Wie seriös sind Persönlichkeitstests? Kritik, Grenzen und was wirklich belegt ist
Zwischen „wissenschaftlich bewiesen“ und „Horoskop mit Zahlen“ liegt die Wahrheit – und sie hängt fast vollständig vom eingesetzten Verfahren ab. Diese Einordnung trennt berechtigte Kritik von Pauschalvorwürfen, benennt die tatsächlichen Schwächen und zeigt, woran Sie Qualität erkennen.
Die Frage ist falsch gestellt
„Sind Persönlichkeitstests seriös?“ ist etwa so präzise wie die Frage, ob Medikamente wirken. Es kommt darauf an, welches. Zwischen einem an 240 Items normierten Inventar mit Kontrollskalen und einem Vier-Farben-Quiz aus einem Teamworkshop liegen mehrere Größenordnungen an Messqualität – beide werden im Alltag „Persönlichkeitstest“ genannt.
Wer die Debatte verfolgt, trifft auf zwei Lager, die aneinander vorbeireden. Die eine Seite verweist auf Tausende Studien, kulturübergreifende Replikation und Metaanalysen zur Berufsleistung. Die andere Seite verweist auf Typwechsel nach wenigen Wochen, auf Barnum-Effekte und auf ein Milliardengeschäft mit Zertifizierungen. Beide Seiten haben recht – nur sprechen sie über unterschiedliche Verfahren.
Abb. 1: Das Qualitätsspektrum hinter einem gemeinsamen Sammelbegriff.
Das Wichtigste in Kürze
- Berechtigt: Selbstberichte sind verzerrbar, Effektstärken werden in der Vermarktung regelmäßig übertrieben, Typologien haben eine unzureichende Retest-Stabilität.
- Unberechtigt: Der pauschale Barnum-Vorwurf. Dimensionale Verfahren erzeugen Prozentränge gegen eine Normstichprobe – keine allgemeingültigen Beschreibungen.
- Die reale Größenordnung: Gewissenhaftigkeit korreliert mit Berufsleistung um r ≈ 0,31. Das ist substanziell und zugleich weit entfernt von Vorhersagbarkeit.
- Das größte Problem ist nicht die Testqualität, sondern der Umgang damit: Laieninterpretation, fehlende Anforderungsanalyse, Ergebnis ohne Gespräch.
- Qualitätsmerkmale: aktuelle deutschsprachige Normstichprobe, publizierte Gütekriterien, Kontrollskalen, Auswertung durch qualifizierte Personen, verpflichtende Rückmeldung.
Fünf Einwände, die stimmen
Diese Punkte sollte jeder Anbieter offen benennen. Wer sie verschweigt, verkauft – er berät nicht.
1. Typologien sind nicht stabil genug für Entscheidungen
Der bekannteste Kritikpunkt trifft ins Schwarze. Beim MBTI wechselt ein erheblicher Anteil der Getesteten binnen weniger Wochen den Typ – in Untersuchungen werden regelmäßig Größenordnungen von 40 bis 50 Prozent berichtet. Der Grund ist strukturell: Typologien schneiden ein kontinuierliches Merkmal an einer Trennlinie durch. Wer knapp neben der Grenze liegt, kippt bei minimalen Schwankungen auf die andere Seite – und bekommt einen anderen Vier-Buchstaben-Code.
Für Selbstreflexion ist das verkraftbar. Für eine Personalentscheidung ist es disqualifizierend, weil dieselbe Person an zwei Tagen zwei verschiedene Empfehlungen erzeugt. Denselben Einwand trifft das DISG-Modell und in noch stärkerem Maße das Enneagramm.
2. Selbstberichte sind systematisch verzerrbar
Jeder Fragebogen misst nicht Ihre Persönlichkeit, sondern Ihre Selbstbeschreibung. Zwischen beidem liegt die Selbstwahrnehmung – und die ist weder vollständig noch neutral. Unter Bewerbungsbedingungen verschieben sich Antworten nachweislich in Richtung sozialer Erwünschtheit. Blinde Flecken werden dabei nicht korrigiert, sondern reproduziert.
Gute Verfahren begegnen dem mit Kontroll- und Konsistenzskalen, mit Fremdeinschätzungen und mit einem strukturierten Interview. Wegdiskutieren lässt sich das Problem nicht – nur eingrenzen.
