Beliebt heißt nicht valide: Warum Wissenschaftlichkeit in der Personalauswahl entscheidet

Das Gespräch mit dem Bewerber gehört zu fast jeder Personalauswahl. Laut Diekmann und König nutzen es rund 98 Prozent der befragten deutschen Unternehmen (2015). Es fühlt sich nach Information an, und am Ende steht ein Eindruck, dem du vertraust. Die Forschung prüft etwas anderes, nämlich wie gut ein Verfahren spätere Leistung vorhersagt. Zwischen Eindruck und Vorhersagekraft liegt ein Abstand. Dieser Artikel zeigt, wie groß er ist und was er für Auswahlentscheidungen bedeutet.
Lesezeit: etwa 5 Minuten
- Beliebt heißt nicht valide: Warum Wissenschaftlichkeit in der Personalauswahl entscheidet
- Was die Forschung zur Vorhersagekraft zeigt
- Warum das Beliebte selten das Valide ist
- Was ein Typentest verspricht und was er liefert
- Der extravertierte Verkäufer trägt die Forschung nicht
- Was Wissenschaftlichkeit in der Auswahl bedeutet
- Fazit
- Relevante Anwendungsfälle
Was die Forschung zur Vorhersagekraft zeigt
Paul Sackett, Charlene Zhang, Christopher Berry und Filip Lievens haben 2022 die Vorhersagekraft gängiger Auswahlverfahren neu berechnet (Journal of Applied Psychology 107, 2040 bis 2068). Frühere Schätzungen hatten die Werte vieler Verfahren zu hoch angesetzt. Das strukturierte Interview erreicht nach der Neuberechnung .42, das unstrukturierte Interview .19. Fachwissenstests kommen auf .40, empirisch geschlüsselte Biodaten auf .38, Arbeitsproben auf .33 und Tests kognitiver Fähigkeiten auf .31. Die Gewissenhaftigkeit, eine Dimension der Big Five, liegt bei .19, die Dauer der Berufserfahrung in Jahren bei .07.
Quadriert zeigen diese Werte, wie viel von den Leistungsunterschieden ein Verfahren erklärt (mehr dazu im Artikel Prädiktive Validität). Das strukturierte Interview erklärt rund 18 Prozent, das unstrukturierte rund 4 Prozent und die Berufserfahrung in Jahren rund ein halbes Prozent. Strukturiert heißt, dass alle Bewerber dieselben Fragen bekommen und die Antworten nach vorab festgelegten Kriterien bewertet werden. Dieselbe Gesprächszeit liefert damit mehr als das Vierfache an Aussagekraft.
Wer ältere Zahlen kennt, begegnet anderen Werten. Schmidt und Hunter nannten 1998 für das strukturierte Interview .51 und für das unstrukturierte .38, für Tests kognitiver Fähigkeiten .51 und für Arbeitsproben .54. Die Neuberechnung hat die meisten Werte gesenkt, am stärksten bei Arbeitsproben und kognitiven Tests. Das strukturierte Interview steht danach an der Spitze.

