Ach übrigens, Flipcharts sind gar nicht öde. Der Titel ist blöd. Es ist nur so, dass die elektronische Form (z.B. auf dem iPad) manchmal besser geeignet ist, weil im Unterschied zum Flipchart…

• …auf beengtem Raum (zum Beispiel im Flugzeug) gezeichnet werden kann.
• …ein Blatt dupliziert, platzsparend gespeichert und wiederverwendet werden kann.
• …ins Internet, über die Grenzen eines Seminarraumes hinaus, präsentiert werden kann.

Ich habe in den vergangenen Jahren viele elektronische Whiteboards ausprobiert, aber 100%ig überzeugt war ich eigentlich von keinem, weil die Handhabung nie hinreichend perfekt war. Im Zweifel verwendete ich lieber ein klassisches Whiteboard oder ein Flipchart. Mit Jot! ins der aktuellen Version bin ich aber insgesamt zufrieden, so dass ich diese Software gerne etwas genauer vorstellen möchte.

Screenshot der App Jot!, mit der das iPad zum mehr oder weniger vollwertigen Whiteboard wird.

Eines gleich vorweg: Das Zeichnen mit dem Finger ist keine gute Idee. Ich verwende immer einen Stift, zur Zeit den Bamboo Stylus. So ein Stift ist zwar auch alles andere als perfekt, aber das Schreiben damit ist für diesen Zweck in Ordnung.

Für das Erstellen eines Whiteboards bietet Jot! ein paar nützliche Funktionen, die lange nicht alle Mitbewerber in petto haben. Damit das Ergebnis am Ende schick aussieht, gewöhnt man sich am besten direkt an das Vergrößern und Verkleinern der Zeichenfläche mit zwei Fingern. Ich mache mir meist einen kleinen Punkt an der Stelle der weißen Fläche, an der ich malen möchte. Dann zoome ich auf diesen Punkt und beginne mit der Zeichnung, die ich im Anschluss wieder verkleinere, um an einer anderen Stelle der Fläche weiter zu malen. Auf diese Weise gelingen relativ ansprechende und übersichtliche Visualisierungen.

Eine weitere wichtige Funktion ist das Markieren eines Objektes. Um zum Beispiel eine kleine Zeichnung zu kopieren, drückt man den Stift (oder Finger) neben die Zeichnung auf das Display und wartet, bis ein grauer Kreis unter dem Finger erscheint. Anschließend bewegt man Stift/Finger auf dem Display und markiert damit einzelne Objekte. Anschließend können diese markierten Objekte ausgeschnitten, kopiert, dupliziert und in der Farbe geändert werden. Ein kopiertes Objekt kann an anderer Stelle auf die selbe Weise wieder eingefügt werden. Sehr praktisch.

Eine Textbox erstellt man, indem mit zwei Fingern gleichzeitig auf das Display getippt wird. Erneutes Tippen mit zwei Fingern auf die Textbox macht den geschrieben Text bearbeitbar.

Zum Abschluss möchte ich noch auf die Funktion des Live Sharings hinweisen. Sehr einfach kann auf diese Weise eine Kopie des aktuellen Bildschirms in einem Web-Browser angezeigt werden. Dazu Wählt man lediglich einen Nutzernamen und einen Session-Namen. Jeder mit dem Internet verbundene PC kann im Anschluss die Seite jotwithme.com aufrufen und sieht dort nach Eingabe des Session-Namen live die Kopie des iPad-Bildschirms. Eine Registrierung ist für diese Funktion nicht notwendig. Ich persönlich finde das Live Sharing komfortabel, um das Whiteboard bequem über einen mit einem Beamer verbundenen Laptop an die Wand zu projizieren.

Fazit: Es gibt viele vergleichbare Apps auf allen denkbaren Plattformen, so das für jeden etwas dabei sein sollt. Eine Suche nach dem Stichwort “Whiteboard” im jeweiligen App-Store führt sicher zum Erfolg. Insgesamt bewerte ich die Praxistauglichkeit von Jot! als befriedigend mit Luft nach oben. Ich freue mich über Kommentare meiner Leser und deren Erfahrungen mit Jot! oder vergleichbaren Apps.

Kurz zum Hintergrund: Ende 2011 entfachte ein Artikel auf zeit.de eine Debatte zum Thema “bedingungsloses Grundeinkommen”. Insgesamt 1442 Reaktionen folgten auf diesen Artikel. Kein anderer Beitrag auf ZEIT ONLINE hatte bisher mehr Kommentare nach sich gezogen. Die beiden Autoren dieser Studie haben sich die Mühe einer Inhaltsanalyse gemacht, um Nutzertypen voneinander abzugrenzen.

Mit der Methode der Clusteranalyse konnten die Autoren vier Nutzertypen voneinander separieren:

Typ 1: Der Pöbler:
Dieser Typ schreibt 2-3 Kommentare mit geringer argumentativer Güte. Er ist unhöflich und integriert nicht die Argumente anderer. Er fokussiert auf Teilaspekte der Debatte und nimmt eine Gegenposition ein. Aktiv ist er über den gesamten Verlauf der Debatte.

