Die meisten Fehler bei Interview-Scorecards entstehen lange bevor jemand einen Kandidaten bewertet. Sie schleichen sich bereits ein, wenn Felder, Skala und Gewichtungen im Dokument festgelegt werden. Hiring Bias beginnt meist beim Design der Scorecard, nicht beim Urteil des Panels am Tag des Interviews. Korrigieren Sie zuerst das Dokument. Dann hat auch das anschließende Debrief eine solide Grundlage.

Recruiter und TA Manager finden bereits viele Hinweise dazu, wie sie ein Calibration Meeting durchführen oder im Debrief Groupthink vermeiden. Die Scorecard selbst erhält deutlich weniger Aufmerksamkeit, obwohl jeder Interviewer genau dieses Dokument ausfüllt. Wenn es die falschen Aspekte belohnt oder nichts misst, das sich zwischen Kandidaten vergleichen lässt, kann auch eine sorgfältige nachträgliche Kalibrierung die Entscheidung nicht retten.

Was gehört auf eine Interview-Scorecard, bevor Sie jemanden bewerten?

Eine gut konzipierte Interview-Scorecard besteht aus drei Teilen: der Mission der Rolle, den messbaren Ergebnissen, die eine gute Leistung in dieser Rolle belegen, und den wenigen Kompetenzen, die zum Erreichen dieser Ergebnisse nötig sind. Diese Struktur stammt direkt aus Geoff Smart and Randy Street's "Who" hiring method. Die Methode wurde 2008 veröffentlicht und gilt bis heute als Referenzstandard für den Aufbau von Scorecards.

Die meisten eingesetzten Scorecards springen direkt zu den Kompetenzen: einer Liste von Eigenschaften, die jemand mitbringen sollte. Was die Rolle in diesem Jahr erreichen soll, halten sie dagegen nicht fest. Deshalb sind Mission und Ergebnisse so wichtig. Alles Weitere baut darauf auf, was bei diesen ersten beiden Punkten richtig oder falsch definiert wurde.

Gut zu wissen: Eine Mission erklärt in einem Satz, warum die Rolle gerade jetzt existiert, unabhängig vom Text der Stellenbeschreibung. Ergebnisse sind die drei bis fünf Resultate, die belegen, dass die Mission erfüllt wird. Jedes Ergebnis enthält eine Zahl und einen Zeitrahmen. Kompetenzen sind nur die Eigenschaften, anhand derer sich vorhersagen lässt, ob jemand diese Ergebnisse tatsächlich erzielen kann.

Der Nutzen lässt sich messen. Strukturierte Interviews mit einem definierten Bewertungsverfahren erreichen eine prädiktive Validität von ungefähr r=.51. Bei unstrukturierten Gesprächen liegt sie bei r=.38. Deshalb lohnt es sich, die folgenden Designentscheidungen zu prüfen, bevor die nächste Stelle ausgeschrieben wird.

Welche 10 Designfehler bei Scorecards verzerren das Hiring schon vor dem Interview?

Zehn dieser Fehler finden sich in fast jeder Scorecard, die ein TA-Team prüft. Jeder davon bringt Bias in die Entscheidung, noch bevor das erste Interview stattfindet. Einige betreffen den Inhalt des Dokuments, andere die spätere Auswertung der Bewertungen.

1. Die Mission der Rolle fehlt

Ohne eine Mission in einem einzigen Satz greifen Interviewer auf eine allgemeine Vorlage zurück. So bewerten sie jeden Kandidaten anhand der Vorjahresversion der Rolle. Formulieren Sie die Mission für jede Stellenausschreibung neu, selbst wenn sich der Jobtitel nicht geändert hat. Im vergangenen Jahr könnte die Mission eines Support Engineers darin bestanden haben, einen überlasteten Ticket-Backlog zu stabilisieren. In diesem Jahr könnte es darum gehen, Self-Service-Onboarding einzuführen. Dafür sind völlig andere Kompetenzen nötig.