Warum das Beliebte selten das Valide ist
Die Lücke zwischen Wissenschaft und Praxis ist seit Jahren beschrieben, Benit und Soellner haben sie 2013 als Scientist-Practitioner-Gap benannt. Wie sie bei Persönlichkeitsfragebogen aussieht, zeigen die Erhebungen von Hossiep und Kollegen: In großen deutschen Unternehmen führen typenbildende Verfahren die Rangliste an. Die Zahlen stehen im Artikel Typentests, Big Five und der Barnum-Effekt. Tests kognitiver Fähigkeiten setzen laut Diekmann und König rund 5 Prozent der befragten Unternehmen ein, Persönlichkeitstests 15,1 Prozent. Tests kognitiver Fähigkeiten erreichen .31, die Gewissenhaftigkeit .19.
Einfache Verfahren setzen sich durch, weil sie schnell erklärt sind, weil sich ihre Ergebnisse leicht merken lassen und weil die Beteiligten sich wiedererkennen. Das erzeugt Akzeptanz, und Akzeptanz lässt sich leicht mit Qualität verwechseln.
Was ein Typentest verspricht und was er liefert
Wer Bewerber in Typen einteilt, erwartet eine Aussage darüber, wer auf die Stelle passt. Der Typ soll die Entscheidung begründen und objektiver machen.
Geliefert wird zunächst ein Gefühl von Treffer. Martin Kersting beschreibt im Personalmagazin 9/2015 („Das beschreibt mich und andere“), dass allgemein gültige Aussagen persönlich wirken. Das Wiedererkennen ist echt und sagt nichts darüber, ob der Test misst, was er behauptet. McCrae und Costa fanden 1989 keine Belege für echte, qualitativ verschiedene Typen (Journal of Personality 57, 17 bis 40). Pittenger fasste 2005 zusammen, dass die Testwerte einen Gipfel zeigen, wo bei echten Typen zwei zu erwarten wären, und dass 35 Prozent der Teilnehmenden nach vier Wochen einen anderen Vier-Buchstaben-Typ erhielten (Consulting Psychology Journal 57(3), 210 bis 221).
Ein Typ ist eine Selbstbeschreibung. Er hält fest, wie sich jemand selbst am ehesten einschätzt, und sagt damit nichts über berufliche Leistung oder späteres Verhalten voraus. Die Umgebung, in der jemand arbeitet, kommt in dieser Beschreibung nicht vor. Verhalten lässt sich außerdem erlernen und je nach Umgebung auch gegen den eigenen Typ zeigen.
Für die Auswahl hat das Folgen. Wer einen Bewerber nach Typ aussortiert, sortiert bei mehr als jedem Dritten nach einem Ergebnis aus, das sich vier Wochen später geändert hätte. Ein allgemeiner Typ ist zudem nicht aus den Anforderungen einer Stelle abgeleitet, stellenrelevante Diagnostik muss aber auf die Stelle und ihre Funktion bezogen sein.
Im Ergebnis wirkt die Entscheidung begründet, weil ein Testergebnis in der Akte liegt. Begründet ist sie so weit, wie das Verfahren Leistung vorhersagt, und für das Typenmodell fehlt die empirische Grundlage. Das Unternehmen hat ein Etikett, und die Frage nach der Vorhersagekraft bleibt offen.
Der extravertierte Verkäufer trägt die Forschung nicht
Ein verbreitetes Beispiel für ein Etikett, das Entscheidungen trägt, ist der geborene Verkäufer. Im DISC-Modell gilt der rot-gelbe Typ als Idealbesetzung, in der Persönlichkeitspsychologie der Extravertierte. Adam Grant hat die Annahme 2013 an 340 Mitarbeitenden eines Outbound-Call-Centers geprüft (Psychological Science 24(6), 1024 bis 1030). Er verweist darauf, dass frühere Studien schwache und widersprüchliche Zusammenhänge zwischen Extraversion und Verkaufserfolg gefunden hatten. In seinen Daten folgt der Umsatz einem umgekehrten U: Den höchsten Umsatz erzielten die Ambiverten mit mittlerer Ausprägung, vor den stark Extravertierten und den stark Introvertierten.
Die Meta-Analyse von Vinchur, Schippmann, Switzer und Roth (1998) zeigt, wo die Vorhersagekraft tatsächlich liegt (Journal of Applied Psychology 83(4), 586 bis 597). Potency, eine Teildimension der Extraversion, korreliert mit .28 mit den Vorgesetztenbeurteilungen und mit .26 mit den objektiven Verkaufszahlen. Eine einzelne Facette sagt also etwas voraus, und die Zuordnung zum Typ Extravertiert trägt die Annahme vom geborenen Verkäufer nicht.
Für DISC haben wir keine peer-reviewte Studie gefunden, die belegt, dass hohe D- und I-Werte bessere Verkaufsergebnisse vorhersagen. Wer diesen Zusammenhang behauptet, braucht dafür eine Studie.
Was Wissenschaftlichkeit in der Auswahl bedeutet
Eine saubere Auswahl beginnt mit Anforderungskriterien, die feststehen, bevor jemand ein Gespräch führt (siehe Anforderungsprofil erstellen). Danach folgt ein strukturierter Prozess mit Diagnostik, die Persönlichkeit, Werte, Motive oder Fähigkeiten erhebt, je nach Rolle auch mehreres davon. Das persönliche Gespräch kommt zuletzt, und ab dort darf Sympathie entscheiden, weil die vorgelagerten Schritte die passenden Kandidaten herausgefiltert haben.
Wissenschaftlichkeit bedeutet in diesem Ablauf, dass jeder Schritt einen Beleg hat. Die Anforderungen stammen aus der Stelle, das Interview hat Struktur, und die Diagnostik hat eine belegte Vorhersagekraft für die Aufgabe. Für Verfahren und Prozess gibt es Normen, die DIN 33430 und die ISO 10667.
Fazit

Beliebtheit zeigt, was Unternehmen gewohnt sind, Vorhersagekraft zeigt, was funktioniert. Ein Typentest taugt als Gesprächsanlass über sich selbst und trägt keine Auswahlentscheidung. Dasselbe Gespräch erreicht mit Struktur .42 statt .19.
Relevante Anwendungsfälle
L8: Externe Auswahl unbekannter Führungskandidaten
A2: Azubi- und Trainee-Auswahl
L3: Executive Search Support, CEO- und Top-Level-Auswahl
Welche Online-Assessment-Tools für diese Fälle in Frage kommen und wie sie sich unterscheiden, steht in den PEATS Guides.