Typ 2: Der Musterschüler:
Dieser Typ bringt der Debatte viel. Er schreibt wenige, dafür lange Kommentare in freundlichem Ton. Er erhält viele Leserempfehlungen, weil er auf hohem Niveau argumentiert und unterschiedliche Aspekte in einem Kommentar vereint. Er gehört nicht zu den ersten, die sich an der Debatte beteiligen.

Typ 3: Der Bemühte:
Dieser Typ beteiligt sich viel, schreibt viel Text. Aber die inhaltliche Güte seiner Beiträge ist gering. Er bringt die Debatte nicht weiter. Folglich erhält er auch kaum Leserempfehlungen.

Typ 4: Der Besserwisser:
Dieser Typ argumentiert (ähnlich dem Musterschüler) auf hohem Niveau und bekommt viele Leserempfehlungen. Ist aber eher auf Contra gebürstet und nicht integrierend. Er richtet sich stärker als andere User an die Autoren des Artikels und vertritt eine entgegengesetzte Meinung. Sein Ton ist scharf bis beleidigend. Aktiv ist er hauptsächlich am ersten Tag zwischen 17 und 23 Uhr.

Ein paar spannende weitere Details finden sich in den Slides, die die beiden Autoren netter Weise auf Slideshare zur Verfügung gestellt haben. Leseempfehlung.

In eigener Sache: Warum mich dieser Beitrag interessiert hat? Ich frage mich, welche Nutzertypen es bei Online-Portalen für 360° Feedback, Ideenmanagement usw. gibt. Vielleicht ist das mal eine Bachelor- oder Masterarbeit wert. Interessenten können sich gerne melden. Ach übrigens, für die kibit GmbH suchen wir neue Mitarbeiter, die sich für solche Themen begeistern: www.ki-bit.com/jobboard. Bitte weitersagen!

Der Kern von Steffens Argumentationskette ist der, dass es ein Fehler ist, sich Zielen wie dem Lebensunterhalt, materieller Sicherung und bestimmter Lebensstandards zu verschreiben. Dies erhöhe auf Dauer die Wahrscheinlichkeit, psychisch krank zu werden. Ferner sei die Gefahr groß, dass man sich verzettelt und persönlich nicht weiter entwickelt. Stattdessen sollten Menschen sich anders optimieren und vornehmlich nach Dingen wie Selbstbestätigung, Selbsterfüllung, gesellschaftlicher Teilhabe und sozialen Kontakten streben.

Steile These… Warum gehe ich dem Gedanken dennoch mit? Weil Steffen eine Lösung anbietet: Könnerschaft! Er appelliert für Mut, Ausdauer und Stetigkeit in dem was man tut und mahnt an, dass eine ausgeprägte Übungskultur in unserer Kultur abhanden gekommen ist. Es geht also nicht darum, nur lustgetrieben den Weg des geringsten Widerstandes zu gehen, bzw. sich für alles zu interessieren, was einem für den Moment spannend vorkommt. Leidenschaft und langfristiges Engagement für das was man tut sind gefragt. Der materielle Erfolg, das wird Steffen nicht müde zu betonen, komme dann automatisch.

Wie merkt man, dass man auf dem richtigen Weg ist? “Wenn man sich bei dem Wunsch ertappt, ungestört seine Arbeit machen zu können und dabei der Erfolg nicht aufzuhalten ist.” Für alle anderen gilt: “Wer lange um die Scheiße kreist, fängt selber an zu stinken.” Ich hätte es nicht besser formulieren können…

Die Diskussion im Anschluss brachte natürlich auch zum Ausdruck, dass dieses Lebensmodell vielleicht nicht für jeden passt. Das ist wahr. Was Steffen aber aus meiner Perspektive schön herausgearbeitet hat (ohne dies so zu benennen), ist das in der Wirtschaftspsychologie aktuell häufiger diskutierte Konzept der T-shaped skills, wonach Menschen am Arbeitsmarkt erfolgreich sind, wenn sie in wenigen spezifischen Bereichen eine tiefe Könnerschaft erreichen und zugleich in der Lage sind mit anderen Menschen zusammen zu arbeiten und ihr Wissen in unterschiedlichsten Situationen anzuwenden. Auch ich arbeite am liebsten mit solchen Kollegen zusammen und wünsche mir Menschen in meinem Umfeld, die für ihre Sache brennen. Das dies in vielen Beschäftigungsverhältnissen nur schwer möglich ist, liegt auf der Hand, denn für das Erlangen einer echten Expertise fehlt nur zu häufig die Zeit. Es gilt sich also zu entscheiden und die eigenen Prioritäten zu setzen.

It lies within the nature of things that most feedback recipients at a company-wide implementation are also feedback providers to others, when other feedback recipients ask for their feedback as colleagues or as (internal) customers. The result is a complex network graph.

Visualization

First I show how the complex network “who gives feedback to whom” can be visualized with R. Don´t be scared, I start with the confusing end result. The following chart shows the resulting network graph.

The wild tangle of circles represent the total of 128 recipients of the 360° feedback implementation. The black circles represent the employees of a particular department, while the rest of the company is shown as white circles. The connections between the circles are directed (-> arrows) and tell us, who gives whom feedback. Red Arrows show collegial feedback and blue arrows signify feedback from a customer´s perspective.

Perfect basis for organizational or sector development

While 360-degree results are normally used for personal development processes, the use for organizational or sector development is rare. An evaluation of the diagram above I did not know. A few thoughts on this …

(A) Identification of well networked people in the company: people whose feedback is asked most often, are not automatically in key positions. They are perhaps due to their personality and their behavior trusted sparring partners and as defined by Kotter (1995) for each process of change is an important member of a strong leadership coalition. I contend that this “unofficial” function of these people is often unknown to the top management.

(B) Feedback culture as “SMART Goal”: I should not have to mention the huge importance of a qualified feedback for the personal development of each leader. Any professional manager should have based on peer-level at least a handful of colleges (and internal customers) to act for him as a corrective. The chart reveals that this in this example is by far not always the case. A specific goal for the future might be to increase the overall number of arrows (currently 672) by 20%.

(C) Comparison between the organization and “living” structure: For example, after a restructuring the existing structures will more or less continue to exist in the hidden. A successful restructuring process should be obviously shown after some time in the above graphic. Apparent discrepancies are a cause and approach to intervention.

How to create the graph: R-Script

Finally, I would like to explain how the graph shown above has been generated. I use demo data (data.txt) because I was not allowed to publish the original data. The script generates a reproducible and simplified result.

raw <- read.delim("http://holtmeier.de/public/360.csv")
FE <- unique(raw$FEID) #vector of feedback receipients
matrix360 <- matrix(0,length(FE),length(FE)) #matrix, filled whith zeros
for (i in 1:length(FE)) { #Feedbacks are coded by "1"
  matrix360[i, which(FE %in% subset(raw, raw$FEID == FE[i])$FGID)] <- 1
}
require(igraph) #maybe, you have to install the package first
gr<-graph.adjacency(matrix360,mode="directed")
V(gr)$unit <- raw$Unit[match(FE, raw$FEID)] #add unit attribute
E(gr)$perspective <- na.omit(raw$Perspective[match(raw$FGID, FE)]) #add persepctive attribute
#produce pdf output
pdf(file="network360.pdf", width=25, height=25)
plot.igraph(gr,layout=layout.kamada.kawai,vertex.color=V(gr)$unit,vertex.size=5,vertex.label.color="darkgray",vertex.frame.color="#000000FF", edge.color=E(gr)$perspective)
dev.off()

Got pleased? Further ideas? I am looking forward to some posts in the comments.

Was hier filmisch so überaus gelungen umgesetzt wurde, hat einen interessanten psychologischen Hintergrund. Vielleicht erinnert sich der eine oder andere Psychologiestudent noch an die sogenannte “Bogus Pipeline” aus der Sozialpsychologievorlesung?

Irgendwann in den 70ern kamen zwei Psychologen (Jones & Sigal) auf die Idee, Versuchspersonen an einen technisch sehr aufwändigen Apparat anzuschließen, den sie Elektromyograph nannten. Das Gerät war wohl technisch überaus beeindruckend und sollte vorgeblich die Muskelaktivität der Probanden messen. Tatsächlich handelte es sich um nichts anderes als Elektroschrott – und gemessen wurde überhaupt nichts. Wichtig war bloß, dass die Versuchspersonen glaubten, dieser Lügendetektor funktioniere. Weil ihr Verfahren selbst nicht ohne eine kleine Lüge auskam, nannten sie es Bogus Pipeline, also “erschwindelter Zugang”.

Sigal und Kollegen ließen damals weiße Versuchspersonen Fragebögen zu Charaktereigenschaften von weißen und schwarzen Amerikanern ausfüllen. Die eine Hälfte wurde an den sogenannten Elektromyoraphen angeschlossen, die andere nicht. Die Versuchsleiter machten dann noch etwas Hokuspokus, um von der Funktionsweise des Gerätes zu überzeugen. Der erste Teil der Studienteilnehmer musste also ständig befürchten, der Lüge überführt zu werden. Der zweite Teil lief subjektiv keine Gefahr, beim Schwindeln ertappt zu werden.

Wie die Forscher vermutet hatten, unterschieden sich die Antworten der beiden Gruppen. Wer am Elektromyo­graphen angeschlossen war, gab seine Vorurteile preis und schätzte schwarze Amerikaner als deutlich fauler, unzuverlässiger, schmutziger und dümmer ein.

