KI und Big Five: Die Zukunft der Persönlichkeitsdiagnostik

Welche Verfahren der passiven Persönlichkeitserfassung es heute gibt

Die passive Erfassung nutzt mehrere Kanäle, jeder mit einer eigenen Datenspur. Eine gute allgemeine Einführung in die Rechenverfahren dahinter bietet Wikipedia: Verarbeitung natürlicher Sprache.

Text- und Sprachanalyse. Am weitesten entwickelt ist die Linie, die mit der Verarbeitung natürlicher Sprache Big-Five-Merkmale aus geschriebenem Text erschließt. Forscher haben gezeigt, dass lexikalische Merkmale zuverlässig mit Persönlichkeitsmerkmalen zusammenhängen: die Wortwahl, der Satzbau, wie stark jemand abschwächt, wie oft er Pronomen der ersten Person verwendet, wie emotional sein Wortschatz ist. Eine Meta-Analyse von Park et al. aus dem Jahr 2015 ergab, dass sprachbasierte Vorhersagen der Big-Five-Merkmale im Mittel Korrelationen von etwa .30 bis .40 mit den Selbstberichtswerten erreichten, bei Extraversion und Offenheit am höchsten, bei den übrigen Merkmalen etwas niedriger. Diese Zusammenhänge sind bescheiden, aber stabil.

Der inzwischen eingestellte IBM Personality Insights Service war eine kommerzielle Umsetzung dieses Ansatzes. Er nutzte das LIWC-Framework (Linguistic Inquiry and Word Count) und Deep Learning, um aus geschriebenem Text Big-Five-Profile abzuleiten. Wer einen Textblock einreichte, bekam ein Persönlichkeitsprofil zurück. Technisch entsprach die Leistung ungefähr den akademischen Benchmarks, doch der Dienst warf sofort die Frage auf, ob die Nutzer überhaupt verstanden, was da aus ihren Worten gelesen wurde.

Stimme und akustische Merkmale. Die Stimme trägt Persönlichkeitsinformationen weit über die Wortwahl hinaus. Studien zeigen, dass Merkmale wie Sprechtempo, Schwankungen der Tonhöhe, Pausenmuster und Flüssigkeit mit Big-Five-Dimensionen zusammenhängen, besonders mit Extraversion und Neurotizismus (bei Cèrcol Präsenz und Tiefe). Wer hoch auf Präsenz punktet, spricht tendenziell schneller, macht weniger Pausen und variiert die Lautstärke stärker. Wer hoch auf Tiefe punktet, hebt schon bei leichtem Stress die Tonhöhe an und verhaspelt sich häufiger.

Mairesse et al. (2007) verglichen, wie gut akustische und textbasierte Modelle Persönlichkeit erkennen, und fanden, dass beide voneinander unabhängige Information enthalten. Kombinierte Modelle übertrafen jede einzelne Modalität. Multimodale Systeme könnten künftig also deutlich genauer werden als die heutigen Ansätze mit nur einem Kanal.

Tippdynamik. Auch wie Sie tippen, trägt Information über Ihre Persönlichkeit. Die Forschung zur Tippdynamik untersucht die Abstände zwischen Tastenanschlägen, Fehlerquoten, den Rhythmus und das Korrekturverhalten. Epp et al. (2011) fanden, dass sich Big-Five-Dimensionen aus Tippmerkmalen mit bescheidener, aber überzufälliger Genauigkeit vorhersagen lassen, am deutlichsten bei Extraversion und Neurotizismus. Die Idee dahinter: Eingeschliffene Tippmuster spiegeln zugrunde liegende Merkmale bis in die Motorik hinein, denn wer impulsiv tippt, zeigt ein anderes zeitliches Profil als wer methodisch vorgeht.

Smartphones und mobile Erfassung. Smartphones erzeugen einen ununterbrochenen Strom an Verhaltensdaten: Bewegungsprofile, Häufigkeit von Anrufen und Nachrichten, App-Nutzung, Bildschirmzeit, Aktivitätsmuster. Chittaranjan et al. (2013) fanden, dass sich Big-Five-Merkmale aus Nutzungsprotokollen mit Korrelationen von .22 bis .38 vorhersagen lassen. Gewissenhaftigkeit ließ sich am besten aus geregelten Nutzungsmustern ablesen, Neurotizismus aus der Anrufhäufigkeit und der abendlichen Telefonaktivität. Diese Werte laufen den validierten Selbstberichtsinstrumenten parallel, reichen aber noch nicht an deren Genauigkeit heran. Wie die Länge eines Selbstberichts die Messqualität beeinflusst, erklärt warum 120 Items besser sind als 10: die Länge von Persönlichkeitstests.

