Fehler bei der Mitarbeiterbeurteilung sind zum größten Teil Fehler des Beurteilers: der Gesamteindruck, der jedes Kriterium einfärbt (Halo-Effekt), die letzten Wochen, die den Rest des Zeitraums überdecken (Recency-Effekt), zu milde oder zu strenge Bewertungen, Bewertungen, die sich in der Mitte der Skala ballen, der Vergleich mit dem Kollegen, der unmittelbar davor beurteilt wurde, und Bevorzugung. Der Artikel erklärt jeden dieser Fehler, zeigt an einem durchgerechneten Beispiel mit zwei Beurteilern, wie Sie sie in bereits vergebenen Bewertungen erkennen, und schlägt konkrete Gegenmaßnahmen vor: ein Beobachtungsprotokoll, verhaltensverankerte Skalen, die Beurteilung jeweils eines Kriteriums und eine Checkliste vor dem Absenden.
Kurz gesagt. Die wichtigsten Beurteilungsfehler sind der Halo-Effekt, der Recency-Effekt, Milde oder Strenge, die Tendenz zur Mitte, der Kontrasteffekt und Bevorzugung. Sie lassen sich verringern durch Beobachtungen, die über den ganzen Zeitraum notiert werden, durch Kriterien, die als Verhalten beschrieben sind, durch die Beurteilung eines Kriteriums nach dem anderen für alle, durch die Schulung der Beurteiler an gemeinsamen Beispielen und durch den Vergleich der Bewertungen zwischen Beurteilern, bevor sie mitgeteilt werden.
Was Beurteilungsfehler sind
Ein Beurteilungsfehler ist eine systematische Abweichung der Bewertung von der tatsächlichen Leistung, die dadurch entsteht, wie der Beurteiler beobachtet, sich erinnert oder urteilt. Er ist systematisch, nicht zufällig: Derselbe Beurteiler wiederholt ihn bei mehreren Personen oder über mehrere Zeiträume.
Beurteilungsfehler sind etwas anderes als Fehler im System. Ein Bogen mit vagen Kriterien, eine Skala ohne Beschreibungen oder ein falscher Zielwert führen auch bei sorgfältigen Beurteilern zu schlechten Bewertungen. Beide Arten zählen, sie werden aber unterschiedlich korrigiert: das System über seine Gestaltung, der Beurteiler über Struktur, Schulung und Vergleich.
Das Ausmaß des Problems ist belegt. Eine im Journal of Applied Psychology veröffentlichte Studie mit zwei großen Datensätzen (2.350 und 2.142 Führungskräfte, jeweils von sieben Personen bewertet: zwei Vorgesetzten, zwei Kollegen, zwei unterstellten Mitarbeitern und sich selbst) ergab, dass die eigenen Tendenzen der Bewertenden 62 % bzw. 53 % der Varianz der Bewertungen erklärten, die Leistung der bewerteten Person dagegen nur 21 % bzw. 25 %.
Die Bewertungen dienten der Entwicklung, nicht der Vergütung, die Zahlen lassen sich also nicht ohne Weiteres auf jedes Unternehmen übertragen. Die Richtung ist jedoch eindeutig: Eine Bewertung sagt oft ebenso viel über den Beurteiler aus wie über die beurteilte Person.