Ja, so waren die Psychologen damals drauf und sind es heute noch, denn ähnliche Mechanismen kommen bei Online-Tests und eAssessments zum Einsatz, wenn den Bewerbern erklärt wird, dass ihre Testergebnisse später überprüft werden und spätestens dann jede nur erdenkliche Manipulation sowieso auffällt. Man mag das finden wie man will, aber der Effekt funktioniert – damals wie heute.

Weiterführende Literatur:
Brackwede, D. (1980). Das Bogus-Pipeline-Paradigma – Eine Übersicht über bisherige experimentelle Ergebnisse. Zeitschrift für Sozialpsychologie, 11, 50-59.

link: Homepage von Fenja

• Cloud
• Videokonferenz
• Tablet PC

Cloud: Gefühlt das mit Abstand am häufigsten verwendete Wort – noch vor “äh”. Ich frage mich, ob die Cloud (alias Wolke) auch für deutschlands Personalabteilungen die Zukunft sein wird, denn eine dezentrale Administration der verwendeten Software ist sicher kein Fehler. Warum sollten die üblichen ERP-Anwendungen (z.B. Reisekostenabrechnung, Talentmanagement, Zeiterfassung, Personalverwaltung, Bewerbermanagement, Projektmanagement, Bewerberportal, Entgeldabrechnung, Dokumentenmanagement etc.) nicht als Web-Anwendung im Browser laufen? Wegen Sicherheits- und Datenschutzbedenken! Das ist in der Tat ein großes Problem, auch wenn auf der CeBIT alle Anbieter beflissentlich bemüht sind, ein Gefühl von Sicherheit zu transportieren. Ich persönlich würde sensible Personaldaten nicht ohne Not in einer “öffentlichen Cloud” speichern. Tatsächlich würde ich mir als Entscheidungsträger sehr genau überlegen, welche Information ich “zu jeder Zeit an jedem Ort von jedem Gerät” aus zugänglich machen möchte (neue Vision von Microsoft). Wo exakt liegt also der Nutzen? Beim Anbieter! Für die Anbieter ist das Cloud-konzept sehr attraktiv, denn sie müssen nicht mehr unterschiedliche Softwareversionen warten, sie erfahren viel mehr über ihre Kunden und sie können neue Abrechnungsmodelle implementieren. Es dürfte jedem klar sein, dass die Kosten (=Einnahmen der Anbieter) nicht wirklich substanziell sinken werden. Ich möchte nicht falsch verstanden werden, denn die Cloudtechnologien bieten auch große Vorteile, wie zum Beispiel die Skalierbarkeit der in der Cloud laufenden Anwendungen. Für den HR-Bereich sehe ich aber deutlich mehr Gefahren als Chancen.

Videokonferenz: Das Thema Videokonferenz wird (endlich) erwachsen. Es wird auch Zeit, denn die unzähligen Arbeitsstunden, die in Form von Reisen verschwendet werden, sind nicht nur ökonomisch, sondern auch ökologisch ein Desaster. Die Probleme sind nach meiner Erfahrung nicht die Akzeptanz der Technik und nicht die fehlende zwischenmenschliche Komponente des Face-to-face-Kontaktes. Das Problem ist schlicht die schlechte Bildqualität. Wäre diese besser, könnten in bestimmten Fällen Einstellungsgespräche, Beratungsgespräche, ja sogar Assessment Center über Videoverbindungen durchgeführt werden. Doch hier sehe ich auf der diesjährigen CeBIT langsam Licht am Ende des Tunnels, wobei die Stabilität, Ortsunabhängigkeit und Bandbreite der Datenverbindungen noch immer das Nadelör sind. Auf dem riesengroßen Stand der Telekom konnte ich zum Beispiel das Videokonferenz-System TelePresence testen. Und auch auf die sehr interessante viasto interview suite möchte ich an dieser Stelle mal explizit hinweisen.

Tablet PC: Tablet PCs sieht man auf der CeBIT an jeder Ecke. Für den HR-Sektor ist dieser Formfaktor nach meiner festen Überzeugung das perfekte mobile Gerät (Interviews, Assessment Center, Coaching, Training, Moderation etc.). Ich war lange auf der Suche nach interessanten Anbietern. Leider mit wenig Erfolg. Warum? Die Hersteller konzentrieren sich ausschließlich auf den Consumer-Bereich: Apple iPad, Samsung Galaxy Tab etc. Diese Geräte sind für viele HR-Anwendungen fantastisch geeignet, verfügen aber über eine suboptimale Displaytechnologie und empfehlen sich für die Bedienung mit den Fingern. Der Profi benötigt einen Stift (und oft auch ein MS Windows-Betriebssystem)! Der Fujitsu Stylistic Q550 erfüllt annähernd meine Anforderungen. Es schreibt sich gut auf dem Gerät und auch das Display ist angenehm, weil entspiegelt. Trotzdem ist mir das Gerät noch zu dick und zu schwer. Vielleicht bewegen sich die Hersteller doch noch, wenn endlich Windows 8 auf den Markt kommt. Ich bin gespannt.

