Leadify — AI leadership simulation platform
Die Leadify-Bewertungs-Engine

Die Wissenschaft, Verhalten zu messen.

Jeder Leadify-Score entsteht durch eine kalibrierte psychometrische Engine — nicht durch die Meinung eines LLM. Diese Seite zeigt genau, wie.

Bewertungs-Engine · v3.2 kalibriert
  • Live-GesprächSignal ein
  • IRT-kalibrierte Rubrikβ = 1,24
  • Bayes'sches Updateθ = 0,72
  • Geprüfter DatensatzSEM ±0,11
Philosophie

Wir messen, was Menschen tun — nicht, was sie behaupten, tun zu würden.

Verhaltensstichprobe · N = 1
θ posterior 0.7295% CI [0.61, 0.83]
Vier Säulen

Wie die Engine Gespräch zu Beleg macht.

Säule 01

Verhaltens-Elicitation

Szenarien sind so konstruiert, dass sie unter realistischem Druck spezifische Kompetenzen hervorrufen. Jedes Szenario entsteht mit erfahrenen Praktiker:innen und wird einem definierten Kompetenzmodell zugeordnet, sodass jeder Gesprächsmoment einen Messzweck erfüllt.

Kompetenz-gemapptAdaptiver DruckVon Praktiker:innen entworfen
Säule 02

Kalibriertes Scoring (IRT)

Scores werden mit Item-Response-Theorie kalibriert — derselbe psychometrische Rahmen wie hinter GRE und GMAT. Jedes Szenario trägt einen Schwierigkeitsparameter (β) und einen Diskriminationsparameter (α), sodass eine 75 in einem schweren Szenario mehr bedeutet als eine 75 in einem leichten.

β Schwierigkeitα DiskriminationSzenarienübergreifend vergleichbar
Säule 03

Bayes'sche Fähigkeitsschätzung

Ein Gespräch ist eine Stichprobe, kein Urteil. Leadify nutzt Bayes'sche Aktualisierung: Jede Sitzung verfeinert eine Fähigkeitsschätzung (θ) mit einem expliziten Konfidenzintervall. Wir zeigen nicht nur den Wert, sondern auch, wie sicher wir uns sind — und diese Sicherheit wächst mit den Belegen.

θ-SchätzungCredible IntervalsEvidenzgewichtet
Säule 04

Fortlaufende Validierung

Die Engine wird laufend gegen reale Ergebnisse rückgetestet: Beförderungen, Bindung, Leistungsbewertungen, Umsatzerreichung. Mit wachsendem Verhaltensdatensatz kalibrieren wir die Szenario-Parameter nach.

ErgebnisverknüpftRollierende NachkalibrierungAdverse-Impact überwacht
Scoring-Pipeline

Vom Live-Gespräch zum geprüften Verhaltensdatensatz.

  1. Schritt 01

    Live-Gespräch

    Teilnehmende:r begegnet einem KI-Gegenüber in einem realistischen, adaptiven Szenario.

  2. Schritt 02

    Verhaltenssignal-Extraktion

    Verbale und paraverbale Marker werden aus Transkript und Audio erfasst.

  3. Schritt 03

    Rubrik-Scoring

    Mehrdimensionale, kalibrierte Rubriken bewerten beobachtbares Verhalten, keine Selbstauskunft.

  4. Schritt 04

    IRT-Anpassung

    Schwierigkeits- und Diskriminationsparameter gewichten den Score gegenüber dem Szenario.

  5. Schritt 05

    Bayes'sches Update

    Fähigkeitsschätzung (θ) wird mit einem expliziten Konfidenzintervall verfeinert.

  6. Schritt 06

    Geprüfter Verhaltensdatensatz

    Jeder Score verweist auf die konkreten Gesprächsbelege, aus denen er entstanden ist.

Geprüfte Verhaltensdaten

Was „geprüft“ tatsächlich bedeutet.

Jeder Wert ist eine Behauptung, die wir belegen können — gegenüber CHRO, Betriebsrat oder Prüfer:in.

0.00
Prognosevalidität (r)
0%
Rater-Übereinstimmung
0%
Auditierbar bis zum Beleg
  • Beobachtet, nicht selbstberichtetjeder Datenpunkt stammt aus Live-Verhalten.

  • Standardisiertgleiches Szenario, gleiches Gegenüber, gleiche Rubrik für alle.

  • Kalibriertschwierigkeitsbereinigt, sodass Scores vergleichbar sind.

