Personalentscheidungen mit Zahlen begründen (Assessment-Nutzenrechner)

Hommel, Björn E.

Blog Kosten-Nutzenmodelle 4 Min. Lesezeit 02.10.2026 Read in English

Personalentscheidungen mit Zahlen begründen (Assessment-Nutzenrechner)

Was ist ein besseres Auswahlverfahren wert? Spielen Sie verschiedene Szenarien durch und sehen Sie, wie sehr sich eine bessere Personalauswahl auszahlt.

BEH

Dr. Björn E. Hommel Senior Scientist

Was soll berechnet werden?

Interaktives Modul 1. Assessment-Nutzenrechner. Klicken Sie auf eine Ergebniszeile, um die Details zu sehen, oder auf zwei Zeilen, um sie zu vergleichen. Die Reiter unter der Tabelle wechseln zwischen Kennzahlen und einer Erläuterung in Worten. In den Ringen steht Violettblau für richtige und Grau für falsche Entscheidungen. Beim Vergleich zeigt der äußere Ring das frühere Szenario, der innere das neuere (die Tausch-Schaltfläche kehrt die Reihenfolge um). Das erste Szenario dient als Referenz: Sein Nutzen wird an einer Zufallsauswahl gemessen, jedes weitere Szenario zeigt Gewinn oder Verlust gegenüber dem ersten. Beginnen Sie daher idealerweise mit Ihrem bisherigen Verfahren. Was ein Wechsel vom früheren zum neueren Szenario bringt, zeigt sich, wenn Sie beide Zeilen auswählen. Abkürzungen: SQ = Selektionsquote (Einstellungen/Bewerbende), BR = Basisrate, r = Validität, Δ = Differenz (neueres minus früheres Szenario). Beträge erscheinen in der gewählten Währung und werden nicht umgerechnet.

Was der Rechner berechnet

Der Rechner beginnt beim Taylor-Russell-Modell^[1]: Wie viele der eingestellten Personen werden sich bewähren? Dafür reichen vier Angaben: a) die Zahl der Bewerbenden, b) die Zahl der Einstellungen, c) die Basisrate und d) die Validität des Auswahlinstruments. Die Validitätswerte stammen aus der Metaanalyse von Sackett et al.^[2] Darauf bauen vier optionale Erweiterungen auf:

Monetärer Nutzen übersetzt die besseren Einstellungen in Geld (in einer Währung Ihrer Wahl), nach dem Nutzenmodell von Brogden, Cronbach und Gleser^{[3, 4]}. Entscheidend ist, wie stark sich die berufliche Leistung von Personen in derselben Position unterscheidet. Eine verbreitete, vorsichtige Faustregel sind 40 % des Gehalts^{[5, 6]}, mit der Komplexität der Position wachsen die Unterschiede^[7]. Jedes Szenario beschreibt ein Verfahren. Das erste Szenario wird an einer Zufallsauswahl gemessen und dient als Referenz für alle weiteren. Daher empfiehlt es sich, mit dem bisherigen Verfahren zu beginnen. Werden zwei Zeilen ausgewählt, zeigt der Rechner, was ein Wechsel bringt und ab welcher Validität sich das neue Verfahren lohnt.
Steuern, Kosten und Fluktuation berücksichtigt die wirtschaftlichen Korrekturen nach Boudreau^{[8, 9]}: variable Kosten, Steuern, Abzinsung und Personen, die das Unternehmen im Planungszeitraum verlassen. Sturman^[10] zeigte, dass solche Korrekturen Nutzenschätzungen deutlich verringern können. Daher ist es sinnvoll, sie einzuschalten, bevor eine Zahl präsentiert wird.
Absagen und Probezeit bildet ab, dass Personen Angebote ablehnen und deshalb auch weiter unten in der Rangfolge Angebote ergehen^[11]. Außerdem zählt der Rechner, wie viele Personen in der Probezeit scheitern und was das kostet^[12].
Zwei Instrumente kombinieren vergleicht einen Gesamtwert mit einer stufenweisen Auswahl (Multiple Hurdle)^{[13, 14]}. Die Korrelationen der Instrumente stammen, soweit verfügbar, von Berry et al.^[15]

