Ein 360-Grad-Feedback liefert wertvolle Perspektiven von Mitarbeitenden, Peers, Vorgesetzten und der Führungskraft selbst. Daraus entsteht ein differenziertes Bild auf das Führungsverhalten einer Führungskraft. Häufig wird das Ergebnis im Anschluss als ausführlicher PDF-Bericht mit Diagrammen, Benchmarks und offenen Kommentaren dargestellt. In vielen Unternehmen beginnt hier die eigentliche Herausforderung: Wie lässt sich aus einer Vielzahl von Skalenwerten und Kommentaren ein geordnetes Gesamtbild ableiten? Und wie entstehen daraus wiederum konkrete Handlungsempfehlungen?
Durch einen differenzierten Ergebnisbericht kann erkannt werden, wo Bewertungen voneinander abweichen. Dabei liefert der Bericht jedoch nicht automatisch eine Erklärung dafür, wieso Führungsverhalten aus verschiedenen Perspektiven unterschiedlich wahrgenommen wird. Auch aus offenen Kommentaren können wertvolle Erkenntnisse zu konkreten Situationen und Verhaltensweisen gewonnen werden, wenn sie zielgerichtet analysiert werden. Oftmals werden diese jedoch nur selektiv betrachtet und potentiell wertvolle Erkenntnisse gehen in der Masse an Kommentaren verloren. Insbesondere das mittlere Management steht vor der Herausforderung, eine Vielzahl von Einzelfeedback miteinander integrieren zu müssen, um zu einem aussagekräftigen Gesamtbild des eigenen Führungsverhaltens zu gelangen.
Genau hier können KI-gestützte Auswertungen ansetzen und Komplexität reduzieren. Gerade durch die Verbindung von quantitativen und qualitativen Ergebnissen kann so aus einem 360-Grad-Feedback-Bericht eine wichtige Grundlage für Reflexion und Entwicklung werden.
Klassischer 360-Grad-Feedback-Bericht vs. KI-gestützte Auswertung
Klassische PDF-Berichte können Skalenwerte nachvollziehbar abbilden, die unterschiedlichen Perspektiven der Ratergruppen vergleichen und Entwicklung in Diagrammen visuell darstellen. Eine Führungskraft kann hier eindeutig erkennen, ob ihre Selbsteinschätzung der eigenen Fähigkeiten von der Einschätzung der Vorgesetzten, Mitarbeitenden oder Peers abweicht.
Grenzen bei der Interpretation der Ergebnisse
Schwierigkeiten treten oft erst bei der anschließenden Interpretation der Ergebnisse auf. Ein Unterschied zwischen Selbst- und Fremdeinschätzung kann viele Gründe haben: Unklare Prioritäten, unterschiedliche Erwartungen und unzureichende Einbindung der Mitarbeitenden in Entscheidungen können zum Beispiel eine schlechtere Bewertung durch die Mitarbeitenden erklären. Die Zahlen weisen erst einmal nur darauf hin, dass überhaupt ein Unterschied zwischen den Einschätzungen existiert, liefern jedoch nur begrenzte Erkenntnisse hinsichtlich der Ursachen und daraus abzuleitenden Maßnahmen.
Widmet man sich den qualitativen Ergebnissen, so werden offene Kommentare häufig als Anhang statt als aktive Analysegrundlage behandelt. Während in kleinen Teams die einfache Betrachtung vollständiger, unsortierter Kommentare ausreichen mag, laufen Führungskräfte bei großen Mengen an Kommentaren Gefahr, wiederkehrende Aussagen nicht mehr von Einzelaussagen unterscheiden zu können und den Kontext der Kommentare aus den Augen zu verlieren. In solchen Fällen geht der wahre Nutzen offener Kommentare verloren.
