Wie fundiert ist Ihr Assessment Center? Sieben Warnsignale für begrenzte Aussagekraft

Stellen Sie sich vor, Sie sehen sich die Ergebnisse eines Assessment Centers für eine Führungsposition an. Das Beobachtungsteam hat seine Eindrücke zusammengeführt, die Teilnehmenden wurden anhand Ihres Kompetenzmodells bewertet, und der Bericht enthält eine klare Empfehlung. In das Verfahren sind Zeit und Fachwissen geflossen. Jetzt steht eine wichtige Personalentscheidung an.

Wenn jemand fragt, warum die empfohlene Person besser zur Stelle passt, können Sie auf die Bewertungen verweisen. Zu erklären, wie diese zustande gekommen sind und warum sie die Entscheidung tragen, erfordert einen genaueren Blick.

Die Qualität eines Assessment Centers hängt von Entscheidungen ab, die im fertigen Bericht kaum sichtbar werden: Wie wurden die Anforderungen ermittelt? Welches Verhalten haben die Übungen tatsächlich hervorgerufen? Welche Vorinformationen lagen dem Beobachtungsteam vor? Und wie wurden die Bewertungsskalen angewendet?

Lievens und Sackett (2017) zeigen in ihrer Übersicht zur Personalauswahl, welche Bedeutung die Gestaltung von Aufgaben und Bewertungsprozessen hat. Bei Assessment Centern müssen Konzeption und Durchführung zusammenpassen. Auch eine gut entwickelte Übung ist darauf angewiesen, dass sie sachgerecht durchgeführt und ausgewertet wird.

Die folgenden sieben Fragen helfen Ihnen, die Aussagekraft und wissenschaftliche Fundierung Ihres bestehenden Verfahrens einzuordnen.

1. Wurde Ihr Kompetenzmodell für die Zielposition geprüft?

Ein unternehmensweites Kompetenzmodell kann eine gemeinsame Sprache für Auswahl, Entwicklung und Leistungsbeurteilung schaffen. Bevor es zur Bewertung von Bewerbenden eingesetzt wird, muss jedoch geklärt sein, was seine Kompetenzen für die konkrete Zielposition bedeuten.

Nehmen wir „strategisches Denken“. In einer Position kann es darum gehen, Marktveränderungen frühzeitig zu erkennen. In einer anderen steht im Vordergrund, die Unternehmensstrategie in operative Prioritäten zu übersetzen. Der Begriff allein sagt wenig darüber aus, welche Situationen eine Person bewältigen muss und woran eine gute Leistung erkennbar wäre.

Eine Anforderungsanalyse setzt deshalb bei der Arbeit an. In Interviews oder Workshops mit Personen, die die Zielposition gut kennen, und mit Führungskräften lassen sich kritische Situationen, schwierige Entscheidungen sowie Beispiele wirksamen und weniger wirksamen Verhaltens herausarbeiten. Daraus werden Anforderungen priorisiert, Kompetenzen konkretisiert und passende Aufgaben für das AC abgeleitet. Absehbare Veränderungen der Tätigkeit gehören ebenso dazu wie die heutigen Anforderungen.

Diese Verbindung zwischen beruflichen Anforderungen und Verfahrensinhalten bildet einen Kern der Empfehlungen der Society for Industrial and Organizational Psychology zur Personalauswahl. Ein vorhandenes Kompetenzmodell kann dafür eine geeignete Grundlage sein, wenn es ausreichend konkret und fundiert ist (SIOP, 2018).

Das Warnsignal ist die Übernahme eines Kompetenzmodells ohne nachvollziehbare Prüfung seiner Relevanz für die Zielposition. Lassen Sie sich zeigen, wie Arbeitssituationen, Anforderungen und die im AC erwarteten Verhaltensweisen zusammenhängen.

2. Wie viele Kompetenzen muss eine Person gleichzeitig bewerten?

Eine längere Kompetenzliste kann ein Verfahren umfassender erscheinen lassen. Jede zusätzliche Bewertung erhöht zugleich die Anforderungen an die beurteilenden Personen.