Jede Berechnung wird als Zeile in die Ergebnistabelle übernommen, sodass sich Szenarien direkt vergleichen lassen. Die Beispielpositionen verwenden mittlere Gehälter nach Anforderungsniveau aus der Entgeltstatistik der Bundesagentur für Arbeit^[16]. Bewerbendenzahlen, Basisraten und Kosten sind dort Beispielwerte. Aufbau und einige Standardwerte orientieren sich am BCG-Nutzenrechner von Horstmann und Ziegler^[17]. Alle Berechnungen nutzen das R-Paket personnelSelectionUtility^[18] und laufen lokal in Ihrem Browser.

Literaturangaben

Taylor, H. C., & Russell, J. T. (1939). The relationship of validity coefficients to the practical effectiveness of tests in selection: Discussion and tables. Journal of Applied Psychology, 23(5), 565–578. https://doi.org/10.1037/h0057079
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. https://doi.org/10.1037/apl0000994
Brogden, H. E. (1949). When testing pays off. Personnel Psychology, 2(2), 171–183. https://doi.org/10.1111/j.1744-6570.1949.tb01397.x
Cronbach, L. J., & Gleser, G. C. (1965). Psychological tests and personnel decisions (2nd ed.). University of Illinois Press.
Schmidt, F. L., Hunter, J. E., McKenzie, R. C., & Muldrow, T. W. (1979). Impact of valid selection procedures on work-force productivity. Journal of Applied Psychology, 64(6), 609–626. https://doi.org/10.1037/0021-9010.64.6.609
Schmidt, F. L., & Hunter, J. E. (1983). Individual differences in productivity: An empirical test of estimates derived from studies of selection procedure utility. Journal of Applied Psychology, 68(3), 407–414. https://doi.org/10.1037/0021-9010.68.3.407
Hunter, J. E., Schmidt, F. L., & Judiesch, M. K. (1990). Individual differences in output variability as a function of job complexity. Journal of Applied Psychology, 75(1), 28–42. https://doi.org/10.1037/0021-9010.75.1.28
Boudreau, J. W. (1983). Economic considerations in estimating the utility of human resource productivity improvement programs. Personnel Psychology, 36(3), 551–576. https://doi.org/10.1111/j.1744-6570.1983.tb02235.x
Boudreau, J. W. (1983). Effects of employee flows on utility analysis of human resource productivity improvement programs. Journal of Applied Psychology, 68(3), 396–406. https://doi.org/10.1037/0021-9010.68.3.396
Sturman, M. C. (2000). Implications of utility analysis adjustments for estimates of human resource intervention value. Journal of Management, 26(2), 281–299. https://doi.org/10.1177/014920630002600206
Murphy, K. R. (1986). When your top choice turns you down: Effect of rejected offers on the utility of selection tests. Psychological Bulletin, 99(1), 133–138. https://doi.org/10.1037/0033-2909.99.1.133
De Corte, W. (1994). Utility analysis for the one-cohort selection-retention decision with a probationary period. Journal of Applied Psychology, 79(3), 402–411. https://doi.org/10.1037/0021-9010.79.3.402
Ock, J., & Oswald, F. L. (2018). The utility of personnel selection decisions: Comparing compensatory and multiple-hurdle selection models. Journal of Personnel Psychology, 17(4), 172–182. https://doi.org/10.1027/1866-5888/a000205
Sturman, M. C. (2001). Utility analysis for multiple selection devices and multiple outcomes. Journal of Human Resource Costing & Accounting, 6(2), 9–28. https://doi.org/10.1108/eb029072
Berry, C. M., Lievens, F., Zhang, C., & Sackett, P. R. (2024). Insights from an updated personnel selection meta-analytic matrix: Revisiting general mental ability tests’ role in the validity–diversity trade-off. Journal of Applied Psychology, 109(10), 1611–1634. https://doi.org/10.1037/apl0001203
Statistik der Bundesagentur für Arbeit. (2026). Blickpunkt Arbeitsmarkt: Analyse zur Entgeltstatistik 2025. Bundesagentur für Arbeit. https://statistik.arbeitsagentur.de/DE/Statischer-Content/Statistiken/Fachstatistiken/Beschaeftigung/Generische-Publikationen/Blickpunkt-Arbeitsmarkt-Analyse-zur-Entgeltstatistik.pdf
Horstmann, K. T., & Ziegler, M. (2026). BCG Utility-Analyse: Brogden–Cronbach–Gleser [Web-Anwendung]. https://kthorstmann.github.io/bcg_utility/
Gempp, R. (2026). personnelSelectionUtility: Utility analysis methods for personnel selection (R package version 1.0.2) [Software]. https://CRAN.R-project.org/package=personnelSelectionUtility

