Der Stichtag rückt näher, und zwölf Beurteilungsbögen sind noch offen. Die Erinnerung reicht bei den meisten Mitarbeitenden gerade einige Wochen zurück. Bei der einen Kollegin fällt sofort die gelungene Präsentation ein, bei dem anderen der Streit um die Urlaubsplanung. Am Ende stehen elf Kreuze in den beiden oberen Feldern.
Das Unbehagen bei dieser Übung ist berechtigt. Führungskräfte sollen gerecht urteilen und haben dafür lückenhafte Erinnerungen, ein Formular und wenig Zeit. Bei der Mitarbeiterbeurteilung können gute Absicht und gutes Ergebnis weit auseinanderliegen.
Die Forschung zur Leistungsbeurteilung beschreibt, welche Fehler typisch sind. Sie spricht auch dafür, dass der naheliegende Rat, diese Fehler einfach zu vermeiden, nicht weit trägt.
Kurz erklärt: Eine Mitarbeiterbeurteilung ist die geregelte Einschätzung der Leistung und des Verhaltens von Mitarbeitenden durch ihre Führungskraft, meist anhand festgelegter Merkmale und für einen bestimmten Zeitraum. Solche Urteile sind anfällig für Beurteilungsfehler wie den Halo-Effekt, den Milde-Effekt, den Ähnlichkeitseffekt und die Tendenz zur Mitte. In einer Studie mit Daten aus Entwicklungsfeedback erklärten Eigenheiten der Beurteilenden 62 und 53 Prozent der Varianz der Bewertungen. Für genauere und fairere Beurteilungen sprechen Studien zu einem gemeinsamen Maßstab, zu laufenden Notizen und zu einem Verfahren, das die Beurteilten als fair erleben.
Was ist eine Mitarbeiterbeurteilung, und wozu dient sie?
Eine Mitarbeiterbeurteilung ist ein formales Urteil über die Leistung eines Menschen in seiner Arbeit. Sie dient zwei Zwecken. Der erste ist die Entwicklung: Die Person soll erfahren, wo sie steht und woran sie arbeiten kann. Der zweite ist die Verwaltung: Aus dem Urteil folgen Entscheidungen über Gehalt, Prämien oder Beförderung.
Beide Zwecke vertragen sich nicht ohne Weiteres. I. M. Jawahar und Charles Williams werteten in einer 1997 veröffentlichten Meta-Analyse 22 Studien mit einer Gesamtstichprobe von 57.775 aus. Urteile, die für Gehalt oder Beförderung abgegeben wurden, fielen im Schnitt um ein Drittel einer Standardabweichung besser aus als Urteile für Forschung oder Entwicklung. Größer war der Unterschied, wenn praktizierende Führungskräfte im Arbeitsalltag ihre tatsächlichen Mitarbeitenden beurteilten.
Wo Organisationen ihr Beurteilungsverfahren überprüfen wollen, ist das ein Thema für die Beratung für Organisationen. Denn manches, was als Fehler einzelner Führungskräfte gilt, ist im Verfahren angelegt.
Zur Abgrenzung: Wie Sie das Gespräch vorbereiten und führen, in dem eine Beurteilung besprochen wird, steht im Beitrag Mitarbeitergespräch führen. Wie Urteile über Bewerbende entstehen und wie Sympathie schon dort mitentscheiden kann, beschreibe ich im Beitrag zur Personalauswahl im Team. Hier geht es um das Urteil über Menschen, die bereits bei Ihnen arbeiten.
Wie genau sind Leistungsbeurteilungen?
Weniger genau, als ein ausgefülltes Formular vermuten lässt. Steven Scullen, Michael Mount und Maynard Goff werteten in einer im Jahr 2000 veröffentlichten Studie zwei Datensätze mit 2.350 und 2.142 Führungskräften aus, die zu Entwicklungszwecken von je sieben Personen eingeschätzt worden waren. Eigenheiten der bewertenden Person erklärten in den beiden Datensätzen 62 und 53 Prozent der Varianz, also der Unterschiede in den Bewertungen. Die Leistung der bewerteten Person, allgemein und in der einzelnen Dimension zusammen, erklärte 21 und 25 Prozent.
Die Daten stammen aus Entwicklungsfeedback, die Prozentwerte lassen sich nicht auf jedes Beurteilungssystem übertragen. Mehr zu dieser Studie und zu Rückmeldungen aus mehreren Richtungen lesen Sie im Beitrag zum 360-Grad-Feedback.
Eine faire Beurteilung beginnt lange vor dem Formular: bei dem, was ich über das Jahr gesehen und festgehalten habe.
Welche Beurteilungsfehler gibt es?
Dieser Beitrag behandelt vier bekannte Beurteilungsfehler: den Halo-Effekt, den Milde-Effekt, den Ähnlichkeitseffekt und die Tendenz zur Mitte. Sie gehören zu den Urteilsverzerrungen, die ich im Beitrag über kognitive Verzerrungen allgemeiner beschreibe.
| Beurteilungsfehler | Was geschieht | Was die Forschung sagt | Was Sie tun können |
|---|---|---|---|
| Halo-Effekt | Der Gesamteindruck färbt alle Einzelurteile | Echter und scheinbarer Halo sind in den Kennwerten vermischt | Merkmale einzeln an Beobachtungen prüfen |
| Milde-Effekt | Urteile fallen durchweg zu gut aus | Im Schnitt stärker, wenn es um Gehalt oder Beförderung geht | Entwicklung und Entgelt trennen |
| Ähnlichkeit und Sympathie | Wer ähnlich oder sympathisch wirkt, wird besser beurteilt | Sympathie und Urteil hängen eng zusammen, teils womöglich wegen echter Leistungsunterschiede | Urteil an Belegen prüfen, zweite Sicht einholen |
| Tendenz zur Mitte | Fast alle landen im mittleren Bereich | In Feldexperimenten machten strukturierte Notizen oder strukturiertes Erinnern Urteile trennschärfer | Laufende Notizen, Maßstab mit Beispielen |
Halo-Effekt
Beim Halo-Effekt prägt der Gesamteindruck von einer Person die Urteile über ihre einzelnen Merkmale. Wer als engagiert gilt, bekommt dann auch für Sorgfalt und Zusammenarbeit gute Werte. Kevin Murphy, Robert Jako und Rebecca Anhalt verweisen für den Begriff des Halo-Fehlers auf Thorndike (1920).
In einer 1993 veröffentlichten Arbeit haben die drei die Forschung dazu kritisch gesichtet. Lange galt der Halo-Effekt als häufiger Fehler der Beurteilenden, der schadet und beseitigt werden muss. Nach ihrer Analyse sind alle wesentlichen Teile dieser Vorstellung falsch oder zumindest problematisch. Echter und scheinbarer Halo sind in den üblichen Kennwerten vermischt, und die Folgen von Halo-Fehlern sind oft unklar. Die Autoren empfahlen deshalb, Halo-Kennwerte in der angewandten Forschung vorerst nicht mehr als Zielgröße zu verwenden.
Wenn jemand in mehreren Merkmalen gut abschneidet, kann das schlicht stimmen. Zum Fehler wird der Gesamteindruck erst, wenn er die einzelne Beobachtung ersetzt.
Milde-Effekt
Beim Milde-Effekt fallen Urteile durchweg besser aus, als die Leistung es rechtfertigt. Die Meta-Analyse von Jawahar und Williams zeigt, wovon das unter anderem abhängt: vom Zweck. Geht es um Gehalt oder Beförderung, wird im Schnitt milder geurteilt als bei Urteilen für Forschung oder Entwicklung.
Das lässt sich so deuten, dass Milde auch eine Reaktion auf die Folgen des Urteils ist. Wer am nächsten Tag wieder mit der beurteilten Person arbeitet und ihr eine Gehaltsstufe verwehren müsste, hat Gründe für das obere Feld, die im Verfahren liegen.
