Ein strukturiertes Vorstellungsgespräch – gleiche Fragen für alle Kandidatinnen und Kandidaten, verankerte Bewertungsskalen und unabhängig dokumentierte Bewertungen vor der gemeinsamen Besprechung – sagt die spätere Arbeitsleistung deutlich zuverlässiger voraus als ein unstrukturiertes Gespräch. Metaanalysen beziffern die korrigierte Validität auf .51 gegenüber .38. Auch eine Neukalibrierung aus dem Jahr 2022 stuft es weiterhin als stärksten verfügbaren Einzelprädiktor ein. Wenn Sie als HR- oder TA-Verantwortliche entscheiden möchten, wo sich Struktur lohnt, ist die Studienlage seit Jahrzehnten eindeutig und hat sich im Kern nicht verändert.

Die meisten Interview-Panels beruhen noch immer auf Intuition: hier eine Lieblingsfrage, dort ein Bauchgefühl, aber keine gemeinsame Bewertungsgrundlage für die Interviewenden. Dabei ist der große Unterschied zwischen strukturierten und unstrukturierten Formaten bereits seit den 1990er-Jahren bekannt. In drei Jahrzehnten I-O-psychologischer Forschung haben immer dieselben Strukturierungsmaßnahmen diese Lücke geschlossen. Einige Situationen erfordern dennoch Urteilsvermögen, das keine Bewertungsmatrix vollständig abbilden kann.

Vier Entscheidungen bestimmen, ob sich Struktur tatsächlich auszahlt. Sie sind gleichermaßen wichtig, wenn Sie einen Prozess neu aufbauen oder einen bestehenden prüfen:

Was sagt die Forschung tatsächlich über strukturierte und unstrukturierte Interviews?

Strukturierte Interviews sagen die Arbeitsleistung mit einer korrigierten Validität von .51 voraus, unstrukturierte Interviews dagegen mit .38. Das zeigen die ursprüngliche Metaanalyse von Schmidt und Hunter sowie deren Aktualisierung aus dem Jahr 2016. In Kombination mit einem Test der allgemeinen kognitiven Leistungsfähigkeit erreicht das Verfahren eine Validität von .63. Damit gehört es zu den drei Kombinationen von Auswahlprädiktoren mit der höchsten jemals in der Personalauswahlforschung dokumentierten Validität.

McDaniel und sein Forschungsteam bestätigten dieses Muster 1994 unabhängig. Sie werteten 245 Validitätskoeffizienten von 86,311 Personen aus und stellten fest, dass situative Interviewfragen – also Fragen danach, wie Kandidatinnen und Kandidaten in einer hypothetischen Arbeitssituation handeln würden – sowohl berufsbezogene als auch psychologische Interviewformate übertrafen. Campion, Palmer und Campion beschrieben anschließend die Gründe dafür. Ihr Review von 1997 identifizierte 15 verschiedene Strukturierungskomponenten. In den zitierten Metaanalysen lagen die korrigierten Validitäten strukturierter Interviews zwischen .35 und .62, gegenüber .14 bis .33 bei unstrukturierten Interviews.

Die wohl meistzitierte Zusammenfassung dessen, was "structure" tatsächlich bedeutet, erschien 2014. Levashina und ihr Forschungsteam sichteten die bis dahin gesammelten Erkenntnisse und kamen zu dem Schluss, dass strukturierte Interviews durchgehend reliabler und valider sind als unstrukturierte Interviews. Ihr Review nennt sechs Kernpraktiken – von Fragen auf Basis einer Anforderungsanalyse bis zur Dokumentation der Bewertung. Die folgende Tabelle zeichnet diese Praktiken anhand von acht wegweisenden Studien nach.

