdaten sein. Sie kann beispielsweise aufzeigen, dass in einer bestimmten Tätigkeitsgruppe der Unterschied zwischen dem Entgelt von Männern und Frauen größer ist als im Organisationsdurchschnitt oder dass sich an bestimmten Standorten, in Organisationseinheiten oder auf bestimmten Tätigkeitsebenen regelmäßig andere Muster abzeichnen.

Die EU-Entgelttransparenzrichtlinie schreibt für berichtspflichtige Arbeitgeber unter anderem die Untersuchung der durchschnittlichen und medianen geschlechtsspezifischen Entgeltunterschiede, der variablen Entgeltbestandteile, der Entgeltquartile sowie der Unterschiede nach Arbeitnehmerkategorien vor. Künstliche Intelligenz kann daher auch bei der Analyse dieser Daten eine wesentliche Unterstützung bieten.

Es ist jedoch wichtig zu betonen, dass ein auffälliger Wert noch nicht zwangsläufig ein Beleg dafür ist, dass die Vergütung ungerechtfertigt oder diskriminierend ist. Er zeigt uns vielmehr, dass der betreffende Bereich genauer untersucht werden sollte. KI kann an diesem Punkt also in erster Linie als Radar dienen.

Auch Benchmarking und Simulation können schneller werden

Bei der Vorbereitung auf die Entgelttransparenz müssen wir nicht nur verstehen, wie unsere Prozesse bisher funktioniert haben, sondern auch erkennen, welche Folgen eine bestimmte Veränderung in unserem System haben könnte.

Was passiert beispielsweise, wenn wir ein Entgeltband ändern? Welche Kosten würde die Korrektur bestimmter ungerechtfertigter Unterschiede verursachen, und wie würden sich dadurch die Entgeltstruktur unseres Unternehmens oder die geschlechtsspezifischen Entgeltunterschiede verändern?

Eine KI-gestützte Modellierung kann dabei helfen, mehrere mögliche Szenarien schnell miteinander zu vergleichen. Dasselbe gilt für das Benchmarking. Durch die Strukturierung von rechtmäßig verfügbaren Marktdaten aus zuverlässigen Quellen können wir leichter verstehen, wie die Entgeltbänder unseres Unternehmens im Vergleich zum Markt liegen.

Hier zählt jedoch nicht nur die Genauigkeit der Analyse. Wir müssen auch wissen, mit welchen Daten das System arbeitet, wie aktuell und vergleichbar diese sind und auf welchen Annahmen das Ergebnis beruht. Und damit kommen wir zu einem weiteren Problem.

Daten aus der Vergangenheit können auch die Probleme der Vergangenheit mit sich bringen

KI macht die Daten, die sie verarbeitet, nicht automatisch objektiv. Wenn in der Vergütungspraxis eines Unternehmens über Jahre hinweg eine bestimmte Verzerrung bestand, können deren Spuren auch in den Daten erhalten bleiben. Ein darauf aufbauendes System kann die frühere fehlerhafte Praxis leicht reproduzieren.

Dies kann besonders dann wichtig werden, wenn KI nicht mehr nur nach Unterschieden sucht, sondern auch Vergütungsentscheidungen vorschlägt. Aus früheren Gehältern allein folgt beispielsweise nicht, dass sie eine geeignete Grundlage für die Festlegung künftiger Entgelte bilden.

Deshalb sollte neben den von KI erkannten Zusammenhängen auch immer untersucht werden, wie und warum die betreffende Situation entstanden ist.

Es kommt darauf an, wofür wir KI einsetzen

Auch die europäische KI-Regulierung unterscheidet zwischen den einzelnen Verwendungszwecken. Bestimmte KI-Systeme im Zusammenhang mit Beschäftigung und Arbeitnehmermanagement können in die Hochrisikokategorie fallen. In solchen Fällen sind Datenqualität, Dokumentierbarkeit, Rückverfolgbarkeit und menschliche Aufsicht besonders wichtig.

Dies stellt auch im Hinblick auf die Entgelttransparenz eine wesentliche Grenze dar. Ein Werkzeug, das in mehreren Tausend Datenzeilen nach Duplikaten sucht, birgt ein anderes Risiko als eines, das eine Entscheidung über das Entgelt eines einzelnen Beschäftigten unterstützt oder beeinflusst. Je näher KI an eine individuelle Entscheidung heranrückt, desto wichtiger wird es, nachvollziehen zu können, auf welchen Daten und welcher Logik ihr Ergebnis beruht.

Aufgrund der Sensibilität von Entgeltdaten muss der Datenschutz bereits zu Beginn des Prozesses berücksichtigt werden. Es kommt darauf an, welche Beschäftigtendaten in ein KI-System eingegeben werden, zu welchem Zweck sie verwendet werden, wo die Verarbeitung stattfindet, wie lange die Daten gespeichert werden und wer Zugriff darauf hat.

Menschliche Kontrolle ist mehr als eine Schaltfläche zur Freigabe

Und vielleicht verläuft genau hier die wichtigste Grenze zwischen dem Einsatz von KI und menschlicher Kontrolle! KI kann darauf hinweisen, dass in einer bestimmten Tätigkeitsgruppe ein ungewöhnlicher Entgeltunterschied besteht, bei der Ermittlung möglicher Ursachen helfen und auch die voraussichtlichen Kosten verschiedener Korrekturen berechnen. Ob sich der Unterschied durch objektive Kriterien rechtfertigen lässt, ob Handlungsbedarf besteht und, falls ja, welche Veränderung angemessen ist, müssen jedoch die HR-Fachkräfte und die Organisation selbst beurteilen. Menschliche Kontrolle ist daher unverzichtbar, weil wir die Logik hinter den von KI erzeugten Ergebnissen verstehen, sie hinterfragen und bei Bedarf eine andere Entscheidung treffen können müssen.

Dies kann auch die Rolle von HR verändern. Die manuelle Aufbereitung und der Vergleich von Daten können weniger Zeit beanspruchen, während mehr Aufmerksamkeit auf das entfällt, was tatsächlich menschliches Abwägen erfordert: die Interpretation, die Entscheidung und die Kommunikation mit den Beschäftigten.

KI kann bei der Entgelttransparenz deshalb besonders hilfreich sein, wenn wir sie als Radar und nicht als Schiedsrichter einsetzen. Sie kann zeigen, wo wir genauer hinschauen sollten, Muster erkennen und helfen, mögliche Lösungen zu modellieren. Uns allen muss jedoch bewusst sein, dass die Technologie zwar eine bessere Grundlage für Entscheidungen schafft, die Verantwortung für die gewählte Lösung und deren Folgen aber weiterhin bei der von HR-Fachkräften gewährleisteten menschlichen Kontrolle liegt.