Ich habe in den letzten Monaten ein Selbstexperiment gemacht.
Frei nach dem Motto „der beste Test ist der Selbsttest“ habe ich vier verschiedene Persönlichkeits- und Stärkentests durchgearbeitet – darunter Verfahren, die in Assessment-Centern großer Unternehmen zum Einsatz kommen. Einige habe ich bis zu drei Mal wiederholt. In Zeiten von Skalierung und KI-gestützter Vorauswahl wollte ich wissen, worauf wir eigentlich Entscheidungen stützen.
Das Ergebnis hat mich nachdenklich gemacht.
Lege ich meine eigenen Auswertungen nebeneinander, blicke ich auf zwei verschiedene Menschen. Derselbe Mensch, teils dieselbe Woche – aber kaum Überschneidung. Psychometrisch gesprochen: Die Konvergenzvalidität zwischen den Instrumenten war erschreckend gering. Und die Wiederholungen offenbarten das nächste Problem – eine schwache Retest-Reliabilität: Wer denselben Test nach Wochen erneut macht, landet oft woanders. Ein Maß, das beim zweiten Messen etwas anderes anzeigt, misst nichts Stabiles.
Was mich dabei besonders gestört hat: Selbst die Tests, die keine Typen oder Schubladen vergeben, liefern am Ende determinierende Beschreibungen – Sätze, die festschreiben, wer ich „bin“. Sie umgehen die plumpe Typologisierung des Klassikers Myers-Briggs-Typenindikator (MBTI), reproduzieren aber dieselbe Grundannahme: Persönlichkeit sei ein fixer Zustand und keine Momentaufnahme. Dabei sind Merkmale nachweislich dimensional verteilt – nicht entweder/oder, sondern mehr oder weniger, wie es das psychometrisch solide Fünf-Faktoren-Modell (Big Five) seit Jahrzehnten zeigt. Dazu kommt der Barnum-Effekt: vage Formulierungen, in denen sich jeder wiederfindet.
Und ein letzter Punkt, der mich ehrlich gewundert hat: Ein Test wird nicht valider, indem ich den Nutzer am Ende anklicken lasse, ob er „in einer ruhigen Umgebung“ war und „in seiner bevorzugten Sprache“ getestet hat. Das ist keine Kontrolle von Störvariablen, das ist deren Verlagerung auf die Testperson. Echte Messgüte entsteht durch Konstruktionsqualität, nicht durch ein Häkchen im Selbstbericht.
Daraus ergeben sich für mich unbequeme Fragen:
👉 Wurden die Konstruktionsprobleme des MBTI je wirklich gelöst – oder nur eleganter verpackt?
👉 Was bedeutet das für Führung, wenn wir Teams nach „Farben“ und „Typen“ sortieren?
👉 Kann man einen Menschen am Ende doch nur über qualitative, dialogische Verfahren wirklich einschätzen?
👉 Und etwas provokant: Müssten Recruiter nicht eher einen Kurs in qualitativer Forschung belegen – Interviewführung, Triangulation, Quellenkritik – bevor sie Menschen für Stellen auswählen?
Ich habe darauf keine fertige Antwort. Aber ich bin überzeugt: Wer Menschen vermisst, sollte zumindest wissen, wie gut sein Messinstrument tatsächlich misst.
Wie geht ihr damit um – verlasst ihr euch auf Testverfahren, auf das Gespräch, oder auf beides?