Natürlich gibt es mehr auf der CeBIT zu sehen. Deswegen mache ich mich jetzt auch wieder auf den Weg in die Messehallen und schaue mir den Rest an. Stay tuned!

Licensed persons are published on a website (german). I am interested in the status quo of licensing. Is the (no longer new) standard accepted by the german practitioners?

I use the XML package (readHTMLTable) to import the data from html tables in R.

library(XML)
din33430aurl <- "http://www.din33430portal.de/registerneu.php?tabelle=liz_a&action=update&sort=Name&limit=1000&limitstart=0"
din33430meurl <- "http://www.din33430portal.de/registerneu.php?tabelle=liz_me&action=update&sort=Name&limit=1000&limitstart=0"
din33430a <- as.data.frame(readHTMLTable(din33430aurl))
din33430me <- as.data.frame(readHTMLTable(din33430meurl))

Next I would like to know where the license holders live. I discovered a cool tab-delimited table (read.delim) with information on location, ZIP code and latitude and longitude. I use this information later to visualize the license holders on a map of Germany.

plzurl <- "http://fa-technik.adfc.de/code/opengeodb/PLZ.tab"
plz <- read.delim(plzurl)

The map data I receive from gadm.org. Even in .RDATA format!

con <- url("http://gadm.org/data/rda/DEU_adm1.RData")
print(load(con))
close(con)

Before I can plot my geodata, I must merge my data sets.

din33430a <- merge(din33430a, plz, by.x="NULL.PLZ", by.y="plz")
din33430me <- merge(din33430me, plz, by.x="NULL.PLZ", by.y="plz")

Now I can see where the license holders are stationed in Germany. I use transparency, so that overlaid points remain distinguishable. Most live in Cologne, by the way (24 people).

plot(gadm) #ggf. titel entfernen
title("License holders DIN33430 A & ME")
points(din33430a$lon,din33430a$lat, pch=19, col = rgb(red=1, blue=0, green=0, alpha=0.4))
points(din33430me$lon,din33430me$lat, pch=19, col = rgb(red=0, blue=1, green=0, alpha=0.4))
legend(14, 48, c("License A", "Licence ME"), pch= c(19, 19), col=c("red", "blue"), bty="n")

din33430 <- rbind(din33430a,din33430me)
par(las=2) # make label text perpendicular to axis
par(mar=c(5,12,4,5)) # increase y-axis margin
daten <- as.data.frame(table(factor(din33430$Ort)))
daten <- daten[order(-daten$Freq) , ]
barplot(height=daten$Freq, names.arg=daten$Var1, horiz=TRUE, cex.names=0.8)
title("Cologne is the city, where the Din33430-License holders come from!")

Finally, we look more to the companies that license their employees. The most active company is the “Cologne Institute for Management Consulting”. However, companies do appear several times because of spelling mistakes. Look yourself ..

par(las=2) # make label text perpendicular to axis
par(mar=c(5,20,4,5)) # increase y-axis margin
daten2 <- as.data.frame(table(factor(din33430$NULL.Organisation)))
daten2 <- daten2[order(daten2$Freq) , ]
barplot(height=daten2$Freq, names.arg=daten2$Var1, horiz=TRUE, cex.names=0.6)
title("Din33430: Most active companies")

Oh, and to answer my own question: It does not look as if the DIN33430 standard is accepted in practice! The German market for personal diagnosis is in fact much larger. What do you think?

Now I will show how the number of recruited candidates is calculated precisely with R. I use the manipulate package. Therefore, the code will only run in the RSudio IDE. The big advantage is that one can easily observe the influences of

1. the base rate of potentially suitable persons in the non-selected group of applicants as well as
2. the validity of the selection process (by moving the slider).

This little program is excellent for teaching.

The calculations are based on an article of Richard A. Mclellan in the journal “Personnel Decisions International” (1999): Theoretical Expectancies: Replacing Classic Utility Tables with Flexible, Accurate Computing Procedures.

And this is the result. Have fun trying.

F1 <- function(P) {
  SPLIT <- 0.42
  A0 <- 2.50662823884
  A1 <- -18.61500062529
  A2 <- 41.391199773534
  A3 <- -25.44106049637
  B1 <- -8.4735109309
  B2 <- 23.08336743743
  B3 <- -21.06224101826
  B4 <- 3.13082909833
  C0 <- -2.78718931138
  C1 <- -2.29796479134
  C2 <- 4.85014127135
  C3 <- 2.32121276858
  D1 <- 3.54388924762
  D2 <- 1.63706781897
  Q <- P - 0.5
  if (abs(Q) <= SPLIT) {
    R <- Q*Q
    PPN <- Q * (((A3 * R + A2) * R + A1) * R + A0) / ((((B4 * R + B3) * R + B2) * R + B1)*R +1.0)
    return(PPN)
  }
  R <- P
  if (Q > 0) {R =1.0-P}
  if (R <= 0) {
    print("You have entered a value that is not permitted. The result is false.")
    return(0)
  }
  R <- sqrt(-log(R))
  PPN <- (((C3 * R + C2) * R + C1) * R + C0) / ((D2 * R + D1) * R + 1.0)
  if (Q < 0) {PPN =-PPN}
  return(PPN)
}

