Health KPIs für Führungskräfte: Warum Gesundheit zur messbaren Führungsaufgabe wird

Sie wird allenfalls geahnt – an müden Augen im Lenkungsausschuss, an gehäuften Fehlzeiten nach kritischen Quartalen, an einer plötzlichen Diagnose, die niemand kommen sah. Wer im 21. Jahrhundert führt, misst alles, nur nicht das, was wirklich knapp wird. Diesen Mangel zu beheben, ist heute machbar, aber nur, wenn Diagnostik und Datenethik im selben Atemzug gedacht werden.

Krankenstand kommt zu spät

Der Krankenstand als Steuerungskennzahl hat ein strukturelles Problem: Er ist der späteste denkbare Zeitpunkt, an dem Gesundheit überhaupt gemessen wird. Wenn der AOK-Fehlzeitenreport erneut Rekordwerte ausweist und Burnout, muskuloskelettale Beschwerden und psychische Diagnosen die Statistik dominieren, beschreibt das eine Wirklichkeit, die längst eingetreten ist.

Eine Krankschreibung ist diagnostisch das Äquivalent einer Quartalszahl, die sechs Monate verspätet kommt. Kein CFO würde sich auf solche Indikatoren verlassen. Im Gesundheitsbereich tun das die Unternehmen seit Jahrzehnten. Sie zählen Ausfalltage und nennen das BGM, sie buchen einmal jährlich einen Manager-Check und nennen es Vorsorge. Beides hat Wert. Keines davon ist eine Frühwarnkennzahl.

Führungsgesundheit wird strategisch

Drei Trends machen aus einem Komfortthema eine Steuerungsfrage. Erstens steigt die mentale Belastung von Führungsrollen messbar. Komplexitätsdichte und parallele Krisenmodi fordern Entscheidungsqualität auf einem Niveau, das die menschliche Biologie nicht beliebig liefert.

Zweitens dünnt der demografische Wandel den Nachfolgepool spürbar aus; kritische Funktionen werden zu Single Points of Failure, deren Ausfall niemand mehr nahtlos kompensiert.

Drittens verschiebt sich die wirtschaftliche Knappheit von Kapital zu kognitiver Kapazität. Die Fähigkeit, unter Unsicherheit gut zu entscheiden, wird zur limitierenden Ressource. Wer nicht weiß, in welcher biologischen Verfassung diese Ressource sich befindet, steuert ein zentrales Asset blind.

Was echte Health KPIs ausmacht

Ein Health KPI ist nicht jede Zahl, die ein Sensor liefert. Schritte, Schlafdauer, durchschnittliche Herzfrequenz sind Datenpunkte, keine Kennzahlen. Eine Kennzahl entsteht erst, wenn ein Wert vier Eigenschaften erfüllt: Quantitativ messbar mit definierter Methodik, longitudinal vergleichbar, biologisch verankert – das heißt kausal mit einem beeinflussbaren Mechanismus verbunden – und interventionsleitend.

Damit fallen viele populäre Größen aus. Eine Wearable-Aggregation wie ein „Recovery Score“ liefert eine Stimmungsanzeige, keine biologische Aussage. Ein einmaliger Cholesterinwert ist eine Momentaufnahme ohne Trajektorie. Health KPIs sind das, was übrigbleibt, wenn man Marketing und Routine abzieht.

Multiomik macht Biologie messbar

Die Voraussetzung für echte Health KPIs ist eine andere Datenbasis. Einzelmarker – LDL, Blutdruck, BMI – beschreiben Endpunkte, nicht Biologie. Die Genomik liefert die Grundlinie: Stoffwechsel, Entgiftung, Reparaturkapazität. Die Epigenomik zeigt, wo innerhalb dieses Korridors ein Mensch tatsächlich steht – DNA-Methylierungsuhren wie GrimAge oder DunedinPACE korrelieren mit Mortalitätsrisiko deutlich besser als die Geburtsurkunde.