Stellen Sie sich vor, Sie verfolgen mehrere Personen in einer Gruppenübung, halten Beobachtungen fest und sollen dabei Kommunikation, Überzeugungskraft, Kooperation, Empathie, Führung und Konfliktmanagement auseinanderhalten. Manche Verhaltensweisen passen zu mehreren dieser Dimensionen. Andere lassen sich nur schwer zuordnen.

Kleinmann und Ingold (2019) beschreiben die Kombination aus dynamischen Interaktionen, begrenzter Beobachtungszeit und mehreren Bewertungsaufgaben als zentrale Herausforderung im AC. Ein ausführlicher Bewertungsbogen löst dieses Problem noch nicht.

Das Warnsignal ist ein Beobachtungsauftrag, dessen Komplexität nie praktisch erprobt wurde. Können die Beobachtenden die Kriterien unterscheiden, ausreichend Verhalten erfassen und ihre Bewertungen in der verfügbaren Zeit abschließen? Oder werden nahezu alle Noten mit ähnlichen Beobachtungen begründet?

Betrachten Sie die Arbeitsbelastung je beobachtender Person und Übung. Relevant sind die Zahl der beobachteten Personen, Überschneidungen zwischen den Kompetenzen, die Materialien und die anschließende Bewertungszeit. Ein Probelauf kann zeigen, wo der Auftrag vereinfacht oder anders verteilt werden sollte.

Eine allgemeingültige Höchstzahl gibt es nicht. Entscheidend ist, ob das Verfahren sinnvolle Unterschiede erfasst, die sich durch konkrete Beobachtungen begründen lassen.

3. Wie vergleichbar sind die Bedingungen zwischen Durchgängen und Standorten?

Zwei Personen können dieselbe Übung absolvieren und dabei vor deutlich unterschiedlichen Anforderungen stehen.

Denken Sie an ein simuliertes Mitarbeitergespräch: Eine Person in der Gegenrolle nimmt die Vorschläge der Kandidatin bereitwillig an, eine andere widerspricht jeder Idee. Oder an eine Fallpräsentation, bei der ein Beobachtungsteam durch hilfreiche Nachfragen auf übersehene Aspekte hinführt, während ein anderes die Annahmen hinter jeder Antwort kritisch hinterfragt.

Solche Unterschiede verändern die Gelegenheiten, relevantes Verhalten zu zeigen. Oliver et al. (2016) fanden, dass die von Personen in der Gegenrolle dargestellte zwischenmenschliche Haltung das Verhalten der Teilnehmenden beeinflusste, obwohl die zugrunde liegende Aufgabe gleich blieb. Ihre Ergebnisse unterstreichen auch, warum im Probelauf geprüft werden sollte, ob die Personen in der Gegenrolle ihre Rolle wie vorgesehen umsetzen.

Das Warnsignal sind ungeregelte Unterschiede in der Durchführung. Gemeinsame Aufgabenunterlagen sind ein Anfang. Die Personen in der Gegenrolle benötigen darüber hinaus Vorgaben für ihre Reaktionen. Für das Beobachtungsteam braucht es klare Regeln für Nachfragen und Hilfestellungen.

Ein praktischer Ansatz sind geplante Impulse, sogenannte „Cues“. Die Frage „Wie würden Sie das mit Ihrem Team konkret umsetzen?“ kann beispielsweise Gelegenheit geben, Planungsverhalten zu zeigen. Der Übungsleitfaden sollte festlegen, wann und wie solche Impulse eingebracht werden. Auch die Beobachtenden sollten wissen, welches Verhalten dadurch angeregt werden soll (Kleinmann und Ingold, 2019).

Vergleichbarkeit sollte über Standorte, Beobachtungsteams und einzelne Durchgänge hinweg gesichert werden. Bei notwendigen lokalen Anpassungen ist zu prüfen, wie sie die Anforderungen der Übung verändern.

