IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-47288-7_8.html
   My bibliography  Save this book chapter

Generative KI im Personalmanagement: Das Reifegradmodell für Next Level HR

In: KI mit Köpfchen

Author

Listed:
  • Matthias Groß

    (TH Mittelhessen)

Abstract

Zusammenfassung Dieser Artikel beleuchtet, wie generative KI das Personalmanagement in Unternehmen jeder Größe revolutionieren kann – von der Rekrutierung über die Personalentwicklung bis zur Arbeitsgestaltung. Ein detailliertes Reifegradmodell hilft Ihnen, den aktuellen Stand Ihrer HR-Prozesse zu bewerten und klare strategische Ziele für den Einsatz von KI zu definieren. Mit dem HR-Harvard-Ansatz als praxisorientiertem Leitfaden erfahren Sie, wie technologische Innovationen und menschenzentrierte Ansätze synergetisch eingesetzt werden können. Konkrete Anwendungsbeispiele verdeutlichen die Potenziale und Fallstricke bei der Umsetzung und zeigen, wie Sie KI-Tools nicht nur zur Effizienzsteigerung, sondern auch zur Förderung der Mitarbeiterzufriedenheit einsetzen können. Ein Muss für Praktiker, die HR-Prozesse zukunftsfähig gestalten und dabei gezielt auf die individuellen Bedürfnisse ihrer Mitarbeiter eingehen wollen.

Suggested Citation

  • Matthias Groß, 2025. "Generative KI im Personalmanagement: Das Reifegradmodell für Next Level HR," Springer Books, in: Christian Kuß & Dominic von Proeck (ed.), KI mit Köpfchen, chapter 8, pages 123-146, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-47288-7_8
    DOI: 10.1007/978-3-658-47288-7_8
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-47288-7_8. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.