Die Metabolomik beschreibt den aktuellen Stoffwechselzustand, die Proteomik – über Plattformen wie SomaLogic oder Olink in tausendfacher Auflösung verfügbar – erlaubt organspezifische Alterungs-Signaturen. Erst die Integration dieser Schichten erzeugt Aussagekraft. Multiomik ersetzt nicht den Hausarzt, sie liefert die Auflösung, die Führungsentscheidungen verlangen.

Sense-Omics als Frühwarnsystem

Ein Layer wird systematisch übersehen: Die sensorische Funktion. Riechen, Hören, Tasten gelten als Komfortvariablen, als Fragen der Lebensqualität, nicht der Diagnostik. Diese Sicht ist überholt. Die Olfaktion ist das wahrscheinlich früheste Frühwarnsystem, das die Biologie bereitstellt: Olfaktorische Defizite gehen einer Parkinson- oder Alzheimer-Diagnose im Mittel um Jahre voraus.

Auch die Audition ist messbar relevant. Die Lancet-Kommission zu Demenzprävention zählt Hörverlust seit Jahren zu den größten modifizierbaren Risikofaktoren für kognitiven Abbau. Im somatosensorischen Bereich kündigt sich eine Small-Fibre-Neuropathie diabetisch, autoimmun und postinfektiös oft an, bevor klassische Marker reagieren. Sense-Omics ist deshalb kein Wellness-Add-on, sondern eine der billigsten und mechanistisch tiefsten Schichten echter Frühdiagnostik.

Vom Datenpunkt zum η-Score

Datenmenge allein ist noch keine Steuerungsgrundlage. Wer einem Vorstand eine Tabelle mit dreitausend Markern vorlegt, hat seinen Job nicht gemacht. Aus Rohdaten muss eine Größe werden, die Entscheidungen zulässt – ohne Komplexität künstlich zu glätten.

Genau hier setzt der η-Score (Eta-Score) an. Er ist kein Wohlbefindens-Index und kein Recovery-Wert. Er ist eine Effizienzkennzahl: Das Verhältnis aus biologischem Ertrag zu biologischem Aufwand. Wie viel funktionale Substanz (kognitive Leistungsfähigkeit, Belastungstoleranz, Regenerationsqualität) ein Mensch pro Einheit biologischer Beanspruchung tatsächlich realisiert.

Der entscheidende Unterschied zu Wearable-Aggregationen: Der η-Score integriert Multiomik, Sense-Omics, Verhaltens- und Expositionsdaten, das heißt nicht nur das, was am Handgelenk gemessen wurde. Genau weil er verdichtet, ist er missbrauchsanfällig. Der η-Score ist ein interventionsleitendes Werkzeug in der Hand des Untersuchten, nicht eine Personalkennzahl in der Hand des Arbeitgebers. Jede andere Verwendung – als Performance-Surrogat, als Ranking-Variable, als Selektionskriterium – würde das Instrument zerstören und die Datenbasis vergiften, auf der es beruht.

Fürsorge oder Überwachung?

Das größte Risiko dieser Diagnostik ist nicht technischer, sondern institutioneller Natur. Multiomische Daten plus Längsschnittmonitoring von Schlüsselrollen können ein Empowerment-Werkzeug sein – oder ein Überwachungsinstrument. Drei nicht verhandelbare Architekturentscheidungen trennen das eine vom anderen.

1. Datensouveränität sichern

Die Daten gehören dem Untersuchten, nicht dem Arbeitgeber. Speicherung bei einer ärztlich verantworteten Drittstelle, nicht in HR-Systemen. Zugriff ausschließlich durch die untersuchte Person und ihren ärztlichen Kontext.

2. Freiwilligkeit garantieren

Programme, deren Nichtteilnahme karriereschädlich wirkt, sind nicht freiwillig. Das verlangt formale Mitbestimmung, eine dokumentierte Opt-out-Option ohne Konsequenz und einen kulturellen Rahmen, in dem Teilnahme weder Stigma noch Vorteil signalisiert.

