Warum Ihre Enterprise-Skills-Plattform nur so gut ist wie die Daten dahinter

Die meisten großen Organisationen haben ihre Wette längst platziert. SAP SuccessFactors, ServiceNow, Workday, Oracle HCM: Der Markt für Enterprise-HR-Plattformen war nie kapitalstärker und nie selbstbewusster, was die eigene Richtung angeht. Skills Intelligence steht im Zentrum der Roadmap jedes großen Anbieters. KI-Agenten, die Menschen passenden Projekten zuordnen, Entwicklungspfade empfehlen und Kompetenzlücken in der Belegschaft sichtbar machen. Die Vision überzeugt, und die Investitionen sind real.

Das Problem sind nicht die Plattformen. Das Problem sind die Daten, mit denen sie arbeiten.

Auf einer typischen Enterprise-HR-Plattform liegt die Vollständigkeit der Mitarbeiterprofile bei 20 bis 40 %, mit durchschnittlich drei bis fünf angegebenen Kompetenzen pro Person. Das sind keine Ausnahmen aus schlecht umgesetzten Einführungen. Es ist der Normalfall, den wir in großen Organisationen weltweit sehen: der typische Ausgangspunkt, bevor überhaupt eine Kompetenzinitiative startet.

Das ist weder ein SAP-spezifisches Problem noch überhaupt eines, das nur Kompetenzen betrifft. Zentrale HR-Stammdaten wie Gehaltsabrechnung, amtlicher Name oder Notfallkontakte sind in der Regel zu 90 bis 95 % gepflegt, weil das System es erzwingt: Solange diese Felder leer sind, wird beispielsweise kaum jemand bezahlt. Bei freiwilligen Feldern sieht das anders aus, und das liegt nicht daran, dass sie freiwillig sind, sondern daran, dass sie selten etwas zurückgeben. Eine Analyse von Microsoft-365- und Entra-ID-Tenants aus dem Jahr 2026 (ein Verzeichnissystem, keine Kompetenzplattform) stieß durchweg auf dieselben veralteten Felder: Jobtitel, die seit der letzten Umstrukturierung niemand angepasst hat, Berichtslinien, die nicht mehr der Realität entsprechen, und Kompetenzen, die neben Kontaktdaten und Standort zu den Attributen gehören, die „niemand jemals ausfüllt“. Anderes System, andere Feldtypen, dieselbe Ursache: Haben Mitarbeitende keinen Grund mitzumachen, bleiben optionale Felder leer.

Agenten, die mit 30 % der Daten trainiert werden, treffen auch nur 30-Prozent-Entscheidungen. Jedes KI-Ergebnis, jeder kompetenzbasierte Workflow, jedes Modell der Personalplanung ist nur so gut wie die Mitarbeiterdaten dahinter. Das ist den Plattformen bewusst, und sie haben Funktionen entwickelt, um gegenzusteuern. Doch die Partizipationslücke, also der Abstand zwischen den Daten in der Plattform und dem, was in Köpfen und Erfahrung Ihrer Belegschaft tatsächlich vorhanden ist, kann keine von ihnen aus der eigenen Architektur heraus schließen.

Das ist kein Fehler, sondern strukturell bedingt. Und genau deshalb gibt es eine zusätzliche Ebene.

Warum Enterprise-Plattformen ihre Daten nicht selbst erzeugen können

Enterprise-HR-Systeme wurden für die Verwaltung gebaut. Sie speichern Datensätze, steuern Workflows, wickeln die Gehaltsabrechnung ab, sichern die Compliance und bilden die Schnittstelle für das Personalwesen der Organisation. Entwickelt wurden sie für HR-Teams und IT-Administratoren, nicht für Mitarbeitende.

Diese Designentscheidung hat Folgen, die erst sichtbar werden, wenn man darauf Skills Intelligence aufbauen will. In Systemen, die sie als HR-Infrastruktur wahrnehmen, pflegen Mitarbeitende ihre Kompetenzprofile nicht freiwillig. Sie tragen keine neuen Zertifizierungen ein, wenn das System, das sie darum bittet, auch ihre Leistungsbeurteilungen abwickelt. Das führende System ist eben nicht das System, dem Mitarbeitende ihre gesamte berufliche Identität anvertrauen.

Das Ergebnis sind lückenhafte Daten. Nicht, weil Mitarbeitende nichts zu bieten hätten, sondern weil das Tool, das fragt, nie für sie gemacht wurde.

Das ist keine Kritik an SAP, ServiceNow oder Workday. Es sind ausgereifte, gut entwickelte Plattformen, die genau das tun, wofür sie gebaut wurden. Die Lücke, die sie nicht schließen können, ist strukturell: Die Kompetenzdatenebene braucht ein Erlebnis, das die Mitarbeitenden in den Mittelpunkt stellt. Eines, das sie nutzen, weil es ihnen selbst etwas bringt, und nicht eines, das sie ausfüllen, weil die IT es eingeführt hat.