Was passive Erfassung über einzelne Menschen vorhersagen kann, und was nicht

Beim Thema Genauigkeit lohnt der genaue Blick. Die in akademischen Studien berichteten Korrelationen von meist .20 bis .40 sind real und replizierbar, jedenfalls für Extraversion und Offenheit, die sich klarer im Verhalten zeigen. Bei Gewissenhaftigkeit, Verträglichkeit und Neurotizismus fällt die Genauigkeit niedriger aus und schwankt stärker von Studie zu Studie.

Wichtiger noch: Diese Werte liegen deutlich unter dem, was ausdrückliche Fragebogenverfahren erreichen. Deren interne Reliabilitäten für die Big Five liegen typischerweise bei .80 bis .90, die Test-Retest-Korrelationen über kürzere Zeiträume bei .75 bis .85. Passive Erfassung liefert in der Forschung bei großen Stichproben brauchbare Aussagen über Gruppen. Für einzelne Menschen, und genau darauf kommt es an, wenn man eine bestimmte Person beurteilt, bleibt die Unsicherheit groß.

Der Unterschied zwischen Gruppen- und Einzelvorhersage ist entscheidend, und in populären wie kommerziellen Darstellungen dieser Technik fällt er meist unter den Tisch. Ein Modell, das über eine Stichprobe von 10.000 Personen ein r = 0,35 zwischen Sprachmerkmalen und Extraversion erreicht, erlaubt es nicht, eine einzelne Person zuverlässig als introvertiert oder extravertiert einzuordnen. Die Fehler streuen breit. Im Mittel liegt das Modell richtig, bei vielen konkreten Menschen aber falsch. Was „Genauigkeit“ hier heißt, hängt direkt an den Begriffen Reliabilität und Validität in Persönlichkeitstests.

Das Problem des unsichtbaren Rückschlusses: Datenschutz und Einwilligung

„Das größte Risiko der passiven Persönlichkeitserfassung liegt nicht darin, dass sie gut funktioniert. Es liegt darin, dass sie gut genug funktioniert, um in großem Maßstab eingesetzt zu werden, bevor es die ethischen Regeln gibt, die sie steuern.“

Wenn Sie einen Persönlichkeitsfragebogen ausfüllen, wissen Sie, dass Sie bewertet werden. Sie entscheiden, was Sie preisgeben. Sie können auch nicht teilnehmen. Leitet ein System Ihre Persönlichkeit aus Ihren Tippmustern, Ihrer Stimme oder Ihren Social-Media-Beiträgen ab, haben Sie keine dieser Möglichkeiten, es sei denn, man hat Sie ausdrücklich informiert.

Dieses Ungleichgewicht schafft ein ernstes Problem für die informierte Einwilligung. Passive Erfassung verlangt anspruchsvollere Einwilligung als ein Selbstberichtsfragebogen, nicht geringere: Der Rückschluss ist weniger durchschaubar, die betroffene Person kann schlechter nachvollziehen, was da abgeleitet wird, und die Daten lassen sich in größerem Umfang weiterverwenden. Ein Datensatz aus Social-Media-Beiträgen, der „zu Forschungszwecken“ gesammelt wurde, lässt sich später erneut auswerten, um Persönlichkeitsdimensionen zu erschließen, von denen bei der Erhebung nie die Rede war.

Die Regulierung, darunter die DSGVO in Europa, holt langsam auf. Wer aus Verhaltensdaten auf Persönlichkeit schließt, verarbeitet unter Umständen personenbezogene Daten über Persönlichkeitsmerkmale, was besondere Schutzpflichten auslöst. Regeln hinken der Technik aber meist hinterher, und wie sich Einwilligungspflichten praktisch durchsetzen lassen, wenn Systeme schlussfolgern statt zu fragen, ist weitgehend ungeklärt. Die rechtlichen und ethischen Grundlagen herkömmlicher Persönlichkeitsdiagnostik im Arbeitsverhältnis untersucht Persönlichkeitstests bei der Einstellung: Was ist legal und was ist ethisch.

Verzerrte Trainingsdaten: Warum passive Erfassung bei Minderheiten versagt

Modelle für die passive Erfassung werden auf Datensätzen trainiert und bilden damit genau die Gruppen ab, aus denen diese Daten stammen. Sind diese Gruppen nicht repräsentativ, weil die Trainingsdaten bestimmte Bevölkerungsgruppen, Sprachen oder kulturelle Kontexte übergewichten, liefern die Modelle für unterrepräsentierte Gruppen verzerrte Vorhersagen.

