Data-Intelligence 

Im Spannungsfeld von Echtzeitdaten, KI und steigenden Compliance-Anforderungen verändert sich das Vergütungsmanagement rasant. Die Mercer-Partner Thomas Gruhle und Dr. Björn Hinderlich erläutern, warum nicht die bloße Verfügbarkeit von Daten, sondern deren Vertrauenswürdigkeit und Verteidigungsfähigkeit robuste Vergütungsentscheidungen bestimmen.

Herr Gruhle, Herr Dr. Hinderlich, wie hat sich die Diskussion um Vergütung und Reward Intelligence in den letzten Jahren verändert?

Thomas Gruhle: Die Debatte hat sich deutlich verschoben. Technologische Fortschritte und neue Datenquellen ermöglichen heute einen viel schnelleren Zugang zu Marktinformationen. Das ist eine Chance für viele Fragestellungen. Gleichzeitig steigen die Erwartungen an Datenqualität, Governance und Rückverfolgbarkeit.

Björn Hinderlich: Geschwindigkeit und Verfügbarkeit allein sind aber keine Qualitätskriterien; vor allem dann nicht, wenn Entscheidungen gegenüber dem Management, Gremien oder Regulierern verteidigt werden müssen.

Welche Risiken sehen Sie, wenn Unternehmen sich zu sehr auf Echtzeitdaten verlassen?

Thomas Gruhle: Echtzeitdaten sind attraktiv – und in einigen Bereichen wie schnelllebigen Technologie- oder Digitalfunktionen sehr nützlich. Für die meisten Rollen sind jedoch Repräsentativität und Vergleichbarkeit wichtiger. Ohne robuste Stichproben, eine korrekte Abbildung des relevanten Wettbewerbsmarktes oder angemessene Branchen- und Größenskalierung können Verzerrungen entstehen.

Björn Hinderlich: Das kann zu finanziellen, rechtlichen und reputationsbezogenen Risiken führen. Daher ist trotz der Notwendigkeit von Experimenten und Trial-and-Error-Schritten zu Beginn ein klar etabliertes Verständnis der relevanten Anforderungen im Vergütungsmanagement notwendig.

Welche Rolle spielen etablierte Umfragemethoden im modernen Datenmanagement?

Björn Hinderlich: Etablierte Studien bringen methodische Strenge – Mindeststichproben, Outlier Management, aktualisierte Trendprojektionen, Anonymisierung und Datenschutz. Das schafft statistische Robustheit, Prüfbarkeit und Nachvollziehbarkeit. Diese Eigenschaften sind entscheidend, wenn Entscheidungen plausibel und belastbar gemacht werden müssen. Daher: Qualität vor Geschwindigkeit, wo Rückverfolgbarkeit erforderlich ist.

Wie können Innovationen wie APIs, Stellenanzeigen-Analysen oder aggregierte Online-Daten sinnvoll in das Vergütungsmanagement integriert werden?

Thomas Gruhle: Ein hybrider Ansatz ist effektiv. Nutzen Sie groß angelegte, bewährte Studien als Rückgrat und ergänzen Sie sie durch technologiegetriebene Quellen, wo sie echten Mehrwert bieten. Entscheidend ist die methodische Einbettung: Woher stammen die Daten? Wie repräsentativ sind sie? Wie werden Stellen abgebildet und normalisiert?

Björn Hinderlich: Transparente Validierungsprozesse sind Pflicht, sonst entstehen Verzerrungen durch inkonsistente Stellendefinitionen oder kleine Teilstichproben.

KI verändert vieles – ersetzt sie Experten und validierte Daten?

Björn Hinderlich: Nein. KI ist ein Werkzeug, kein Ersatz für valide Daten und professionelles Urteilsvermögen. Generative Modelle können das Zusammenfassen oder Durchsuchen großer Datensätze erheblich beschleunigen und bei der Abbildung helfen. Aber Erklärbarkeit, regelmäßige Validierung und der Mensch-in-der-Schleife bleiben zentral. Nur so vermeiden wir, bestehende Verzerrungen oder undurchsichtige Entscheidungslogiken zu verstärken.

Wie wichtig sind Sicherheit, Datenschutz und Governance bei der Auswahl von Daten- und Analyseanbietern?

Thomas Gruhle: Vergütungsdaten sind sensible Unternehmensdaten. Compliance, Informationssicherheit und DSGVO-konforme Prozesse sind keine Nice-to-have-Themen, sondern Voraussetzung. Anbieter sollten formale Datenverarbeitungsvereinbarungen, geeignete Sicherheitsinfrastruktur und Zertifizierungen nachweisen können. Das ist ein Differenzierungsmerkmal und Bedingung dafür, dass Entscheidungsträger der Datenbasis vertrauen.

Welche praktischen Empfehlungen geben Sie Unternehmen?

Björn Hinderlich: Stimmen Sie Frequenz und Granularität der Daten auf die Relevanz für die spezifische Rolle ab. Prüfen Sie neue Quellen auf Repräsentativität und Transparenz und dokumentieren Sie Methoden und Annahmen, damit Entscheidungen prüfbar sind.

Thomas Gruhle: KI ist kein Allheilmittel. Setzen Sie sie selektiv ein, behalten Sie menschliche Kontrolle und erklärbare Modelle. Kurz gesagt: Innovation ja, aber immer in Kombination mit Verantwortung und methodischer Sorgfalt.

Frage: Wie sehen Sie die Zukunft der Vergütung?

Thomas Gruhle: Die Zukunft liegt im Gleichgewicht zwischen Innovation und Verantwortung. Neue Technologien und Datenquellen bieten große Chancen – sie entfalten ihren vollen Nutzen jedoch nur in einem Rahmen, der Datenqualität, Governance und Sicherheit priorisiert. Unternehmen, die diesen Standard verfolgen, sichern Vertrauen bei Mitarbeitenden, Führungsgremien und Regulierern und schaffen zugleich die Grundlage für nachhaltige Vergütungsstrategien.

Björn Hinderlich: Zuverlässige Reward Intelligence erfordert mehr als den Zugriff auf viele Daten: Sie braucht methodische Strenge, transparente Validierung, sichere Prozesse und kontinuierliche menschliche Expertise. Nur dann werden Daten zur Grundlage verteidigbarer Entscheidungen.

Herzlichen Dank für das Gespräch!