2. Ergebnisse klingen wie eine Stellenbeschreibung

"Handles customer tickets" beschreibt eine Tätigkeit. Damit lässt sich ein High Performer nicht von jemandem unterscheiden, der lediglich beschäftigt ist. Formulieren Sie jedes Ergebnis als messbares Resultat mit einer Zahl und einer Frist. Ersetzen Sie "responds to tickets daily" durch "resolves 90% of tier-1 tickets within four hours by month three". Plötzlich lassen sich zwei Kandidaten, die beide engagiert wirkten, auf dem Papier klar unterscheiden.

3. Zu viele Kompetenzen aufnehmen

Ab etwa 12 Kompetenzen werden Bewertungen deutlich unzuverlässiger. Deshalb empfehlen die meisten Studien zu Hiring-Prozessen vier bis sieben Kernkompetenzen pro Rolle. Reduzieren Sie die Liste auf das, was den Erfolg in genau dieser Position vorhersagt. Eine Scorecard für eine Senior-Engineering-Rolle mit vierzehn Eigenschaften, darunter Pünktlichkeit und eine allgemein positive Haltung, wird auf fünf reduziert:

4. Alle Kompetenzen gleich gewichten

Wenn jede Kompetenz gleich viel zählt, kann eine Stärke in einem unwichtigen Bereich eine gravierende Schwäche bei einer unverzichtbaren Fähigkeit rechnerisch ausgleichen. Gewichten Sie Must-have-Kompetenzen zwei- bis dreimal so stark wie Nice-to-haves, bevor das erste Interview angesetzt wird.

Die Rechnung, die das Problem verbirgt: 5 von 5 Punkten für Pünktlichkeit und 2 von 5 Punkten für System Design ergeben bei gleicher Gewichtung in einer Senior-Engineering-Rolle einen Durchschnitt von 3.5. Das ist eine scheinbar komfortable Bewertung für einen Kandidaten, der die Kernaufgaben der Rolle nicht erfüllen kann.

5. Eine Skala von 1-5 ohne Verhaltensanker verwenden

Eine bloße Zahl von 1 bis 5 bedeutet für jeden Interviewer im Panel etwas anderes. Genau dieser unbewertete Gesamteindruck schwächt die Vorhersagekraft einer Scorecard. Eine Metaanalyse zur Personalauswahl ergab: Ein strukturiertes Bewertungsverfahren erhöht die prädiktive Validität um mehr als 50% gegenüber einer unbewerteten Entscheidung aus dem Bauch heraus. Beschreiben Sie deshalb für jeden Skalenpunkt das konkrete Verhalten. Diesen Ansatz erläutert Sprads Leitfaden zu verhaltensverankerten Bewertungsskalen. Aus einer 4 wird so eine konkrete Beschreibung: hat selbstständig einen Produktionsvorfall gelöst und die Fehlerbehebung über zwei Teams hinweg koordiniert.

6. "Culture Fit" als Kompetenz behandeln

Wird "culture fit" innerhalb der Interview-Rubrik bewertet, entsteht dokumentierter Affinity Bias. Interviewer belohnen dabei unbewusst Kandidaten, die ihnen selbst ähneln, statt Kandidaten, die die tatsächlichen Werte des Unternehmens teilen. Die Talent-Forschung von LinkedIn empfiehlt aus genau diesem Grund, Culture Fit durch Culture Add zu ersetzen. Prüfen Sie die Übereinstimmung mit den Werten vollständig separat und außerhalb der bewerteten Interview-Rubrik. Ein Team, das bisher "cultural fit" neben technischen Kompetenzen auf einer Skala von 1 bis 5 bewertet hat, kann später im Prozess stattdessen ein kurzes, separates Gespräch über gemeinsame Werte führen. Dessen Ergebnis fließt nicht in die Gesamtpunktzahl der Interview-Scorecard ein.

7. Die Scorecard vom Vorjahr für eine neue Rolle kopieren

Eine Scorecard nur deshalb wiederzuverwenden, weil der Jobtitel gleich ist, überspringt den entscheidenden Schritt: Mission und Ergebnisse für den konkreten aktuellen Bedarf neu zu entwickeln. Behandeln Sie jede Stellenausschreibung als eigenständige Aufgabe für Mission und Ergebnisse, selbst wenn Sie die Rolle bereits ein Dutzend Mal besetzt haben. Zwei "Sales Manager"-Stellen im Abstand von sechs Monaten brauchen Scorecards, die sich kaum ähneln: Bei der einen soll ein Hunting-Team von Grund auf aufgebaut, bei der anderen ein Retention-Team stabilisiert werden.

