Geschichte und Forschung zu psychologischen Biases in der Personalauswahl: Eine Übersicht

Im ersten Teil unserer Blogreihe haben wir erläutert, warum unser Gehirn auf kognitive Heuristiken zurückgreift und wie daraus systematische Verzerrungen, sogenannte Biases, entstehen können.
Willkommen im zweiten Teil unserer Blogreihe über Unconscious Bias in der Personalauswahl!
In diesem Beitrag werfen wir einen Blick zurück: Wie hat sich die Bias-Forschung historisch entwickelt und welche Meilensteine gab es?

Ein Jahrhundert Bias-Forschung: Die wichtigsten Meilensteine

Die systematische Erforschung von Urteilsfehlern ist deutlich älter als der heute geläufige Begriff “Unconscious Bias”. Sie beginnt in der angewandten Psychologie des frühen 20. Jahrhunderts und lässt sich in mehreren Wellen nachzeichnen.

Die Anfänge: Edward L. Thorndike und der Halo-Effekt (1920)

Einer der frühesten praktischen Belege für einen Beurteilungsfehler stammt vom amerikanischen Psychologen Edward L. Thorndike. In seiner 1920 veröffentlichten Untersuchung “A Constant Error in Psychological Ratings” ließ er Offiziere ihre Soldaten hinsichtlich verschiedener Eigenschaften wie Intelligenz, Führungsfähigkeit oder körperlicher Leistungsfähigkeit bewerten.

Obwohl diese Merkmale nur teilweise miteinander in Verbindung standen, zeigten sich auffallend hohe Zusammenhänge zwischen den Bewertungen. Hatte eine Person beispielsweise einen besonders positiven Gesamteindruck hinterlassen, wurden häufig auch alle übrigen Eigenschaften überdurchschnittlich positiv eingeschätzt. Thorndike bezeichnete dieses Phänomen als Halo-Effekt. Ein einzelnes auffälliges Merkmal “überstrahlt” dabei die Bewertung weiterer, eigentlich unabhängiger Eigenschaften. Seine Arbeit gilt bis heute als wichtiger Ausgangspunkt der Forschung zu Beurteilungsfehlern und hat insbesondere die Personalpsychologie nachhaltig geprägt.

Die 1950er-Jahre: Statistik schlägt Intuition

Ein weiterer Meilenstein folgte in den 1950er-Jahren durch den Psychologen Paul Meehl. In seinem Buch “Clinical versus Statistical Prediction” stellte er eine damals provokante Frage: Sind erfahrene Expert*innen tatsächlich besser darin, zukünftiges Verhalten vorherzusagen als einfache statistische Modelle?

Die Antwort überraschte viele Forschende. Über zahlreiche Anwendungsbereiche hinweg zeigten sich regelbasierte, statistische Vorhersagemodelle den intuitiven Einschätzungen einzelner Expert*innen häufig überlegen. Dieses Ergebnis wurde in den folgenden Jahrzehnten immer wieder bestätigt und beeinflusst bis heute die Eignungsdiagnostik sowie die Entwicklung strukturierter Auswahlverfahren.
Für die Personalauswahl bedeutet das: Je stärker Auswahlentscheidungen standardisiert, nachvollziehbar und regelgeleitet erfolgen, desto zuverlässiger fallen sie aus.

Die kognitive Wende: Tversky und Kahneman (1974)

Den wohl größten Einfluss auf die moderne Bias-Forschung hatte die Arbeit von Amos Tversky und Daniel Kahneman. Mit ihrem 1974 veröffentlichten Aufsatz “Judgment under Uncertainty: Heuristics and Biases” fassten sie eine Reihe experimenteller Untersuchungen zusammen, die zeigten, wie Menschen unter Unsicherheit urteilen.

Die eigentliche Innovation bestand jedoch nicht allein in der Beschreibung dieser Denkstrategien. Vielmehr konnten Tversky und Kahneman zeigen, dass die daraus resultierenden Urteilsfehler keineswegs zufällig auftreten. Unter vergleichbaren Bedingungen machen Menschen häufig sehr ähnliche Fehler und genau diese Vorhersagbarkeit machte kognitive Verzerrungen erstmals systematisch wissenschaftlich untersuchbar.

Von Einzelbefunden zur systematischen Forschung

Ab den 1980er-Jahren entwickelte sich die Bias-Forschung mit der zunehmenden Zahl empirischer Studien von einer Sammlung einzelner Effekte zu einem eigenständigen Forschungsfeld. 