Die Fehler im Überblick: was passiert und woran man es erkennt
| Fehler | Was passiert | Das Anzeichen in den Bewertungen | Die wichtigste Gegenmaßnahme |
|---|---|---|---|
| Der Halo-Effekt | Ein Gesamteindruck (gut oder schlecht) überträgt sich auf jedes Kriterium | Dieselbe Bewertung bei jedem Kriterium für dieselbe Person | Ein Kriterium nach dem anderen für alle beurteilen |
| Recency-Effekt | Die letzten Wochen zählen mehr als der Rest des Zeitraums | Kommentare nur zu jüngsten Ereignissen | Ein Beobachtungsprotokoll über den ganzen Zeitraum |
| Milde | Bewertungen systematisch zu hoch | Der Durchschnitt des Beurteilers liegt weit über dem der anderen; viele Höchstbewertungen | Klare Beschreibungen für die Höchstbewertung; Vergleich zwischen Beurteilern |
| Strenge | Bewertungen systematisch zu niedrig | Der Durchschnitt des Beurteilers liegt weit unter dem der anderen | Dieselben Beschreibungen; gemeinsame Beispiele für „im Plan“ |
| Tendenz zur Mitte | Bewertungen ballen sich in der Mitte der Skala | Fast jede Bewertung ist eine 3 auf einer Skala von 1 bis 5 | Verhaltensverankerte Skalen; jede Bewertung muss begründet werden |
| Der Kontrasteffekt | Die Bewertung hängt davon ab, wer unmittelbar davor beurteilt wurde | Bewertungen, die mit der Reihenfolge der Beurteilungen wechseln | Mit dem schriftlichen Standard vergleichen, nicht mit dem Kollegen |
| Bevorzugung und Ähnlichkeit | Personen, die dem Beurteiler nahestehen oder ihm ähneln, erhalten bessere Bewertungen | Unterschiede in den Bewertungen, die Beziehungen folgen, nicht Ergebnissen | Belege für jede Bewertung; ein zweiter Beurteiler |
| Erster Eindruck und Bestätigung | Der Beurteiler sucht nach Belegen für die Meinung, die er sich am Anfang gebildet hat | Bewertungen, die über die Zeit gleich bleiben, unabhängig von den Ergebnissen | Konkrete Beispiele aus dem aktuellen Zeitraum |
Der Halo-Effekt
Der Halo-Effekt ist die Übertragung eines Gesamteindrucks auf Kriterien, die getrennt beurteilt werden sollten. Der Psychologe Edward Thorndike gab ihm 1920 in einem Artikel seinen Namen: „A constant error in psychological ratings“. Ein Verkäufer, der sehr gut im Inkasso ist, erhält automatisch auch für die Einhaltung von Abläufen hohe Bewertungen; eine introvertierte Kollegin erhält auch beim Fachwissen niedrige Bewertungen.
Die negative Variante wird manchmal „Horn-Effekt“ genannt: Ein einziger schwerer Vorfall zieht jede Bewertung nach unten. Die Gegenmaßnahme ist struktureller Art: Beurteilen Sie das Kriterium „Zusammenarbeit“ für alle, dann das Kriterium „Fachwissen“ für alle, statt den Bogen einer Person von oben nach unten auszufüllen.
Der Recency-Effekt
Der Recency-Effekt ist die Übergewichtung jüngster Ereignisse bei der Beurteilung eines ganzen Zeitraums. In einer Jahresbeurteilung im Dezember wiegen die letzten zwei Monate am Ende mehr als Januar bis Oktober. Wer am Anfang ein schwaches und am Ende ein gutes Quartal hatte, schneidet besser ab als jemand mit dem umgekehrten Verlauf, obwohl das Jahresergebnis identisch sein kann.
Die Gegenmaßnahme ist ein kurzes Protokoll: zwei oder drei Zeilen im Monat für jede Person, mit Fakten und Daten. Monatliche oder vierteljährliche Beurteilungen verringern das Problem ebenfalls, weil der beurteilte Zeitraum kürzer ist.
Milde, Strenge und Tendenz zur Mitte
Milde bedeutet systematisch zu hohe Bewertungen, Strenge systematisch zu niedrige und Tendenz zur Mitte Bewertungen, die sich in der Mitte ballen. Alle drei stauchen die tatsächlichen Unterschiede zwischen Personen. Die Ursachen sind verschieden: Konfliktvermeidung, die Sorge, dass eine niedrige Bewertung auf die Führungskraft zurückfällt, sehr hohe eigene Ansprüche oder fehlende Beobachtungen.
Diese Fehler sind in der Beurteilung einer einzelnen Person selten sichtbar, in der Gesamtheit der Bewertungen eines Beurteilers dagegen sehr deutlich. Eine Führungskraft, bei der 80 % der Bewertungen die Höchstnote sind, und eine, bei der 80 % eine 3 sind, verwenden nicht dieselbe Skala, auch wenn die Skala auf dem Papier dieselbe ist.
Der Kontrasteffekt
Der Kontrasteffekt ist die Beurteilung einer Person im Vergleich mit der unmittelbar davor beurteilten statt am Standard. Eine durchschnittliche Person wirkt nach einer ausgezeichneten Kollegin schwach und nach einem schwachen Kollegen gut. Das Problem wächst, wenn eine Führungskraft zehn Beurteilungen an einem Nachmittag ausfüllt.
Die Gegenmaßnahme: Legen Sie sich die schriftliche Beschreibung jeder Stufe vor und vergleichen Sie jede Person mit ihr. Hilfreich ist auch, die Reihenfolge der Personen von Kriterium zu Kriterium zu ändern.
Bevorzugung und der Ähnlichkeitsfehler
Bevorzugung bedeutet bessere Bewertungen für Personen, die dem Beurteiler nahestehen, und der Ähnlichkeitsfehler bessere Bewertungen für diejenigen, die ihm ähneln: gleiches Alter, gleicher Stil, gleicher Hintergrund. Anders als die übrigen Fehler kann dieser auch den Grundsatz der Gleichbehandlung berühren.
