Skip to main content

HR-Analytics und Gesundheit

Identifikation von Fehlbeanspruchungen mit Hilfe maschineller Lernmodelle

Arbeitsbezogener Stress hat für Schweizer Unternehmen Kosten von rund CHF 7.6 Mrd. pro Jahr zur Folge. In der Gesunderhaltung von Mitarbeitenden besteht somit grosses Potenzial, um Kosten einzusparen und die Produktivität und Zufriedenheit von Arbeitnehmenden zu erhöhen. Daher ist es wichtig, Fehlbeanspruchungen früh zu erkennen und durch Interventionen zu minimieren.

Mittels Methoden des maschinellen Lernens prüfen wir in diesem Projekt, wie wir Fehlbeanspruchungen möglichst gut erkennen können und ob dafür komplexe Algorithmen notwendig sind oder einfache Modelle ausreichen. Zudem untersuchen wir, welche Arbeitsbedingungen besonders starke Zusammenhänge mit Fehlbeanspruchungen aufweisen und wie Ergebnisse und Vorhersagen von Algorithmen dargestellt werden müssen, damit sie beispielsweise von BGM-Fachpersonen möglichst gut verwendet werden können.

Da kürzere Umfragen zu einer höheren Akzeptanz führen, prüfen wir, wie stark bestehende Umfragen gekürzt werden können, um in einer Minimalversion trotzdem noch eine hohe Relevanz durch eine hohe Vorhersagekraft aufzuweisen. Die Erkenntnisse werden Ende 2025 publiziert.

Projektdaten

Leitung und Team
Dr. Markus Steiner (Co-Leitung), Jonas Mumenthaler (Co-Leitung), Prof. Dr. Andreas Krause
Kooperationspartner
DearEmployee GmBH, Biäsch Stiftung
Dauer
2022025
Diese Seite teilen: