HR-Operating-Model mit KI: Wie KI die Struktur von HR-Teams verändert

Ein HR-Operating-Model mit KI beschreibt, wie eine HR-Funktion ihre Mitarbeitenden, Prozesse, Daten und Technologie organisiert, sobald KI einen großen Teil der HR-Services übernimmt: Routinefragen und Transaktionen wandern in einen KI-gestützten Self-Service, während sich HR-Fachleute auf Beratung, Urteilsvermögen, Governance und die Gestaltung von Arbeit konzentrieren. Es ist ein Strukturwandel, kein neues Tool, und er betrifft Personalbestand, Rollen, Kompetenzen, Budgets und Vergütung innerhalb von HR selbst.

Dieser Leitfaden konzentriert sich auf diese strukturelle Frage. Er erklärt, wie KI das klassische Drei-Säulen-Modell verändert, welche HR-Aufgaben laut amtlicher und wissenschaftlich begutachteter Forschung automatisiert und welche unterstützt werden, welche HR-Rollen Arbeitgeber laut den globalen Stellenanzeigendaten von TalentUp suchen und was KI-Verordnung, DSGVO und die Regeln zur Beteiligung der Beschäftigten verlangen. Anwendungsfälle nach HR-Bereich finden Sie in unserem Leitfaden zu KI im HR; zu den individuellen Kompetenzen, die HR-Fachleute brauchen, siehe KI-Kompetenz im HR.

Vom Drei-Säulen-Modell zum HR-Operating-Model mit KI

Die meisten großen HR-Funktionen folgen noch dem Drei-Säulen-Modell, das Ende der 1990er-Jahre populär wurde: HR Business Partner (HRBPs), die Führungskräfte beraten, Centers of Expertise (CoEs) für Themen wie Vergütung, Talent und Lernen sowie Shared Services, die Transaktionen abwickeln und Fragen der Beschäftigten beantworten, oft unterstützt durch einen mehrstufigen Helpdesk.

Diese Struktur entstand, bevor KI Teil alltäglicher Unternehmenssoftware war. Laut Eurostat nutzten rund 20 % der EU-Unternehmen mit 10 oder mehr Beschäftigten im Jahr 2025 KI-Technologien, bei Großunternehmen waren es 55 %. KI setzt jede Säule auf andere Weise unter Druck:

Daraus folgen zwei praktische Konsequenzen. Erstens verschwimmen die Grenzen zwischen den Säulen: Ein KI-Agent, der eine Vergütungsfrage beantwortet, nutzt Regeln des Vergütungs-CoE, Daten aus den HR-Systemen und Eskalationswege, die bei den Business Partnern liegen. Zweitens wird die Verantwortung für Daten und Regeln zum eigentlichen Organisationsprinzip, denn KI ist nur so gut wie die Jobarchitektur, die Richtlinien und die Datensätze, auf die sie zugreift. Unser Leitfaden zur digitalen Transformation im HR in Europa behandelt dieses Datenfundament ausführlich.

Welche HR-Aufgaben KI automatisiert und welche sie unterstützt

Die belastbarsten Erkenntnisse zur Exposition stammen aus Studien auf Berufsebene, nicht aus Anbieterumfragen. Der verfeinerte globale Index der IAO zur Exposition gegenüber generativer KI (2025), der die Tätigkeiten jedes Berufs bewertet, stuft HR-Berufe sehr unterschiedlich ein:

Die IAO betont, dass Exposition nicht gleichbedeutend mit Arbeitsplatzverlust ist: Da die meisten Berufe aus Tätigkeiten bestehen, die weiterhin menschlichen Einsatz erfordern, ist die Transformation von Arbeitsplätzen die wahrscheinlichste Auswirkung. Weltweit arbeitet nach ihrer Schätzung jeder vierte Beschäftigte in einem Beruf mit einer gewissen Exposition gegenüber generativer KI, und Büroberufe bleiben am stärksten betroffen.