F2 <- function(X) {
  P1A <- 242.667955230532
  P1B <- 21.97926616182942
  P1C <- 6.996383488661914
  P1D <- -3.5609843701815E-02
  Q1A <- 215.058875869861
  Q1B <- 91.1649054045149
  Q1C <- 15.0827976304078
  Q1D <- 1.0
  P2A <- 300.459261020162
  P2B <- 451.918953711873
  P2C <- 339.320816734344
  P2D <- 152.98928504694
  P2E <- 43.1622272220567
  P2F <- 7.21175825088309
  P2G <- .564195517478994
  P2H <- -1.36864857382717E-07
  Q2A <- 300.459260956983
  Q2B <- 790.950925327898
  Q2C <- 931.35409485061
  Q2D <- 638.980264465631
  Q2E <- 277.585444743988
  Q2F <- 77.0001529352295
  Q2G <- 12.7827273196294
  Q2H <- 1.0
  P3A <- -2.99610707703542E-03
  P3B <- -4.94730910623251E-02
  P3C <- -.226956593539687
  P3D <- -.278661308609648
  P3E <- -2.23192459734185E-02
  Q3A <- 1.06209230528468E-02
  Q3B <- .19130892610783
  Q3C <- 1.05167510706793
  Q3D <- 1.98733201817135
  Q3E <- 1.0
  SQRT2 <- 1.4142135623731
  SQRTPI <- 1.77245385090552

  Y <- X/SQRT2
  if (Y < 0) {
    Y <- -Y
    SN <- -1.0
  } else {
    SN <- 1.0
  }
  Y2 <- Y * Y
  if (Y < 0.46875) {
    R1 <- ((P1D * Y2 + P1C) * Y2 + P1B) * Y2 + P1A
    R2 <- ((Q1D * Y2 + Q1C) * Y2 + Q1B) * Y2 + Q1A
    ERFVAL <- Y * R1 / R2
    if (SN == 1) LOAREA <- 0.5 + 0.5 * ERFVAL
    else LOAREA <- 0.5 - 0.5 * ERFVAL
  } else {
    if (Y < 4.0) {
      R1 <- ((((((P2H * Y + P2G) * Y + P2F) * Y + P2E) * Y + P2D) * Y + P2C) * Y + P2B) * Y + P2A
      R2 <- ((((((Q2H * Y + Q2G) * Y + Q2F) * Y + Q2E) * Y + Q2D) * Y + Q2C) * Y + Q2B) * Y + Q2A
      ERFCVAL <- exp(-Y2) * R1 / R2
    } else {
      Z <- Y2 * Y2
      R1 <- (((P3E * Z + P3D) * Z + P3C) * Z + P3B) * Z + P3A
      R2 <- (((Q3E * Z + Q3D) * Z + Q3C) * Z + Q3B) * Z + Q3A
      ERFCVAL <- (exp(-Y2) / Y) * (1.0 / SQRTPI + R1 / (R2 * Y2))
    }
    if (SN == 1) LOAREA <- 1.0 - 0.5 * ERFCVAL
    else LOAREA <- 0.5 * ERFCVAL
  }
  UPAREA <- 1.0 - LOAREA
  return(UPAREA)
}

F3 <- function(H1, HK, R) {
  X <- c(0.04691008, 0.23076534, 0.5, 0.76923466, 0.95308992)
  W <- c(0.018854042, 0.038088059, 0.0452707394, 0.038088059, 0.018854042)
  H2 <- HK
  H12 <- (H1*H1 + H2*H2)/2.0
  BV <- 0
  if (abs(R) >= 0.7) {
    R2 <- 1.0-R*R
    R3 <- sqrt(R2)
    if (R < 0) H2 <- -H2
    H3 <- H1*H2
    H7 <- exp(-H3 / 2.0)
    if (R2 != 0) {
      H6 <- abs(H1 - H2)
      H5 <- H6 * H6 / 2.0
      H6 <- H6 / R3
      AA <- 0.5 - (H3 / 8.0)
      AB <- 3.0 - (2.0 * AA * H5)
      BV <- 0.13298076 * H6 * AB * F2(H6) - exp(-H5 / R2) * (AB + AA * R2) * 0.053051647
      for (i in 1:5) {
        R1 <- R3 * X[i]
        RR <- R1 * R1
        R2 <- sqrt( 1.0- RR)
        BV <- BV - W[i] * exp(-H5 / RR) * (exp(-H3 / (1.0 + R2)) / R2 / H7 - 1.0 - AA	* RR)
      }
    }
    if (R > 0 & H1 > H2) {
      BV <- BV * R3 * H7 + F2(H1)
      return(BV)
    }
    if (R > 0 & H1 <= H2) {
      BV <- BV * R3 * H7 + F2(H2)
      return(BV)
    }
    if (R < 0 & (F2(H1) - F2(H2)) < 0) {
      BV <- 0 - BV * R3 * H7
      return(BV)
    }
    if (R < 0 & (F2(H1) - F2(H2)) >= 0) {
      BV <- (F2(H1) - F2(H2)) - BV * R3 * H7
      return(BV)
    }
  }
  H3 <- H1 * H2
  for (i in 1:5)
  {
    R1 <- R * X[i]
    RR2 <- 1.0 - R1 * R1
    BV <- BV + W[i] * exp((R1 * H3 - H12) / RR2) / sqrt(RR2)
  }
  BV <- F2(H1) * F2(H2) + R * BV
  return(BV)
}

