Ratgeber · 11 min · 24. September 2026

Skills-Intelligence-Plattformen erklärt: wie KI Kompetenzen aus HR-Daten ableitet

Eine Skills-Intelligence-Plattform erstellt per KI für alle Beschäftigten ein Kompetenzprofil aus Daten, die das Unternehmen schon hat: Stellenprofile, Lebensläufe, Weiterbildungsnachweise und Aktivität in Arbeitssystemen. Jede Kompetenz ordnet sie einer Taxonomie zu, also einem geordneten Kompetenzverzeichnis wie ESCO, O*NET oder einem Verzeichnis des Anbieters. Unternehmen nutzen diese Profile für interne Mobilität, Personalplanung und Weiterbildung. Die abgeleiteten Kompetenzen sind Schätzungen, keine geprüften Tatsachen. Fragen Sie deshalb, wie jede Kompetenz abgeleitet wurde und welche Entscheidungen sie beeinflussen darf.

Auf einen Blick

Die KI liest Stellenprofile, Lebensläufe, Weiterbildungsnachweise und Arbeitssysteme aus, erkennt Nennungen von Kompetenzen und ordnet sie einer Taxonomie zu.
Öffentliche Taxonomien unterscheiden sich in Umfang und Aufbau: ESCO führt 13.939 Kompetenzen in 28 Sprachen, Lightcast mehr als 34.000, und O*NET erhebt Kompetenzbewertungen für 923 Berufe.
In einem begutachteten Vergleichstest (Benchmark) erreichte das beste Modell beim Erkennen von Kompetenzen in englischen Stellenanzeigen einen Span-F1-Wert (ein Genauigkeitsmaß für erkannte Textstellen) von 56,64 von 100.
Kompetenzdaten für Beförderungen sind in New York City schon reguliert, in Kalifornien ab dem 1. Januar 2027 und in der EU ab dem 2. Dezember 2027 als Hochrisiko-KI.
Die meisten Skills-Tools in unserem Verzeichnis veröffentlichen keine Preise: 85 Prozent nennen sie nur auf Anfrage.

Eine Skills-Intelligence-Plattform versucht, eine Frage zu beantworten, die die meisten HR-Systeme offenlassen: Was kann jede beschäftigte Person heute tatsächlich, jenseits der hinterlegten Stellenbezeichnung? Dafür liest sie Daten, die das Unternehmen schon hat, von Stellenprofilen und Lebensläufen bis zu Weiterbildungsnachweisen und Aktivitäten in Arbeitssystemen. Daraus macht sie ein Kompetenzprofil pro Person und speist es in interne Mobilität, Personalplanung und Weiterbildung ein.

Dieser Ratgeber erklärt, wie die Ableitung funktioniert, auf welche Taxonomien die Plattformen abbilden, wie genau die zugrunde liegenden Methoden sind und welche Datenschutz- und Arbeitsrechtsregeln gelten. Grundlage sind Anbieterseiten, die offizielle Dokumentation von ESCO und O*NET, veröffentlichte Forschung zur Kompetenzerkennung und die Gesetzestexte, alle geprüft im September 2026. Dazu kommt unser eigenes Verzeichnis mit 185 KI-Tools für HR. Als unabhängiges Verzeichnis nimmt ai-toolfinder kein Geld von Anbietern, weder für Platzierungen noch für Artikel.

Wie eine Skills-Intelligence-Plattform aus HR-Daten Kompetenzprofile macht

Die meisten Plattformen arbeiten nach demselben Ablauf. Sie sammeln Text- und Aktivitätsdaten, erkennen mit Sprachmodellen Nennungen von Kompetenzen und ordnen jede Nennung einem Eintrag in einer Kompetenztaxonomie zu. Die Ergebnisse fassen sie zu einem Profil pro Person zusammen, das sich mit neuen Daten aktualisiert.

Die Eingangsdaten unterscheiden sich je nach Anbieter, und sie entscheiden, was eine Kompetenzangabe wert ist. Bei iMocha zählen Lebensläufe, Zertifikate, Arbeitsdaten, Tests und KI-Interviews zu den Quellen der Ableitung. Der Anbieter retrain.ai zieht Kompetenzen aus Lebensläufen und Stellenanzeigen. TechWolf aus Belgien gibt an, dass seine eigens entwickelten Modelle rohe Arbeitssignale verarbeiten. Das Ergebnis spielt TechWolf in die Kompetenzmodule der großen Suiten ein: Workday Skills Cloud, SAP SuccessFactors und Oracle HCM Dynamic Skills.