8. Den Hiring Manager die Scorecard allein erstellen lassen

Entwirft eine einzelne Person die Scorecard, prägen ihre blinden Flecken das Dokument, bevor andere Mitglieder des Panels Einfluss nehmen können. Strukturierte Panel-Interviews, in denen mehrere Personen unabhängig voneinander bewerten, sagen Erfolg besser voraus, mit ungefähr r=.57. Ihre Interrater-Reliabilität ist fast doppelt so hoch wie bei nacheinander geführten Interviews. Beziehen Sie den Recruiter und die Person, die die Rolle derzeit ausübt, schon vor der Stellenausschreibung ein und nicht erst, nachdem der erste Kandidat abgelehnt wurde. Ein Engineering Manager könnte allein eine hohe Gewichtung auf Erfahrung mit dem Tech-Stack legen. Dabei übersieht er womöglich, dass die letzte Person in dieser Position tatsächlich an der bereichsübergreifenden Kommunikation gescheitert ist. Ein Recruiter hätte das sofort angesprochen.

9. Erst nach dem Debrief statt davor bewerten

Wer in einem offenen Debrief zuerst oder am lautesten spricht, prägt die Meinung aller anderen überproportional. Interne Hiring-Daten von Google zeigten, dass der Durchschnitt unabhängiger Interviewer-Bewertungen den Erfolg neuer Mitarbeitender genauer vorhersagte als das Urteil eines einzelnen Interviewers. Das galt auch im Vergleich zu den Einschätzungen von Führungskräften. Verlangen Sie deshalb von jedem Interviewer eine vollständig ausgefüllte Scorecard, bevor die Gruppe überhaupt über den Kandidaten spricht. Dasselbe Prinzip behandelt Sprads Vorlage für Calibration Meetings. In einem vierköpfigen Panel kann eine Führungskraft, die mit "strong yes" eröffnet, die anderen drei Bewertungen sichtbar verschieben, sofern diese noch nicht abgegeben wurden.

10. Die Scorecard nach 90 Tagen nie überprüfen

Wird eine Scorecard nie mit tatsächlichen Ergebnissen verglichen, wiederholt sie einfach den Bias, mit dem sie begonnen hat. LinkedIns Future of Recruiting Report 2025 ergab, dass die meisten Teams die Messung der Quality of Hire für wichtig halten. Dennoch traut sich nur ungefähr ein Viertel zu, sie tatsächlich zu messen. Laut SHRM's Benchmarking-Studie 2025 verfolgt nur etwa jede fünfte Organisation diese Kennzahl aussagekräftig. Vergleichen Sie deshalb die Prognosen der Scorecard bei jeder Einstellung mit der tatsächlichen Leistung nach 90 Tagen und passen Sie die Gewichtungen mindestens einmal jährlich an. Wenn Kandidaten mit hohen Werten bei "communication" nach 90 Tagen wiederholt schwach abschneiden, während Kandidaten mit starken "ownership"-Werten regelmäßig überdurchschnittlich leisten, muss die Gewichtung eindeutig angepasst werden.

Warum wiederholen Hiring-Teams immer wieder dieselben Scorecard-Fehler?

Drei Gewohnheiten erklären, warum diese zehn Fehler jede Prüfung überstehen, statt dauerhaft behoben zu werden. Die erste ist Sunk-Cost-Anchoring an der letzten Person in der Rolle. Hat ein Team gerade eine geschätzte Person verloren, richtet es die Scorecard unbewusst an deren besonderen Eigenschaften aus. Hat es gerade jemanden entlassen, korrigiert es zu stark in die Gegenrichtung. In beiden Fällen wird der nächste Kandidat an einer Person gemessen und nicht an der tatsächlichen Mission der Rolle.