3. Die Vermarktung übertreibt die Aussagekraft
„Finden Sie heraus, wer Sie wirklich sind“ ist eine Werbeaussage, keine wissenschaftliche. Ein Persönlichkeitsinventar liefert eine Positionsbestimmung auf wenigen Dimensionen relativ zu einer Vergleichsgruppe. Es liefert keine Identität, keine Berufsbestimmung und keine Lebensentscheidung. Wo Anbieter mehr versprechen, erzeugen sie genau die Enttäuschung, die später als Kritik am gesamten Feld zurückkommt.
4. Situationen erklären mehr, als Modelle zugeben
Die Person-Situation-Debatte der Persönlichkeitspsychologie ist nie vollständig entschieden worden. Verhalten variiert stark über Kontexte: Dieselbe Person ist im Team zurückhaltend und im Fachvortrag präsent. Persönlichkeitsmerkmale beschreiben Tendenzen über viele Situationen hinweg – nicht das Verhalten in einer bestimmten. Wer aus einem Profil auf konkretes Verhalten in einer konkreten Lage schließt, überdehnt das Instrument. Die theoretischen Hintergründe dieser Debatte behandelt der Beitrag zu den Persönlichkeitstheorien.
5. Normstichproben altern und passen nicht immer
Ein Prozentrang ist immer ein Vergleich mit einer bestimmten Gruppe. Stammt die Eichstichprobe aus einem anderen Jahrzehnt, einem anderen Land oder einer anderen Berufsgruppe, verschiebt sich das Ergebnis systematisch. Besonders relevant wird das bei jungen Menschen, für die Erwachsenennormen zu falschen Einordnungen führen, und bei international zusammengesetzten Bewerbergruppen. Wie Normierung methodisch funktioniert, erklärt der Beitrag zur Testentwicklung.
Vier Einwände, die so nicht stimmen
Diese Argumente tauchen in fast jeder Kritik auf. Sie treffen bestimmte Verfahren – und werden dann unzulässig auf alle übertragen.
Abb. 2: Der Barnum-Vorwurf trifft Typenbeschreibungen, nicht dimensionale Messwerte.
„Das ist doch alles nur der Barnum-Effekt“
Der Barnum-Effekt beschreibt die Neigung, sehr allgemeine Beschreibungen als persönlich zutreffend zu erleben. Er trifft Typenbeschreibungen mit Fließtextcharakter – und der Vorwurf ist dort berechtigt. Er trifft nicht ein Prozentrangprofil. Ein Wert von 82 auf der Gewissenhaftigkeitsskala ist eine relative Aussage: 82 Prozent der Vergleichsgruppe liegen darunter. Solche Aussagen können falsch sein, und genau das macht sie zu Messwerten und nicht zu Horoskopen.
„Menschen sind zu komplex für fünf Zahlen“
Richtig ist: Fünf Faktoren bilden einen Menschen nicht vollständig ab. Falsch ist der Schluss, dass sie deshalb nichts abbilden. Das Big-Five-Modell erhebt gar nicht den Anspruch der Vollständigkeit – es beschreibt die Dimensionen, auf denen sich Menschen am stärksten und stabilsten unterscheiden. Auf Facettenebene stehen zudem 30 statt 5 Werte zur Verfügung. Wer mehr Differenzierung braucht, nimmt das NEO-PI-R statt eines Kurzinventars – und ergänzt die Motivebene über das Reiss Motivation Profile.
„Man kann jedes Ergebnis faken“
Selbstberichte lassen sich beeinflussen – das steht oben zu Recht in der Liste der berechtigten Einwände. Der Schluss auf Wertlosigkeit trägt trotzdem nicht. Erstens verschiebt sich unter Bewerbungsbedingungen die Antwortlage bei nahezu allen Getesteten ähnlich, sodass die Rangfolge zwischen Personen weitgehend erhalten bleibt. Zweitens erkennen Kontrollskalen systematische Schönung. Drittens wird das Profil im strukturierten Interview gegen die tatsächliche Berufsbiografie geprüft. Was daraus für Bewerbende folgt, beschreibt der Leitfaden Persönlichkeitstest in der Bewerbung.