Manche Plattformen halten die Belege getrennt. 365Talents beschreibt seine Kompetenzlandkarte als validiert, selbst angegeben und aus echter Arbeit abgeleitet. An diesen Kennzeichnungen sieht eine Führungskraft, ob jemand eine Kompetenz geprüft hat. Talent Alpha aus Krakau erfasst mehr als 3.500 technische Kompetenzen per maschinellem Lernen, misst Soft Skills aber mit Fragebögen. Kaonavi, das japanische Talentmanagement-System, bietet mehr als 200 Vorlagen für Kompetenzübersichten, die Menschen selbst ausfüllen. Dieser Ansatz mit Selbstauskunft ist nur so aktuell wie die letzte Aktualisierung.

Der Unterschied zeigt sich an einem einfachen Fall. Eine Person im technischen Support schließt in einem Service-Desk-Tool Tickets mit dem Schlagwort Kubernetes. Ein Modell, das Arbeitssignale liest, kann dieser Person die Kompetenz zuschreiben. Ein Modell auf Basis von Lebensläufen sieht sie nur, wenn der Lebenslauf sie erwähnt. Ein Modell, das mit Stellenprofilen arbeitet, weist sie allen in dieser Rolle zu, ob sie Kubernetes nutzen oder nicht.

Abgeleitete Kompetenz

Eine Schätzung aus indirekten Signalen: eine Stellenbezeichnung, eine Zeile im Lebenslauf, ein erledigtes Ticket in einem Arbeitssystem. Günstig in der Masse, für die einzelne Person ungeprüft.

Geprüfte Kompetenz

Ein Beleg, dass jemand geprüft hat: ein beaufsichtigter Test, die Bestätigung einer Führungskraft, ein Zertifikat. Langsamer zu sammeln, sicherer in einer Beförderungsentscheidung.

365Talents trennt validierte, selbst angegebene und abgeleitete Kompetenzen. Fragen Sie jeden Anbieter, ob seine Profile dieselbe Unterscheidung treffen.

Belege: [1][2][3][4][5][6][7][8]

Kompetenztaxonomien und Ontologien: ESCO, O*NET, Lightcast und die Graphen der Anbieter

Erkannte Kompetenzen werden erst vergleichbar, wenn sie ein gemeinsames Vokabular teilen. Eine Taxonomie ist dieses Vokabular, eine hierarchisch geordnete Liste von Kompetenzen. Eine Ontologie ergänzt Beziehungen: welche Kompetenzen eine Rolle braucht, welche Kompetenzen nahe beieinanderliegen und welche Personen sie haben.

ESCO, die Klassifikation der Europäischen Kommission, beschreibt 3.039 Berufe und 13.939 Kompetenzen in 28 Sprachen. Jeder Beruf ist genau einem Code in ISCO-08 zugeordnet, dem internationalen Berufsstandard, deshalb funktioniert ESCO weit über Europa hinaus. Öffentliche Taxonomien ändern sich langsam: Das Update vom Mai 2024 brachte 35 Berufe, 42 Kompetenzen und 196 Wissenskonzepte hinzu. Im Dezember 2025 folgte Version 1.2.1.

O*NET wird im Auftrag des US-Arbeitsministeriums betrieben. Es führt 1.016 Berufsbezeichnungen und erhebt für 923 davon Daten bei Stelleninhaber:innen, Berufsexpert:innen und Analyst:innen. O*NET bewertet 10 grundlegende und 25 übertragbare Kompetenzen und verknüpft 8.753 Software-Beispiele mit Berufen. Updates erscheinen vierteljährlich, Version 31.0 kam im August 2026 unter der Lizenz CC BY 4.0 heraus. Lightcast, ein Anbieter von Arbeitsmarktdaten, veröffentlicht eine Taxonomie mit mehr als 34.000 Kompetenzen aus Stellenanzeigen und Profilen, die sich kostenlos durchsuchen lässt.