Die Partizipationslücke in Zahlen

Höegh Autoliners ist eine globale Reederei mit mehr als 1.400 Mitarbeitenden in Oslo, Manila und Hafenbetrieben weltweit. Das Unternehmen nutzt SAP SuccessFactors. Denselben Stack wie viele große Unternehmen: dieselben Agenten, dieselben Module, dieselbe Architektur.

Als MuchSkills als Partizipationsebene neben ihrer SAP-Implementierung hinzukam, veränderten sich die Akzeptanzzahlen. Die Profilvollständigkeit stieg vom branchenüblichen Wert von 20 bis 40 % auf über 90 %. Die Zahl der angegebenen Kompetenzen pro Kopf stieg von drei bis fünf auf 54.

Es war derselbe SAP-Stack mit einer zusätzlichen Ebene. Die Agenten hatten jetzt die Daten, die sie brauchten.

Anniken Fischer, Talent and Performance Manager bei Höegh Autoliners, beschreibt, was das in der Praxis bedeutete: „Wir haben MuchSkills vor einigen Jahren eingeführt, um die Fähigkeiten unserer Belegschaft besser zu verstehen und weiterzuentwickeln. Heute sind unsere Lerndaten Teil unseres jährlichen Strategieberichts.“

Kompetenz- und Lerndaten, fest verankert im jährlichen Strategiebericht. So sieht es aus, wenn die Partizipationslücke geschlossen ist: nicht bloß ein saubereres Kompetenzinventar, sondern Erkenntnisse, die bis in die Gespräche auf Vorstandsebene vordringen.

Was die Partizipationsebene leistet

Eine Partizipationsebene ersetzt Ihre Enterprise-Plattform nicht. Sie ergänzt sie.

Die Enterprise-Plattform ist für die Verwaltung zuständig: Sie dient als führendes System, orchestriert Workflows und stellt die KI-Agenten bereit. Die Partizipationsebene ist für die Daten zuständig: Sie liefert die von Mitarbeitenden bestätigten, laufend aktualisierten Kompetenzdaten, auf die diese Systeme angewiesen sind.

MuchSkills wurde von Anfang an mit Blick auf die Mitarbeitenden entwickelt. Sie erfassen ihre Kompetenzen, bewertet auf einer Skala von 1 bis 9 und aus mehr als 20.000 Skills und über 9.700 Zertifizierungen, weil sie den Nutzen sofort sehen. Ihr Profil zeigt, was sie können, und, was es sonst nirgends gibt, was sie gern tun möchten. Kolleginnen und Kollegen sehen es. Führungskräfte sehen es. Diese Transparenz durch gegenseitige Sichtbarkeit ist selbst ein Mechanismus für Datenqualität: Niemand gibt sich als Experte aus, wenn neben ihm ein echter Experte steht.

Die Folge dieses Designs ist Akzeptanz. Nicht die 20 bis 40 %, die Enterprise-Plattformen standardmäßig erreichen, sondern die über 90 %, die Organisationen erzielen, wenn das Tool für die Person gebaut wurde, die es ausfüllt.

Diese Daten fließen dann dorthin, wo sie gebraucht werden. In SAP SuccessFactors. In ServiceNow. In Workday. Per API, plattformunabhängig und ohne formale Partnerschaftsvereinbarungen mit einem Anbieter. Die Architektur ist additiv: SuccessFactors verwaltet, MuchSkills sorgt für Beteiligung, beide speisen die Agenten.

Warum das 2026 wichtiger ist als noch vor drei Jahren

2023 waren lückenhafte Mitarbeiterprofile ein Problem der Datenqualität. 2026 sind sie ein Problem der KI-Leistung.

Alle großen Anbieter von Enterprise-HR-Software haben KI-Agenten auf den Markt gebracht oder angekündigt, die Kompetenzdaten voraussetzen. Die fünf SAP-Agenten (Career and Talent Development, People Intelligence, Performance and Goals, HR Service und Payroll) wurden im ersten Halbjahr 2026 ausgerollt. Das kompetenzbasierte Work Routing von ServiceNow und die Funktionen für Employee Growth and Development sind bereits live. Beim Enterprise-Angebot von Workday steht das KI-gestützte Talent Matching im Mittelpunkt.

