Psychometrie · 8 min Lesezeit

Wie Sie Ihre eigene Normgruppe für Hiring aufbauen

Generische Normgruppen sagen wenig über 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.

Dieser Artikel gehört zu unserem vollständigen Leitfaden zu Assessments in der Personalauswahl.

Das klingt solide, aber es gibt ein grundlegendes Problem. Diese generische Normgruppe enthält Menschen aus allen möglichen Branchen, Funktionen, Niveaus und Ländern. Ein Score von 70 auf einem kognitiven Test kann für eine Rolle ausgezeichnet sein, für eine andere aber unterdurchschnittlich. Es ist so, als würde man die Leistung eines Marathonläufers mit dem Durchschnitt aller Sportler vergleichen, einschließlich Schwimmern, Gewichthebern und Schachspielern.

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

Was genau ist eine Normgruppe

Eine Normgruppe ist eine Sammlung von Scores einer bestimmten Population, die als Referenzpunkt für die Interpretation neuer Scores dient. Wenn ein Kandidat ein Assessment absolviert und einen Score erhält, 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 AktualitätWie aktuell die Daten sindScores der letzten 2 Jahre ValidierungOb die Normgruppe mit Leistungsergebnissen verknüpft istKorrelation zwischen Scores und Job Performance

Generisch vs. spezifisch

Eine generische Normgruppe ist breit und leicht verfügbar. 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. Nützlich als Basislinie, aber nicht informativ genug für 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, für wen Sie die Normgruppe aufbauen. Seien Sie so spezifisch wie sinnvoll:

  • Funktionskategorie: alle Developer, oder speziell Backend-Developer, oder sogar Python-Backend-Developer
  • Seniorität: Junior, Mid-Level, Senior, Lead
  • Branche: Tech, Finanzen, Beratung, öffentlicher Dienst
  • Unternehmensgröße: Startup, Scale-up, Enterprise
  • Region: Deutschland, DACH, Europa
  • Je spezifischer, desto wertvoller die Normgruppe, aber auch desto länger 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 können
  • 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 repräsentativ für die tatsächliche Verteilung.

    Schritt 3: Bestimmen Sie die Mindestgröße

    Eine Normgruppe muss groß genug sein, um statistisch zuverlässig zu sein. Die Faustregeln:

  • Mindestens 30 Scores für eine erste Indikation, aber noch nicht zuverlässig
  • 100 Scores für eine brauchbare Normgruppe mit angemessener Zuverlässigkeit
  • 200 bis 300 Scores für eine solide Normgruppe mit hoher Zuverlässigkeit
  • 500+ Scores für eine ausgezeichnete Normgruppe, die Sie mit Vertrauen nutzen können
  • Bei 50 Einstellungen pro Jahr für 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 später.

    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 übersetzen 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 für Ihren Kontext ist:

    KategoriePerzentilbereichInterpretation

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

    Niedrig0-25Unter den Erwartungen für diese Rolle Unterdurchschnittlich25-40Aufmerksamkeitspunkt, näher untersuchen Durchschnittlich40-60Auf Niveau für diese Rolle Überdurchschnittlich60-75Starker Kandidat Hoch75-100Außergewöhnlicher Kandidat für diese Rolle

    Schritt 5: Validieren Sie gegen Leistungsergebnisse

    Eine Normgruppe wird erst dann wirklich wertvoll, wenn Sie sie gegen tatsächliche 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 länger geblieben
  • Beförderungsgeschwindigkeit: Wurden Personen mit hohen Scores schneller befördert
  • Objektive Leistungsmetriken: Verkaufszahlen, Code-Qualität, 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 aussagekräftiger Schwellenwert für Ihre Normgruppe ist. Dies ist die Grundlage von Predictive Hiring.

    Schritt 6: Pflegen und rekalibrieren

    Eine Normgruppe ist kein statisches Produkt. Sie müssen sie regelmäßig aktualisieren:

  • Fügen Sie neue Daten hinzu, wenn Sie mehr Kandidaten bewerten
  • Entfernen Sie veraltete Daten, die nicht mehr repräsentativ sind, zum Beispiel nach einer signifikanten Veränderung 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 durchzuführen ist eine enorme Aufgabe. Sie benötigen 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, während der Datensatz wächst
  • Signalisiert, wenn die Normgruppe groß genug für zuverlässige 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 zuverlässig.

    Häufige Fehler

    Nur Einstellungen in die Normgruppe aufnehmen: Dies führt 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 unzuverlässig. Warten Sie, bis Sie genug Daten haben, oder beginnen Sie breiter.

    Nie rekalibrieren: Ihre Normgruppe veraltet, wenn sich der Arbeitsmarkt ändert, Ihr Unternehmen wächst oder die Rolle sich weiterentwickelt. Planen Sie mindestens eine jährliche Überprüfung.

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

    Kernaussagen

  • Generische Normgruppen sind für Unternehmen, die datengetriebenes Hiring ernst nehmen, unzureichend
  • Ihre eigene Normgruppe vergleicht Kandidaten mit einer relevanten Referenzgruppe, die spezifisch für Ihren Kontext ist
  • Der Aufbau erfordert mindestens 100 Scores, mit 200 bis 300 als Optimum
  • Validierung gegen Leistungsergebnisse macht die Normgruppe wirklich prädiktiv
  • Pflege und Rekalibrierung sind essenziell, um die Normgruppe aktuell zu halten
  • Ein eigenes Hiring-System macht den Aufbau und die Pflege von Normgruppen skalierbar
  • Möchten 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.


    Erstgespräch vereinbaren · Unser AI Hiring System ansehen