true_positives <- function(N, ToSelect,BaseRate, Validity) {round(F3(F1(1.0-ToSelect/N), F1(1.0-BaseRate), Validity)/(ToSelect/N)*ToSelect,1)}
false_positives <- function(N, ToSelect,BaseRate, Validity) {round(ToSelect-F3(F1(1.0-ToSelect/N), F1(1.0-BaseRate), Validity)/(ToSelect/N)*ToSelect,1)}
false_negatives <- function(N, ToSelect,BaseRate, Validity) {round(N*BaseRate - F3(F1(1.0-ToSelect/N), F1(1.0-BaseRate), Validity)/(ToSelect/N)*ToSelect,1)}
true_negatives <- function(N, ToSelect,BaseRate, Validity) {N - true_positives(N, ToSelect,BaseRate, Validity) - false_positives(N, ToSelect,BaseRate, Validity) - false_negatives(N, ToSelect,BaseRate, Validity)}

library(manipulate)

manipulate(
  barplot(
    matrix(c(true_positives(Applicants, StaffRequirement, BaseRate, Validity),
             false_positives(Applicants, StaffRequirement, BaseRate, Validity),
             true_negatives(Applicants, StaffRequirement, BaseRate, Validity),
             false_negatives(Applicants, StaffRequirement, BaseRate, Validity)),
             nrow = 2, ncol=2, byrow=FALSE,
           dimnames = list(c("rightly", "wrongly"), c("recruited", "rejected"))),
           legend.text=TRUE, main="Reflect your personnel selection!"),
  Applicants=slider(1,100, step=1, initial = 50),
  StaffRequirement=slider(1,100, step=1, initial = 10),
  BaseRate=slider(0,1, step=.01, initial = .25),
  Validity=slider(0,1, step=.01, initial = .37))

Nehmen wir folgendes an: Sie suchen für Ihr Team zehn neue Mitarbeiter und Sie erhalten 100 Bewerbungen. Sie können also auswählen. Ihre Auswahlquote liegt in diesem Beispiel bei 10% (also 10 von 100). Nehmen wir weiter an, dass ein Teil dieser 100 Kandidaten prinzipiell geeignet, der andere Teil mehr oder weniger ungeeignet ist. Den Anteil der geeigneten Bewerbern an deren Gesamtzahl nennen wir die Grundquote. Es ist natürlich wünschenswert, wenn sich in unserem Beispiel mindestens 10 geeignete Kandidaten unter den 100 Bewerbern befinden – sonst hätten Sie keine Chance, Ihren Bedarf zu decken. Lassen Sie uns eine Grundquote von 50% annehmen, also wäre jeder zweite Bewerber prinzipiell für den Job geeignet. Ihr Ziel ist natürlich, Fehleinstellungen zu vermeiden. Kein Problem, oder? Immerhin benötigen Sie nur 10 geeignete Mitarbeiter und haben potenziell 50 zur Verfügung.

Ganz so einfach wird es nicht, aber dazu später mehr. Beginnen wir zunächst mit einem einfachen Auswahlalgorithmus, der Zufallsauswahl. Sie schauen nicht auf Lebenslauf, nicht auf Zeugnisse, führen keine Interviews und machen auch sonst keine Einstellungstests. Zettel mit den Nummern von 1 bis 100 kommen in einen Eimer und dann wird gelost. Die Wahrscheinlichkeit, einen geeigneten Bewerber zu ziehen, liegt offensichtlich bei 50% – entspricht also der Grundquote. Stellen Sie auf diese Weise 10 Personen ein, sollten Sie also mit 5 zu Recht und 5 zu Unrecht ausgewählten neuen Mitarbeitern rechnen (vergl. Abbildung 1, linke Spalte). Aber Sie losen ja Ihre zukünftigen Mitarbeiter nicht aus, sondern setzen vermutlich bereits bestimmte Auswahlmethoden ein. Hierbei ist zu beachten, dass die Vorhersagekraft von verschiedenen eignungsdiagnostischen Verfahren sehr unterschiedlich ist. Manche sind kaum besser als eine zufällige Auswahl – das belegen viele Studien. Betrachten Sie also Ihre Auswahlmethoden immer kritisch und verkennen Sie nicht die Realität.