Das zweite Muster ist die schleichende Veränderung von Vorlagen durch verschiedene Manager. Jeder Hiring Manager passt die gemeinsame Scorecard für seine eigene Stellenausschreibung ein wenig an. Hier kommt eine Kompetenz hinzu, dort ändert sich eine Gewichtung. Nach einigen Dutzend Ausschreibungen ist die gemeinsame Vorlage ein Flickwerk, für das sich niemand vollständig verantwortlich fühlt und an dessen Freigabe sich niemand erinnert.

Das dritte Muster ist die Illusion, mehr Kompetenzen seien ein Zeichen für größere Sorgfalt. Zusätzliche Felder wirken gründlich. Doch das Gegenteil ist der Fall, sobald ein Panel in derselben Sitzung durch die zwölfte Bewertung eilt. Eine wegweisende Studie mit mehr als 20,000 Einstellungen in 312 Organisationen zeigt, warum sich diese Illusion so hartnäckig hält: 89% der gescheiterten Neueinstellungen lassen sich auf Haltung und zwischenmenschliche Faktoren zurückführen, etwa geringe Coachability oder schwache emotionale Intelligenz. Fehlende technische Fähigkeiten sind deutlich seltener der Grund. Die Studie stammt aus 2005, wurde 2011 aktualisiert und ist weiterhin die meistzitierte Referenz dieser Art. Seitdem wurde sie nicht in vergleichbarem Umfang repliziert. Trotzdem füllen Scorecards weiterhin vor allem die technischen Kompetenzen, die sich am leichtesten bewerten lassen, gerade weil sie messbar wirken. Die zwischenmenschlichen Eigenschaften, die ein Scheitern tatsächlich vorhersagen, erhalten dagegen höchstens einen vagen Punkt, sofern sie überhaupt vorkommen.

Gut zu wissen: Auch die Bewertungen für dieselbe Rolle verändern sich auf vorhersehbare Weise. Nach ungefähr fünf bis zehn Einstellungen beginnt ein Panel entweder, jeden Kandidaten auf "strong yes" hochzustufen, oder alle Bewertungen auf einen sicheren Mittelwert zu verdichten. Keine dieser Veränderungen bedeutet, dass sich die Hiring-Qualität tatsächlich geändert hat. Sie zeigt lediglich, dass die Scorecard vierteljährlich neu kalibriert werden sollte.

Wie führen Sie in 5 Minuten einen Plausibilitätscheck für eine bestehende Scorecard durch?

Ein 5-minütiger Plausibilitätscheck stellt sechs Ja-Nein-Fragen zu jeder bereits verwendeten Scorecard. Zwei oder mehr Antworten mit "no" decken dieselben Designfehler auf, die oben beschrieben wurden. Öffnen Sie das Dokument, das Sie für Ihre nächste offene Stelle verwenden würden, und antworten Sie ehrlich.

Dieser reine Dokumententest erkennt zwei weitere Fehler nicht, die erst bei der tatsächlichen Nutzung der Scorecard entstehen: die Bewertung nach statt vor der Gruppendiskussion und den fehlenden Vergleich der Prognosen mit den tatsächlichen Ergebnissen nach 90 Tagen. Beide erfordern neben dem neuen Design auch eine Prozessänderung. Hier kommt ein Calibration Meeting ins Spiel.

Wo muss eine korrigierte Scorecard tatsächlich eingesetzt werden?

Eine neu konzipierte Scorecard bringt erst dann einen Nutzen, wenn sie einen festen operativen Platz hat. Dort bewertet jeder Interviewer unabhängig anhand desselben Dokuments, im selben Kandidatendatensatz und bevor jemand miteinander spricht. Ein gemeinsames Spreadsheet oder eine Seite, die tief in einem E-Mail-Verlauf vergraben ist, begünstigt genau die schleichenden Copy-and-paste-Änderungen und nachträglichen Bewertungen, die oben beschrieben wurden. Sprads kostenloses ATS ist ein AI-first-System, in dem die korrigierte Scorecard direkt im Datensatz des Kandidaten liegt. Jeder Interviewer füllt sie unabhängig aus, bevor das Debrief beginnt. So werden das Dokument und der Prozess gemeinsam verbessert, statt einander entgegenzuwirken.

