Psychometrie · 8 min Lesezeit

Wie Sie Ihre eigene Normgruppe fuer Hiring aufbauen

Generische Normgruppen sagen wenig ueber Ihren spezifischen Kontext aus. Erfahren Sie, wie Sie eine eigene Normgruppe aufbauen, die Ihre Hiring-Daten wirklich wertvoll macht.

Door Ingmar van Maurik · Founder & CEO, Making Moves


Warum generische Normgruppen nicht ausreichen

Wenn Sie Assessments in Ihrem Recruiting-Prozess einsetzen, werden die Ergebnisse immer mit einer Normgruppe verglichen: einer Referenzpopulation, die bestimmt, was ein hoher, durchschnittlicher oder niedriger Score ist. Die meisten Assessment-Anbieter bieten generische Normgruppen an, die auf Tausenden von Personen basieren, die den Test absolviert haben.

Das klingt solide, aber es gibt ein grundlegendes Problem. Diese generische Normgruppe enthaelt Menschen aus allen moeglichen Branchen, Funktionen, Niveaus und Laendern. Ein Score von 70 auf einem kognitiven Test kann fuer eine Rolle ausgezeichnet sein, fuer eine andere aber unterdurchschnittlich. Es ist so, als wuerde man die Leistung eines Marathonlaeufers mit dem Durchschnitt aller Sportler vergleichen, einschliesslich Schwimmern, Gewichthebern und Schachspielern.

Fuer Unternehmen, die datengetriebenes Hiring ernst nehmen, ist eine eigene Normgruppe kein Luxus, sondern eine Notwendigkeit. In diesem Artikel erklaeren wir Schritt fuer Schritt, wie Sie eine aufbauen.

Was genau ist eine Normgruppe

Eine Normgruppe ist eine Sammlung von Scores einer bestimmten Population, die als Referenzpunkt fuer die Interpretation neuer Scores dient. Wenn ein Kandidat ein Assessment absolviert und einen Score erhaelt, sagt dieser Score allein wenig aus. Erst wenn Sie diesen Score mit einer relevanten Normgruppe vergleichen, wissen Sie, ob er gut oder schlecht ist.

Die Elemente einer Normgruppe

ElementBeschreibungBeispiel

|---------|-------------|----------|

PopulationDie Gruppe, mit der Sie vergleichenSenior Developer bei Tech-Unternehmen in Deutschland UmfangDie Anzahl der Personen in der NormgruppeMindestens 100, vorzugsweise 200+ RelevanzWie gut die Normgruppe zu Ihrer Zielgruppe passtBranche, Funktionsniveau, Erfahrung AktualitaetWie aktuell die Daten sindScores der letzten 2 Jahre ValidierungOb die Normgruppe mit Leistungsergebnissen verknuepft istKorrelation zwischen Scores und Job Performance

Generisch vs. spezifisch

Eine generische Normgruppe ist breit und leicht verfuegbar. Eine spezifische Normgruppe ist eng und muss selbst aufgebaut werden. Der Unterschied im Wert ist enorm:

Generische Normgruppe: sagt Ihnen, dass ein Kandidat besser abschneidet als 70 Prozent aller Menschen, die diesen Test jemals gemacht haben. Nuetzlich als Basislinie, aber nicht informativ genug fuer gute Entscheidungen.

Eigene Normgruppe: sagt Ihnen, dass ein Kandidat besser abschneidet als 70 Prozent der erfolgreichen Senior Developer bei vergleichbaren Unternehmen. Jetzt wissen Sie wirklich etwas.

Wie Sie Ihre eigene Normgruppe aufbauen

Schritt 1: Definieren Sie Ihre Zielpopulation

Beginnen Sie mit einer klaren Definition, fuer wen Sie die Normgruppe aufbauen. Seien Sie so spezifisch wie sinnvoll:

  • Funktionskategorie: alle Developer, oder speziell Backend-Developer, oder sogar Python-Backend-Developer
  • Senioritaet: Junior, Mid-Level, Senior, Lead
  • Branche: Tech, Finanzen, Beratung, oeffentlicher Dienst
  • Unternehmensgroesse: Startup, Scale-up, Enterprise
  • Region: Deutschland, DACH, Europa
  • Je spezifischer, desto wertvoller die Normgruppe, aber auch desto laenger dauert es, ausreichend Daten zu sammeln. Beginnen Sie breit und verfeinern Sie, je mehr Daten Sie haben.