Was KI-gestützte Auswertung ergänzt
Das Strukturieren und Bündeln von offenen Kommentaren stellt eine der Stärken KI-gestützter Auswertung dar. Sie kann Absichten, Intensität und Häufigkeiten offener Kommentare erkennen und als zusammenhängende Informationen strukturieren. Auch lassen sich so quantitative Ergebnisse und offene Kommentare schnell miteinander in Verbindung bringen. Die KI kann und sollte damit nicht die Auswertung durch Fachpersonen ersetzen, aber sie kann dabei helfen, Komplexität zu reduzieren und eine strukturierte und zielgerichtete Interpretation der Ergebnisse zu ermöglichen.
Freitext-Analyse: Was offene Kommentare zeigen und wie KI die Auswertung unterstützt
Offene Kommentare enthalten Informationen, die Skalen nicht erfassen, und haben daher einen hohen Wert in der Beschreibung des Führungsverhaltens. Skalenwerte liefern insbesondere Informationen über die Zustimmung von Personen zu Aussagen oder erfassen die Frequenz, mit der ein bestimmtes Führungsverhalten gezeigt wird. Offene Kommentare bieten zusätzlich die Möglichkeit, konkrete Situationen und deren Wirkung zu beschreiben. Mit ihnen lässt sich erkennen, welche Themen Personen tatsächlich beschäftigen. Offene Kommentare können Hintergrundinformationen liefern, Werte erklären und ermöglichen Aussagen darüber, welche Verhaltensweisen eine Führungskraft beibehalten sollte und welche eher nicht.
Themen bündeln und zusammenfassen
Häufig beschränkt sich die Analyse offener Kommentare auf einfache Schlüsselwortsuchen. KI-gestützte Auswertung kann hier jedoch weitaus mehr. So können beispielsweise im Rahmen einer Textanalyse Kommentare nach wiederkehrenden Inhalten und Themen gebündelt und somit auch ähnliche Formulierungen erkannt werden. Eine große Stärke der KI-gestützten Auswertung liegt in der Generierung von Zusammenfassungen, in denen Stärken, Entwicklungsfelder und Executive Summaries dazu beitragen, möglichst schnell in einen Folgeprozess einzusteigen. Führungskräfte und HR-Verantwortliche müssen dadurch nicht mehr jeden Kommentar einzeln betrachten und können schneller erkennen, welche Themen vermehrt genannt werden. Besonders verwertbar wird eine KI-Auswertung dann, wenn sie die Themen nachvollziehbar erklärt, mit Originalkommentaren belegt und quantitative Häufigkeiten der Aussagen transparent wiedergibt. Dabei ist es wichtig, dass die Kommentare anonym bleiben und auch bei kleinen Ratergruppen nicht auf Personen zurückgeführt werden können.
Semantische Suche statt Schlüsselwortsuche
Eine mächtige Erweiterung einfacher Schlüsselwortsuchen stellt die sogenannte KI-gestützte semantische Suche dar, welche auch in die functionHR 360-Grad-Feedback-Plattform integriert werden kann. Dabei werden Kommentare nicht nur auf Basis von einzelnen Schlüsselwörtern gefiltert, sondern erlauben ein breiteres Betrachten des Kontextes. So würde eine einfache Schlüsselwortsuche bei dem Suchbegriff „Gehalt“ nur Kommentare filtern, die genau dieses Wort enthalten. Bei der semantischen Suche hilft die KI, den Kontext des Kommentars zu betrachten, und könnte somit auch Kommentare identifizieren, die zwar das Wort „Gehalt“ selbst nicht nennen, aber thematisch klar im Bereich Gehalt zu verorten wären.
KI-Auswertung im 360-Grad-Feedback
Sehen Sie, wie functionHR offene Kommentare bündelt, mit Skalenwerten verbindet und passende Entwicklungsmaßnahmen vorschlägt.
Sentimentanalyse: Tonalität im 360-Grad-Feedback richtig einordnen
Für ein 360-Grad-Feedback reicht eine einfache Stimmungsklassifikation oftmals nicht aus, um das gesamte Bild eines Kommentares zu erfassen. Eine gute Sentimentanalyse geht aus diesem Grund über die grobe Einteilung in positiv, neutral und negativ hinaus. Wenn ein Kommentar gleichzeitig Lob und Kritik enthält, würde eine Klassifikation des gesamten Kommentares die Aussage verkürzen und Informationen gingen verloren. Um jedoch das ganze Entwicklungspotenzial eines 360-Grad-Feedback nutzen zu können, ist es essenziell, alle Informationen korrekt zu erfassen und weiterzuverarbeiten.