Warum strukturierte Interviews besser abschneiden: Vier Mechanismen, die Varianz verringern

Strukturierte Interviews sind erfolgreicher, weil beim Fragen und Bewerten einige konkrete, erlernbare Entscheidungen getroffen werden. Ihr Erfolg hängt nicht von einer einzelnen besonders begabten interviewenden Person ab. Campion, Palmer und Campion unterteilten Struktur in Elemente, die den Inhalt verbessern (was Sie fragen), und Elemente, die die Bewertung verbessern (wie Sie bewerten). Vier dieser Entscheidungen erklären den größten Teil der messbaren Ergebnisunterschiede.

Erstens erhält jede Person für eine bestimmte Rolle dieselben Fragen auf Basis einer Anforderungsanalyse. So lassen sich die Antworten tatsächlich vergleichen, statt vom zufälligen Verlauf des Gesprächs abzuhängen. Zweitens kommt eine verankerte Bewertungsskala zum Einsatz: Jede Antwort wird anhand einer schriftlichen Beschreibung dessen bewertet, wie eine 1, 3 oder 5 aussieht. Dahinter steht dieselbe Methodik wie bei einer verhaltensverankerten Bewertungsskala. An ihre Stelle tritt kein pauschaler Eindruck. Drittens erfolgt die Bewertung unabhängig und vor jeder gemeinsamen Diskussion. So wird die erste entschiedene Meinung im Raum nicht unbemerkt zur Meinung aller. Viertens folgt ein kalibriertes Debrief: Die Interviewenden gleichen ihre Bewertungen mit den Ankern ab und klären Meinungsverschiedenheiten anhand von Belegen statt anhand von Hierarchie.

Unstrukturierte Interviews verzichten auf alle vier Mechanismen. Dadurch treten die in der Forschung zu Verzerrungen bei Performance Reviews dokumentierten Bewertungsmuster auch im Interview auf, ohne dass etwas sie auffängt. Der starke Halo-Effekt einer hervorragenden Antwort prägt das gesamte weitere Gespräch. Wer zuletzt gesprochen hat, wird positiver erinnert, als die Fakten rechtfertigen. Deshalb sind die vier genannten Mechanismen jeder einzelnen "good interviewer" überlegen: Sie folgen derselben Abfolge aus unabhängiger Bewertung und anschließender Kalibrierung wie eine strukturierte Kalibrierungsrunde.

Warum sank die Validität von .51 auf .42 in der Neuanalyse von 2022?

Die Validität sank, weil die in früheren Metaanalysen verwendeten Korrekturen für Varianzeinschränkungen überschätzt hatten, wie selektiv reale Einstellungsverfahren tatsächlich sind. Das zeigen die Neuanalysen von Sackett, Zhang, Berry und Lievens aus den Jahren 2022 und 2023. Auch nach Korrektur dieser Annahme bleiben strukturierte Interviews der Einzelprädiktor mit der höchsten mittleren Validität unter den gängigen Auswahlmethoden – nur mit .42 statt .51.

Die wichtigere Zahl steht direkt neben dem Mittelwert: ein 80%-Kredibilitätsintervall von .18 bis .66. Diese große Spannweite bedeutet, dass dieselbe Bezeichnung, "structured interview," in einem Einstellungsverfahren einen sehr schwachen und in einem anderen einen sehr starken Prädiktor hervorbringen kann. Entscheidend ist, wie konsequent die vier genannten Mechanismen tatsächlich umgesetzt werden.

Gut zu wissen: Ein derart breites Kredibilitätsintervall ist selbst die zentrale Erkenntnis. Begleitende Kommentare zur Neuanalyse argumentieren, strukturierte Interviews zeigten inzwischen die höchste Variabilität aller führenden Prädiktoren. Für TA-Teams besteht die eigentliche Aufgabe deshalb darin, diese Varianz zu verringern, statt nur eine plakative Validitätskennzahl zu zitieren.

Wo strukturierte Interviews schlechter abschneiden oder nach hinten losgehen

Bei Senior- und Kreativrollen verlieren strukturierte Interviews ihren Vorsprung. Eine unpersönliche Umsetzung, die ausschließlich einem Skript folgt, kann zudem Kandidatinnen und Kandidaten kosten. In allen Fällen gilt dieselbe Lösung: Das Format muss zu den tatsächlichen Anforderungen der Rolle passen.