    Schritt 2: Sammeln Sie Assessment-Daten

    Der Kern Ihrer Normgruppe sind Assessment-Daten von Kandidaten, die Ihren Prozess durchlaufen haben. Idealerweise sammeln Sie:

  • Assessment-Scores von allen Kandidaten, die den Test absolviert haben, nicht nur von den Eingestellten
  • Demografischen Kontext wie Erfahrungsniveau und Hintergrund, um die Normgruppe segmentieren zu koennen
  • Prozessergebnisse, ob der Kandidat eingestellt wurde und wie diese Person anschliessend performt hat
  • Es ist essenziell, dass Sie Daten von allen Kandidaten sammeln, nicht nur von den Eingestellten. Wenn Ihre Normgruppe nur aus Einstellungen besteht, ist sie verzerrt und nicht repraesentativ fuer die tatsaechliche Verteilung.

    Schritt 3: Bestimmen Sie die Mindestgroesse

    Eine Normgruppe muss gross genug sein, um statistisch zuverlaessig zu sein. Die Faustregeln:

  • Mindestens 30 Scores fuer eine erste Indikation, aber noch nicht zuverlaessig
  • 100 Scores fuer eine brauchbare Normgruppe mit angemessener Zuverlaessigkeit
  • 200 bis 300 Scores fuer eine solide Normgruppe mit hoher Zuverlaessigkeit
  • 500+ Scores fuer eine ausgezeichnete Normgruppe, die Sie mit Vertrauen nutzen koennen
  • Bei 50 Einstellungen pro Jahr fuer eine bestimmte Funktionskategorie haben Sie nach 2 bis 4 Jahren eine gute Normgruppe. Zu lange? Dann beginnen Sie breiter, zum Beispiel alle technischen Funktionen, und verfeinern Sie spaeter.

    Schritt 4: Berechnen Sie Normstatistiken

    Mit ausreichend Daten berechnen Sie die Statistiken, die Ihre Normgruppe definieren:

    Mittelwert und Standardabweichung bilden die Grundlage. Sie zeigen Ihnen, was der typische Score ist und wie gross die Streuung ist.

    Perzentilwerte uebersetzen Rohscores in eine Position relativ zur Gruppe. Ein Perzentilwert von 75 bedeutet, dass der Kandidat besser abschneidet als 75 Prozent der Normgruppe.

    Score-Bereiche definieren, was niedrig, durchschnittlich und hoch fuer Ihren Kontext ist:

    KategoriePerzentilbereichInterpretation

    |-----------|-----------------|----------------|

    Niedrig0-25Unter den Erwartungen fuer diese Rolle Unterdurchschnittlich25-40Aufmerksamkeitspunkt, naeher untersuchen Durchschnittlich40-60Auf Niveau fuer diese Rolle Ueberdurchschnittlich60-75Starker Kandidat Hoch75-100Aussergewoehnlicher Kandidat fuer diese Rolle

    Schritt 5: Validieren Sie gegen Leistungsergebnisse

    Eine Normgruppe wird erst dann wirklich wertvoll, wenn Sie sie gegen tatsaechliche Leistung validieren. Das bedeutet, die Beziehung zwischen Assessment-Scores und folgenden Faktoren zu untersuchen:

  • Performance Reviews nach 6 und 12 Monaten
  • Verbleib: Sind Personen mit hohen Scores laenger geblieben
  • Befoerderungsgeschwindigkeit: Wurden Personen mit hohen Scores schneller befoerdert
  • Objektive Leistungsmetriken: Verkaufszahlen, Code-Qualitaet, Kundenzufriedenheit
  • Wenn Sie feststellen, dass ein Score von 65 bei einem bestimmten Assessment stark mit Erfolg in der Rolle korreliert, wissen Sie, dass 65 ein aussagekraeftiger Schwellenwert fuer Ihre Normgruppe ist. Dies ist die Grundlage von Predictive Hiring.