Abbildung 1: Beispielrechnung anhand der Tafeln von Taylor und Russell für die Annahme einer Grundquote von 50%, einer Selektionsquote von 10% und einer Validität der Auswahl von 0 (=Zufallsauswahl)

Schauen wir uns an, wie sich Ihre Personalauswahl verbessert, wenn Sie validere Auswahlmethoden einsetzen. Ich nehme folgendes an: In einem Szenario gehe ich von einem gängigen ‘gut’ geführten Einstellungsinterview aus. Im zweiten Szenario nehme ich an, dass dieses Interview weiter verbessert wurde. Ein multimodaler Interviewleitfaden auf Basis einer professionellen Anforderungsanalyse kommt hier zum Einsatz. Da es sich um ein Rechenbeispiel handelt, nehme ich jetzt die folgenden (nicht unrealistischen) Validitäten für beide Verfahren an.

1. 'gut' geführtes Einstellungsinterview: r=.25
2. multimodales Interview mit vorheriger Anforderungs-Analyse: r=.50

Ich nutze das kibit-Tool, um herauszufinden, wie sich unter diesen beiden Voraussetzungen Ihre Trefferquote verbessern würde. Dazu stelle ich die veränderbaren Variablen auf der Website wie folgt ein:

Ich erhalte das in Abbildung 2 dargestellte Ergebnis und sehe, dass Sie voraussichtlich 3,3 Fehleinstellungen vornehmen werden. Also zwei Drittel der Bewerber haben Sie zu Recht ausgewählt und ein Drittel hätten Sie besser nicht eingestellt. Im besten Fall fällt Ihnen dieser Irrtum noch während der Probezeit auf.

Abbildung 2: Für das Szenario eines 'gut' geführten Einstellungsinterviews durch einen erfahrenen, aber nicht speziell ausgebildeten Vorgesetzten wird eine Validität von r=.25 angenommen. Die anderen Variablen bleiben unverändert.

Für das zweite Szenario, das multimodale Interview mit vorhergehender gründlicher Anforderungsanalyse, habe ich eine Validität von r=.50 angenommen (siehe oben). Um ein wirklich gutes Interview zu konzipieren, das diese hohe Vorhersagekraft erreicht, macht es Sinn, sich professionelle Unterstützung zu suchen, z.B. durch die Experten in der Personalabteilung oder einen externen Berater. Aber lohnen sich Aufwand und Kosten? Auf jeden Fall, denn Sie hätten nur noch mit 1,6 Fehleinstellungen zu rechnen. Die bessere Trefferquote wirkt sich als reale Kosteneinsparung aus. Sie selbst können vermutlich am besten für Ihren Bereich abschätzen, wie hoch die unmittelbaren und die mittelbaren Kosten von zu Unrecht ausgewählten Mitarbeitern sind.

Abbildung 3: Diese Abbildung zeigt den beachtlichen Mehrwert einer Verbesserung der Personalauswahlmethodik. Bei Durchführung eines multimodalen Interviews mit vorhergehender Anforderungsanalyse steigt die Validität des Interviews an (hier r=.50) und die Anzahl potenzieller Fehleinstellungen nimmt deutlich ab (hier 1,6 Personen)

Jede Führungskraft kann auf diese Weise einfach abschätzen, welcher potenzielle Schaden angerichtet wird, wenn die Auswahlmechanismen nicht die bestmöglichen sind. Zugleich zeigt das kibit-Tool, dass die Qualität der Personalauswahl nicht ausschließlich von der Güte der Methodik abhängt. Die Grundquote und die Auswahlquote sind zwei weitere Stellschrauben. Die Grundquote selbst ist keinesfalls eine unveränderliche Größe. Sie beeinflussen diese unter anderem durch ein gezieltes Personalmarketing, Employer Branding, die Art Ihrer Suche (z.B. Inhalt und Ort Ihrer Stellenausschreibung) und durch möglichst geeignete Methoden der Vorauswahl. Nehmen wir an, Sie können jeden Bewerber vorab einen Leistungstest ausfüllen oder einen Probetag absolvieren lassen und reduzieren auf diesem Wege die ursprünglich 100 Bewerber auf 70. Leider werden Sie nicht ausschließlich ungeeignete Kandidaten durch den Test ‘aussieben’. Vielleicht trifft es 10 Bewerber, die grundsätzlich geeignet gewesen wären (sogenannte False Negatives). Unter den noch verbleibenden 70 Bewerbern wären dann 40 geeignete Kandidaten. Die Grundquote würde aber dennoch von 50% auf 57,1% ansteigen (40/70*100), was einen positiven Effekt auf ihre Auswahl hätte. Probieren Sie aus, wie sich Änderungen der Validität, der Grund- und Auswahlquoten auf die Trefferquote auswirken und treffen Sie zukünftig fundiertere Entscheidungen, weil Sie wissen, an welchen Stellschrauben Sie drehen können.