Da Arbeitgeber bei der Auswahl von Frontline-Talenten zunehmend auf Pre-Hire-Assessments setzen, warnt eine neue Studie von HiringBranch vor einer gängigen Praxis: Soft Skills wie Empathie, aktives Zuhören und Beruhigung als isolierte Werte auszuweisen. Die Forschung, die in der neuesten Folge des Podcasts "You Should Know" diskutiert wird, legt nahe, dass dieser Ansatz nur eine mäßige Korrelation mit menschlichem Urteilsvermögen aufweist, während ein kombiniertes proprietäres Modell viel stärkere Vorhersagen für die Leistung am Arbeitsplatz liefert.
Die Folge mit dem Titel "Assessing Skills One at a Time Is Costing You Better Hires" wurde am 26. August 2026 veröffentlicht und von William Tincup moderiert. Sie stellt Assaf Bar-Moshe, Chief of Research and Development Officer bei HiringBranch, einem in Montreal ansässigen Bewertungsunternehmen, vor. Das Gespräch findet statt, während Unternehmen darüber nachdenken, wie sie Kundendienstmitarbeiter, Vertriebsmitarbeiter und Einzelhandelsassistenten im Hinblick auf die Realitäten von Live-Kundeninteraktionen messen.
Bar-Moshe erklärte, dass das Bewertungsdesign von HiringBranch offene Sprach- und Schreibaufforderungen verwendet, um Kandidaten zu bewerten. Das Unternehmen misst vier Säulen des Kundendienstes: Anerkennung, Beruhigung durch positive Sprache, Empathie und aktives Zuhören. Diese werden durch Gesprächsabläufe und szenariobasierte Aufgaben bewertet, die pro Kunde, Region und Rolle kalibriert sind.
Die Forschung ergab, dass die Korrelation mit menschlichen Annotatoren nur mäßig ist, wenn diese Fähigkeiten separat bewertet werden. Wenn sie jedoch zu einem einzigen Modell kombiniert werden, wird die Korrelation deutlich stärker. Bar-Moshe veranschaulichte den Punkt mit einem Einzelhandelsbeispiel: "Wenn ein Kandidat Empathie ausdrücken kann, aber nicht in der Lage ist, das Problem richtig zu lösen oder richtig zu verstehen oder den Kunden zu beruhigen, dann ist diese Empathie nett, aber tatsächlich nutzlos."
Dieser sprachliche Ansatz, anstatt auf Persönlichkeitstests zu basieren, ist zentral für die Methodik von HiringBranch. Bar-Moshe, ein ausgebildeter Linguist, beschrieb die Methode als eine "soziopragmatische Analyse der Wörter, die der Kandidat tatsächlich sagt". Das Team aus IO-Psychologen und Linguisten des Unternehmens nutzt jahrelange Textdaten, um maschinelle Lernmodelle zu erstellen, die Empathie, Anerkennung und verwandte Fähigkeiten vorhersagen. Diese Vorhersagen werden dann Monate nach der Einstellung mit der Leistung am Arbeitsplatz validiert.
Die Kalibrierung ist entscheidend, da die Bewertungsgewichte je nach Kunde, Branche und sogar Geografie variieren. Zum Beispiel können regionale Unterschiede in Märkten wie Vancouver, Toronto und Montreal die Bewertung für dieselbe Rolle beeinflussen. Bar-Moshe kündigte auch eine Self-Service-Funktion in Entwicklung an, die es Personalverantwortlichen ermöglichen würde, Assessments aus einer Bibliothek von Gesprächsabläufen und Fähigkeiten zu erstellen, wodurch die Abhängigkeit von schwachen oder generischen Stellenbeschreibungen verringert wird.
Die vollständige Studie wird unter dem Reiter "AI research" auf der HiringBranch-Website verfügbar sein. Die Auswirkungen für Arbeitgeber sind erheblich: Durch die Abkehr von isolierter Soft-Skills-Bewertung könnten Unternehmen ihre Fähigkeit verbessern, Kandidaten auszuwählen, die Kundeninteraktionen effektiv bewältigen können, was letztendlich die Fluktuation reduziert und die Servicequalität verbessert. Diese Forschung stellt lang gehegte Annahmen in der Pre-Hire-Bewertung in Frage und könnte die Art und Weise, wie Frontline-Einstellungen in verschiedenen Branchen durchgeführt werden, neu gestalten.
Für weitere Einblicke ist die Folge auf der You Should Know Podcast-Seite verfügbar.