Aspektbasierte Sentimentanalyse
Im Rahmen eines 360-Grad-Feedback ist daher die Nutzung einer aspektbasierten Sentimentanalyse ratsam. Diese teilt einen Kommentar in Themen auf und bewertet dann die Tonalität der einzelnen Themen. Mit diesem Ansatz lassen sich die thematischen Aspekte eines Kommentars und das entsprechende Sentiment getrennt zuverlässig und angepasst an den HR-Kontext erfassen.
Konkret bedeutet das: Eine KI-gestützte Auswertung sollte am Ende nicht das Fazit ziehen „Die offenen Kommentare sind überwiegend positiv“, sondern eher „Die Rückmeldungen heben die Erreichbarkeit in Krisen positiv hervor, während die Kommunikation in Bezug auf das Tagesgeschäft eher kritisch betrachtet wird.“ So können Feedbacknehmende eindeutig erkennen, welches Führungsverhalten positiv und welches kritisch betrachtet wird, auch wenn sich beides auf ähnliche Aspekte, wie in diesem Fall die Kommunikation, bezieht.
Grenzen der KI-Sentimentanalyse
Jedoch bedarf eine aspektbasierte Sentimentanalyse durch KI einer klaren Einordnung. Bei ironischen, mehrdeutigen und schlicht zu komplexen Kommentaren sinkt die Verlässlichkeit. Einfache Kommentare kann eine Sentimentanalyse gut bewältigen, bei feineren Nuancen nimmt ihre Leistung jedoch stark ab. KI-generierte Tonalitäten sollten daher nicht als endgültige Bewertung einer Führungskraft dienen und eher als Anlass zur Prüfung durch einen Menschen gesehen werden.
Von Kommentaren zu Handlungsempfehlungen: Stärke, Intent und Umsetzbarkeit
Zusätzlich zum Sentiment kann KI auch weitere Eigenschaften eines Kommentars erkennen. Dazu gehören:
- Stärke: wie deutlich ist die Aussage formuliert
- Intent: handelt es sich um Lob, Kritik oder einen Verbesserungsvorschlag
- Verhaltensbezug und Umsetzbarkeit: Hinweise darüber, wie sehr sich ein Kommentar auf beobachtbares Verhalten bezieht und wie der Grad der Umsetzbarkeit im Follow-up Prozess eingeschätzt wird
Auch diese Funktionen lassen sich mit der 360-Grad-Feedback-Plattform von functionHR abbilden. Einblicke in die Weiterentwicklung der 360-Grad-Feedback-Lösungen von functionHR und den Einsatz von KI gibt Jonas Brüggemann im Interview.
Datenschutz und Anonymität: Voraussetzungen für verantwortungsvolle KI-Auswertung
Personenbezogenes Feedback stellt besonders hohe Anforderungen an einen verantwortungsvollen Gebrauch von KI und bei einem 360-Grad-Feedback geht es um die Bewertung des Führungsverhaltens von konkreten Führungskräften, die reelle Auswirkungen auf Karrieren und die Zusammenarbeit im Team haben können. Aus diesem Grund sind Datenschutz und Anonymität hier von besonders hoher Bedeutung und müssen von Anfang an berücksichtigt werden.
Um das zu gewährleisten, sollten Kommentare vor der Verarbeitung durch eine KI anonymisiert bzw. pseudonymisiert werden. Das bedeutet, dass Namen und andere identifizierende Angaben, wie z. B. Projektbezeichnungen, entfernt werden müssen und Auswertungen aus kleinen Ratergruppen erst ab einer Größe von mindestens 3 Ratern zugelassen werden, da Bewertungen sonst unter Umständen auf eine Person zurückgeführt werden könnten.
Außerdem sollte die KI-Nutzung transparent kommuniziert werden, sodass sowohl Führungskräfte als auch Feedbackgebende ausreichend darüber informiert sind, auf welche Daten die KI zugreifen kann, wer die Ergebnisse einsehen kann und für welche Entscheidungen die Auswertung herangezogen wird.