    Schritt 6: Pflegen und rekalibrieren

    Eine Normgruppe ist kein statisches Produkt. Sie muessen sie regelmaessig aktualisieren:

  • Fuegen Sie neue Daten hinzu, wenn Sie mehr Kandidaten bewerten
  • Entfernen Sie veraltete Daten, die nicht mehr repraesentativ sind, zum Beispiel nach einer signifikanten Veraenderung in Ihrem Unternehmen oder Markt
  • Rekalibrieren Sie periodisch, indem Sie die Beziehung zwischen Scores und Leistung erneut untersuchen
  • Segmentieren Sie, wenn Sie genug Daten haben, um Untergruppen zu bilden
  • Die Rolle der Technologie

    Den Aufbau und die Pflege einer eigenen Normgruppe manuell durchzufuehren ist eine enorme Aufgabe. Sie benoetigen Daten aus mehreren Quellen, statistisch korrekte Berechnungen und kontinuierliches Monitoring. Hier beweist ein eigenes Hiring-System seinen Wert.

    Ein gutes System:

  • Sammelt automatisch alle relevanten Daten bei jedem Assessment
  • Berechnet Normstatistiken in Echtzeit, waehrend der Datensatz waechst
  • Signalisiert, wenn die Normgruppe gross genug fuer zuverlaessige Schlussfolgerungen ist
  • Zeigt Kandidaten-Scores automatisch im Kontext der richtigen Normgruppe
  • Rekalibriert die Beziehung zwischen Scores und Leistung kontinuierlich
  • Ohne ein solches System sind Sie auf Spreadsheets, manuelle Berechnungen und den guten Willen von jemandem angewiesen, der Statistik versteht. Das ist weder skalierbar noch zuverlaessig.

    Haeufige Fehler

    Nur Einstellungen in die Normgruppe aufnehmen: Dies fuehrt zu Range Restriction. Sie sehen nur die Spitze der Verteilung und verpassen das Gesamtbild.

    Eine zu kleine Normgruppe verwenden: Mit weniger als 50 Scores sind Ihre Schlussfolgerungen statistisch unzuverlaessig. Warten Sie, bis Sie genug Daten haben, oder beginnen Sie breiter.

    Nie rekalibrieren: Ihre Normgruppe veraltet, wenn sich der Arbeitsmarkt aendert, Ihr Unternehmen waechst oder die Rolle sich weiterentwickelt. Planen Sie mindestens eine jaehrliche Ueberpruefung.

    Eine Normgruppe fuer alles verwenden: Verschiedene Rollen erfordern verschiedene Normgruppen. Eine Normgruppe fuer Developer ist nicht fuer Product Manager nutzbar.

    Kernaussagen

  • Generische Normgruppen sind fuer Unternehmen, die datengetriebenes Hiring ernst nehmen, unzureichend
  • Ihre eigene Normgruppe vergleicht Kandidaten mit einer relevanten Referenzgruppe, die spezifisch fuer Ihren Kontext ist
  • Der Aufbau erfordert mindestens 100 Scores, mit 200 bis 300 als Optimum
  • Validierung gegen Leistungsergebnisse macht die Normgruppe wirklich praediktiv
  • Pflege und Rekalibrierung sind essenziell, um die Normgruppe aktuell zu halten
  • Ein eigenes Hiring-System macht den Aufbau und die Pflege von Normgruppen skalierbar
  • Moechten Sie mit dem Aufbau Ihrer eigenen Normgruppe beginnen? Nehmen Sie Kontakt auf oder lesen Sie, wie generische Assessments zu kurz greifen und warum Individualisierung die Zukunft ist.


    ErstgesprÃĪch vereinbaren · Unser AI Hiring System ansehen