Datenbasiertes Change Management: Wie Organisationen Veränderungen mit Daten gezielt(er) steuern können

Stellen Sie sich vor, Sie steigen in ein Flugzeug. Kurz vor dem Abflug erfahren Sie, dass einige Instrumente im Cockpit ausgefallen sind. Kein Höhenmesser, kein Navigationssystem. Aber kein Problem: Die Pilotinnen und Piloten sind die Strecke bereits zigmal geflogen und können das Flugzeug dank ihrer Erfahrung sicher starten, navigieren und landen.

Welches Gefühl hätten Sie während des Flugs? Sicherlich kein gutes Gefühl.

In den meisten Organisationen werden Veränderungsprojekte auf Basis der Erfahrung beteiligter Führungskräfte und Projektverantwortlicher gesteuert. Das kann gut gehen, birgt aber immer ein Risiko. Und es ist ein wesentlicher Faktor dafür, warum Veränderungsprojekte so häufig scheitern.

Woran liegt das? Die Ursachen sind häufig bekannt und werden trotzdem immer wieder übersehen. Widerstand in der Belegschaft wird zu spät erkannt oder falsch eingeschätzt. Wichtige Stakeholder werden nicht oder nicht ausreichend eingebunden. Kommunikation erreicht die richtigen Mitarbeitenden nicht auf die richtige Art und Weise. Veränderungsmüdigkeit entsteht. Fortschritte bleiben unsichtbar. Kompetenzen für neue Anforderungen werden nicht rechtzeitig aufgebaut.

Den meisten dieser Ursachen ist eines gemein: Sie wären in vielen Fällen früher erkennbar gewesen, wenn die richtigen Daten vorgelegen hätten, diese Daten ausgewertet worden wären und passgenaue Interventionen stattgefunden hätten.

Was datenbasiertes Change Management bedeutet

Datenbasiertes Change Management ist keine revolutionär neue Disziplin. Es ist eine Erweiterung bewährter Change-Management-Ansätze um einen systematischen Umgang mit Daten.

Der Grundgedanke ist einfach: Veränderungsprozesse erzeugen kontinuierlich Informationen, etwa über die Stimmung in der Belegschaft, Kommunikationsmuster und Leistungskennzahlen. Datenbasiertes Change Management bedeutet, diese Informationen zu erfassen, zu analysieren und für Entscheidungen zu nutzen. Daten ersetzen dabei Erfahrung oder Best Practices nicht. Sie erweitern sie um eine zusätzliche Grundlage.

In der Praxis lassen sich mindestens drei Reifegrade unterscheiden, wie Organisationen mit Daten im Change Management arbeiten:

• Ebene 1: Beschreiben. Auf dieser Grundstufe geht es darum, den Status quo über zum Beispiel Befragungen und Pulse Surveys sichtbar zu machen. Wie ist die Stimmung in der Belegschaft? Wie viele Mitarbeitende haben an einer Schulungsmaßnahme teilgenommen? Welche Abteilungen zeigen auffällige Abwesenheitsquoten? Bereits diese deskriptiven Daten sind wertvoll, denn was nicht sichtbar ist, kann nicht gesteuert werden.
• Ebene 2: Verstehen. Auf der diagnostischen Ebene wird nach Ursachen gefragt. Warum ist die Stimmung in einer bestimmten Abteilung schlechter als in anderen? Um diese Frage zu beantworten, müssen entweder bereits vorhandene Daten neu strukturiert oder neue Daten erhoben werden. Korrelations- und Regressionsanalysen kommen zum Einsatz, um Zusammenhangsmuster aufzudecken.
• Ebene 3: Vorhersagen. Auf der prädiktiven Ebene werden Daten genutzt, um zukünftige Entwicklungen einzuschätzen. Welche Mitarbeitendengruppen tragen ein erhöhtes Risiko, sich innerlich vom Veränderungsprozess abzuwenden? Wo könnte Überlastung entstehen, wenn weitere Initiativen hinzukommen? Diese Ebene setzt eine gewisse Datenmenge, -historie und -qualität voraus, bietet aber das größte Potenzial für proaktives Handeln.

Für die meisten Organisationen ist Ebene 1 der sinnvollste Einstieg und oft schon ein erheblicher Fortschritt gegenüber dem Status quo.

