Warum klassisches Talent-Assessment stirbt – und was als Nächstes kommt

Die Frage ist nicht, ob das klassische Talent-Assessment stirbt. Die Frage ist, was du misst – und ob es noch das Richtige ist.

• Warum klassisches Talent-Assessment stirbt – und was als Nächstes kommt
• Was sich wirklich verändert
• Was KI übernimmt – und was nicht
• Was das für Messmerkmale bedeutet
• Fazit

„Arbeitgeber schätzen, dass 44 Prozent der Kernkompetenzen von Mitarbeitern in den nächsten fünf Jahren durch den technologischen Wandel verändert werden.“ — World Economic Forum, Future of Jobs Report 2023

Was sich wirklich verändert

Jahrzehntelang war die Logik hinter Assessment klar: Stelle fest, welche Kompetenzen eine Rolle erfordert. Miss, wer diese Kompetenzen mitbringt. Wähle die Person aus, die am besten passt. Das funktioniert, solange Rollen stabil sind.

Sie sind es nicht mehr – und das ist keine Ausnahme, sondern Strukturprinzip. Wenn fast die Hälfte aller Kernkompetenzen innerhalb von fünf Jahren veraltet, ist der beste Prädiktor für zukünftigen Erfolg nicht, was jemand heute kann. Es ist, wie schnell er lernt und wie gut er in Situationen urteilt, für die noch kein Kompetenzmodell existiert.

Das ist keine Kleinigkeit. Die meisten klassischen Assessment-Tools messen genau das nicht.

Was KI übernimmt – und was nicht

KI ist bereits heute besser als die meisten Menschen in strukturierter Informationsverarbeitung: Daten zusammenfassen, Muster in großen Datensätzen erkennen, regelbasierte Entscheidungen treffen, Berichte erstellen. Kognitive Assessments haben nie diese Aufgaben direkt gemessen – aber die zugrundeliegende Kapazität dafür: Verarbeitungsgeschwindigkeit, logisches Schlussfolgern, Arbeitsgedächtnis. Und genau diese Kapazität war jahrzehntelang ein verlässlicher Prädiktor für analytische Berufsleistung. Das Problem ist nicht, dass kognitive Fähigkeit plötzlich unwichtig wird. Das Problem ist, dass sich verschiebt, wofür sie ein Prädiktor sein soll. Nicht mehr: Wer verarbeitet strukturierte Informationen am schnellsten? Sondern: Wer beurteilt die Outputs, die KI produziert, am zuverlässigsten? Wer lernt neue Kontexte schnell genug, um KI sinnvoll einzusetzen? Wer rahmt Probleme präzise genug, bevor KI mit Antworten beginnt?

Was KI strukturell schwerer fällt – und vermutlich noch lange schwer fallen wird – ist ein anderes Terrain: echtes Urteilsvermögen in Situationen, für die kein Präzedenzfall existiert. Ethische Abwägungen, bei denen Werte in Konflikt geraten. Vertrauen aufbauen in politisch aufgeladenen Umfeldern. Unter anhaltendem Druck stabil bleiben, ohne in dysfunktionale Muster zurückzufallen. Das Gespur entwickeln, welche Fragen überhaupt gestellt werden sollten – bevor irgendjemand anfängt, Antworten zu generieren. Das sind keine weichen Skills. Das sind Kernkompetenzen in einer Welt, in der die einfacheren Aufgaben delegiert sind.

Was das für Messmerkmale bedeutet

Schaut man sich an, was gut entwickelte Assessment-Tools heute tatsächlich messen, ergibt sich ein interessantes Bild: Viele dieser Dimensionen sind nicht neu – sie waren nur bisher nicht die entscheidenden Differenzierungsmerkmale.

Persönlichkeitsstruktur unter Druck – welche Muster jemand bei Widerstand, Stress oder Machtkonzentration zeigt – wird relevanter, nicht weniger. Werte und intrinsische Motive – was jemanden wirklich antreibt, welche Umgebungen er braucht – sind genuine Menschenthemen, die KI nicht replizieren kann. Emotionale Intelligenz, interpersonale Sensitivität und relationale Dynamiken – wie jemand Vertrauen aufbaut, wie er mit Konflikten umgeht, wie er Kontrolle sucht – werden wertvoller in Umfeldern, in denen menschliche Interaktion das letzte verbleibende Differenzierungsmerkmal ist.

Lerngeschwindigkeit und Adaptabilität – also die Bereitschaft und Fähigkeit, Kompetenzen aktiv weiterzuentwickeln – war immer messbar. In einer Welt, in der die Halbwertszeit spezifischer Skills sinkt, rückt sie vom Randdatenpunkt zur zentralen Frage. Potenzialanalyse und Kompetenzanalyse werden damit wichtiger als je zuvor.

Was an Gewicht verliert: der isolierte kognitive Leistungstest als alleiniges Einstellungskriterium. Nicht weil Intelligenz unwichtig wird – sondern weil analytische Verarbeitungsgeschwindigkeit als Differenzierungsmerkmal abnimmt, wenn KI diese Kapazität für jeden verfügbar macht.

Das Interessante: Die meisten dieser Dimensionen werden bereits von validierten Tools gemessen. Die Frage ist nicht, ob die richtigen Instrumente existieren – sondern ob die richtigen Fragen gestellt werden.

Beim Vergleich von Online-Assessment-Tools für diesen Anwendungsfall gilt: Nicht jedes Verfahren, das Lerngeschwindigkeit oder Adaptabilität messen will, tut das auch wissenschaftlich fundiert. Die Bedarfsklärung – wofür genau soll das Tool eingesetzt werden, in welchem Kontext, für welche Zielgruppe – muss vor der Tool-Auswahl stehen.

Wer gezielt nach Lernpotenzial und Adaptabilität sucht, findet im P2-Guide: Frühe Potenzialerkennung einen strukturierten Vergleich der Tools, die genau diese Dimensionen zuverlässig erfassen.

Fazit

Klassisches Talent-Assessment stirbt nicht. Was als Nächstes kommt, ist keine neue Technologie – es ist eine klarere Frage: nicht mehr nur, was jemand kann. Sondern was er in einer Welt leisten kann, in der KI das Einfache übernimmt.

Die PEATS Guides bieten für jeden Anwendungsfall strukturierte Bewertungsrahmen: anbieterunabhängig, wissenschaftlich fundiert und auf konkrete Rollen und Situationen ausgerichtet.