Senior- und komplexe Rollen

Situative Fragen – im Kern "what would you do if..." – verlieren in höheren Positionen messbar an Vorhersagekraft. Huffcutt, Weekley, Wiesner, DeGroot und Jones untersuchten Offiziers- und Regionalleiterrollen. Sie stellten fest, dass verhaltensbezogene Fragen auf dieser Ebene deutlich belastbarer waren als situative Fragen. Eine spätere Metaanalyse von 54 Studien mit 5,536 Kandidatinnen und Kandidaten bestätigte dieses Muster: Mit zunehmender Komplexität der Tätigkeit sinkt die Validität situativer Interviews. Bei verhaltensbezogenen Fragen ist dieser Effekt deutlich schwächer.

Eine Studie macht diesen Punkt besonders deutlich. In einer peer-reviewten Untersuchung des Zulassungsverfahrens für eine Facharztausbildung in der Notfallmedizin erreichte ein neu entwickeltes strukturiertes Interview eine Gesamtreliabilität von .43. Damit schnitt es schlechter ab als beide unstrukturierten Panel-Interviews im Vergleich, die Werte von .81 und .71 erreichten. Die Bewertungen der Kandidatinnen und Kandidaten schwankten zwischen den Szenarien des strukturierten Instruments erheblich. Das zeigt: Eine schlecht kalibrierte Bewertungsmatrix kann einfachem Urteilsvermögen unterlegen sein.

Kreative Rollen und Candidate Experience

Bei wirklich kreativen oder sehr uneindeutigen Rollen kann eine feste, auf Konsistenz ausgerichtete Bewertungsmatrix genau das Signal glätten, nach dem Sie suchen: Originalität oder ungewöhnliche Problemlösung, die nie sauber in eine Scorecard-Zelle passt. Ein Hybridformat ist eine praktikable Lösung. Behalten Sie verankerte Bewertungen für die Aspekte der Rolle bei, die sich zwischen Kandidatinnen und Kandidaten tatsächlich vergleichen lassen. Lassen Sie zugleich Raum für offene Gespräche über Arbeitsproben, wenn die Tätigkeit unkonventionelle Ansätze belohnt.

Die Candidate Experience ist der zweite reale Kostenfaktor. Eine schweizerisch-indische Studie zu technologiegestützten Interviews ergab, dass die von Beobachtenden bewertete Leistung der Kandidatinnen und Kandidaten bei persönlichen und avatarbasierten Formaten ähnlich blieb. Die Teilnehmenden reagierten jedoch deutlich negativer auf die unpersönliche Variante, die ausschließlich einem Skript folgte. Eine weltweite Befragung aus dem Jahr 2026 von fast 2,950 Arbeitssuchenden beziffert diese Reaktion: 63% hatten bereits ein KI-geführtes Interview erlebt. Dennoch hatten 38% ein Einstellungsverfahren abgebrochen, weil KI beteiligt war. Als Hauptgrund nannten sie fehlende Transparenz über die Rolle der KI.

Was DIN 33430 und deutsche Reliabilitätsdaten für das Recruiting in der DACH-Region bedeuten

In Deutschland gilt die Struktur von Interviews bereits als Compliance-Grundlage und nicht nur als Best Practice. DIN 33430, im Jahr 2016 überarbeitet, und ihre Ergänzung aus dem Jahr 2020, DIN SPEC 91426, verlangen, dass Interviews zur Personalauswahl auf einer dokumentierten Anforderungsanalyse beruhen und einem strukturierten oder standardisierten Format folgen. Die österreichische ÖNORM D 4000 und die schweizerische SN 33430 stellen gleichwertige nationale Anforderungen.