Das lässt Raum für eine lebendige Interaktion. Ein gutes Rollenspiel reagiert auf das Verhalten der Teilnehmenden. Geklärt sein muss, welche Reaktionen zum vorgesehenen Rahmen gehören und welche den Gegenstand der Bewertung verändern würden.

4. Bedeutet dieselbe Skalenstufe für alle Beobachtenden dasselbe?

Schulungen für das Beobachtungsteam behandeln häufig die Übungen, die Kompetenzdefinitionen und typische Beurteilungsfehler. Der entscheidende nächste Schritt ist, die Anwendung der Leistungsmaßstäbe praktisch einzuüben.

Angenommen, eine „3“ bedeutet für eine beurteilende Person „erfüllt die Anforderungen“, für eine andere dagegen „durchschnittlich unter den heute Teilnehmenden“. Selbst ein Beobachtungsduo, das sich nach der Übung auf eine Bewertung einigt, kann die Skala anders interpretieren als das Duo, das die nächste Person bewertet.

Frame-of-Reference-Training, kurz FOR-Training, entwickelt ein gemeinsames Verständnis von Leistung. Die Beobachtenden bewerten konkrete Beispiele, gleichen ihre Urteile mit fachlich begründeten Referenzbewertungen ab und besprechen die Ursachen von Abweichungen.

Schleicher et al. (2002) verglichen zwei gleich lange Schulungen, die beide Materialien und Bewertungsübungen enthielten. Das Training, das zusätzlich die Besprechung der Bewertungen und Rückmeldung umfasste, verbesserte mehrere Aspekte der Bewertungsqualität. Gorman et al. (2024) verwendeten Videos aus einem Entwicklungs-AC für höhere Führungskräfte. In ihrer Untersuchung half FOR-Training den Beobachtenden, schwächere Leistung zu erkennen, und verringerte den Einfluss individueller Bewertungstendenzen.

Das Warnsignal ist, dass Beobachtende die Skalen erhalten, aber ein gemeinsames Verständnis ihrer Anwendung nie gezeigt haben. Fragen Sie nach den bewerteten Beispielen, den dabei aufgetretenen Unterschieden und ihrer Klärung. Der Referenzrahmen muss von allen an der Beobachtung Beteiligten geteilt werden, auch von Personen, die nicht regelmäßig zusammenarbeiten.

5. Welche Vorinformationen erhalten Ihre Beobachtenden?

Zu einer Person liegen ein Persönlichkeitsprofil, Ergebnisse eines kognitiven Leistungstests und Bewertungen aus früheren Interviews vor. Sollten alle Beobachtenden diese Informationen schon vor der ersten Übung kennen?

Stellen Sie sich vor, eine beobachtende Person hat bereits gelesen, dass es einem Bewerber an Durchsetzungsvermögen fehlt. Damit steht schon eine Interpretation zur Verfügung, bevor sie im Rollenspiel eigene Eindrücke gesammelt hat. Eine positive Empfehlung aus einem früheren Interview könnte eine andere Erwartung erzeugen.

Der mögliche Einfluss solcher Vorinformationen wird in der AC-Praxis seit Langem diskutiert. Kanning et al. (2007) griffen ihn in ihrer Befragung deutscher Unternehmen auf. Das spricht dafür, den Informationsfluss bewusst zu gestalten, statt anzunehmen, dass mehr Information zu jedem Zeitpunkt hilfreich ist.

Das Warnsignal sind Vorinformationen, deren Zweck für die konkrete Beobachtungsaufgabe ungeklärt bleibt. Ein Lebenslauf kann für ein biografisches Interview sinnvoll sein. Testergebnisse können in einem Gespräch benötigt werden, das gezielt auf ihnen aufbaut. Beides gehört nicht automatisch in das Briefing einer Person, die eine Übung unabhängig bewerten soll. Bei Fotos und persönlichen Angaben stellt sich dieselbe Frage: Wofür wird die Information bei dieser Beobachtungsaufgabe benötigt?

