Anfang des Jahres traf sich das Konsortium des Projektes PredicTeams - Agile Teamarbeit durch Prädiktives Kompetenzmanagement, bestehend aus dem SICP – Software Innovation Campus Paderborn der Universität Paderborn, der Technischen Hochschule OWL sowie den Unternehmen S&N Invent GmbH, Weidmüller Interface GmbH & Co. KG, Behr-Hella Thermocontrol GmbH und NTT Data, um die erarbeiteten Zwischenergebnisse des Projektes zu besprechen und zu synchronisieren. Ziel des Projektes ist es, ein praxisorientiertes Framework für ein prädiktives Kompetenzmanagement für agile Teams zu entwickeln, das Unternehmen unterstützt, den Übergang zu agiler Teamarbeit in digitalen Arbeitswelten zu bewältigen.
Erste Analysen und Ergebnisse liegen vor
Im Fokus des Projektes steht die Erarbeitung eines umfassenden Kompetenzmodells auf Basis des Forschungsstands sowie bestehender Modelle, die in den am Projekt beteiligten Unternehmen eingesetzt werden. Hierzu wurden bereits Skalen identifiziert und ein elektronisches Erhebungsinstrument entwickelt, welches eingesetzt wurde, um Kompetenz- und Performancedaten in agilen und traditionellen Teams in den Unternehmen zu erheben. „Die nun vorliegenden Daten nutzen wir für erste Analysen, um Zusammenhänge zwischen einzelnen Kompetenzen und der Teamleistung zu identifizieren. Darüber hinaus zeigen erste konfigurationelle Analysen die Vorteilhaftigkeit spezifischer Kompetenzprofile für die Teamleistung“, erläutert Prof. Dr. Kirsten Thommes, wissenschaftliche Leiterin des Projektes und Professorin für Organizational Behavior an der Universität Paderborn.
Auf Grundlage der Daten der Unternehmensbefragung konnten zunächst auf Individualebene Kompetenzprofile der Teammitglieder in den Kategorien soziale, emotionale und kognitive Kompetenzen unterschieden werden. Sie liefern zudem erste Erkenntnisse darüber, welche Kompetenzprofile in einem Team erfolgreich sind und sind daher ein wertvoller Indikator für zukünftige Personalzusammenstellungen.
Sprachanalyse-Tool erlaubt automatisierte Vorhersagen
Ferner ist es gelungen, erste textbasierte Notenvorhersagen mithilfe eines Algorithmus zu treffen. Die Vorhersagen sind ein wichtiger Schritt bei der Entwicklung des Sprachanalyse-Tools, das eine automatisierte Analyse von gesprochenen Kommentaren ermöglichen soll. Ein vorläufiger Vergleich der vorhergesagten Noten mit den tatsächlichen Noten, die von Teammitgliedern vergeben wurden, zeigt, dass die Vorhersagen den gemessenen Kompetenzen eher entsprechen als die Noten, die eine Person von ihren Teammitgliedern erhalten hat. Um den vorläufigen Vergleich näher zu prüfen, werden in den nächsten Monaten weitere Kompetenz-, Sprach- und Performance-Daten gesammelt.
