Evaluation

Evaluation ist die systematische Bewertung eines Programms, einer Maßnahme oder einer Organisation auf der Grundlage empirischer Daten. Die Gesellschaft für Evaluation (DeGEval) definiert sie als „systematische Untersuchung der Güte oder des Nutzens eines Evaluationsgegenstands“. Von alltäglichen Urteilen unterscheidet sie das nachvollziehbare, datengestützte Vorgehen, von reiner Forschung die Bewertung anhand offengelegter Kriterien. In der Wirtschaftspsychologie werden etwa Trainings, Programme der Gesundheitsförderung und Veränderungsprojekte evaluiert.

Grundlagen: Evaluation nach den Standards der DeGEval

Die Mitgliederversammlung der DeGEval beschloss die Standards für Evaluation am 4. Oktober 2001; sie erschienen 2002. Sie schließen an die Standards des US-amerikanischen Joint Committee on Standards for Educational Evaluation und an die der Schweizerischen Evaluationsgesellschaft an. Aktuell ist die erste Revision, verabschiedet am 21. September 2016. Sie umfasst 25 Einzelstandards in vier Gruppen:

• Nützlichkeit (8): Beteiligte und Betroffene benennen, Zwecke klären, rechtzeitig und verständlich berichten
• Durchführbarkeit (3): angemessene Verfahren, diplomatisches Vorgehen, Aufwand im Verhältnis zum Nutzen
• Fairness (5): schriftliche Vereinbarungen, Schutz individueller Rechte, unparteiische Berichte
• Genauigkeit (9): valide und reliable Informationen, systematische Fehlerprüfung, begründete Bewertungen

Die Standards sind ein fachlicher Orientierungsrahmen einer Fachgesellschaft, kein Gesetz, und verstehen sich nach eigener Aussage nicht als Schritt zu Akkreditierungen oder Zertifizierungen. Für die Bewertung einzelner Personen, etwa in Leistungsbeurteilungen oder bei der Personalauswahl, sind sie ausdrücklich nicht gedacht; die Personalauswahl ist Gegenstand der Eignungsdiagnostik. Kern jeder Bewertung sind Kriterien und Zielwerte: Kriterien legen fest, woran sich Güte oder Nutzen zeigen, Zielwerte, welche Ausprägung ein Urteil wie „ausreichend“ rechtfertigt.

Formative und summative Evaluation

Nach ihrem Zweck unterscheiden die Standards zwei Ausrichtungen:

Nach dem Zeitpunkt gibt es außerdem Ex-ante-Evaluationen vor dem Start, Zwischen- und Schlussevaluationen sowie Ex-post-Evaluationen, die langfristige Wirkungen Jahre nach dem Ende betrachten. Nach dem Ort unterscheidet man interne und externe Evaluation; bei einer Selbstevaluation bewerten die Verantwortlichen ihr eigenes Programm.

Liniendiagramm mit Beispieldaten: Testwerte einer Trainingsgruppe und einer Vergleichsgruppe mit je 40 Personen zu vier Messzeitpunkten. T1 vor dem Training, T2 nach dem ersten Modul, T3 direkt nach dem Training, T4 drei Monate später. Die Messung T2 ist als formativ markiert, T3 und T4 als summativ. Die Trainingsgruppe steigt von 10,25 auf 13,35 Punkte, die Vergleichsgruppe sinkt leicht von 10,35 auf 9,98. Darunter die Veränderung von T1 bis T4: Training +3,1, Vergleich −0,4, Differenz +3,5 Punkte.

Evaluation im Studium der Wirtschaftspsychologie

Methoden und Statistik nennen 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten. Das Wort Evaluation selbst steht dort bei 14 von 95, häufig in Modulnamen, die Evaluation mit Diagnostik oder Forschungsmethoden verbinden. Wo solche Module im Studienverlauf liegen, zeigt der Ratgeber zu den Methodenmodulen. Typische Aufgaben in Klausur und Projektarbeit:

• ein Vorhaben als formative oder summative Evaluation einordnen und den Zweck begründen
• Kriterien und Zielwerte für ein Programm festlegen, bevor Daten erhoben werden
• einen Versuchsplan mit Vergleichsgruppe und mehreren Messzeitpunkten entwerfen, wie ihn der Eintrag Experiment beschreibt
• Veränderungen zusätzlich zum Signifikanztest als Effektstärke berichten

In der Praxis: Trainings, Gesundheitsprogramme, Veränderungen

Für Trainings ist das Vier-Ebenen-Modell von Donald Kirkpatrick verbreitet, nach Angaben von Islam u. a. (2024) erstmals 1959 veröffentlicht: Reaktion der Teilnehmenden, Lernen, Verhalten am Arbeitsplatz und Ergebnisse für die Organisation. Arthur u. a. (2003) werteten Trainingsstudien aus Organisationen metaanalytisch aus und fanden für alle vier Kriterienarten durchschnittliche Effektstärken d zwischen 0,60 und 0,63, nach ihrer Einschätzung mittlere bis große Effekte. Die Datenlage ist ungleich verteilt: Für den Lernerfolg lagen 234 Effektgrößen vor, für Ergebnisse in der Organisation 26 und für Reaktionen 15. Welche Kriterien eine Studie wählte, hing zudem mit der gefundenen Wirksamkeit zusammen.

Im betrieblichen Gesundheitsmanagement kommt eine rechtliche Seite hinzu, soweit Maßnahmen des Arbeitsschutzes betroffen sind. Nach § 3 Abs. 1 ArbSchG hat der Arbeitgeber Maßnahmen des Arbeitsschutzes auf ihre Wirksamkeit zu überprüfen. Das gilt auch für Maßnahmen, die aus einer Gefährdungsbeurteilung folgen; als mögliche Quelle einer Gefährdung nennt § 5 Abs. 3 Nr. 6 ArbSchG ausdrücklich psychische Belastungen bei der Arbeit (Stand Oktober 2026).

Bei Veränderungsprojekten bleibt oft offen, was ohne das Projekt geschehen wäre. Das Glossar der Standards spricht von Nettowirkungen, der Differenz zu diesem gedachten Zustand. Eine Vergleichsgruppe nähert ihn an: Steigen die Werte in beiden Gruppen, spricht nur der Unterschied zwischen ihnen für eine Wirkung des Programms, und auch das nur, wenn die Gruppen vergleichbar sind.

Abgrenzung: Monitoring, Controlling, Forschung

Monitoring sammelt regelmäßig Vergleichsdaten, um Steuerungsbedarf früh zu erkennen, bewertet aber nicht. Controlling ist laut Glossar der Standards eine Daueraufgabe für das Management von Organisationen ohne eigene wertende Komponente. Von reinen Forschungsstudien unterscheidet sich Evaluation durch die Bewertung: Sie beurteilt Güte oder Nutzen eines bestimmten Gegenstands anhand offengelegter Kriterien und dient einem Verwendungszweck, etwa einer Entscheidung oder einer Verbesserung.