KI kann Informationen strukturieren, zusammenfassen und analysieren, aber sollte die Auswertung von 360-Grad-Feedback nur unterstützen, statt automatisiert Menschen zu bewerten. Die Verantwortung für die Interpretation, das Ableiten von Entwicklungsmaßnahmen und das Handeln liegt immer bei Menschen, also meist bei den Führungskräften und HR-Verantwortlichen.
360-Grad-Feedback Musterfragebogen
Eine fertige Grundlage für Ihr nächstes 360-Grad-Feedback, von den Fragen bis zur Auswertung.
FAQ
Wie kann KI bei der Auswertung von 360-Grad-Feedback helfen?
KI bündelt offene Kommentare nach wiederkehrenden Themen, fasst Stärken und Entwicklungsfelder zusammen und verbindet sie mit den Skalenwerten. So erkennen Führungskräfte und HR-Verantwortliche schneller, welche Themen häufig genannt werden. Interpretation und Maßnahmen bleiben in der Verantwortung von Menschen.
Was ist eine aspektbasierte Sentimentanalyse?
Eine aspektbasierte Sentimentanalyse teilt einen Kommentar in einzelne Themen auf und bewertet die Tonalität jedes Themas getrennt. Enthält ein Kommentar Lob und Kritik zugleich, gehen so keine Informationen verloren. Für 360-Grad-Feedback ist das aussagekräftiger als eine Einteilung des ganzen Kommentars in positiv, neutral oder negativ.
Worin unterscheidet sich die semantische Suche von der Schlüsselwortsuche?
Die Schlüsselwortsuche findet nur Kommentare, die genau den Suchbegriff enthalten. Die semantische Suche berücksichtigt den Kontext und findet auch Kommentare, die thematisch passen, ohne das Wort selbst zu nennen.
Wie bleibt 360-Grad-Feedback bei einer KI-Auswertung anonym?
Namen und andere identifizierende Angaben wie Projektbezeichnungen werden vor der Verarbeitung durch die KI entfernt. Ratergruppen werden erst ab mindestens drei Personen ausgewertet, damit sich Bewertungen nicht auf Einzelne zurückführen lassen. Zusätzlich sollte transparent sein, auf welche Daten die KI zugreift und wer die Ergebnisse einsehen kann.
functionHR hilft Ihnen dabei, die Arbeitszufriedenheit zu verbessern. Sehen Sie selbst, wie Sie Ihre Befragungslandschaft effektiv gestalten können. Werfen Sie einen Blick auf unsere umfangreiche Plattform für Mitarbeiterbefragungen und People Analytics!
Entdecken Sie, wie Sie Ihre Führungskräfte mit Feedback aus deren Verantwortungsbereichen fördern können.
Weitere Artikel
360-Grad-Feedback Fragen: Vorlagen und Beispiele für Führungskräfte und Peers
Damit aus einem 360-Grad-Feedback konkrete Entwicklungsschritte werden, braucht es Fragen, die beobachtbares Verhalten beschreiben. Die folgenden Beispielfragen lassen sich direkt in einen eigenen Fragebogen übernehmen. Ergänzende Fragen für Peers, Hinweise zum Aufbau des Fragebogens sowie Do’s und Don’ts helfen, die Auswahl an die eigene Organisation anzupassen.
AI loves Data – Warum gute Daten wichtiger sind als AI
AI ist nur so gut wie ihre Daten. Warum Datenqualität bei der Mitarbeiterbefragung wichtiger ist als die nächste AI-Analyse und wo AI wirklich stark ist.
KI-Readiness: Sind Ihre Mitarbeitenden bereit für den Wandel?
Die Arbeitswelt verändert sich. Nicht zum ersten Mal – aber möglicherweise schneller als je zuvor.
Wie gut Unternehmen und Mitarbeitende auf diesen Wandel vorbereitet sind, lässt sich mit einem Begriff zusammenfassen: KI-Readiness.