Meine Empfehlung ist, Übungsbewertungen möglichst unabhängig von vorherigen Test- und Interviewergebnissen vorzunehmen. Die Informationsquellen werden zusammengeführt, nachdem die Beobachtungen dokumentiert und bewertet wurden.

So lässt sich der Beitrag jeder Quelle besser nachvollziehen. Wenn mehrere Verfahren in dieselbe Richtung weisen, möchten Sie wissen, ob sie eigenständige Belege liefern oder lediglich denselben ersten Eindruck mehrfach abbilden.

6. Hat Ihr Assessment Center einen doppelten Boden?

Stellen Sie sich vor, eine Kandidatin bereitet gerade ihre Fallpräsentation vor, als die verantwortliche Person eine Verkürzung der Vorbereitungszeit ankündigt. Die Änderung ist beabsichtigt: Das Beobachtungsteam möchte sehen, wie die Kandidatin mit Druck umgeht. In der angekündigten Aufgabe war das nicht vorgesehen. Ihre Reaktion soll nun aber in die Bewertung einfließen.

Bevor eine solche Zusatzprüfung eingebaut wird, sollte die Organisation erklären können, welche Anforderung der Zielposition sie erfasst und warum gerade diese Situation geeignete Informationen liefert.

Wenn der Umgang mit plötzlichen Veränderungen und wirksames Handeln unter Druck wichtige berufliche Anforderungen sind, kann eine sorgfältig gestaltete Simulation sinnvoll sein. Das gilt auch für seltene, aber erfolgskritische Situationen. Zusätzlicher Druck allein belegt jedoch nicht, dass die beobachtete Reaktion Belastbarkeit, Resilienz oder eine andere beabsichtigte Kompetenz abbildet.

Die Forschung zur Gestaltung von Assessment Centern betont das Zusammenspiel zwischen Situation und ausgelöstem Verhalten (Kleinmann und Ingold, 2019). Welche Herausforderung gewählt wird, ist damit Teil der Messung selbst.

Das Warnsignal ist eine Zusatzprüfung, die hauptsächlich mit „Wir wollten sehen, wie die Person wirklich ist“ begründet wird. Die Herausforderung braucht einen klaren Bezug zur Anforderungsanalyse, definierte Beobachtungsgelegenheiten und einen anwendbaren Bewertungsmaßstab.

Teilnehmende benötigen ein zutreffendes Verständnis des Verfahrens. Dafür muss nicht jede Wendung einer Simulation vorab verraten werden. Die SIOP (2018) hebt klare und konsistente Informationen über Durchführung und zeitliche Rahmenbedingungen hervor. Werden dagegen Pausen oder beiläufige Begegnungen heimlich zu Prüfungssituationen, wird Verhalten außerhalb des vereinbarten diagnostischen Rahmens bewertet (Kanning et al., 2007).

Eine anspruchsvolle Übung kann nützlich sein. Ihre Anforderungen müssen fachlich begründet sein.

7. Worauf stützt sich Ihr Vertrauen in die Ergebnisse?

„Wir setzen das Verfahren seit Jahren ein.“ „Unsere Führungskräfte vertrauen darauf.“ „Die Teilnehmenden geben uns hervorragendes Feedback.“

Alle drei Aussagen können zutreffen. Keine davon zeigt für sich genommen, wie gut das Assessment Center die daraus abgeleiteten Entscheidungen trägt.

Das Feedback der Teilnehmenden ist wertvoll, um die Erfahrung mit dem Verfahren zu verstehen. Die Forschung zeigt zugleich, dass solche Reaktionen vom Befragungszeitpunkt und von persönlichen Merkmalen der Teilnehmenden abhängen (McCarthy et al., 2017).

Ich wäre außerdem vorsichtig, positives Feedback als ungefiltertes Urteil zu verstehen. Solange eine Auswahlentscheidung noch offen ist, dürften Teilnehmende wenig Anreiz haben, die Personen zu kritisieren, die sie gerade beurteilen.