Die Befunde dazu machen Sorgen. Textmodelle, die überwiegend auf englischsprachigen Social-Media-Daten trainiert wurden, schneiden bei Texten deutlich schlechter ab, wenn Englisch nicht die Erstsprache ist oder wenn jemand die Plattform kulturell anders nutzt. Akustische Modelle, die an westlichem Englisch trainiert wurden, lassen sich nicht zuverlässig auf andere Sprachgruppen und Akzente übertragen. Das Fairness-Problem der passiven Erfassung ist kein Risiko für die Zukunft, sondern in jedem System Gegenwart, das über demografische Untergruppen hinweg eingesetzt wird.

Für die Personalauswahl und die HR-Arbeit wiegt das besonders schwer. Ein System, das die Gewissenhaftigkeit von Menschen ohne muttersprachliches Deutsch oder Englisch unterschätzt, weil deren Wortwahl nicht zur Trainingsverteilung passt, ist nicht nur ungenau. Es wirkt diskriminierend, auch wenn niemand das beabsichtigt hat. Auch deshalb zählt die Replikationskrise der Persönlichkeitswissenschaft: Wer an passiver Erfassung forscht, kämpft mit denselben Problemen der externen Validität, die die Psychologie insgesamt belasten.

Warum Cèrcol sich für ausdrückliche Einwilligung entschieden hat

Cèrcol arbeitet mit Selbstberichtsfragebögen und mit Peer-Bewertungen von Zeugen, nicht mit passiver Erfassung. Jede teilnehmende Person weiß, was bewertet wird, warum das geschieht und wer die Ergebnisse sieht. Das ist keine technische Grenze, sondern eine bewusste Entscheidung. Sie folgt der Evidenzlage zur Genauigkeit passiver Erfassung und dem, was eine informierte Einwilligung wirklich verlangt. Die ganze Begründung in Anonymität in der Persönlichkeitsdiagnostik gilt hier genauso: Wenn Teilnehmende steuern, was erhoben wird und wer es sieht, sind die Daten ethischer und zugleich genauer.

Die Forschung zur passiven Erfassung ist wissenschaftlich spannend und wird sich weiterentwickeln. Doch zwischen dem, was heutige Systeme bei einzelnen Menschen leisten, und dem, was ein genauer, fairer und sauber eingewilligter Rückschluss aus passiven Daten verlangen würde, klafft eine erhebliche Lücke. Wer solche Werkzeuge prüft, sollte Genauigkeitsversprechen auf Einzelfallebene hinterfragen, Leistungsdaten für demografische Untergruppen anfordern und darauf bestehen, dass offengelegt wird, was abgeleitet wird und wie.

Wie Cèrcol in die Zukunft der Persönlichkeitsdiagnostik passt

Je mehr KI-gestützte Werkzeuge für solche Rückschlüsse auf den Markt kommen, desto wertvoller werden Bewertungen, die transparent sind und auf Einwilligung beruhen. Cèrcol nutzt den IPIP-Item-Pool, gemeinfrei, von Fachkollegen geprüft und breit validiert, kombiniert mit anonymen Peer-Bewertungen über das Zeugen-Instrument. Das bringt Ihnen die Genauigkeit eines validierten Verfahrens mit mehreren Beurteilenden, ohne die Abstriche beim Datenschutz, die passive Rückschlüsse mit sich bringen. Die Wissenschaft hinter Cèrcol liegt vollständig offen und ist nicht proprietär. Wenn Sie Werkzeuge zur Persönlichkeitsdiagnostik für Ihr Team prüfen und wissen wollen, was die Technik verantwortungsvoll leisten kann und was nicht, ist die kostenlose Bewertung auf cercol.team ein guter Ausgangspunkt: als Vergleichsmaßstab und als konkretes Beispiel dafür, wie evidenzbasierte Diagnostik aussieht, die die Einwilligung ernst nimmt.

Weiterführende Lektüre: Persönlichkeitstests bei der Einstellung: Was ist legal, was ist ethisch · Was Persönlichkeitswissenschaft nicht vorhersagen kann

Weiterführende Lektüre

• Persönlichkeitstests: Open Source vs. kommerziell
• Warum 120 Items besser sind als 10: Die Länge von Persönlichkeitstests
• Anonymität in der Persönlichkeitsdiagnostik: Warum es wichtig ist
• Forced-Choice-Bewertung: Was es ist und warum es wichtig ist
• Persönlichkeitswissenschaft: Evidenzbasiertes HR und warum es wichtig ist
• Was Persönlichkeitswissenschaft nicht vorhersagen kann