3. HR und Medizin trennen

Individuelle Gesundheitsdaten fließen nicht in Personalprozesse zurück – nicht in Beförderung, nicht in Vergütung, nicht in Nachfolgeplanung. Aggregierte, anonymisierte Kohortendaten können auf strukturelle Probleme hinweisen, etwa Belastungsspitzen oder Reisedichte; das ist die einzige zulässige Rückkopplung in die Organisation.

Praktisch heißt das in der deutschen Konzernrealität: Der Betriebsrat ist nicht das Hindernis, das zu überwinden ist, sondern der Ko-Architekt, der von Anfang an zu beteiligen ist. Programme, die ohne ihn entstehen, scheitern nicht am Recht, sondern an der Belegschaft. Programme, die mit ihm gestaltet werden, gewinnen Legitimität, die kein anderer Mechanismus liefert.

Predictive Health einführen

Daraus folgt ein realistischer Pfad in drei Phasen, der Akzeptanz vor Ambition stellt.

Phase 1 – Vertrauen aufbauen: Beginn mit aggregierten, niemals individuellen Kennzahlen: Stress- und Schlafprofile in Kohorten, kognitive Leistungsmessungen in anonymisierten Pools. Ziel ist Anschlussfähigkeit, nicht Diagnose. Die Organisation erfährt, dass Gesundheit als Steuerungsgröße ernst genommen wird, ohne dass eine einzelne Person individuell adressierbar wird.

Phase 2 – Präzisionsdiagnostik ermöglichen: Für Vorstände, Bereichsleiter und kritische Spezialisten eine multiomische Baseline, durchgeführt von einem externen ärztlichen Anbieter, Datenrückfluss ausschließlich an die untersuchte Person. Der η-Score wird zum persönlichen Coaching-Werkzeug, nicht zum Eintrag im Konzern-Dashboard.

Die wirtschaftliche Logik dahinter ist härter, als BGM-Argumentationen sie meist machen: Die größte Kostenposition ist nicht Krankheit, sondern reduzierte Entscheidungsqualität bei scheinbar gesunden Führungskräften. Fehlbesetzungen, schiefe Bewertungen, falsch getimte Strategiewechsel, getroffen von Menschen, die müder sind, als sie selbst wissen. Hinzu kommen Fluktuationskosten in Schlüsselrollen sowie die direkte Asymmetrie ungeplanter C-Level-Erkrankungen, die in Nachfolgekrise, Deal-Disruption und Reputationsverlust regelmäßig ein Vielfaches dessen kosten, was ein gesamter Diagnostik-Pfad über zehn Jahre verursacht.

Phase 3 – Monitoring etablieren: Erst wenn die ersten beiden Phasen Vertrauen und Architektur etabliert sind, ist longitudinales Tracking auf individueller Ebene kulturell und rechtlich tragfähig. Und auch dann ausschließlich opt-in, ärztlich begleitet, interventionsleitend.

Predictive Health als Führungsdisziplin

Predictive Health ist keine Variante des klassischen BGM. Sie ist eine Führungsdisziplin mit derselben Ernsthaftigkeit, derselben Datenethik und derselben Konsequenz, die Unternehmen ihren Finanzdaten seit Jahrzehnten zugestehen. Wer die biologische Substanz seiner Schlüsselmenschen nicht kennt, führt ohne einen wesentlichen Teil des Lageberichts.

Die Werkzeuge dafür existieren: Multiomik ist in der Routine angekommen, Sense-Omics ist methodisch reif, integrierte Bewertungsmodelle wie der η-Score machen die Komplexität entscheidungsfähig. Was fehlt, ist nicht Technologie, sondern die Bereitschaft, Diagnostik und Datenarchitektur gemeinsam zu denken.

^{Bildnachweis: Depositphotos.com/everythingposs}