Verfasst von: BEH

Dr. Björn E. Hommel Senior Scientist

Björn Hommel ist seit mehr als einem Jahrzehnt im Bereich der psychologischen Diagnostik tätig, sowohl in der Praxis als auch in der Forschung. In seinen wissenschaftlichen Arbeiten untersucht er, wie Sprachmodelle und KI die Qualität psychologischer Messungen verbessern können. Bei magnolia psychometrics entwickelt er diese Methoden zu praxisnahen Tools weiter, um Organisationen durch verlässlichere und datenbasierte Diagnostik zu unterstützen.
Themen: Tools Personalauswahl
Zitiervorschlag: Hommel, B. E. (2026, 2. Oktober). Personalentscheidungen mit Zahlen begründen (Assessment-Nutzenrechner). magnolia psychometrics. https://magnolia-psychometrics.com/de/blog/assessment-utility-calculator

@misc{Hommel2026Personalentscheidungen, author = {Hommel, Bj{\"o}rn E.}, title = {{Personalentscheidungen mit Zahlen begr{\"u}nden (Assessment-Nutzenrechner)}}, howpublished = {magnolia psychometrics}, year = 2026, month = oct, url = {https://magnolia-psychometrics.com/de/blog/assessment-utility-calculator}, note = {Blogbeitrag} }
Teilen

Synthometricon: Eine Suchmaschine für psychologische Testverfahren

Mit Synthometricon lassen sich Zehntausende Fragebögen, Umfragen und Tests in einer Webanwendung durchsuchen, etwa um eine etablierte Skala zu finden oder um zu prüfen, ob ein neuer Itempool durch existierende Instrumente bereits abgedeckt ist.

14.10.2026 1 Min. Lesezeit

Kosten-Nutzenmodelle: Teil 1

Taylor-Russell-Ansatz: Erfolgreiche Einstellungen vorhersagen

Sofern sich Neueinstellungen in der Personalauswahl als „erfolgreich“ oder „nicht erfolgreich“ bewerten lassen, bietet das Taylor-Russell-Modell ein nützliches Framework für Ihre Personalstrategie. Dieser Praxisleitfaden zeigt, wie Sie den positiven prädiktiven Wert Ihrer Einstellungsentscheidungen schätzen.

11.07.2026 9 Min. Lesezeit

Projektankündigung

Karriere-Atlas: Von der Selbstbeschreibung zur personalisierten Landkarte beruflicher Möglichkeiten

Der Karriere-Atlas ist eine kostenlose Web-App zur Berufsorientierung. User beschreiben ihre Interessen, Stärken und beruflichen Vorlieben in eigenen Worten, und ein Sprachmodell gleicht diese mit übeer 3.200 Berufe ab. Die Webanwendung dient als Ausgangspunkt für die Berufsexploration und -beratung.

29.01.2025 4 Min. Lesezeit

Alle Beiträge