Die Anbieter bauen eigene Schichten darauf auf. Eightfold nennt 1,6 Millionen Kompetenzen und 1,6 Milliarden Karriereverläufe als Grundlage seines Matchings. Gloat speichert Personen, Kompetenzen und Rollen als verbundene Einheiten in einem Wissensgraphen (Knowledge Graph). Laut iMocha sind seine Taxonomien mit O*NET, Lightcast und dem SkillsFuture-Rahmenwerk aus Singapur verbunden. Ist die Ontologie eines Anbieters proprietär, verlangen Sie eine Zuordnung zu ESCO oder O*NET. Sonst bleiben Ihre Kompetenzdaten an diesen Anbieter gebunden.

13.939Kompetenzen in ESCO, veröffentlicht in 28 Sprachen

923Berufe mit erhobenen O*NET-Daten

über 34.000Kompetenzen in der Taxonomie von Lightcast

1,6 MillionenKompetenzen, die laut Eightfold seine Modelle abdecken

Belege: [9][10][11][12][13][14][15][16][17][18][19][1]

Wofür Kompetenzdaten genutzt werden: interne Mobilität, Personalplanung, Weiterbildung

Kompetenzprofile sind selten das eigentliche Produkt. Unternehmen nutzen sie, um Menschen intern zu bewegen, die künftige Belegschaft zu planen und Beschäftigten passende Weiterbildung zu zeigen. Die meisten dieser Programme sind jung. Deloitte befragte 1.021 Beschäftigte und 225 Führungskräfte aus Geschäftsleitung und HR und veröffentlichte die Ergebnisse im September 2022. Danach setzte weniger als 1 von 5 Organisationen in nennenswertem Umfang auf kompetenzbasierte Ansätze.

Plattformen für interne Mobilität gleichen Profile mit offenen Stellen, Projekten und kurzen Einsätzen ab. Fuel50 mit Büros in Neuseeland, Australien, London und Nordamerika ergänzt ein von Fachleuten kuratiertes Kompetenzmodell um einen Career Advisor Agent und einen Leader Coach Agent. Der Karriere-Agent von Gloat weist auf interne Stellen hin, die zu den abgeleiteten Kompetenzen einer Person passen. 365Talents, inzwischen Teil von Docebo, gibt an, dass 2 Millionen Beschäftigte in mehr als 60 Ländern seine Plattform nutzen. Neobrain bietet Lexi an, einen kostenlosen KI-Agenten, der ein bestehendes Kompetenzmodell prüft und ein erstes Ergebnis in 10 Minuten verspricht.

Die Personalplanung nutzt dieselben Daten in aggregierter Form. TalentNeuron ergänzt externe Nachfragedaten aus 3 Millionen Stellenanzeigen pro Tag in 33 Sprachen. TechWolf bewertet, wie gut sich Aufgaben automatisieren lassen, abgeglichen mit der Stanford Human Agency Scale. Laut TechWolf hat HSBC in 5 Monaten mehr als 250.000 Beschäftigte in einer einzigen Kompetenztaxonomie erfasst, mit detaillierten Profilen für mehr als 30.000 Beschäftigte im IT-Bereich.

Lernplattformen schließen den Kreis. Cornerstone führt ein Skills Inference Model unter seinen Datenquellen und einen Agenten namens Skills Architect, der Kompetenzlücken für eine Person, ein Team oder die ganze Organisation zeigt. Workera geht den umgekehrten Weg und misst Kompetenzen direkt, mit mehr als 100 hauseigenen Tests (Signature Assessments) und Aufsicht bei der Durchführung (Proctoring). Das ist langsamer als die Ableitung, liefert aber ein geprüftes Signal.

Preis auf Anfrage85%

Für Großunternehmen mit über 1.000 Beschäftigten100%

Auf mehreren Kontinenten aktiv62%

Anteil an den Skills-Intelligence-Tools im Verzeichnis von ai-toolfinder, berechnet aus unserem Live-Datensatz.

