Offboarding mit KI

Die Zahlen sind eindeutig und durch verschiedene Studien belegt: über 30% aller Erwerbstätigen in Deutschland sind über 50 Jahre alt, 30% der heutigen Fachkräfte werden bis 2035 in den Ruhestand gehen. Damit steht den Unternehmen, uns als Gesellschaft ein enormer „Braindrain“ bevor. Hinzu kommt, dass die Mitarbeiterbindung an ein Unternehmen abnimmt, immer mehr Mitarbeitende wechseln die Unternehmen immer häufiger. Nicht nur durch die anstehende Pensionierung der „Baby-Boomer“, sondern auch durch verstärktem Mitarbeiterwechsel entsteht die Notwendigkeit, Wissen von ausscheidenden Mitarbeitenden im Unternehmen zu halten.

Das Onboarding von neuen Mitarbeitenden hat sich in den letzten Jahren zu einer eigenständigen HR-Disziplin entwickelt. Das Offboarding von ausscheidenden Mitarbeiten bekommt jetzt die notwendige Relevanz. Dabei ist ein professionelles Offboarding aus zwei Gründen für das Unternehmen wichtig: ein wertschätzendes Offboarding mit zum Beispiel einem Abschlussgespräch bestärkt die emotionale Bindung der ausscheidenden Mitarbeitenden an das Unternehmen. Denn: Bei Mitarbeitenden zählt nicht nur der erste Eindruck, sondern immer auch der letzte. So bleiben ehemalige Mitarbeitende Botschafter des Unternehmens. Neben diesem sozio-emotionalen Aspekt gibt es aber auch den technischen bzw. systemischen Aspekt, nämlich das Wissen der ausscheidenden Mitarbeitenden im Unternehmen zu halten.

Die Erkenntnis der Notwendigkeit, das Wissen im Unternehmen zu halten, hat bereits in den letzten Jahren zugenommen. Hierzu wurden und werden verschiedene Methoden und Verfahren angewandt, eine ist zum Beispiel des qualifizierten Interviews. Sicherlich eine valide Methode, die aber vor allem in der Nachbearbeitung einen hohen manuellen/menschlichen Aufwand bedeutet. Hier kann die KI sehr gut unterstützen.

In einem Interview werden Prozesse und Techniken angesprochen, wie Probleme gelöst, Aufgaben durchgeführt werden. Dies sind in der Regel typische Entscheidungsbäume. KI ist sehr gut in der Lage, aus diesem gesprochenen Prosatext automatisch entsprechende Entscheidungsbäume zu generieren.

Was Menschen aufwendig „zeichnen“ müssen, generiert die KI in Sekunden, wenn nötig, gleich in mehrere Sprachen.

Wissen steckt nicht nur in den Köpfen der Mitarbeitenden, sondern zeigt sich auch explizit in der Kommunikation der Mitarbeitenden, in E-Mails, in Chat-Verläufen, in Tickets,…. Wie nützlich wäre es, wenn wir dieses Wissen aus diesen Kommunikationsverläufen extrahieren und allen zur Verfügung stellen könnten. Auch dieses macht die KI nun möglich! Aber Vorsicht: Das Wort „extrahieren“ macht es bereits deutlich: in diesen E-Mails, Chatverläufen, Tickets sind auch viele Informationen vorhanden, die nicht „Wissen“ sind, zum Beispiel personenbezogenen Daten oder Unterhaltungen über private Freizeittätigkeiten. Deshalb ist es wichtig, der KI mitzuteilen, welche Informationen sie extrahieren soll, zum Beispiel Kunde, Maschinentyp, Problem, Problemlösung etc. Die KI extrahiert nun automatisch die entsprechenden Informationen und schreibt sie in die gewählte Template-Struktur.

Mit dem Ansatz „Human-in-the-Loop“ wird dieser KI-generierte Wissensartikel von einem Menschen überprüft und ggf. freigegeben. Natürlich kann dieser Wissensartikel redaktionell weiter angepasst und ergänzt werden. Final kann er zum Beispiel über ein Serviceportal und/oder Chatbot Mitarbeitenden, Partnern und Kunden zur Verfügung gestellt werden.

Diese beiden bislang beschriebenen Bausteine (KI-gestützte Entscheidungsbaum-Erstellung und Wissensgenerierung aus Kommunikationsverläufen) kann nun auch in eine Agenten-Konfiguration zum Beispiel wie im Folgenden beschrieben, integriert werden („Agentic AI“):

Ein Servicemanager führt mittels MS Teams ein Interview mit einem Fachexperten „Wie gehen wir bei Ausfall einer Hydraulikpumpe vor?“ durch. Dieses Interview wird mittels MS Copilot von Sprache in Text transkribiert (Erster Agent). Dieses transkribierte Gespräch wird nun in Empolis Knowledge Forge eingespielt (zweiter Agent). Empolis Knowledge Forge bereinigt den Text, entfernt Füllwörter und erkennt Abschnitte wie „Wenn…dann…“, „Prüfen Sie zuerst…“ und der Empolis DecisionTree Generator (dritter Agent) generiert daraus automatisch einen Entscheidungsbaum oder eine Schritt-für-Schritt-Checkliste. Ist dieser Ablauf einmal etabliert, kann er immer wieder durchlaufen werden. So wird

•       Erfahrungswissen ohne manuelle Modellierung strukturiert aufbereitet

•       aus Gesprächen validiertes, wieder verwendbares Wissen generiert

•       die Schwelle, Wissen zu formalisieren, reduziert.