Ähnlichkeit und Sympathie
Beim Ähnlichkeitseffekt werden Menschen besser beurteilt, die der Führungskraft ähnlich erscheinen oder ihr sympathisch sind. Sandy Wayne und Robert Liden prüften in einer 1995 veröffentlichten Längsschnittstudie ein Modell dazu. Danach wirkt das Bemühen von Mitarbeitenden um einen guten Eindruck über Sympathie und wahrgenommene Ähnlichkeit auf die Beurteilung. Beides wurde sechs Wochen nach Beginn der Zusammenarbeit erfasst, die Leistungsurteile nach sechs Monaten. Die Ergebnisse stützten das Modell insgesamt, und das Bemühen um einen guten Eindruck hatte einen signifikanten indirekten Einfluss auf die spätere Beurteilung.
Wie eng Sympathie und Urteil zusammenhängen, zeigt eine Meta-Analyse von Ashley Sutton und Kollegen aus dem Jahr 2013. Sie fand eine erhebliche Überlappung (ρ = 0,77). Die Autorinnen und Autoren geben jedoch zu bedenken, dass das nicht allein Verzerrung sein muss. Sie verweisen auf Studien, nach denen der Zusammenhang zum Teil echte Leistungsunterschiede abbilden könnte. Gute Arbeit kann also selbst ein Grund für Sympathie sein. Bei Urteilen zu Entwicklungszwecken war der Zusammenhang schwächer, er blieb aber unter allen geprüften Bedingungen stark.
Tendenz zur Mitte
Bei der Tendenz zur Mitte meiden Beurteilende die Ränder der Skala, und fast alle Mitarbeitenden landen im mittleren Bereich. Bei der Recherche für diesen Beitrag fand sich zur Tendenz zur Mitte weniger eigenständige Forschung als zu Halo und Milde.
Einen Hinweis geben Feldexperimente von Angelo DeNisi und Lawrence Peters, die 1996 veröffentlicht wurden. Beurteilende in zwei Organisationen führten strukturierte Notizen über die Leistung ihrer Mitarbeitenden oder riefen ihre Erinnerungen vor dem Urteil strukturiert ab. Danach erinnerten sie sich besser an Leistungsinformationen. Ihre Urteile waren weniger überhöht und unterschieden besser zwischen den Personen und zwischen den Merkmalen einer Person. Die Autoren weisen selbst auf Grenzen ihrer Studien hin, etwa darauf, wie schwer sich die Güte von Urteilen im Feld bestimmen lässt. Naheliegend ist eine Deutung, die sie nicht eigens prüfen: Wer wenig erinnert, weicht in die Mitte aus oder nach oben.
Warum reicht es nicht, die Beurteilungsfehler zu kennen?
Weil Schulungen, die vor allem vor Fehlern warnen, die Urteile nicht ohne Weiteres genauer machen. In einer kleinen Vergleichsstudie gingen die Fehlermuster zurück, die Urteile wurden aber ungenauer.
Jerry Hedge und Michael Kavanagh schulten in einer 1988 veröffentlichten Studie 52 Führungskräfte mit klassischem Fehlertraining, Beobachtungstraining oder Entscheidungstraining und verglichen sie mit einer Kontrollgruppe ohne Training. Gemessen wurden vorher und nachher Halo, Milde, eingeschränkte Streuung und die Genauigkeit der Urteile. Das Fehlertraining verringerte die klassischen Fehlermuster, die Genauigkeit litt aber darunter. Beobachtungs- und Entscheidungstraining machten die Urteile genauer, ohne an den Fehlermustern viel zu ändern.
Die Autoren beschreiben das klassische Fehlertraining als Einüben eines unpassenden Antwortmusters. Wer gelernt hat, dass zu viele gute Urteile verdächtig sind, verteilt seine Kreuze anders. Besser beobachtet hat er dadurch nicht. Dazu passt die Analyse von Murphy und Kollegen, die Halo-Kennwerte als Zielgröße infrage stellt.
Durch eine Meta-Analyse gestützt ist ein anderer Ansatz. Sylvia Roch und Kollegen fassten in einer 2012 veröffentlichten Meta-Analyse die Forschung zum Bezugsrahmentraining zusammen (frame-of-reference training), das Beurteilende zu einem gemeinsamen Verständnis von Leistung führen soll. Die Meta-Analyse bestätigte, dass dieses Training die Genauigkeit von Beurteilungen verbessert, wenn auch nicht bei jeder Art, Genauigkeit zu messen, gleich stark.
