Internationale Großunternehmen im Automotive-Sektor stehen vor der Herausforderung, ihre Workforce-Organisation angesichts wachsender Komplexität und Digitalisierung neu auszurichten. Der Beitrag adressiert die Transformation klassischer Stellen- und Aufgabenmodelle hin zu einer datengetriebenen, task-basierten Arbeitsorganisation. Im Fokus steht die konsequente Zerlegung der Arbeitsrealität in katalogisierte Task-Objekte, die eine präzise Steuerung von Skills, Kapazitäten und Aufgabenallokation ermöglichen. Die Perspektive des Referenten verbindet Erfahrungen aus der Entwicklung von Matching-Algorithmen, dem Aufbau globaler Skill-Datenbanken und der Implementierung task-basierter Modelle in internationalen Shared Services. Besonderes Merkmal ist die methodische Übertragung von Aufgabenlogik aus Alltags- und Unternehmenskontexten auf die HR-Organisation, unterstützt durch den Einsatz von Tools wie Jira, Confluence und Excel.
Im Zentrum steht die Kritik an klassischen Jobprofilen, die tatsächliche Aufgaben und Kompetenzen nicht abbilden. Stattdessen wird ein granularer Ansatz vorgestellt, bei dem Aufgaben als eigenständige Datenobjekte erfasst, mit Skills und Kapazitäten verknüpft und flexibel verteilt werden. Die Allokation erfolgt datengetrieben, wodurch Transparenz über Arbeitsinhalte, Skill-Bedarf und Kapazitätsverteilung entsteht. Der Ansatz ermöglicht eine dynamische Anpassung an Veränderungen, etwa durch Restrukturierungen oder neue Marktanforderungen, und unterstützt die gezielte Entwicklung und Mobilität von Mitarbeitenden. Die Praxisbeispiele zeigen, wie Aufgabenpools, Matching-Logiken und die Einbindung von Mitarbeitenden in die Aufgabenbeschreibung zu höherer Mitarbeiterzufriedenheit und besserer Performance führen. Die Skalierbarkeit des Modells reicht von großen Organisationen bis zu kleinen Teams, wobei der initiale Dokumentationsaufwand als überschaubar beschrieben wird.