Belege: [20][21][22][23][19][5][24][3][25][26][27][28]

Genauigkeit: Abgeleitete Kompetenzen sind Schätzungen mit messbarem Fehler

Das Erkennen von Kompetenzen ist eine schwierige Sprachaufgabe, und die Forschung zeigt das. SkillSpan ist ein Benchmark, den Forschende der IT-Universität Kopenhagen und der LMU München auf der Konferenz NAACL 2022 vorgestellt haben. Dafür markierten Fachleute mehr als 12.500 Textstellen zu Kompetenzen und Wissen in 14.500 Sätzen aus englischen Stellenanzeigen. Die besten Modelle trafen diese Markierungen mit einem Span-F1-Wert von 56,64 von 100 bei Kompetenzen und 63,88 bei Wissen, etwa Programmiersprachen.

Auch die Fachleute waren sich nicht völlig einig. Nachdem sie ihre Leitlinien geschärft hatten, erreichten die 3 Annotator:innen einen Fleiss-Kappa (ein Maß für ihre Übereinstimmung) von 0,70 bis 0,75. Die Autor:innen werten das als substanzielle Übereinstimmung. Noch schwieriger ist es, einen Satz dem richtigen Eintrag einer Taxonomie zuzuordnen. In einer Studie von 2023 ordneten Forschende der Universität Gent und von TechWolf Sätze aus Stellenanzeigen ESCO-Kompetenzen zu. Mit ihrer besten Methode erreichten sie eine R-Precision@5 (Anteil richtiger Kompetenzen unter den 5 besten Vorschlägen) von 45,74 bis 54,62 von 100. Ein früherer Ansatz kam auf 29,27 bis 32,12.

Sprachmodelle haben sich seither weiterentwickelt, doch die Zahlen zeigen die Größe des Problems. Eine in einem Text genannte Kompetenz ist oft mehrdeutig, und selten steht dort, wie gut jemand sie beherrscht. TechWolf stützt seine Automatisierungswerte auf der Startseite auf die Stanford Human Agency Scale, nennt aber keine Genauigkeit für die Ableitung von Kompetenzen. Die Europäische Kommission hat für Version 1.2 von ESCO KI mit menschlichen Fachleuten kombiniert. Diese Aufteilung aus Vorschlag der Maschine und Bestätigung durch Menschen ist ein sinnvoller Maßstab für jede Kaufentscheidung.

Fragen Sie die Anbieter, wie sie mit veralteten Belegen umgehen, mit gemeinsamer Arbeit, die einer einzelnen Person zugeschrieben wird, und mit Kompetenzstufen. Eine Zeile Python im Lebenslauf sagt nichts darüber, ob jemand Produktivcode pflegen kann.

Belege: [29][4][3][12]

Datenschutz und Arbeitsrecht, sobald Kompetenzdaten Entscheidungen steuern

Ein Kompetenzprofil aus Arbeitssystemen enthält personenbezogene Daten darüber, wie jemand arbeitet. Die Regeln werden strenger, sobald es in eine Entscheidung über diese Person einfließt. Nach Art. 22 DSGVO haben Menschen das Recht, keiner ausschließlich automatisierten Entscheidung unterworfen zu werden, die sie erheblich beeinträchtigt. Eine systematische und umfassende Bewertung auf Basis von Profiling, die solche Entscheidungen speist, erfordert vor Beginn der Verarbeitung eine Datenschutz-Folgenabschätzung (Art. 35 DSGVO).

Der EU AI Act stuft bestimmte KI-Systeme als Hochrisiko ein (Anhang III Nr. 4). Gemeint sind Systeme für Entscheidungen über Beförderung oder Kündigung, für die Zuweisung von Aufgaben nach persönlichen Merkmalen und für die Überwachung und Bewertung von Leistung. Arbeitgeber müssen die Arbeitnehmervertretung und die betroffenen Beschäftigten informieren, bevor sie ein solches System einsetzen (Art. 26 EU AI Act). Die Pflichten gelten nach der Digital-Omnibus-Änderung von 2026 ab dem 2. Dezember 2027. Die vollständige Checkliste steht in unserem Ratgeber zum EU AI Act für HR.