Erste Arbeitsmarktdaten weisen in dieselbe Richtung. Die überarbeitete Studie „Canaries in the Coal Mine?“ von Brynjolfsson, Chandar und Chen am Stanford Digital Economy Lab (August 2026), die auf US-Gehaltsabrechnungsdaten beruht, kommt zu dem Ergebnis, dass die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen um 19 % unter dem Niveau liegt, das sie bei gleicher Entwicklung wie in weniger exponierten Berufen erreicht hätte, während es bei erfahrenen Beschäftigten keine vergleichbare Lücke gibt. Die Rückgänge konzentrieren sich auf Berufe, in denen KI Tätigkeiten vor allem ersetzt; wo sie Beschäftigte vor allem ergänzt, ist die Beschäftigung stabil oder steigt.

Für HR-Verantwortliche ergibt sich daraus eine einfache Übersicht:

Das Risiko liegt am unteren Ende der Leiter: Wenn Shared Services schrumpfen und HR-Administration auf Einstiegsniveau verschwindet, verlieren Organisationen die Stellen, in denen HR-Fachleute traditionell ihr Handwerk gelernt haben. Das Operating Model braucht darauf eine bewusste Antwort, etwa Rotationen, Ausbildungsplätze in den HR-Operations oder Junior-Analyst-Stellen.

Welche HR-Rollen Arbeitgeber suchen: TalentUp-Daten

Quelle: TalentUp-Datenbank für Stellenanzeigen, HR-Stellenanzeigen weltweit, Januar–September 2024 und 2026.

Stellenanzeigen zeigen, wo Arbeitgeber tatsächlich HR-Personal aufbauen. Wir haben HR-Stellenanzeigen anhand der Stellenbezeichnung sieben Rollenfamilien zugeordnet und ihren Anteil an allen HR-Anzeigen in denselben 11 großen Märkten verglichen (USA, Indien, Kanada, Mexiko, Italien, Deutschland, Vereinigtes Königreich, Australien, Frankreich, Niederlande und Spanien), wobei jedes Land gleich gewichtet wurde, damit Veränderungen im Quellenmix das Ergebnis nicht verzerren.

Was die Daten zeigen:

• Daten- und Technologierollen sind die klarsten Gewinner. People Analytics und HR-Systeme sind noch klein, haben aber in praktisch jedem Markt Anteile gewonnen, was zu einem Operating Model passt, in dem die Verantwortung für Daten zentral wird.
• HR-Business-Partner- und Vergütungsrollen halten sich oder wachsen, was zur Verlagerung von HR hin zu Beratung und Vergütungsgestaltung passt. Die Regeln zur Entgelttransparenz erhöhen in Europa zusätzlich die Nachfrage nach Vergütungsspezialisten.
• Einen globalen Einbruch der HR-Administration gibt es noch nicht. Generalisten- und Administrationsrollen verloren im Durchschnitt rund einen Prozentpunkt Anteil, mit den stärksten Rückgängen in den USA, Kanada, dem Vereinigten Königreich und Australien, während sich die Entgeltabrechnung je nach Land unterschiedlich entwickelte. Exposition ist, wie die IAO betont, nicht dasselbe wie Ersetzung.
• Recruiting ist zyklisch. Sein Anteil hängt ebenso vom allgemeinen Einstellungsvolumen ab wie von KI, daher würden wir den Rückgang nicht als KI-Effekt deuten.

Welche HR-Rollen KI-Kompetenzen verlangen

Typische Anforderungen lauten etwa „nachweislicher Einsatz von KI-Tools zur Steigerung der HR-Effizienz“, „Erfahrung mit KI-gestützten Tools in den HR-Operations ist ein Plus“ oder „angewandte KI-Kompetenz mit Bezug zu Vergütungs- und Benefits-Praktiken“. KI-Kompetenzen werden Teil der Stellenbeschreibung in den Rollen, die das neue Modell aufbauen und betreiben, während sie in den transaktionalen Rollen, die am stärksten der Automatisierung ausgesetzt sind, noch selten sind.