In meiner Arbeit mit Führungskräften erlebe ich, dass Beurteilungsrunden selten an bösem Willen scheitern. Es fehlen Notizen aus dem Jahr und ein gemeinsames Verständnis davon, was die einzelnen Stufen bedeuten.
Was macht Beurteilungen fairer?
Fairer werden Beurteilungen auf zwei Wegen: durch genauere Urteile und durch ein Verfahren, das die Beurteilten als gerecht erleben.
Einen Hinweis darauf, wie viel das Verfahren ausmacht, gibt ein 1995 veröffentlichtes Feldexperiment von M. Susan Taylor und Kollegen. Paare aus Führungskraft und Mitarbeitenden wurden per Zufall entweder dem bisherigen Beurteilungssystem zugeteilt oder einem neuen, das an den Grundsätzen eines fairen Verfahrens ausgerichtet war. Die Mitarbeitenden im neuen System erhielten schlechtere Beurteilungen. Trotzdem hielten sie das System für fairer und die Urteile für genauer, bewerteten ihre Führungskräfte besser und wollten eher im Unternehmen bleiben. Die Führungskräfte berichteten, Ergebnisse seltener im eigenen Interesse zu verzerren.
Die folgenden sieben Schritte knüpfen an diese Befunde an. Es sind Empfehlungen für die Praxis, und nicht jeder Schritt ist für sich in Studien geprüft:
- Maßstab vorab klären: Legen Sie zu Beginn des Zeitraums fest, was gute Leistung in dieser Rolle bedeutet, und beschreiben Sie jede Stufe mit einem Beispiel. Besprechen Sie das mit den Mitarbeitenden.
- Laufend notieren: Halten Sie über das Jahr für jede Person fest, was Sie beobachtet haben, mit Datum und Anlass.
- Verhalten statt Eigenschaften beschreiben: Notieren Sie, was jemand getan hat und was daraus folgte. Urteile über den Charakter gehören nicht in eine Beurteilung.
- Jedes Merkmal einzeln prüfen: Gehen Sie Merkmal für Merkmal durch und suchen Sie jeweils eine Beobachtung dazu. Das Gesamturteil kommt zuletzt.
- Zwecke trennen: Führen Sie das Entwicklungsgespräch möglichst getrennt von der Entscheidung über Geld.
- Zweite Sicht einholen: Lassen Sie eine zweite Person unabhängig urteilen und gleichen Sie erst danach ab.
- Anhören und begründen: Geben Sie der beurteilten Person Gelegenheit, ihre Sicht darzustellen, bevor das Urteil feststeht. Begründen Sie jede Stufe mit Beispielen.
Beobachtung statt Etikett
Der dritte Schritt fällt im Alltag am schwersten:
- Statt „Er ist unzuverlässig“ besser: „Drei der fünf Quartalsberichte kamen nach dem vereinbarten Termin.“
- Statt „Sie ist eine Teamplayerin“ besser: „Sie hat zweimal die Vertretung übernommen und die Übergabe schriftlich vorbereitet.“
- Statt „Insgesamt gute Leistung“ besser: „Ziel eins erreicht, Ziel zwei zur Hälfte.“
Dienstliche Beurteilung im öffentlichen Dienst
Im öffentlichen Dienst sind manche dieser Fragen durch Vorschriften geregelt. Ein Beispiel ist die Bundeslaufbahnverordnung, die nach ihrem § 1 für Beamtinnen und Beamte des Bundes gilt. Ihr § 59 sieht einen einheitlichen Beurteilungsmaßstab vor. Beurteilungen werden danach in der Regel von mindestens zwei Personen erstellt. Der Anteil der höchsten Note soll in einer Besoldungsgruppe oder Funktionsebene zehn Prozent nicht überschreiten, der Anteil der zweithöchsten 20 Prozent. Im Interesse der Einzelfallgerechtigkeit ist eine Überschreitung um jeweils bis zu fünf Prozentpunkte möglich. Das Ergebnis eines Beurteilungsdurchgangs soll den Beurteilten als Notenspiegel bekannt gegeben werden.