Ungefähr die Hälfte der Unternehmen gibt an, starke Kandidaten wegen eines schlechten Interviewprozesses zu verlieren. Das sind die praktischen Kosten einer Scorecard und eines Debriefs, die von Anfang an nicht aufeinander abgestimmt waren. Sorgen Sie zuerst für ein gutes Dokument. Dann ist das anschließende Calibration Meeting die investierte Stunde endlich wert.

Der 90-Tage-Check, der eine Scorecard vertrauenswürdig macht

Der eigentliche Test einer Scorecard folgt nach neunzig Tagen: Gehören die Kandidaten mit den höchsten Bewertungen noch immer zu Ihren stärksten Performern? Dieser Kreislauf beginnt mit Mission und Ergebnissen und endet mit einem 90-Tage-Check. Fast kein Team setzt ihn konsequent um. Unter den zehn Verbesserungen lässt er sich zudem in diesem Quartal am günstigsten einführen.

Wählen Sie eine offene Stelle aus. Führen Sie den 5-minütigen Plausibilitätscheck mit der aktuellen Scorecard durch und überarbeiten Sie nur die Felder, die durchfallen. Eine Scorecard, die alle sechs Prüfungen besteht und überprüft wird, sobald die ersten eingestellten Personen den dritten Monat erreichen, können Sie überzeugend vertreten, wenn jemand fragt, warum dieser Kandidat das Angebot erhielt und der andere nicht.

Häufig gestellte Fragen

Wie viele Kompetenzen sollte eine Interview-Scorecard enthalten?

Vier bis sieben sind ideal. Zu diesem Ergebnis kommt auch die meiste Forschung zu Hiring-Prozessen. Ab ungefähr zwölf eilen Interviewer durch die Bewertungen und die Ergebnisse werden messbar unzuverlässiger. Eine kürzere Liste verbessert eine Scorecard deshalb meist stärker als zusätzliche Punkte.

Sollte "culture fit" überhaupt in einer Scorecard vorkommen?

Nein, nicht als bewertete Kompetenz innerhalb der Interview-Rubrik. Culture Fit führt häufig zu Affinity Bias zugunsten von Kandidaten, die dem Interviewer ähneln. Die Übereinstimmung mit den Werten gehört daher in eine separate, unbewertete Prüfung und nicht in eine Zahl, die in den Durchschnitt der Hiring-Entscheidung einfließt.

Wer sollte die Interview-Scorecard erstellen: Recruiter oder Hiring Manager?

Gemeinsam erzielen sie ein besseres Ergebnis, als wenn einer von beiden sie allein erstellt. Der Entwurf einer einzelnen Person überträgt deren blinde Flecken auf jedes Interview. Die stärkste Version verbindet daher die Perspektiven des Recruiters und des Hiring Managers, bevor die Stelle ausgeschrieben wird.

Wie oft sollte eine verwendete Scorecard aktualisiert werden?

Sobald sich die Bewertungen verschieben, mindestens aber einmal jährlich. Nach ungefähr fünf bis zehn Einstellungen für dieselbe Rolle neigen Panels dazu, ihre Bewertungen anzuheben oder zu verdichten. Das ist ein Signal zur Neukalibrierung und kein Zeichen dafür, dass sich die Hiring-Qualität verändert hat.

Kann eine Scorecard zu strukturiert sein und ein natürliches Gespräch verhindern?

Bei guter Gestaltung passiert das selten. Eine Scorecard mit vier bis sieben gewichteten Kompetenzen und verhaltensverankerten Bewertungen lässt weiterhin Raum für ein echtes Gespräch. Die Struktur bestimmt nur, was anschließend bewertet wird, nicht was im Raum gefragt oder besprochen wird.

Wie finden Sie am schnellsten die größte Schwachstelle einer Scorecard?

Führen Sie in den nächsten fünf Minuten den Plausibilitätscheck mit sechs Fragen durch. Zwei oder mehr Antworten mit "no" weisen meist auf dieselbe Ursache hin: Das Dokument beruht auf einem Jobtitel statt auf der Mission und den messbaren Ergebnissen einer konkreten Rolle.