Was HR-Rollen verdienen

Wo die Stichprobe groß genug ist, bestätigen die ausgeschriebenen Gehälter, dass die wachsenden Rollen auch die besser bezahlten sind. Mediane ausgeschriebene Jahresgehälter in Stellenanzeigen für Angestellte, 2026, umgerechnet in EUR:

In den USA bietet die mittlere People-Analytics-Anzeige rund 77 % mehr als die mittlere Anzeige für HR-Generalisten und HR-Administration, HR-Systems-Rollen rund 56 % mehr. Ein Teil der Lücke spiegelt die Seniorität wider, da Generalisten- und Administrationsrollen viele Assistenzstellen umfassen, doch die Richtung ist klar: Wer HR-Budget von Transaktionen zu Daten, Technologie und Beratung verlagert, erhöht die durchschnittlichen Kosten pro HR-Stelle, auch wenn der gesamte HR-Personalbestand sinken kann. Für das größere Marktbild siehe unsere Analyse der KI-Gehaltsprämie.

Neue Rollen und Fähigkeiten in einer KI-first-HR-Funktion

Die Rollen, die in den Daten wachsen, entsprechen den Fähigkeiten, die ein HR-Operating-Model mit KI braucht:

Der rote Faden ist Verantwortung: Jemand muss für jeden Datenbereich, jedes Regelwerk, das die KI anwendet, und jede Entscheidung, die menschlich bleibt, verantwortlich sein. HR-Teams, die auf Datenanalyse im Talentmanagement und eine kompetenzbasierte Sicht auf Arbeit setzen, wie bei der kompetenzbasierten Vergütung, können diese Rollen leichter definieren.

KI-Verordnung, DSGVO und Beteiligung der Beschäftigten

Das Operating Model muss von Anfang an nach europäischen Regeln gestaltet werden, denn HR gehört zu den Bereichen, die die KI-Verordnung als hochriskant einstuft.

Die KI-Verordnung

Anhang III der KI-Verordnung (Verordnung (EU) 2024/1689) stuft KI-Systeme als hochriskant ein, die bestimmungsgemäß verwendet werden für:

• die Einstellung oder Auswahl, insbesondere für gezielte Stellenanzeigen, die Analyse und Filterung von Bewerbungen und die Bewertung von Bewerbenden;
• Entscheidungen über die Bedingungen von Arbeitsverhältnissen, Beförderung oder Kündigung;
• die Zuweisung von Aufgaben auf Grundlage des individuellen Verhaltens oder persönlicher Merkmale;
• die Beobachtung und Bewertung der Leistung und des Verhaltens von Beschäftigten.

Zeitplan. Das Verbot der Emotionserkennung am Arbeitsplatz (außer aus medizinischen oder Sicherheitsgründen) gilt seit dem 2. Februar 2025. Die Pflichten für eigenständige Hochrisiko-Systeme, einschließlich des Beschäftigungsbereichs, sollten ursprünglich ab dem 2. August 2026 gelten; der Digital-Omnibus zur KI, Verordnung (EU) 2026/1744, veröffentlicht im Amtsblatt am 24. Juli 2026, hat sie auf den 2. Dezember 2027 verschoben. Transparenzpflichten, etwa der Hinweis, dass Personen mit einem KI-System interagieren, wurden nicht verschoben.

Betreiberpflichten für Arbeitgeber, die Hochrisiko-HR-Systeme einsetzen, umfassen unter anderem die Verwendung gemäß der Gebrauchsanweisung des Anbieters, die Übertragung der menschlichen Aufsicht an Personen mit der erforderlichen Kompetenz, Ausbildung und Befugnis, die Überwachung des Betriebs, die Aufbewahrung der Protokolle unter ihrer Kontrolle und, bevor ein System am Arbeitsplatz in Betrieb genommen wird, die Information der Arbeitnehmervertretungen und der betroffenen Beschäftigten. Betroffene erhalten zudem ein Recht auf Erläuterung von Einzelentscheidungen, die auf Grundlage der Ergebnisse eines Hochrisiko-Systems getroffen werden.