Die Qualität jeder einzelnen dieser Funktionen hängt direkt davon ab, wie vollständig die zugrunde liegenden Mitarbeiterdaten sind. Eine Organisation mit 30 % Profilvollständigkeit holt 30 % des Werts aus ihrer KI-Investition heraus. Der Plattformanbieter kann das nicht beheben: Er kann die Lücke sichtbar machen, aber nicht die Beteiligung erzeugen, die sie schließt.

Der Engpass ist nicht die KI. Es sind die Daten, aus denen die KI lernt.

Organisationen, die die Partizipationslücke als Erste schließen, verschaffen sich einen strukturellen Vorteil: Ihre KI-Tools arbeiten mit einem vollständigeren Bild, und dieser Unterschied zeigt sich in den Ergebnissen.

Skills Intelligence als strategischer Wert

Über die Frage der KI-Leistung hinaus lohnt es sich, hier etwas weiter auszuholen.

Wenn Höegh Autoliners sagt, die eigenen Lerndaten seien inzwischen Teil des jährlichen Strategieberichts, beschreibt das Unternehmen etwas, wozu die meisten großen Organisationen nicht in der Lage sind: die Frage des Vorstands nach den vorhandenen Fähigkeiten mit Daten zu beantworten statt mit Anekdoten.

„Haben wir die Kompetenzen, um unsere Dreijahresstrategie umzusetzen?“ Diese Frage steht hinter jeder Initiative zur digitalen Transformation, jedem Gespräch zur Personalplanung, jeder Überprüfung der KI-Reife. Die meisten Organisationen beantworten sie mit einer Mischung aus Bauchgefühl, dem Gedächtnis der Führungskräfte und den Ausgaben für Personalentwicklung aus dem Vorjahr. Die Unternehmensleitung akzeptiert die Antwort, weil es keine Alternative gibt.

Skills Intelligence, also echte, aktuelle und von Mitarbeitenden bestätigte Daten über die gesamte Organisation hinweg, macht eine datenbasierte Antwort möglich. Und zwar nicht nur beim Talent Matching oder bei der Verwaltung von Mitarbeiterzertifikaten, sondern auch in der strategischen Diskussion darüber, ob die Organisation über die Fähigkeiten verfügt, die sie für ihren angestrebten Weg braucht.

Laut Gartner verfügen nur 8 % der Organisationen über verlässliche Daten zu den Kompetenzen, die ihre Belegschaft aktuell mitbringt. Diese Zahl zeigt etwas Wichtiges: In den meisten großen Unternehmen ist Skills Intelligence kein gelöstes Problem. Die Plattformen sind da. Die Module sind gekauft. Die Daten fehlen.

Das ändert sich mit der Partizipationsebene.

Wie sich MuchSkills in Ihre bestehende Architektur einfügt

MuchSkills lässt sich per API in Enterprise-Plattformen integrieren. Dafür müssen Sie weder Ihr HRIS noch Ihr LMS oder Ihre bestehenden HR-Abläufe ersetzen. MuchSkills ergänzt sie als eigenständige Ebene für Skills Intelligence: als das System, das die Daten liefert, die Ihre übrigen Systeme brauchen.

Eine typische Einführung im Unternehmen verläuft in Phasen. Ein Pilotbereich oder eine Geschäftseinheit etabliert das Beteiligungsmodell und liefert erste Nachweise. Die Nutzungsquote bestätigt den Designansatz. Kompetenzdaten fließen in die angebundenen Plattformen. Der Pilot wird ausgeweitet. Mit der Zeit entsteht ein Kompetenzbild auf Konzernebene: aktuell, von Mitarbeitenden bestätigt und für jedes System verfügbar, das es braucht.

Höegh Autoliners hat das über mehrere Jahre hinweg aufgebaut. Skillsoft Percipio wurde über MuchSkills angebunden und auf die ermittelten Kompetenzlücken ausgerichtet. Die Kompetenzdaten wurden mit der SAP-Architektur verknüpft und flossen schließlich in den jährlichen Strategiebericht ein.

Nicht jede Organisation muss so lange brauchen. Die Architektur bleibt aber dieselbe: die Enterprise-Plattform für Verwaltung und Orchestrierung, MuchSkills für die Skills-Intelligence-Ebene, die alles zum Laufen bringt.

MuchSkills ist als Partner im SAP Store gelistet und wird in der PEAK Matrix 2026 der Everest Group für Kompetenzmanagement als unabhängiger Major Contender eingestuft. Wer SAP SuccessFactors nutzt, findet einen etablierten und bewährten Integrationsweg vor. Wer mit anderen Enterprise-Plattformen arbeitet, kann dank der API-first-Architektur dieselbe Partizipationsebene nutzen, ganz ohne formale Partnerschaft.

Sehen Sie, wie das Kompetenzbild Ihrer Belegschaft mit einer zusätzlichen Partizipationsebene aussieht → Demo buchen