Deutschsprachige Syntheseforschung beziffert den Nutzen der Standardisierung: Bei unstandardisierten Interviews liegt die durchschnittliche Interrater-Reliabilität bei etwa r=.40. Bei teilstandardisierten Formaten steigt sie auf r=.48 und erreicht bei voll strukturierten, eignungsdiagnostischen Interviews r=.61. Diese von Breuer und Ortner aus früherer Reliabilitätsforschung zusammengetragenen Werte zeigen einen deutlichen Zuwachs darin, wie stark zwei Interviewende in der Bewertung derselben Person übereinstimmen. Sie spiegeln dieselben inhalts- und bewertungsverbessernden Elemente wider, die Campions Review bereits Jahrzehnte zuvor beschrieb.

Eine Forschungslücke muss offen benannt werden: Spezifische DACH-Validierungsstudien mit großen Stichproben, die tatsächliche Einstellungsergebnisse statt der Übereinstimmung zwischen Interviewenden messen, sind in der veröffentlichten Literatur weiterhin rar. Die genannten Reliabilitätsdaten sind belastbar. Bei regionsspezifischen Aussagen zur Validität, die darüber hinausgehen, ist jedoch Vorsicht geboten, bis weitere lokale Forschung vorliegt.

Ein Framework nach Rollenstufen: vollständige Struktur, Hybridmodell und die Rolle des Betriebsrats

TA-Verantwortliche in mittelständischen Unternehmen müssen praktisch entscheiden, welche Rollenstufen eine vollständige Struktur erhalten, welche ein Hybridmodell brauchen und wie früh die rechtliche Mitbestimmung in den Prozess einfließt. Bei der Einstellung großer Mengen an Mitarbeitenden bringt vollständige Struktur den größten Nutzen. Bei Senior- und Kreativrollen ist ein Hybridmodell mit verhaltensbezogenen Fragen und Arbeitsproben oft wertvoller.

Unabhängig von der Rollenstufe gilt eine standardisierte Scorecard, die bei allen Kandidatinnen und Kandidaten eingesetzt wird, nach deutschem Betriebsverfassungsrecht als Personalfragebogen. Damit greift die Mitbestimmung nach §94 BetrVG (Personalfragebogen und Beurteilungsgrundsätze). Sobald die zugrunde liegenden Kriterien zu einer dauerhaften Regelung werden, fallen sie als Auswahlrichtlinie unter §95 BetrVG. Davon getrennt ist §87 Abs. 1 Nr. 6 zu betrachten. Dieser gilt nur zusätzlich, wenn das eingesetzte Tool selbst – etwa ein KI-Bewertungssystem oder eine Aufzeichnungsfunktion – das Verhalten von Kandidatinnen, Kandidaten oder Beschäftigten überwacht.

Gut zu wissen: Binden Sie den Betriebsrat vor dem Rollout ein und nicht erst, nachdem die erste Gruppe von Kandidatinnen und Kandidaten bereits bewertet wurde. Legen Sie die Anforderungsanalyse hinter den Fragen, die Definitionen der Bewertungsanker und die Art der Speicherung der Bewertungen offen. Alle drei Punkte fallen eindeutig unter die Mitbestimmungsrechte nach §94 und §95.

An der Speicherung scheitern die meisten strukturierten Interviewprogramme unbemerkt. Eine verankerte Bewertung auf Papier oder tief in einem geteilten Dokument ist drei Wochen später nicht mehr als Beleg auffindbar. Sprads Free-Core, AI-First ATS hält die unabhängige Bewertung, die Definition des Bewertungsankers und die Notiz aus dem Debrief am Datensatz der Kandidatin oder des Kandidaten fest. So bleibt die von den Interviewenden vereinbarte Struktur auch Wochen später erhalten, statt in einem geteilten Dokument zu verschwinden, das niemand wieder öffnet.

Interviewstruktur als Budget statt als pauschale Richtlinie betrachten

Betrachtet man Forschung und Rechtslage gemeinsam, ist Struktur weniger eine starre Regel als vielmehr ein Budget. Investieren Sie es in Rollen, bei denen Varianz tatsächlich zu Fehlbesetzungen führt. Nehmen Sie sich dort zurück, wo eine vorgegebene Frage das relevante Signal glätten oder Kandidatinnen und Kandidaten verunsichern würde. Das Kredibilitätsintervall von .18 bis .66 bei strukturierten Interviews zeigt: Dasselbe Format kann Ihr bester oder nur ein mittelmäßiger Prädiktor sein. Ausschlaggebend ist allein, wie konsequent die vier Mechanismen umgesetzt werden.