Andere Rechtsordnungen ziehen dieselbe Grenze bei Entscheidungen über einzelne Personen. Local Law 144 in New York City verlangt ein Bias-Audit (eine Prüfung auf Benachteiligung), das höchstens ein Jahr alt ist. Das gilt, sobald ein automatisiertes Tool die Vorauswahl an irgendeiner Stelle eines Einstellungs- oder Beförderungsverfahrens wesentlich unterstützt. Kaliforniens Regeln zu automatisierten Entscheidungssystemen (Automated Decisionmaking Technology, ADMT) gelten seit dem 1. Januar 2026. Sie erfassen Einstellung, Arbeitsverteilung, Vergütung und Beförderung und müssen bis zum 1. Januar 2027 eingehalten werden. Brasiliens Datenschutzgesetz LGPD gibt Menschen das Recht, ausschließlich automatisierte Entscheidungen überprüfen zu lassen, auch solche, die ihr berufliches Profil festlegen (Art. 20 LGPD).

In der Praxis verläuft die Grenze zwischen aggregierter und individueller Nutzung. Eine Heatmap der Kompetenzen für die Personalplanung birgt das geringste Risiko, eine Rangliste namentlich genannter Beschäftigter für Beförderungen das höchste. Zeigen Sie den Beschäftigten deshalb ihr abgeleitetes Profil, lassen Sie sie es korrigieren und machen Sie für jede Entscheidung eine Person verantwortlich.

Geringeres regulatorisches RisikoHochrisiko- und Auditpflichten

Aggregierte Kompetenz-Heatmap für die Personalplanungkeine Entscheidung über eine namentlich bekannte Person

Lernempfehlungen an BeschäftigteRegeln zum Profiling gelten trotzdem

Interne Stellen oder Kurzeinsätze vorschlagenTransparenz- und Berichtigungsrechte prüfen

Rangliste von Beschäftigten für Beförderung oder AufgabenverteilungEU AI Act Anhang III, NYC Local Law 144, ADMT-Regeln in Kalifornien

Unsere Lesart von DSGVO, EU AI Act, Local Law 144 in New York City und den ADMT-Regeln in Kalifornien, September 2026.

5. Juli 2023New York City beginnt mit der Durchsetzung von Local Law 144, das die Vorauswahl bei Einstellung und Beförderung erfasst.

1. Januar 2026Kaliforniens Regeln zu automatisierten Entscheidungssystemen treten in Kraft.

1. Januar 2027Unternehmen, die ADMT in Kalifornien für wesentliche Entscheidungen einsetzen, auch bei Beförderungen, müssen die Regeln einhalten.

2. Dezember 2027Die Pflichten des EU AI Act gelten für die HR-Systeme mit hohem Risiko aus Anhang III.

Daten von der Verbraucherschutzbehörde DCWP in New York City, der California Privacy Protection Agency und aus dem geänderten EU AI Act, geprüft im September 2026.

Belege: [30][31][32][33][34][35][36][37][38][39][40]

Was Sie vor dem Kauf prüfen sollten

Skills Intelligence kaufen vor allem große Arbeitgeber, und über Preise wird erst spät im Prozess gesprochen. Unser Verzeichnis führt 13 Tools mit Skills Intelligence als Haupt- oder Nebenschwerpunkt, 11 davon nennen Preise nur auf Anfrage.

Führen Sie die folgenden Prüfungen mit einer Pilotgruppe und echten Daten durch, nicht in einer Demo-Umgebung. Jede Tool-Seite in unserer Kategorie Skills und Kompetenzen hält Datenhosting, Zertifizierungen und Quellen so fest, wie wir sie vorgefunden haben.

Wenn Sie bereits Workday, SAP SuccessFactors oder Oracle HCM nutzen, prüfen Sie, ob der Anbieter Kompetenzen in das Kompetenzmodul der Suite schreibt, wie es TechWolf nach eigenen Angaben tut. Die Alternative ist ein separates Profil, das Beschäftigte eigens aufrufen müssen. Im ersten Fall gibt es einen einzigen Kompetenzdatensatz. Im zweiten entsteht ein paralleler, den jemand abgleichen muss.

Regeln Sie den Ausstieg, bevor Sie unterschreiben. Verlangen Sie einen Export aller Profile mit den zugehörigen Taxonomie-Codes, etwa den Kennungen aus ESCO oder O*NET-SOC. Fragen Sie außerdem, ob der Anbieter Korrekturen Ihrer Beschäftigten behält, um damit seine Modelle zu trainieren.

