LONDON (IT BOLTWISE) – Eine große Synthese aktueller Arbeitsplatzdaten zeigt: Intelligenz- bzw. GMA-Tests (General Mental Ability) sind als alleinige Einstellungsgröße schwächer als jahrzehntelang angenommen. Die Forscher kombinieren Daten von über 109.000 Beschäftigten aus mehr als 200 modernen Stichproben. Ergebnis: Die Vorhersagekraft liegt im neuen Datenschnitt bei etwa 0,20 statt beim oft zitierten historischen Referenzwert um 0,51. Für Arbeitgeber folgt daraus die Empfehlung, kognitive Tests stärker in ein breiteres Assessment-Portfolio einzubetten.
Unternehmen nutzen Einstellungs-Tests zur kognitiven Leistungsfähigkeit seit Jahrzehnten, weil sie schnelle, standardisierte Hinweise auf Lernfähigkeit und Problemlösen versprechen. Die neue Evidenz setzt genau hier einen deutlichen Akzent: Eine große Meta-Analyse mit Daten aus modernen Arbeitskontexten kommt zu dem Schluss, dass der Zusammenhang zwischen allgemeiner kognitiver Fähigkeit und der späteren Jobleistung spürbar geringer ausfällt als die Benchmark, die noch in vielen Lehrdarstellungen präsent ist. Ausgangspunkt ist die Frage, wie gut ein Test wirklich jene Leistung vorhersagt, die im Berufsalltag zählt – also nicht nur, ob jemand während einer Schulung schnell dazulernt, sondern wie gut die Person die Aufgaben insgesamt bewältigt.
Technisch betrachtet geht es dabei nicht um „Intelligenz spielt keine Rolle“, sondern um die statistische Architektur der bisherigen Messungen. Die Autoren greifen eine bekannte Quelle von Verzerrungen auf: Range Restriction. Wenn Firmen nur diejenigen einstellen, die bei einem Test besonders hohe Werte erzielen, wird die Bandbreite der Testwerte in der späteren Vergleichsgruppe künstlich schmal. Dadurch kann der beobachtete Zusammenhang zwischen Testwerten und Jobleistung kleiner wirken, als er in der Gesamtgruppe der Bewerbenden wäre. Frühere Studien nutzten Korrekturen, die nach Ansicht des neuen Teams zu aggressiv waren. Die aktuelle Arbeit kombiniert zudem Daten aus 212 unabhängigen Stichproben, die zusammen 109.396 Beschäftigte abbilden, und versucht dabei, die Datengrundlage so konsistent wie möglich zu machen.
Inhaltlich spannt die Studie den Bogen von der etablierten Grundannahme bis zur aktuellen Neubewertung. Als historischer Referenzwert gilt ein Korrelationsmaß von just über.50, das vor allem auf einen einflussreichen Review aus dem Jahr 1998 zurückgeht (vgl. an influential 1998 review). Für den Vergleich hilft die Logik der Korrelationsinterpretation: Null bedeutet kein Zusammenhang, Eins eine perfekte Vorhersagefähigkeit. Auf dieser Basis erschien GMA als „Single Best Predictor“ der Jobleistung. Doch neuere Datensätze zeigen, dass der moderne Benchmark deutlich niedriger liegt: Vor Korrekturen für Range Restriction und Messfehler beträgt die beobachtete Korrelation im Mittel.14 (gegenüber.24 in älteren Daten, die überwiegend aus Arbeiten vor Mitte der 1980er-Jahre stammen). Nach statistischen Anpassungen fällt die zeitgenössische Korrelation in einem Korridor von.18 bis.22 aus; als praktikable Zusammenfassung empfehlen die Autoren.20.
Der Markt- und Praxisbezug liegt damit klar auf der Hand: Einstellungsentscheidungen werden in vielen Organisationen immer noch stark durch kognitive Tests strukturiert, weil diese Tests vergleichsweise standardisierbar und schnell skalierbar sind. Die Studie argumentiert dagegen für einen breiteren Mix an Auswahlinstrumenten. Besonders relevant wird das, weil die Autoren die Neubewertung nicht allein auf einen einzigen Datensatz oder ein einzelnes Testinstrument stützen wollen: Ein großer Teil der Daten (etwa 65.000 Personen) stammt aus Studien zu einem kommerziellen Kognitivtest, den die Autoren als „Wonderlic“ zusammenfassen; dennoch soll dieses eine Instrument nicht die Gesamtschätzung dominieren. Um genau das abzufedern, arbeiten sie mit einer gleichgewichteten Auswertung über die drei eingebundenen Datensammlungen. Für Personaler heißt das: Der Effekt existiert weiterhin, aber er ist kleiner als die alte Faustformel – und die Auswahlstrategie sollte deshalb weniger „mono-kausal“ gedacht werden.
