Künstliche Intelligenz kann Persönlichkeitstests erheblich verbessern und beschleunigen. Eine Studie der University of East London zeigt, dass maschinelles Lernen die weit verbreitete DISC-Persönlichkeitsbewertung mit hoher Genauigkeit analysieren und sogar stark verkürzen kann.
Das DISC-Modell teilt Menschen in vier Verhaltensstile ein: Dominanz, Einfluss, Beständigkeit und Gewissenhaftigkeit. Es wird häufig in Unternehmen für Personalbeschaffung, Führungskräfteentwicklung und Teambildung eingesetzt. Bisher basiert die Auswertung auf einfachen Regeln, die Personen meist nur einer einzigen Kategorie zuordnen.
Forscher testeten mehrere Modelle des maschinellen Lernens an Antworten von über 1.000 Teilnehmern auf den klassischen 40-Fragen-Test. Die besten Modelle erreichten eine Genauigkeit von mehr als 93 Prozent. Eine stark verkürzte Version mit nur zehn sorgfältig ausgewählten Fragen behielt eine Genauigkeit von über 91 Prozent.
Zusätzlich ermöglicht der KI-Ansatz, gemischte Verhaltensprofile besser zu erkennen, die bei der herkömmlichen Auswertung oft übersehen werden. Durch Clustering-Verfahren wurden vier klare Persönlichkeitscluster identifiziert, die den klassischen DISC-Kategorien entsprechen, aber auch feine Überschneidungen sichtbar machen.
Die Studie „Reinventing DISC personality assessment: machine learning approaches for deeper insights and greater efficiency“ wurde im Journal of Artificial Intelligence & Robotics veröffentlicht. Die Ergebnisse deuten darauf hin, dass KI-gestützte Persönlichkeitsanalysen künftig praktikabler und differenzierter einsetzbar sein könnten.