Beleg je KompetenzFragen Sie, aus welcher Quelle jede Kompetenz stammt und ob die Profile validierte, selbst angegebene und abgeleitete Kompetenzen trennen.
Zuordnung zur TaxonomieKlären Sie, welche Taxonomie die Plattform nutzt und ob sie auf ESCO, O*NET oder Lightcast abbildet, damit Ihre Daten mit Ihnen umziehen können.
Gemessene GenauigkeitVerlangen Sie Präzision und Trefferquote an einer Stichprobe Ihrer eigenen Beschäftigten und den Anteil der Kompetenzen, die Beschäftigte ablehnen.
Kontrolle durch BeschäftigteBeschäftigte sollten ihr Profil sehen und korrigieren können, bevor es in Matching, Beurteilungen oder Nachfolgepläne einfließt.
EntscheidungsrahmenHalten Sie schriftlich fest, welche Entscheidungen die Daten beeinflussen dürfen. Beförderung und Aufgabenverteilung lösen in der EU Hochrisiko-Pflichten aus, in New York City und Kalifornien Audit- oder Informationspflichten.
Angebundene SystemeListen Sie jedes System auf, das die Plattform ausliest, vom HR-System bis zum Ticket-Tool, und führen Sie vor der Anbindung eine Datenschutz-Folgenabschätzung durch.

Belege: [28][3]

Tools in diesem Artikel

Häufige Fragen

Was ist eine Skills-Intelligence-Plattform?

Software, die per KI die Kompetenzen von Beschäftigten aus HR- und Arbeitsdaten ableitet, sie einer Taxonomie zuordnet und die Profile aktuell hält. Unternehmen nutzen die Ergebnisse für interne Mobilität, Personalplanung und Lernempfehlungen. Beispiele in unserem Verzeichnis sind TechWolf, iMocha, Workera und Gloat.

Was ist der Unterschied zwischen einer Kompetenztaxonomie und einer Kompetenzontologie?

Eine Taxonomie ist eine strukturierte Liste von Kompetenzen, etwa die 13.939 Kompetenzen in ESCO oder die mehr als 34.000 in der Taxonomie von Lightcast. Eine Ontologie speichert zusätzlich Beziehungen, zum Beispiel welche Kompetenzen eine Rolle braucht, welche Kompetenzen verwandt sind und wer sie hat. Die meisten Plattformen kombinieren eine öffentliche Taxonomie mit einer eigenen Ontologie.

Wie genau leitet KI Kompetenzen ab?

Den besten Anhaltspunkt gibt die Forschung, denn die Genauigkeit hängt von den Eingangsdaten ab. Im Benchmark SkillSpan erreichte das beste Modell beim Erkennen von Kompetenzen in englischen Stellenanzeigen einen Span-F1-Wert von 56,64 von 100. Eine Studie von 2023, die Sätze aus Stellenanzeigen ESCO-Kompetenzen zuordnete, kam in ihrer Hauptkennzahl auf 45,74 bis 54,62 von 100. Behandeln Sie abgeleitete Kompetenzen als Schätzungen, bis die beschäftigte Person, eine Führungskraft oder ein Test sie bestätigt.

Ist eine Skills-Intelligence-Plattform nach dem EU AI Act ein Hochrisiko-System?

Das hängt vom Einsatz ab. Anhang III stuft KI für Entscheidungen über Beförderung oder Kündigung, für die Aufgabenverteilung nach persönlichen Merkmalen oder für die Leistungsüberwachung als Hochrisiko ein. Die Pflichten gelten ab dem 2. Dezember 2027. Eine Plattform, die nur für aggregierte Personalplanung dient, ist weniger betroffen. Dasselbe Produkt wird aber zum Hochrisiko-Einsatz, sobald es Einzelpersonen für solche Entscheidungen in eine Rangfolge bringt.

Was kostet eine Skills-Intelligence-Plattform?

Die meisten Anbieter veröffentlichen keine Preise. In unserem Verzeichnis nennen 85 Prozent der Skills-Intelligence-Tools Preise nur auf Anfrage. Fragen Sie, ob das Angebot pro Mitarbeiter:in oder pro Modul gilt und welche angebundenen Datenquellen es umfasst.

Quellen

Kuratiert von NickHR-Interim-Manager in Frankfurt, baut KI-Automatisierungen mit HR-Teams. nicksadvisory.com

Read this article in English →