Das rumänische Arbeitsgesetzbuch legt in Rumänien die Gleichbehandlung fest und verbietet die unmittelbare oder mittelbare Diskriminierung von Arbeitnehmern aus Gründen wie Alter, Geschlecht oder ethnischer Herkunft (Art. 5). Persönliche Sympathie ist für sich genommen kein geschütztes Merkmal, ein Unterschied in den Bewertungen, der einem solchen Merkmal folgt, wird jedoch zu einem rechtlichen Problem, nicht nur zu einem Führungsproblem.
Die Beurteilung selbst ist ein Recht des Arbeitgebers: Er legt die individuellen Leistungsziele und die Beurteilungskriterien fest (Art. 40 Abs. 1 Buchst. f), und die Arbeitsordnung muss die Kriterien und Verfahren der beruflichen Beurteilung enthalten (Art. 242 Buchst. i). Wenn eine Beurteilung Folgen für den Arbeitsvertrag haben kann, prüfen Sie das Verfahren mit dem Rechtsberater des Unternehmens.
Erster Eindruck und Bestätigung
Der Fehler des ersten Eindrucks besteht darin, an dem Urteil festzuhalten, das in den ersten Arbeitswochen entstanden ist. Verstärkt wird er durch Bestätigung: Der Beurteiler bemerkt leichter die Fakten, die seine Meinung stützen, und übersieht die anderen. Das Ergebnis sind Bewertungen, die Jahr für Jahr gleich bleiben, selbst wenn sich die messbaren Ergebnisse ändern.
Die Kontrollfrage ist einfach: „Was ist in diesem Zeitraum geschehen, das die Bewertung stützt?“ Stammen die Beispiele aus dem Vorjahr, beschreibt die Bewertung einen Ruf, keinen Zeitraum.
Wie Sie die Fehler in bereits vergebenen Bewertungen erkennen
Eine einzelne Beurteilung verrät keinen systematischen Fehler. Die Gesamtheit der Bewertungen eines Beurteilers kann auf einen hindeuten. Drei einfache Berechnungen, die jeder durchführen kann, der die Bewertungen in einer Tabelle hat:
- Die Durchschnittsbewertung des Beurteilers, verglichen mit dem Durchschnitt der anderen Beurteiler, die denselben Bogen verwenden.
- Der Anteil der Höchstbewertungen: wie viele 5er unter allen vergebenen Bewertungen.
- Die Personen mit derselben Bewertung bei jedem Kriterium: Eine große Zahl deutet auf den Halo-Effekt hin.
Fiktives Beispiel. Zwei Filialkoordinatoren beurteilen jeweils sechs Personen nach vier Kriterien (Kundenbedienung, Produktkenntnis, Zusammenarbeit, Einhaltung von Abläufen) auf einer Skala von 1 bis 5. Erfundene Daten.
| Signal | Koordinator X | Koordinator Y | Wie es berechnet wird |
|---|---|---|---|
| Der Durchschnitt aller Bewertungen | 4,67 | 3,67 | X: 112 Punkte ÷ 24 Bewertungen; Y: 88 ÷ 24 |
| Der Anteil der 5er | 66,7 % | 16,7 % | X: 16 von 24; Y: 4 von 24 |
| Personen mit derselben Bewertung bei jedem Kriterium | 4 von 6 | 0 von 6 | Die Zeilen mit vier identischen Bewertungen zählen |
| Die Spanne der Durchschnitte je Person | 4,00–5,00 | 3,00–4,50 | Der Durchschnitt der vier Bewertungen jeder Person |
Die Bewertungen von X zeigen die Anzeichen von Milde (ein um einen Punkt höherer Durchschnitt, zwei Drittel Höchstbewertungen) und des Halo-Effekts (vier Personen mit identischen Bewertungen bei jedem Kriterium). Die Bewertungen von Y nutzen die ganze Skala und unterscheiden die Kriterien.
Vorsicht. Ein Signal ist kein Beweis. Das Team von X kann tatsächlich besser sein. Gleichen Sie die Bewertungen mit den messbaren Kennzahlen derselben Personen ab (Umsatz, Audits, Reklamationen) und sprechen Sie mit dem Beurteiler, bevor Sie Schlüsse ziehen. Systematisch wird der Vergleich in der Kalibrierungsrunde.
