Die Bevölkerung der Erde wächst stetig, wird aber im Durchschnitt immer älter. Außerdem stehen die Unternehmen neben einer älteren Belegschaft vor dem Problem des Fachkräftemangels. Darüber hinaus neigen die Arbeitnehmer im Vergleich zu früher häufiger dazu, den Arbeitsplatz zu wechseln. Daher ist das Verständnis der Mitarbeiterfluktuation für die Unternehmen von großem Interesse. Seit mehreren Jahrzehnten wird zu diesem Thema geforscht, wobei verschiedene Arten der Fluktuation wie freiwillige Fluktuation oder vermeidbare Fluktuation definiert, Theorien zur Entstehung von Fluktuation entwickelt und Determinanten zur Vorhersage der Mitarbeiterfluktuation untersucht wurden. Start-ups wurden bei diesen Untersuchungen jedoch nicht berücksichtigt. In der vorliegenden Studie soll untersucht werden, ob bereits getestete Determinanten in Start-ups ähnliche Signifikanzen und Korrelationen aufweisen wie in etablierten Unternehmen. Aufgrund der besonderen Charakteristika von Start-ups, wie dem enormen Wachstum, werden weitere Determinanten, wie das Finanzierungsvolumen und die Anzahl der Patente und Schutzmarken, untersucht. Zu diesem Zweck wurden zwei verschiedene Datensätze verwendet und zusammengeführt. Ein Datensatz enthielt Unternehmensinformationen zu Start-ups, die seit 2017 gegründet wurden, der andere öffentliche LinkedIn-Profile. Diese Datensätze wurden mit Python verarbeitet und verknüpft, so dass für die statistische Analyse ein Datensatz mit 1296 Start-ups vorlag. Diese Stichprobe wurde mithilfe multipler Regressionsanalysen analysiert. Die Ergebnisse der Analysen zeigen, dass die Anzahl der Patente und Marken keinen signifikanten Einfluss auf die Mitarbeiterfluktuation eines Start-ups hat (r = -.41, p > .1), während das Finanzierungsvolumen einen signifikanten Einfluss hat (r = -.065, p < .01). Ein möglicher Grund für den Einfluss des Fördervolumens könnte sein, dass es den Mitarbeitern Sicherheit im Sinne einer pünktlichen Bezahlung bietet. Dennoch wird nur ein kleiner Teil der Varianz in der Variable Mitarbeiter Fluktuation durch das Modell erklärt (r2 = .138). Abschließend lässt sich festhalten, dass diese Studie erste Einblicke in das Thema Fluktuation in Start-ups liefert und viele weitere Forschungsmöglichkeiten eröffnet. So kann das vorliegende Modell um weitere Determinanten erweitert werden, die sich bereits für etablierte Unternehmen als gute Prädiktoren erwiesen haben, wie z.B. Arbeitszufriedenheit oder organisationales Engagement.

The population on earth continues to grow steadily, but on average, it is getting older and older. Moreover, companies face, besides an older workforce, the problem of a shortage of skilled workers. Also, employees tend to switch jobs more frequently compared to the past. Therefore understanding employee turnover is of high interest to companies. Research on this topic has been going on for several decades, defining different types of turnover, such as voluntary turnover or avoidable turnover, theories on how it comes to turnover have been developed, and determinants that can be used to predict employee turnover have been investigated. However, start-ups were left out of this research. The present study wants to investigate whether already tested determinants in established companies show similar significances and correlations as in start-ups. Due to the special characteristics of start-ups, such as the enormous growth, further determinants, such as the funding volume and the number of patents and trademarks, are examined. For this purpose, two different data sets were used and merged. One dataset contained company information on start-ups founded since 2017 and the other public LinkedIn profiles. These datasets were processed and linked using Python, resulting in a data set with 1296 start-ups. This sample was analyzed using multiple regression analyses. The results of the analyses show that the number of patents and trademarks have no significant influence on the employee turnover of a startup (r = -.41 p > .1), whereas the funding volume has a significant influence (r = -.065, p < .01). A possible reason for the influence of the funding volume could be that it offers employees security in the sense of punctual payment. Nevertheless, only a small part of the variance in the variable employee turnover is explained by the model (r2 = .138). Finally, this study provides initial insights into the topic of employee turnover in start-ups and opens up many further research opportunities. Thus, the present model can be expanded by including additional determinants, which have already been proven to be good predictors for established companies, such as job satisfaction or organizational commitment.