Parallel entwickelte sich die Personalpsychologie weiter. Forschende untersuchten zunehmend, wie sich Wahrnehmungs- und Beurteilungsfehler in Interviews, Assessment Centern oder Leistungsbeurteilungen auswirken und welche strukturellen Maßnahmen ihre Auswirkungen reduzieren können. Diese Arbeiten bildeten die Grundlage vieler heutiger Empfehlungen zur Gestaltung evidenzbasierter Personalauswahlverfahren.

Die Gegenposition: Gigerenzer und die “Intelligenz des Unbewussten”

Seit den 1990er-Jahren vertrat Gerd Gigerenzer gemeinsam mit seinem Forschungsteam eine andere Sichtweise auf Heuristiken. Danach sind mentale Abkürzungen nicht grundsätzlich fehlerhaft. Unter bestimmten Umweltbedingungen können sie sogar ähnlich gute oder mitunter bessere Entscheidungen ermöglichen als komplexe Optimierungsverfahren. Dies ist besonders dann möglich, wenn Informationen unvollständig sind oder Entscheidungen unter Unsicherheit getroffen werden müssen.

Während also Kahneman und Tversky vor allem zeigen, unter welchen Bedingungen Heuristiken zu systematischen Fehlurteilen führen können, untersucht Gigerenzers Ansatz, wann dieselben einfachen Entscheidungsregeln sinnvoll und sogar besonders effektiv sein können. Entscheidend ist daher nicht, ob Menschen Heuristiken verwenden, sondern ob eine bestimmte Heuristik zur jeweiligen Entscheidungssituation passt. So kann beispielsweise die einfache Regel „Bewerber*innen mit einschlägiger Berufserfahrung in einer vergleichbaren Position sind wahrscheinlich für die Stelle geeignet“ eine sinnvolle Orientierung sein, wenn Berufserfahrung tatsächlich ein guter Vorhersagewert für die berufliche Leistung ist. Wird dieselbe Regel jedoch ungeprüft angewendet und führt dazu, dass Bewerber*innen mit ungewöhnlichen Karrierewegen oder weniger bekannten Arbeitgebern automatisch schlechter bewertet werden, kann sie zu einer systematischen Verzerrung führen.

Die Gegenwart: KI-Forschung

Heute sind weit über hundert verschiedene kognitive Verzerrungen beschrieben. Gleichzeitig hat sich der Schwerpunkt der Forschung zunehmend verschoben. Während frühe Arbeiten vor allem einzelne Biases identifizierten, beschäftigt sich die aktuelle Forschung verstärkt mit der Frage, wie sich Verzerrungen in realen Entscheidungsprozessen vermeiden oder zumindest reduzieren lassen.

Gerade in der Personalauswahl gewinnt dabei auch der Einsatz algorithmischer Entscheidungshilfen und KI-gestützter Systeme an Bedeutung. Aktuelle Studien untersuchen, unter welchen Bedingungen solche Systeme menschliche Verzerrungen reduzieren können und wann sie bestehende Biases aus den Trainingsdaten oder Auswahlprozessen übernehmen und sogar verstärken.

Technologie ersetzt keine wissenschaftlich fundierte Personalauswahl. Auch algorithmische Systeme benötigen transparente Kriterien, regelmäßige Überprüfung und eine bewusste Gestaltung des Auswahlprozesses. 

Was diese historische Einordnung für die Praxis bedeutet

Der Blick auf mehr als 100 Jahre Forschung zu menschlichen Urteilen zeigt eine zentrale Erkenntnis: Verzerrungen in Entscheidungen sind kein neues Phänomen und auch kein Zeichen individueller Unfähigkeit. Sie entstehen vielmehr aus grundlegenden Mechanismen menschlicher Informationsverarbeitung und insbesondere dann, wenn Menschen unter Unsicherheit entscheiden, viele Informationen verarbeiten müssen oder komplexe Situationen beurteilen sollen.
Die Forschungsgeschichte zeigt dabei jedoch nicht, dass menschliche Urteile grundsätzlich unzuverlässig sind. Heuristiken und Intuition können unter geeigneten Bedingungen wertvolle Entscheidungshilfen sein. 

Quellen:

Gigerenzer, G. (2008). Bauchentscheidungen – Die Intelligenz des Unbewussten und die Macht der Intuition. München: Goldmann Verlag.

Meehl, P. E. (1954). Clinical versus statistical prediction: A theoretical analysis and a review of the evidence. University of Minnesota Press. https://doi.org/10.1037/11281-000 

Thorndike, E. L. (1920). A constant error in psychological ratings. Journal of Applied Psychology, 4(1), 25-29. https://psycnet.apa.org/doi/10.1037/h0071663

Tversky, A. & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124