Gegenmaßnahmen, die wirken
Die Anweisung „Seien Sie objektiv“ ändert wenig, weil die Fehler nicht absichtlich geschehen. Was wirkt, sind strukturelle Änderungen und Schulung an gemeinsamen Beispielen. Beim Frame-of-Reference-Training bewerten die Beurteiler dieselben Fälle, vergleichen ihre Bewertungen und besprechen den Standard; die Forschung beschreibt es als wirksame Maßnahme für die Genauigkeit von Bewertungen.
- Verhaltensverankerte Skalen. Jede Bewertung hat eine beobachtbare Beschreibung: „5 – klärt Reklamationen selbstständig und erfasst sie am selben Tag“, nicht „5 – ausgezeichnet“.
- Das Beobachtungsprotokoll. Datierte Fakten, monatlich notiert, für jede Person.
- Nach Kriterium beurteilen, nicht nach Person. Das verringert Halo- und Kontrasteffekt.
- Extreme Bewertungen begründen. Jede 1 und jede 5 kommt mit einem konkreten Beispiel aus dem Zeitraum.
- Ein zweiter Beurteiler oder eine Beurteilung aus mehreren Quellen, wo die Rolle es zulässt.
- Bewertungen von messbaren Kennzahlen getrennt halten. Was sich zählen lässt, wird den Daten entnommen, nicht dem Eindruck des Beurteilers.
Die Schritte einer Beurteilungsrunde mit weniger Fehlern
- Überarbeiten Sie den Bogen einen Monat vorher: Jedes Kriterium hat für jede Bewertung eine Beschreibung. Eine Vorlage für den Einstieg finden Sie in der Vorlage für den Beurteilungsbogen.
- Schulen Sie die Beurteiler 60–90 Minuten lang an zwei oder drei fiktiven Fällen: Jeder bewertet sie allein, dann vergleichen Sie die Bewertungen und besprechen die Unterschiede.
- Fordern Sie das Beobachtungsprotokoll für den Zeitraum an, bevor die Bögen ausgefüllt werden.
- Füllen Sie nach Kriterium aus: ein Kriterium für alle, dann das nächste.
- Gehen Sie die Checkliste unten durch, bevor Sie absenden.
- Vergleichen Sie die Signale (den Durchschnitt, den Anteil der Höchstbewertungen, identische Bewertungen) zwischen den Beurteilern und besprechen Sie große Unterschiede.
- Erst dann teilen Sie den Personen die Beurteilungen mit.
Die Checkliste des Beurteilers
- Habe ich für jede Bewertung mit 1 oder 5 mindestens ein Beispiel aus diesem Zeitraum?
- Decken meine Beispiele den ganzen Zeitraum ab oder nur die letzten Wochen?
- Habe ich jemandem bei jedem Kriterium dieselbe Bewertung gegeben? Wenn ja, kann ich sie für jedes Kriterium einzeln begründen?
- Wie viele Höchstbewertungen habe ich vergeben, verglichen mit dem, was meine Kollegen üblicherweise vergeben?
- Würde ich dieselbe Bewertung geben, wenn die Person als Erste beurteilt worden wäre und nicht nach der besten Person im Team?
- Beruht die Bewertung auf Ergebnissen und Verhalten und nicht darauf, wie gut ich mit der Person auskomme?
Häufige Fehler beim Korrigieren der Fehler
- Zwangsverteilung als Allheilmittel. Ein fester Prozentsatz je Stufe verdeckt die Milde, kann aber ein gutes Team benachteiligen. Besser: vergleichen und besprechen, nicht automatisch aufteilen.
- Bewertungen ohne den Beurteiler korrigieren. Bewertungen, die von HR stillschweigend angepasst werden, zerstören Vertrauen. Besser: Der Beurteiler überarbeitet seine eigenen Bewertungen nach dem Gespräch.
- Ein Bogen mit vagen Kriterien. Bei „gute Einstellung“ hat jeder Beurteiler einen Halo. Besser: beobachtbare Beschreibungen für jede Bewertung.
- Eine Jahresbeurteilung ohne Notizen unterwegs. Besser: ein monatliches Protokoll oder kurze, regelmäßige Gespräche.
- Beurteilung mit Disziplinarmaßnahme verwechseln. Eine niedrige Bewertung ist keine Sanktion. Bei schwachen Ergebnissen lesen Sie das Beurteilungsgespräch bei schwachen Ergebnissen.
- Das Signal als Beweis nehmen. Besser: mit messbaren Daten und mit dem Beurteiler prüfen, bevor Sie Schlüsse ziehen.
Häufige Fragen
Welcher Fehler ist bei der Mitarbeiterbeurteilung am häufigsten?