Auch die technische Einordnung innerhalb der Arbeit ist differenzierter als die reine Zahl. Die Forscher prüfen, ob die Komplexität eines Jobs erklärt, wann GMA besonders gut oder schwach wirkt. Dazu nutzen sie eine Teilmenge von 137 Ein-Stichproben-Sätzen, die sich in Bezug auf Jobcharakteristika mit der Occupational Information Network-Datenbasis verknüpfen lassen. Sie unterscheiden dabei kognitive Anforderungen („Data“ für Informationsverarbeitung), zwischenmenschliche Anforderungen („People“ für Teamarbeit und Kommunikation) und manuelle bzw. technische Anforderungen („Things“ für Ausrüstung und physische Prozesse). Überraschend für die traditionelle Erwartung: Kognitive Komplexität zeigt nahezu keinen Zusammenhang mit der Wirksamkeit der Tests (Korrelationswert -.04), ebenso liefert zwischenmenschliche Komplexität keine stabile Zusatzinformation. Dagegen steigt die Vorhersagekraft in Rollen, in denen manuelle und technische Aufgaben dominieren (Korrelationswert.29). Der Effekt tritt besonders dann klarer auf, wenn Jobs gleichzeitig hohe Werte bei „Data“ und „Things“ kombinieren – also wenn Personen Informationen verarbeiten müssen, um technische Probleme an der Ausrüstung zu lösen oder komplexe Maschinen zu steuern.
Aus historischen und industry-nahen Gründen ist das plausibel: Viele Tätigkeiten in Dienstleistungs- und Wissensberufen enthalten heute stärker koordinative und kommunikative Anteile, die zwar nicht ohne kognitive Komponente auskommen, aber in der Gesamtbewertung häufig mit bewertet werden. Parallel kann sich die Zusammensetzung der Bewerbergruppen verändert haben: Wenn der Testwertbereich innerhalb von Bewerberpools enger wird, sinkt die Trennschärfe eines einzelnen Instruments – und genau das kann den beobachteten Zusammenhang zusätzlich beeinflussen. Die Autoren diskutieren außerdem, dass ein Teil der früheren Hochschätzung nicht nur aus Range Restriction entsteht, sondern auch daraus, wie Kriterien operationalisiert wurden. In der Reanalyse zeigt sich etwa: Studien, die objektivere Leistungsmetriken nutzen, liegen im Schnitt höher (rund.35), während supervisorbasierte Ratings am unteren Ende landen (etwa.17). Gleichzeitig bleibt die Kernbotschaft bestehen: Ein Pool-Korrelationswert um.20 ist keineswegs trivial, aber er verlangt eine andere praktische Konsequenz als die frühere Vorstellung eines überragenden Einzeltests.
Für Unternehmen, die Auswahlprozesse modernisieren, ergibt sich daraus eine konkrete Strategiefrage: Wie kombiniert man kognitive Tests so, dass sie echten Nutzen stiften, ohne die Wirkung anderer relevanter Faktoren zu übersehen? Die Studie schlägt keine „Ersetzung“ vor, sondern eine Integration. Kognitive Fähigkeit kann weiterhin nützlich sein – etwa als Indikator für Lern- und Trainingsleistung oder für die Bewältigung technischer Aufgaben, gerade wenn die Arbeit Informationsverarbeitung mit praktischer Umsetzung verbindet. Gleichzeitig empfehlen die Autoren, weniger stark auf kognitive Tests als alleinige Entscheidungsgrundlage zu setzen und stattdessen strukturierte Interviews oder Arbeitsproben (work sample tests) einzubeziehen. Das ist auch aus Compliance-Sicht relevant, weil Auswahlinstrumente unter Umständen bestimmte Gruppen überproportional ausschließen können; ein mehrdimensionales Assessment kann helfen, diese Einseitigkeit zu reduzieren, ohne auf die Leistungsprognose zu verzichten.
Methodisch unterstreicht die Arbeit zudem, dass Ergebnisse kontextabhängig sind. Die Autoren weisen darauf hin, dass die Beziehung je nach Zielgröße (breite „on-the-job performance“ versus spezifische Facetten), nach Messmethode (Ratings vs. objektive Metriken) und nach Jobdomänen variieren kann. Für Forschung und Praxis heißt das: Statt ältere Benchmarks pauschal zu übernehmen, sollte man aktuelle Evidenz stärker getrennt betrachten. Die Studie wird im Journal of Business and Psychology veröffentlicht und ist damit auch in der wissenschaftlichen Diskussion gut verortbar. Um die zentralen Annahmen weiter abzusichern, fordern die Autorinnen und Autoren zusätzliche Tests konkurrierender Erklärungen sowie eine bessere empirische Vermessung dessen, was Supervisorbewertungen in der Praxis wirklich abbilden. Entscheidend ist am Ende: Kognitive Tests bleiben ein Baustein – aber sie sind heute weniger „Schlüssel zur Gesamtsortierung“ als zuvor gedacht.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Studie: Intelligenztests sagen Jobleistung heute deutlich schlechter voraus" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Studie: Intelligenztests sagen Jobleistung heute deutlich schlechter voraus" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Studie: Intelligenztests sagen Jobleistung heute deutlich schlechter voraus« bei Google Deutschland suchen, bei Bing oder Google News!