DSGVO

Die DSGVO gilt neben der KI-Verordnung. Artikel 22 beschränkt Entscheidungen, die ausschließlich auf einer automatisierten Verarbeitung beruhen und Personen erheblich beeinträchtigen, für umfangreiche People Analytics oder Überwachung ist in der Regel eine Datenschutz-Folgenabschätzung erforderlich, und Artikel 88 erlaubt den Mitgliedstaaten, spezifischere Vorschriften für Beschäftigtendaten zu erlassen. Ein HR-Operating-Model mit KI braucht daher Datenschutz, der in das Service-Design eingebaut ist und nicht erst nach dem Go-live ergänzt wird.

Unterrichtung, Anhörung und Mitbestimmung

Die EU-Rahmenrichtlinie zur Unterrichtung und Anhörung (2002/14/EG) verpflichtet Arbeitgeber oberhalb nationaler Schwellenwerte, die Arbeitnehmervertretungen über Entscheidungen zu unterrichten und anzuhören, die zu wesentlichen Veränderungen der Arbeitsorganisation führen können, und eine Neugestaltung der HR-Services kann darunter fallen. Nationale Regeln gehen oft weiter: In Deutschland etwa hat der Betriebsrat ein Mitbestimmungsrecht bei technischen Einrichtungen, die dazu geeignet sind, das Verhalten oder die Leistung der Beschäftigten zu überwachen (§ 87 Abs. 1 Nr. 6 Betriebsverfassungsgesetz). Führt das neue Modell zu Massenentlassungen, kommen Konsultationspflichten aus der Massenentlassungsrichtlinie (98/59/EG) hinzu. Die Arbeitnehmervertretungen früh einzubinden ist in vielen Ländern gesetzlich vorgeschrieben und zugleich der beste Weg, Vertrauen in KI-gestütztes HR aufzubauen.

Was das für HR-Personalbestand, Budgets und Vergütung bedeutet

Für das „richtige Verhältnis von HR-Personal zu Beschäftigten“ in einem KI-first-Modell gibt es keinen verlässlichen amtlichen Richtwert, und Anbieterschätzungen gehen weit auseinander, deshalb nennen wir keinen. Was die Evidenz stützt:

• Der Personalbestand verschiebt sich, bevor er schrumpft. Die Nachfrage in Stellenanzeigen bewegt sich hin zu Analytics, Systemen, Vergütung und Business Partnering, während administrative HR-Arbeit am stärksten betroffen ist. Rechnen Sie mit kleineren Shared Services und einem höheren Anteil an Spezialistenrollen.
• Einstiegsstellen müssen gezielt geschützt werden. Die Stanford-Ergebnisse zu jungen Beschäftigten deuten darauf hin, dass zuerst Junior-Stellen wegfallen. Bauen Sie Karrierepfade auf, die nicht darauf angewiesen sind, dass transaktionale Arbeit nur langsam verschwindet.
• Budgets verlagern sich von Personal zu Plattformen und Daten. Die Ausgaben für HR-Systeme, Datenqualität und KI-Governance steigen, und die verbleibenden HR-Rollen kosten pro Kopf mehr. Planen Sie den Business Case auf Basis der gesamten HR-Kosten, nicht nur des Personalbestands, und nutzen Sie dafür Echtzeit-Gehaltsdaten für die HR-Budgetplanung.
• Vergütungsstrukturen innerhalb von HR müssen aktualisiert werden. Neue Rollen wie People Analytics Lead oder HR Systems Lead brauchen eigene Joblevel und Gehaltsbänder, die am Markt ausgerichtet sind statt an alten HR-Eingruppierungen. Sobald die nationalen Gesetze zur Umsetzung der EU-Entgelttransparenzrichtlinie (2023/970) gelten, müssen diese Level auf objektiven, geschlechtsneutralen Kriterien beruhen.