Solche Richtwerte sollen den Anteil der Spitzennoten begrenzen. Ob das einzelne Urteil dadurch genauer wird, ist eine andere Frage: Die Studie von Hedge und Kavanagh legt nahe, Verteilung und Genauigkeit zu unterscheiden. Mehr zu den Bedingungen in Behörden steht im Beitrag zur Führung im öffentlichen Dienst.
Dieser Abschnitt gibt den Wortlaut einer einzelnen Vorschrift für Beamtinnen und Beamte des Bundes wieder und ist keine Rechtsberatung. Welche Regeln in Ihrer Behörde oder Ihrem Unternehmen gelten und wer zu beteiligen ist, klären Sie mit der Personalstelle, der Personalvertretung oder juristischem Rat.
Typische Missverständnisse bei der Mitarbeiterbeurteilung
Vier Annahmen passen schlecht zu den hier beschriebenen Studien:
- „Wer die Fehler kennt, macht sie nicht mehr.“ In der kleinen Vergleichsstudie verringerte Fehlertraining die klassischen Fehlermuster und verschlechterte die Genauigkeit der Urteile.
- „Eine ausgewogene Verteilung beweist gute Urteile.“ Sie zeigt nur, dass die Kreuze verteilt wurden. Ob die richtigen Personen oben stehen, sagt sie nicht.
- „Sympathie ist immer ein Fehler.“ Sympathie und Urteil hängen eng zusammen. Zum Teil könnte dieser Zusammenhang aber echte Leistungsunterschiede abbilden.
- „Das Formular macht das Urteil objektiv.“ In den Daten von Scullen und Kollegen erklärten die Eigenheiten der Beurteilenden mehr von den Unterschieden in den Urteilen als die Leistung der Beurteilten.
Wenn es allein nicht weitergeht
Ein Beurteilungsverfahren lässt sich schwer von innen verändern, weil alle Beteiligten zugleich Betroffene sind. Als Diplom-Psychologin begleite ich Organisationen mit Beratung und der Moderation von Workshops und Führungskräfte im Coaching, in der Praxis in Köln, vor Ort oder online. Einen Überblick über alle Formate finden Sie unter Leistungen.
Wer zuerst auf die eigene Führung schauen möchte, kann den kostenfreien Klarheits-Check nutzen. Er ist eine Selbsteinschätzung in den vier Feldern Klarheit, Vertrauen, Resilienz und Wirksamkeit und dauert rund vier Minuten. Die Auswertung erhalten Sie als PDF, nachdem Sie sich mit Namen und E-Mail-Adresse angemeldet haben.
Häufige Fragen zur Mitarbeiterbeurteilung
Was ist eine Mitarbeiterbeurteilung?
Eine Mitarbeiterbeurteilung ist die geregelte Einschätzung der Leistung und des Verhaltens von Mitarbeitenden durch ihre Führungskraft. Sie erfolgt meist anhand festgelegter Merkmale und für einen bestimmten Zeitraum. Sie dient der Entwicklung der Person und häufig auch Entscheidungen über Gehalt oder Beförderung.
Welche Beurteilungsfehler gibt es?
Bekannte Beurteilungsfehler sind der Halo-Effekt, der Milde-Effekt, der Ähnlichkeitseffekt und die Tendenz zur Mitte. Beim Halo-Effekt färbt der Gesamteindruck die Einzelurteile, beim Milde-Effekt fallen Urteile durchweg zu gut aus. Beim Ähnlichkeitseffekt profitieren Menschen, die der Führungskraft ähnlich oder sympathisch sind, und bei der Tendenz zur Mitte landen fast alle im mittleren Bereich.
Was ist der Halo-Effekt bei der Mitarbeiterbeurteilung?
Beim Halo-Effekt prägt der Gesamteindruck von einer Person die Urteile über ihre einzelnen Merkmale. Eine kritische Übersichtsarbeit von 1993 weist allerdings darauf hin, dass echter und scheinbarer Halo in den üblichen Kennwerten vermischt sind. Gute Werte in mehreren Merkmalen können auch schlicht zutreffen.