„Persönlichkeit ändert sich doch ständig“
Persönlichkeit verändert sich – aber langsam und in Mustern. Über Jahrzehnte steigen Gewissenhaftigkeit und Verträglichkeit im Mittel an, Neurotizismus sinkt leicht. Über Monate hinweg sind die Werte dagegen stabil: Professionelle Big-Five-Verfahren erreichen Test-Retest-Reliabilitäten von etwa r = 0,75 bis 0,90. Für eine Karriereentscheidung, die in den nächsten Jahren wirkt, ist das die relevante Zeitskala. Wer nach zehn Jahren erneut testet, sollte dagegen mit Verschiebungen rechnen – und genau deshalb empfiehlt sich eine Wiederholung bei größeren Lebensumbrüchen.
Was die Zahlen wirklich bedeuten
Der ehrlichste Teil dieser Diskussion ist der unbequemste: Die Zusammenhänge zwischen Persönlichkeit und Berufserfolg sind real, aber deutlich kleiner, als Anbieterbroschüren nahelegen.
Abb. 3: Messstabilität als härtester Trennungsmaßstab zwischen den Verfahren.
Der meistzitierte Zusammenhang lautet: Gewissenhaftigkeit sagt Berufsleistung über nahezu alle Berufsgruppen hinweg vorher, mit einer Korrelation um r = 0,31. Diese Zahl wird gern als Beweis präsentiert. Sie verdient eine ehrliche Übersetzung: Ein Zusammenhang dieser Größe erklärt etwa ein Zehntel der Unterschiede in der Berufsleistung. Neun Zehntel liegen woanders – bei Fachkompetenz, Erfahrung, kognitiven Fähigkeiten, Führung, Team, Rahmenbedingungen und Zufall.
Ist das viel oder wenig? Beides. Für eine Einzelfallprognose ist es zu wenig: Aus einem Gewissenhaftigkeitswert lässt sich nicht ableiten, ob diese eine Person in dieser einen Rolle erfolgreich sein wird. Für die Verbesserung von Auswahlentscheidungen über viele Fälle hinweg ist es substanziell – und deutlich mehr, als unstrukturierte Interviews leisten, die bei r = 0,14 liegen. Genau deshalb ergibt es Sinn, Persönlichkeitsverfahren als eine Informationsquelle unter mehreren zu nutzen, nie als alleiniges Kriterium.
Ein zweiter Punkt gehört zur Ehrlichkeit dazu: Kognitive Leistungstests sagen Berufserfolg im Mittel besser vorher als Persönlichkeitsverfahren. Wer maximale Prognosegüte will, kombiniert beides mit einem strukturierten Interview. Welche Verfahren sich dafür jeweils eignen, ordnet der Verfahrensvergleich ein.
Sechs Prüfpunkte für jedes Verfahren
Sie brauchen keine psychometrische Ausbildung, um ein unseriöses Verfahren zu erkennen. Sechs Fragen genügen.
Abb. 4: Prüfraster zur Beurteilung eines Persönlichkeitsverfahrens.
Der sechste Punkt ist der aussagekräftigste und zugleich der am leichtesten zu prüfende. Ein Anbieter, der die Grenzen seines Instruments von sich aus benennt, hat sich damit auseinandergesetzt. Ein Anbieter, dessen Verfahren angeblich für alles taugt – Auswahl, Entwicklung, Teambildung, Partnerwahl – hat ein Produkt, kein Instrument. Die formalen Anforderungen dahinter sind in den Gütekriterien nach DIN 33430 ausführlich beschrieben.
Das eigentliche Problem liegt nicht im Test
Nach 25 Jahren kann ich sagen: Die schlechten Erfahrungen, von denen mir Klienten berichten, entstehen fast nie durch ein schlechtes Verfahren. Sie entstehen durch einen schlechten Umgang damit. Eine Führungskraft, die ein Rohprofil interpretiert. Ein Ergebnis ohne Gespräch. Ein Test, der eingesetzt wurde, ohne dass jemand vorher definiert hätte, welche Merkmale die Stelle überhaupt verlangt.
Deshalb ist meine ehrlichste Empfehlung an Unternehmen unbequem: Wenn Sie keine Anforderungsanalyse machen und keine qualifizierte Auswertung sicherstellen wollen, lassen Sie das Testen. Ein gutes Verfahren, falsch verwendet, richtet mehr Schaden an als gar keines – weil es Fehlentscheidungen den Anschein von Objektivität verleiht.
