Eine Interview-Scorecard erstellen, die faire, vergleichbare Entscheidungen liefert

Eine Scorecard zwingt Interviewer:innen, eine:n Bewerber:in gegen die konkreten Dinge zu bewerten, die die Rolle braucht, statt das ganze Interview zu einem einzigen „ja, ich mochte sie“ zu verdichten. Genau in diesem einen Eindruck leben Bias und Recency, die selbstbewusste Person, die, die dich an dich selbst erinnert, der starke Schluss, der eine schwache Mitte auslöscht. Jedes Kriterium separat zu bewerten macht die Entscheidung lesbar, über Bewerber:innen vergleichbar und belastbar, falls sie je hinterfragt wird. In Deutschland ist es zudem Kernbestandteil eines AGG-konformen, bias-resistenten Prozesses.

Erfind keine generischen Kriterien. Nimm sie direkt aus den Must-haves und dem Erfolgsbild, auf die ihr euch im Intake-Gespräch geeinigt habt, das ist der ganze Sinn davon. Eine Scorecard mit vier bis sechs Kriterien, die wirklich zur Rolle passen (eine konkrete Fähigkeit, eine relevante Art Erfahrung, eine vom Team gebrauchte Arbeitsweise), schlägt eine lange Liste vager Eigenschaften wie „Kommunikation“, die jede:r anders bewertet. Jedes Kriterium sollte etwas sein, wofür du im Gespräch echte Belege sammeln kannst, kein Persönlichkeits-Rätsel.

Eine 1-bis-4-Skala funktioniert gut (eine gerade Zahl erzwingt leise eine Tendenz statt einer sicheren Mitte). Aber Zahlen allein driften, deine 3 ist nicht meine 3. Füg jedem Level einen kurzen Verhaltensanker hinzu: Wie sieht eine 2 gegenüber einer 4 bei diesem Kriterium aus? Anker machen aus einer subjektiven Zahl einen geteilten Maßstab und Bewertungen über verschiedene Interviewer:innen vergleichbar. Halt neben jeder Bewertung einen Satz Beleg fest („Bewertung 4: schilderte eine fast identische Migration, die sie geführt hat“), damit die Bewertung fundiert ist, nicht nur behauptet.

Die Reihenfolge zählt. Jede:r Interviewer:in füllt die Scorecard aus, BEVOR die Gruppe diskutiert, denn in dem Moment, in dem eine erfahrene Stimme laut „ich fand sie super“ sagt, konvergieren alle Bewertungen leise darauf, das ist Groupthink, der den Wert mehrerer Perspektiven auslöscht. Erst-unabhängig, dann-diskutieren bringt echte Uneinigkeit hervor, oft das nützlichste Signal, das du hast. In KI BMS lebt die Scorecard auf der Bewerbung und speist das Fit-Bild der/des Kandidat:in, die strukturierte Bewertung, die du entworfen hast, ist also das, was die Entscheidung wirklich treibt und im Datensatz bleibt, statt eines Flur-Konsenses, den später niemand rekonstruieren kann.