Wie ein wissenschaftlicher Ansatz das Vorgehen strukturiert

People Analytics bietet die methodische Grundlage des datenbasierten Change Managements. Darunter versteht man die systematische Analyse von Mitarbeitenden- und Organisationsdaten mit dem Ziel, evidenzbasierte Entscheidungen zu treffen. People Analytics ist dabei kein Selbstzweck. Es geht nicht darum, Mitarbeitende zu überwachen oder Zahlen um ihrer selbst willen zu erheben. Es geht darum, ein besseres Bild der menschlichen Seite einer Organisation zu gewinnen und auf dieser Basis zu handeln.

Charakteristisch für People-Analytics-Projekte ist die Anwendung wissenschaftlicher Methodik aus den empirischen Sozialwissenschaften auf organisationale Fragestellungen. Das Vorgehen folgt einer Logik, die aus der Forschung bekannt ist und sich auf den Unternehmenskontext übertragen lässt:

1. Frage formulieren. Am Anfang steht nicht die Datenerhebung, sondern die Frage. Was wollen wir verstehen? Zum Beispiel: Warum ist das Veränderungscommitment in bestimmten Teams deutlich geringer als in anderen? Eine präzise Fragestellung verhindert, dass Daten ziellos gesammelt werden, und stellt sicher, dass die Ergebnisse handlungsrelevant sind.
2. Hypothesen ableiten. Auf Basis von Erfahrungswissen, Theorien und ersten Beobachtungen werden konkrete und überprüfbare Annahmen formuliert. Zum Beispiel: Mitarbeitende in Teams, die sich unzureichend informiert fühlen, zeigen ein geringeres Veränderungscommitment. Hypothesen geben der Datenerhebung und -analyse eine Richtung und schützen vor dem Trugschluss, in Daten nur das zu sehen, was man ohnehin schon glaubt.
3. Daten auswählen und erheben. Welche Daten sind geeignet, um die Hypothesen zu prüfen? Das können Ergebnisse aus Mitarbeitendenbefragungen sein, Auswertungen von Kommunikationsdaten oder Leistungskennzahlen. Entscheidend ist, dass die Daten valide und reliabel sind, also das messen, was sie messen sollen, und möglichst zuverlässige Ergebnisse liefern. Selbstverständlich müssen sie unter Einhaltung aller datenschutzrechtlichen Anforderungen erhoben werden.
4. Daten statistisch analysieren. Mit geeigneten statistischen Verfahren – von einfachen Häufigkeitsauswertungen über Korrelationsanalysen bis hin zu Mehrebenen-Regressionsmodellen – werden Zusammenhangsmuster in den Daten sichtbar gemacht. Dabei ist die Unterscheidung zwischen Korrelation und Kausalität zentral: Nur weil zwei Faktoren gemeinsam auftreten, bedeutet das nicht, dass einer den anderen verursacht.
5. Ergebnisse interpretieren und kommunizieren. Daten sprechen nicht für sich. Sie müssen im Kontext der Fragestellung interpretiert und verständlich kommuniziert werden. Die Kommunikation erfolgt an Führungskräfte, Projektteams und die Belegschaft. Gute Visualisierungen und eine klare Sprache sind dabei von besonderer Bedeutung.
6. Maßnahmen ableiten und evaluieren. Eine noch so sorgfältig durchgeführte Datenerhebung und -analyse ist zwecklos, wenn aus den Ergebnissen keine Maßnahmen folgen. Der Mehrwert des datenbasierten Vorgehens entsteht erst, wenn konkrete Handlungen abgeleitet und deren Wirkungen wiederum gemessen werden. Datenbasiertes Change Management ist damit kein einmaliges Projekt, sondern ein kontinuierlicher Lernprozess.

Wie Daten im Change helfen können

Um das Abstrakte greifbar zu machen, sind hier einige typische Situationen aus der Praxis – und wie ein datenbasierter Ansatz dabei unterstützen kann:

• Stimmung kippt, ohne dass es jemand bemerkt. Ein mittelständisches Produktionsunternehmen führt ein neues ERP-System ein. Die Projektleitung ist überzeugt, dass die Belegschaft hinter dem Projekt steht. Schließlich gab es keine offenen Beschwerden. Ein kurzes und regelmäßiges Stimmungsbarometer (sogenannte Pulse Surveys, die alle zwei bis vier Wochen erhoben werden) hätte gezeigt, dass die Zustimmungswerte seit Woche vier kontinuierlich sinken und die wahrgenommene Unsicherheit parallel steigt. Stattdessen wurde das Problem erst in Woche zwölf sichtbar, und zwar als Schlüsselpersonen begannen, aktiv Widerstand zu organisieren. Zu diesem Zeitpunkt war der Schaden bereits entstanden.
• Kommunikationsbemühungen verpuffen wirkungslos. Eine Holding informiert ihre Tochtergesellschaften per Intranet-Beiträgen, E-Mail-Newsletter und Podcast über eine bevorstehende Reorganisation. Die Klickraten und Verweildauern auf den Inhalten zeigen jedoch, dass nur ein Bruchteil der Mitarbeitenden die Informationen tatsächlich liest. Nicht weil die Mitarbeitenden desinteressiert sind, sondern weil der Kanal nicht passt. Daten machen das sichtbar und ermöglichen eine Anpassung der Kommunikationsstrategie.
• Einige wenige tragen den Wandel, viele stehen daneben. Mit Methoden der Organisationalen Netzwerkanalyse lässt sich abbilden, wie Informationen und Einfluss tatsächlich durch eine Organisation fließen, jenseits formaler Hierarchien. Dabei zeigen sich häufig informelle Schlüsselpersonen und -gruppen, sogenannte Change Champions, die eine hohe Glaubwürdigkeit und Vernetzung in der Belegschaft besitzen. Wer diese Personen(-gruppen) identifiziert und einbindet, erhöht die Reichweite und Wirksamkeit des Veränderungsprozesses erheblich.
• Skill-Lücken werden erst nach der Einführung sichtbar. Ein Unternehmen automatisiert Teile seiner Logistik. Erst nach dem Go-live stellt sich heraus, dass ganze Abteilungen nicht über die notwendigen Kompetenzen verfügen, um mit den neuen Systemen umzugehen. Eine aktuelle Skill-Datenbank, also eine systematisch gepflegte Übersicht über vorhandene Kompetenzen in der Belegschaft, hätte diesen Bedarf frühzeitig aufgezeigt und gezielte Qualifizierungsmaßnahmen ermöglicht.

 

Laut einer Praxisstudie von Capgemini Invent aus dem Jahr 2023 berichten Organisationen, die datengetrieben vorgehen, tatsächlich häufiger von erfolgreichen Veränderungsprojekten. Interessant ist dabei der Wirkungsmechanismus. Daten entfalten ihre Wirkung über menschliche Faktoren: Datenbasiertes Vorgehen stärkt etwa das Gefühl von Kontrolle und Selbstwirksamkeit bei Mitarbeitenden, fördert Vertrauen in die Organisation und unterstützt eine lernorientierte Kultur. Diese Faktoren wiederum hängen mit höherem Veränderungscommitment und dem Erfolg von Veränderungsprojekten zusammen.

Wie bei jeder Korrelationsstudie lässt sich daraus zwar keine direkte Kausalität ableiten, aber der Befund ist konsistent mit dem, was wir in unserer Beratungspraxis beobachten: Organisationen, die Entscheidungen auf Basis von Daten treffen, reagieren schneller, kommunizieren gezielter und verlieren weniger Mitarbeitende auf dem Weg durch eine Veränderung.

Daten helfen also nicht, weil sie Entscheidungen automatisieren, sondern weil sie Menschen in die Lage versetzen, informierter, transparenter und sicherer durch Veränderungen zu navigieren. Dennoch gilt: Nur ein Bruchteil aller Organisationen weltweit kann als tatsächlich datenreif bezeichnet werden. Gerade im Mittelstand wird das Potenzial datenbasierter Vorgehens noch selten ausgeschöpft.

Verantwortungsvoller Umgang mit Daten

Datenbasiertes Vorgehen funktioniert nur, wenn die Belegschaft darauf vertraut, dass ihre Daten verantwortungsvoll und nicht zu ihrem Nachteil genutzt werden. Dieses Vertrauen muss verdient werden. In der Praxis bedeutet das, ausschließlich Daten zu erheben, die einem klar definierten Zweck dienen, und Betriebsräte frühzeitig einzubeziehen. Außerdem erfolgt die Analyse der Daten grundsätzlich auf aggregierter Ebene: Aussagen über Einzelpersonen sind in aller Regel weder zulässig noch sinnvoll. Anonymität, Beteiligung und Transparenz sind Grundpfeiler, auf denen langfristiges Vertrauen in das datenbasierte Vorgehen aufgebaut werden kann.