So gestalten Sie Ihr HR-Operating-Model für KI neu

1. HR-Arbeit auf Aufgabenebene erfassen. Listen Sie die wichtigsten Tätigkeiten jedes HR-Teams auf und ordnen Sie sie anhand der obigen Kategorien den Gruppen automatisieren, unterstützen oder menschlich belassen zu.
2. Bereits genutzte KI inventarisieren. Viele HRIS-, Bewerbermanagement- und Abrechnungstools enthalten bereits KI-Funktionen; ordnen Sie jede den Hochrisiko-Kategorien der KI-Verordnung zu.
3. Zuerst Daten und Regeln in Ordnung bringen. Bereinigen Sie Stammdaten, Jobarchitektur und Richtlinieninhalte, bevor Sie KI-gestützte Services skalieren.
4. Die Service-Erbringung neu gestalten. Legen Sie fest, welche Anfragen die KI beantwortet, welche sie ausführt und wann sie an einen Menschen eskaliert, besonders bei sensiblen Fällen.
5. Verantwortlichkeiten und neue Rollen festlegen. Benennen Sie Verantwortliche für Datenbereiche, Regelwerke, KI-Aufsicht und jede menschliche Entscheidung; erstellen Sie Stellenbeschreibungen und Vergütungslevel für die neuen Rollen.
6. Früh informieren und anhören. Binden Sie Arbeitnehmervertretungen, Datenschutz und Rechtsabteilung vor dem Go-live ein, nicht danach.
7. Umschulen und Karrierepfade sichern. Führen Sie Mitarbeitende von transaktionaler Arbeit zu Analytics, Service-Design und Beratung und halten Sie die Einstiegswege ins HR offen.
8. Messen, was zählt. Verfolgen Sie Qualität und Fairness von Entscheidungen, Akzeptanz und Zufriedenheit der Beschäftigten, die für Beratung freigesetzte Zeit und den Stand der Compliance, nicht nur Ticketvolumina.

Fazit

KI schreibt das HR-Operating-Model neu, indem sie verändert, wo HR-Arbeit stattfindet und wer sie verantwortet. Routine-Services wandern in einen KI-gestützten Self-Service, während Rollen für Daten, Systeme, Vergütung und Beratung einen größeren Teil der Wertschöpfung tragen. Die Stellenanzeigendaten von TalentUp zeigen erste Anzeichen dieses Wandels: People-Analytics- und HR-Systems-Rollen gewinnen fast überall Anteile, sie verlangen am häufigsten KI-Kompetenzen, und sie werden besser bezahlt als die transaktionalen Rollen, die am stärksten der Automatisierung ausgesetzt sind.

In Europa hat die Neugestaltung einen klaren rechtlichen Rahmen: Hochrisiko-Pflichten für KI im Beschäftigungsbereich ab dem 2. Dezember 2027, die DSGVO und nationale Beteiligungsregeln. HR-Verantwortliche, die Rollen, Datenverantwortung und Governance gemeinsam neu gestalten und die neuen Rollen anhand echter Marktdaten bewerten, sind für beides gerüstet. Um HR- und andere Rollen länderübergreifend zu benchmarken, beginnen Sie mit der Methodik für Gehaltsbenchmarking von TalentUp.

Quellen

• TalentUp. Datenbank für Stellenanzeigen, HR-Stellenanzeigen weltweit, Januar–September 2024, 2025 und 2026 (siehe Methodik oben).
• Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K. und Troszyński, M. (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140, Internationale Arbeitsorganisation.
• Brynjolfsson, E., Chandar, B. und Chen, R. (2025, überarbeitet im August 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
• Eurostat. Use of artificial intelligence in enterprises. Statistics Explained.
• Europäische Union. Verordnung (EU) 2024/1689 (KI-Verordnung). EUR-Lex.
• Europäisches Parlament. Digital-Omnibus zur KI, Verordnung (EU) 2026/1744. Legislative Train Schedule.
• Europäische Union. Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung). EUR-Lex.
• Europäische Union. Richtlinie 2002/14/EG zur Festlegung eines allgemeinen Rahmens für die Unterrichtung und Anhörung der Arbeitnehmer. EUR-Lex.
• Europäische Union. Richtlinie 98/59/EG über Massenentlassungen. EUR-Lex.
• Europäische Union. Richtlinie (EU) 2023/970 zur Entgelttransparenz. EUR-Lex.