Für die meisten Einstellungen im Mittelstand bedeutet das: vollständige Struktur für häufig besetzte Rollen, ein Hybridmodell für Rollen, bei denen Urteilsvermögen tatsächlich mehr Vorhersagekraft besitzt, und Mitbestimmungsgespräche, bevor die erste Person bewertet wird. Prüfen Sie Ihre aktuellen Interview-Scorecards anhand der sechs Komponenten aus Levashinas Review. Entscheiden Sie, welche Rollenstufen welches Modell erhalten. Sorgen Sie außerdem dafür, dass jede Bewertung dauerhaft gespeichert wird.

Häufig gestellte Fragen

Verringern strukturierte Interviews tatsächlich Verzerrungen bei Einstellungen?

Ja. Strukturierte Interviews verringern Verzerrungen, weil sie den Ermessensspielraum begrenzen, durch den Bewertungsfehler entstehen. Alle Kandidatinnen und Kandidaten beantworten dieselben Fragen auf Basis einer Anforderungsanalyse und werden vor jeder Gruppendiskussion anhand derselben Anker bewertet. Die Verringerung ist am größten, wenn die Bewertungen bis zur Kalibrierung unabhängig bleiben. Vollständig beseitigt wird Bias dadurch nicht, denn auch Ankerdefinitionen können schlecht formuliert oder uneinheitlich angewendet werden.

Wie viele Fragen gehören in ein strukturiertes Interview?

Die meisten strukturierten Formate nutzen sechs bis zehn Fragen auf Basis einer Anforderungsanalyse. Das reicht aus, um die Kernkompetenzen einer Rolle abzudecken, ohne die Aufmerksamkeit der interviewenden Person oder der Kandidatin beziehungsweise des Kandidaten zu erschöpfen. Weniger, dafür vertieft gestellte Fragen, die jeweils anhand eines schriftlichen Ankers bewertet werden, liefern meist reliablere Daten als eine lange Liste, die im selben Zeitfenster hastig abgearbeitet wird.

Können Situational Judgement Tests Interviews für Senior-Einstellungen ersetzen?

Nein. Sie eignen sich besser als Ergänzung denn als vollständiger Ersatz. Huffcutts Forschung ergab, dass situative Fragen auf Senior-Level an Vorhersagekraft verlieren. Verhaltensbezogene Fragen danach, was eine Person in einer vergleichbaren früheren Situation tatsächlich getan hat, blieben in denselben Studien dagegen belastbar. Viele TA-Teams gewichten Senior-Interviews deshalb stärker in Richtung verhaltensbezogener Fragen und setzen Situational Judgement als ergänzende Prüfung ein.

Dauert ein strukturiertes Interview länger als ein unstrukturiertes?

Im Gespräch selbst kaum, denn die Fragenliste steht in beiden Fällen fest. Der zusätzliche Zeitaufwand entsteht vor allem in der Vorbereitung: bei der Anforderungsanalyse, der Formulierung von Ankerdefinitionen und der Schulung der Interviewenden für konsistente Bewertungen, noch bevor das erste Interview terminiert wird.

Ist eine Scorecard für strukturierte Interviews nach deutschem Recht dasselbe wie ein Personalfragebogen?

Im Ergebnis ja. Eine standardisierte Scorecard, die bei allen Kandidatinnen und Kandidaten eingesetzt wird, gilt als Personalfragebogen. Daher greift die Mitbestimmung nach §94 BetrVG, neben dem eigenständigen Recht nach §95 für die zugrunde liegenden Auswahlkriterien. Keines dieser Rechte ist mit §87 Abs. 1 Nr. 6 gleichzusetzen. Diese Vorschrift greift nur, wenn das Tool selbst Verhalten überwacht.