Nicht alles, was für ein Veränderungsprojekt relevant ist, lässt sich zudem unmittelbar in Zahlen abbilden. Aus der psychologischen Diagnostik wissen wir, dass subjektive Erlebensaspekte wie Vertrauen, Motivation und Emotionen nicht direkt beobachtbar sind und sich daher nicht immer einfach quantifizieren lassen. Hierfür sind speziell entwickelte, wissenschaftlich fundierte Instrumente erforderlich. Und selbst diesen Instrumenten entziehen sich manche psychologische Aspekte, sodass im Umgang mit Menschen letztlich immer eine gewisse Unsicherheit bleibt.

Und selbstverständlich sind datenbasierte Entscheidungen nur so gut wie die Qualität der Daten („Garbage In, Garbage Out“). Falsch erhobene oder verzerrte Daten können zu schlechteren Entscheidungen führen als gar keine Daten. Die kritische Reflexion von Daten, insbesondere das Hinterfragen von Methoden und das Erkennen möglicher Verzerrungen, ist deshalb eine Kernkompetenz datenbasierter Organisationen.

Datenbasiertes Change Management, das diese Prinzipien ernst nimmt, schafft Vertrauen. Und Vertrauen ist die Grundlage jedes erfolgreichen Wandels.

Fazit: Daten-Instrumente nutzen, Menschen im Fokus behalten

Zurück zur Flugzeug-Analogie: Pilotinnen und Piloten müssen die richtigen Instrumente zur richtigen Zeit lesen und auf dieser Grundlage die richtigen Entscheidungen treffen. Ihr Ziel ist eine sichere Landung. Die Instrumente sind dabei kein Selbstzweck, sondern dienen dazu, dieses Ziel zu erreichen.

Ähnlich verhält es sich im datenbasierten Change Management. Daten sind weder Allheilmittel noch Selbstzweck. Sie sind ein Werkzeug, das Verantwortlichen in Veränderungsprozessen Orientierung gibt, in einem Geschehen, das stets von Menschen gestaltet wird und auf Menschen wirkt. Daten machen damit Phänomene in Organisationen sichtbar, die zuvor oft nur diffus wahrgenommen wurden, und schaffen eine Grundlage, um sie zu diskutieren und zu bearbeiten. Als eine Art „Temperaturmessung“ lenken sie den Blick auf Themen, die bislang wenig oder gar keine Aufmerksamkeit erhalten haben.

Organisationen, die einen datengestützten Ansatz verfolgen, treffen häufig fundiertere Entscheidungen, erkennen Risiken früher und gestalten Veränderungsprozesse wirkungsvoller und anschlussfähiger für die Belegschaft. Das ist kein Ansatz, der allein großen Konzernen vorbehalten ist. In angepasster Form und mit klarem Fokus kann datenbasiertes Change Management für Organisationen jeder Größenordnung einen Mehrwert schaffen.

Voraussetzung dafür ist nicht zwangsläufig eine hochkomplexe IT- oder Dateninfrastruktur. Der Einstieg beginnt vielmehr mit der Bereitschaft, Entscheidungen nicht ausschließlich auf Bauchgefühl oder allgemeine Best Practices zu stützen, sondern Daten systematisch in die Steuerung von Veränderung einzubeziehen.

In weiterentwickelten Formen des datenbasierten Change Managements lassen sich zudem quantitative Auswertungen numerischer Daten mit qualitativen Analysen von Textdaten verbinden. Gerade in dieser Kombination liegt großes Potenzial, da sie sowohl Muster und Entwicklungen sichtbar macht als auch die dahinterliegenden Perspektiven, Bewertungen und Erfahrungen von Mitarbeitenden erschließt.

Die beschriebenen Ansätze sind dabei keine theoretische Zukunftsvision, sondern bereits heute praktisch anwendbar. Bei Breitenstein Consulting setzen wir sie in Transformationsprojekten verschiedener Branchen und Unternehmensgrößen ein. Die zentrale Frage lautet daher: Wie datenbasiert steuert Ihre Organisation Veränderung bereits heute? Wenn Sie wissen möchten, welche ersten Schritte realistisch umsetzbar wären, sprechen Sie uns an. Wir freuen uns auf den Austausch.