Das Warnsignal ist ein Vertrauen, das hauptsächlich auf Akzeptanz und Vertrautheit beruht. Eine hilfreiche Evaluation stellt mehrere Fragen: Passen die Aufgaben zu den Anforderungen? Funktionieren Übungen und Bewertungsskalen wie vorgesehen? Wie zuverlässig sind die Bewertungen? Welche Belege verbinden die Schlussfolgerungen mit der späteren beruflichen Bewährung?

Für viele Organisationen ist eine groß angelegte Studie zur Vorhersagegüte schwer umzusetzen. Es gibt weitere Wege, Evidenz aufzubauen: etwa eine Prüfung der Verfahrensinhalte, strukturierte Probeläufe und eine sorgfältige Einschätzung, ob vorhandene Forschung auf den vorgesehenen Einsatz übertragbar ist (SIOP, 2018).

Dieser letzte Schritt ist wichtig. Sackett et al. (2022) betonen, dass Unternehmen nicht einfach davon ausgehen können, die durchschnittliche Validität aus der Forschung gelte für ihre eigene Organisation. Die Belege müssen die konkreten Aussagen über das Verfahren stützen.

Können Sie die Aussagekraft Ihres Assessment Centers begründen?

Die sieben Fragen führen zu einem gemeinsamen Punkt: Ist die Verbindung zwischen Zielposition, Übungen, Beobachtungen und abschließendem Urteil nachvollziehbar und fachlich begründet?

Ein etabliertes Verfahren kann auf manche Fragen überzeugende Antworten haben und bei anderen Lücken aufweisen. Diese zu erkennen hilft dabei, sinnvolle Verbesserungen zu priorisieren und die Stärken des Verfahrens zu erhalten.

Wenn Sie einen unabhängigen Blick auf Ihr bestehendes Assessment Center wünschen, sprechen Sie mich gerne an. In meinem AC-Audit prüfe ich Ihre Unterlagen und dokumentierten Prozesse anhand abgesicherter Forschungserkenntnisse. Gemeinsam lässt sich einordnen, wie gut die Konzeption fundiert ist und wo sich Verbesserungen anbieten.

Literatur

Gorman, C. A., Jackson, D. J. R., Meriac, J. P., Himmler, J. R., & Contreras, T. F. (2024). Beyond rating accuracy: Unpacking frame-of-reference assessor training effectiveness. Industrial and Organizational Psychology, 17, 206–219. Originalartikel

Kanning, U. P., Pöttker, J., & Gelléri, P. (2007). Assessment Center-Praxis in deutschen Großunternehmen: Ein Vergleich zwischen wissenschaftlichem Anspruch und Realität. Zeitschrift für Arbeits- und Organisationspsychologie, 51, 155–167. Originalartikel

Kleinmann, M., & Ingold, P. V. (2019). Toward a better understanding of assessment centers: A conceptual review. Annual Review of Organizational Psychology and Organizational Behavior, 6, 349–372. Originalartikel

Lievens, F., & Sackett, P. R. (2017). The effects of predictor method factors on selection outcomes: A modular approach to personnel selection procedures. Journal of Applied Psychology, 102(1), 43–66. Originalartikel

McCarthy, J. M., Bauer, T. N., Truxillo, D. M., Anderson, N. R., Costa, A. C., & Ahmed, S. M. (2017). Applicant perspectives during selection: A review addressing “So what?,” “What’s new?,” and “Where to next?” Journal of Management. Originalartikel

Oliver, T., Hausdorf, P., Lievens, F., & Conlon, P. (2016). Interpersonal dynamics in assessment center exercises: Effects of role player portrayed disposition. Journal of Management, 42(7), 1992–2017. Originalartikel

Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology, 107(11), 2040–2068.

Schleicher, D. J., Day, D. V., Mayes, B. T., & Riggio, R. E. (2002). A new frame for frame-of-reference training: Enhancing the construct validity of assessment centers. Journal of Applied Psychology, 87(4), 735–746. Originalartikel

Society for Industrial and Organizational Psychology. (2018). Principles for the validation and use of personnel selection procedures (5th ed.).