  • Begrenztjeder Score trägt ein explizites Konfidenzintervall.

  • Auditierbarjeder Score verweist auf konkrete Gesprächsbelege.

Standards

Nach professionellen Assessment-Standards gebaut.

Konzipiert im Einklang mit den Standards for Educational and Psychological Testing (AERA, APA, NCME) und den SIOP-Principles for the Validation and Use of Personnel Selection Procedures.

APA-StandardsSIOP-PrinzipienDSGVOKVKKSOC 2 (in Vorbereitung)
Ausgewählte Forschungsgrundlagen
  • Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology. Psychological Bulletin, 124(2), 262–274.
  • Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection. Journal of Applied Psychology, 107(11), 2040–2068.
  • Lord, F. M. (1980). Applications of Item Response Theory to Practical Testing Problems. Lawrence Erlbaum Associates.
  • Arthur, W., Day, E. A., McNelly, T. L., & Edens, P. S. (2003). A meta-analysis of the criterion-related validity of assessment center dimensions. Personnel Psychology, 56(1), 125–153.
  • Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
  • Phillips, J. J. (2003). Return on Investment in Training and Performance Improvement Programs (2nd ed.). Butterworth-Heinemann.
FAQ

Antworten, direkt.

Klassische Assessment-Center liefern hohe Prognosevalidität, kosten aber 3.000–8.000 $ pro Person und laufen einmal jährlich. Leadify liefert dieselbe Klasse an Verhaltensbelegen per KI-Simulation — auf Abruf, zu einem Bruchteil der Kosten, mit eingebauter psychometrischer Kalibrierung.
Nein. Leadify erzeugt Verhaltensbelege mit Konfidenzintervallen. Menschen entscheiden; Leadify sorgt dafür, dass diese Entscheidungen besser informiert sind.
Jede Rubrik wird vor dem Einsatz gegen menschliche Expert:innen kalibriert, und die Inter-Rater-Reliabilität wird laufend überwacht. Scores tragen explizite Konfidenzintervalle, die bei dünner Datenlage weiter werden und mit mehr Sitzungen enger. Menschliche Rater:innen auditieren eine zufällige Stichprobe jedes Szenariobatches, und Abweichungen fließen in die Nachkalibrierung der Rubrik zurück.
Simulationsbasierte Diagnostik misst, wie eine Person in einer realistischen Rekonstruktion einer Hochdrucksituation handelt — statt zu erfragen, was sie in einem Selbstauskunfts-Fragebogen behauptet. Das ist die moderne, skalierbare Form der Assessment-Center-Tradition — beobachtbares Verhalten, bewertet an einer kalibrierten Rubrik.
Jedes Szenario und jede Rubrik wird über demografische Gruppen hinweg auf Adverse Impact überwacht. Kalibrierungsdaten, Rater-Übereinstimmung und Score-Verteilungen werden rollierend geprüft, und jedes Item, das differentielles Funktionieren zeigt, wird nachkalibriert oder zurückgezogen. Jeder Score ist bis zum konkreten Gesprächsbeleg auditierbar.
GrenzenEvaluation Engine · Kalibriert · v2.13

Was die Evaluation Engine nicht tut.

Die glaubwürdigsten Assessment-Anbieter sind jene, die ihre Grenzen offen benennen. Jede Aussage unten ist eine Behauptung, die Leadify bewusst nicht aufstellt.

  • Wir treffen keine Einstellungsentscheidungen.

    Das tun Menschen. Leadify liefert Verhaltensbelege — die Entscheidung über Beförderung, Einstellung oder Nachfolge trifft die verantwortliche Führungskraft.

  • Wir bewerten keine Persönlichkeit.

    Wir bewerten beobachtbares Verhalten unter standardisiertem Druck. Keine abgeleiteten Eigenschaften, keine Persönlichkeitstypologien, keine Blackbox-Archetypen.

  • Wir behaupten keine Sicherheit, die wir nicht haben.

    Jeder Wert trägt sein Konfidenzintervall. Wo die Datenlage dünn ist, weitet sich das Intervall — und der Bericht zeigt das in derselben numerischen Sprache, die Finanzabteilung und Aufsichtsrat ohnehin lesen.

Enterprise-Dossier

Möchten Sie die vollständige technische Dokumentation?

Unser Team führt das I/O-Psychologie- und Einkaufsteam jedes Kunden durch die Engine — Kalibrierungsdaten, Validierungsstudien, Fairness-Monitoring und Audit-Trails.