Jan BohlkenDiplom-Sozioökonom · Gründer Profiling Institut · DIN-33430-Diagnostiker · 25 Jahre Headhunting in Automotive, Chemie und Maschinenbau
Wofür Persönlichkeitstests taugen – und wofür nicht
- Gut geeignet: Strukturierung von Selbstreflexion, Vorbereitung von Entwicklungsgesprächen, Ergänzung strukturierter Auswahlverfahren, Sprache für Unterschiede in Teams.
- Bedingt geeignet: Prognose von Führungserfolg – substanziell, aber nie allein tragfähig. Passungsbeurteilung bei Neuorientierung, sofern Motive und Interessen ergänzt werden.
- Nicht geeignet: Klinische Diagnostik, Vorhersage von Einzelverhalten in konkreten Situationen, alleinige Grundlage einer Einstellungs- oder Kündigungsentscheidung, Beurteilung von Kindern.
Wer die Grenzen kennt, kann den Nutzen realisieren. In der Potenzialanalyse kombinieren wir deshalb mehrere Verfahren mit einem biografischen Tiefeninterview – nicht weil ein Instrument allein zu schwach wäre, sondern weil jede Methode andere blinde Flecken hat.
Häufige Fragen zur Seriosität
Diagnostik, die ihre eigenen Grenzen kennt
Wir setzen ausschließlich normierte, validierte Verfahren ein, werten sie selbst aus und besprechen jedes Ergebnis persönlich – inklusive dem, was es nicht aussagt. Das Erstgespräch ist kostenlos und unverbindlich.
Vertiefung im Persönlichkeitstest-Cluster
Persönlichkeitstest – die Übersicht
Kostenloser Big-Five-Test, alle Verfahren, Theorien und Anwendungsfelder auf einer Seite.
Zum Themenhub → WissenschaftGütekriterien nach DIN 33430
Objektivität, Reliabilität, Validität und Normierung – die Prüfsteine seriöser Diagnostik.
Zu den Gütekriterien → MethodikWissenschaftliche Testentwicklung
Von der Item-Generierung über die Faktorenanalyse bis zur Normierung an Eichstichproben.
Zur Testentwicklung → VergleichDISG vs. MBTI
Zwei Typologien im Direktvergleich – mit ehrlicher Einordnung, wofür beide taugen.
Zum Vergleich → BewerbendeTest im Bewerbungsprozess
Was Sie erwartet, wie Sie sich vorbereiten und warum strategisches Antworten scheitert.
Zum Leitfaden → RechtslageDarf der Arbeitgeber das verlangen?
Zulässigkeit, verbotene Fragen, Mitbestimmung und Ihre Rechte als getestete Person.
Zur Rechtslage → ÜbersichtTestverfahren im Vergleich
Elf Verfahren nach Theorie, Messfokus, Zielgruppe und wissenschaftlicher Fundierung.
Zum Vergleich → TheoriePersönlichkeitstheorien
Eigenschafts-, psychodynamische und biologische Modelle – das Fundament jeder Messung.
Zu den Theorien → VerfahrenNEO-PI-R
240 Items, 30 Facetten, aktuelle deutschsprachige Normen – der psychometrische Goldstandard.
Zum NEO-PI-R →Quellen
- Barnum-Effekt: Forer, B. R. (1949). The fallacy of personal validation. Journal of Abnormal and Social Psychology, 44(1), 118–123.
- Schmidt, F. L., & Hunter, J. E. (2016). The Validity and Utility of Selection Methods in Personnel Psychology. Working Paper.
- Barrick, M. R., & Mount, M. K. (1991). The Big Five personality dimensions and job performance. Personnel Psychology, 44(1), 1–26.
- Roberts, B. W., et al. (2006). Patterns of mean-level change in personality traits across the life course. Psychological Bulletin, 132(1), 1–25.
- Soto, C. J., & John, O. P. (2017). The next Big Five Inventory (BFI-2). Journal of Personality and Social Psychology, 113(1), 117–143.
- DIN Deutsches Institut für Normung (Hrsg.). DIN 33430: Anforderungen an Verfahren und deren Einsatz bei berufsbezogenen Eignungsbeurteilungen.