Es gibt keine Rangfolge, die für jedes Unternehmen gilt: Die Häufigkeit hängt vom Bogen, von den Beurteilern und davon ab, worüber die Bewertung entscheidet. Entscheidet sie über Geld oder Beförderungen, hat Milde ein offensichtliches Motiv, und bei vagen Kriterien tritt der Halo-Effekt leicht auf. Was in Ihrem Unternehmen geschieht, finden Sie heraus, indem Sie für jeden Beurteiler den Durchschnitt, den Anteil der Höchstbewertungen und die identischen Bewertungen vergleichen.
Was ist der Halo-Effekt in der Leistungsbeurteilung?
Der Halo-Effekt bedeutet, dass ein Gesamteindruck von einer Person die Bewertungen bei jedem Kriterium beeinflusst, obwohl diese getrennt beurteilt werden sollten. Wer gut im Verkauf ist, erhält ohne Belege auch für Abläufe hohe Bewertungen. Das typische Anzeichen ist dieselbe Bewertung bei jedem Kriterium. Die einfachste Gegenmaßnahme ist, ein Kriterium nach dem anderen für alle zu beurteilen.
Wie vermeide ich den Recency-Effekt in der Jahresbeurteilung?
Führen Sie über den ganzen Zeitraum ein kurzes Beobachtungsprotokoll mit zwei oder drei datierten Fakten im Monat für jede Person. Lesen Sie es bei der Beurteilung noch einmal, bevor Sie die Bewertungen vergeben. Häufigere Beurteilungen, monatlich oder vierteljährlich, verringern den Recency-Effekt ebenfalls, weil der beurteilte Zeitraum kürzer ist und das Gedächtnis des Beurteilers die Ereignisse besser abdeckt.
Hilft eine Zwangsverteilung gegen Milde?
Die Zwangsverteilung entfernt die Milde aus den Zahlen, korrigiert sie aber nicht im Urteil: Sie zwingt den Beurteiler, Personen auf niedrige Stufen zu setzen, auch wenn das Team gut ist. Sie kann außerdem unerwünschten Wettbewerb zwischen Kollegen erzeugen. Eine bessere Alternative ist, die Bewertungen zwischen Beurteilern zu vergleichen und die Unterschiede in einer Kalibrierungsrunde auf Grundlage von Belegen zu besprechen.
Was ist ein Frame-of-Reference-Training?
Ein Frame-of-Reference-Training ist eine Sitzung, in der die Beurteiler dieselben Fälle bewerten, ihre Bewertungen vergleichen und besprechen, was jede Stufe der Skala bedeutet. Ziel ist, dass alle denselben Standard verwenden. Die Forschung in der Organisationspsychologie beschreibt es als wirksame Maßnahme für die Genauigkeit von Bewertungen. Wählen Sie Fälle, die der tatsächlichen Arbeit des Teams ähneln, damit die Diskussion konkret bleibt.
Verschwinden die Fehler, wenn wir nur messbare Kennzahlen verwenden?
Die Beurteilungsfehler nehmen ab, aber andere Probleme treten auf: Kennzahlen erfassen wichtige Verhaltensweisen nicht, und Menschen optimieren womöglich die Zahl statt der Arbeit. Die meisten Rollen brauchen beides: Kennzahlen für das, was sich zählen lässt, und eine strukturierte Beurteilung für den Rest. Die Kombination verringert auch die Abhängigkeit vom Eindruck einer einzelnen Person.
Was tue ich, wenn ich eine Führungskraft der Bevorzugung verdächtige?
Beginnen Sie mit den Daten: Vergleichen Sie die Bewertungen der Führungskraft mit den messbaren Kennzahlen derselben Personen und mit den Bewertungen anderer Beurteiler. Besprechen Sie die Unterschiede mit der Führungskraft und bitten Sie um konkrete Beispiele für die strittigen Bewertungen. Betrifft der Verdacht gesetzlich geschützte Merkmale wie Alter oder Geschlecht, ziehen Sie den Rechtsberater des Unternehmens hinzu, bevor Sie etwas unternehmen.
Wie es weitergeht
Nehmen Sie die Bewertungen der letzten Beurteilungsrunde, berechnen Sie die drei Signale aus dem Beispiel für jeden Beurteiler und wählen Sie ein einziges Kriterium, für das Sie zu jeder Bewertung eine Beschreibung schreiben. Als nächsten Schritt halten Sie eine Kalibrierungsrunde ab und überprüfen Sie, wie Sie einen Score erklären, den die beurteilten Personen erhalten.