Wie beurteile ich Mitarbeiter fair?
Klären Sie den Maßstab vorab und halten Sie über das Jahr fest, was Sie beobachten. Beschreiben Sie Verhalten statt Eigenschaften und holen Sie eine zweite Sicht ein. Hören Sie die beurteilte Person an, bevor das Urteil feststeht. In einem Feldexperiment erlebten Mitarbeitende ein Beurteilungssystem, das auf ein faires Verfahren ausgerichtet war, als fairer, obwohl ihre Beurteilungen schlechter ausfielen.
Helfen Schulungen gegen Beurteilungsfehler?
Es kommt auf die Art der Schulung an. In einer kleinen Vergleichsstudie mit 52 Führungskräften verringerte klassisches Fehlertraining die typischen Fehlermuster, verschlechterte aber die Genauigkeit der Urteile. Beobachtungs- und Entscheidungstraining verbesserten sie dort. Für das Bezugsrahmentraining, das auf ein gemeinsames Verständnis von Leistung zielt, bestätigt eine Meta-Analyse von 2012 genauere Urteile.
Darf Sympathie in die Beurteilung einfließen?
Sympathie sollte kein Kriterium sein, sie lässt sich aber nicht vollständig heraushalten. Eine Meta-Analyse von 2013 fand einen engen Zusammenhang zwischen Sympathie und Leistungsurteil, der zum Teil echte Leistungsunterschiede abbilden könnte. Hilfreich ist, jedes Urteil mit Beobachtungen zu belegen und eine zweite Person urteilen zu lassen.
Ein Urteil, das man begründen kann
Eine vollkommen objektive Mitarbeiterbeurteilung gibt es nicht. Erreichbar ist ein Urteil, das auf Beobachtungen beruht, an einem bekannten Maßstab gemessen ist und der beurteilten Person erklärt werden kann. Das verlangt mehr Arbeit über das Jahr und weniger am Stichtag.
Vielleicht beginnen Sie in dieser Woche mit einer Notiz zu jeder Person in Ihrem Team: einer Beobachtung, mit Datum. Wenn Sie Ihr Beurteilungsverfahren oder ein einzelnes schwieriges Urteil besprechen möchten, schreiben Sie mir gern. Ich antworte persönlich.
Quellen
10 Einträge
- Murphy, K. R., Jako, R. A. und Anhalt, R. L.: Nature and consequences of halo error: a critical analysis. Journal of Applied Psychology, 1993.
- Scullen, S. E., Mount, M. K. und Goff, M.: Understanding the latent structure of job performance ratings. Journal of Applied Psychology, 2000.
- Jawahar, I. M. und Williams, C. R.: Where all the children are above average: the performance appraisal purpose effect. Personnel Psychology, 1997.
- Wayne, S. J. und Liden, R. C.: Effects of impression management on performance ratings: a longitudinal study. Academy of Management Journal, 1995.
- Sutton, A. W., Baldwin, S. P., Wood, L. und Hoffman, B. J.: A meta-analysis of the relationship between rater liking and performance ratings. Human Performance, 2013.
- DeNisi, A. S. und Peters, L. H.: Organization of information in memory and the performance appraisal process: evidence from the field. Journal of Applied Psychology, 1996.
- Hedge, J. W. und Kavanagh, M. J.: Improving the accuracy of performance evaluations: comparison of three methods of performance appraiser training. Journal of Applied Psychology, 1988.
- Roch, S. G., Woehr, D. J., Mishra, V. und Kieszczynska, U.: Rater training revisited: an updated meta-analytic review of frame-of-reference training. Journal of Occupational and Organizational Psychology, 2012.
- Taylor, M. S., Tracy, K. B., Renard, M. K., Harrison, J. K. und Carroll, S. J.: Due process in performance appraisal: a quasi-experiment in procedural justice. Administrative Science Quarterly, 1995.
- Bundeslaufbahnverordnung (BLV), § 59 Beurteilungsverfahren und Beurteilungsmaßstab
Titelbild: Umar ben auf Unsplash


