Verfahrensmanual und Fachinformationen

Einsatz und Evidenzstand

Gedacht für Menschen, die Studienmöglichkeiten erkunden möchten. Die Ergebnisse sind Gesprächsanlässe und keine Eignungsdiagnose, Zulassungsprüfung oder Vorhersage des Studienerfolgs. Es gibt keine empirisch abgesicherte Altersnorm, keine diagnostischen Grenzwerte und keine belegte Gleichwertigkeit mit etablierten Beratungsinstrumenten.

• Theorie: Interessen nach RIASEC; Persönlichkeitsitems nach Mini-IPIP. Forschung zu diesen Modellen validiert nicht automatisch unsere Items, Übersetzungen, Fächerprofile oder Rangliste.
• Empirie zum Gesamtverfahren: Reliabilität, Test-Retest-Stabilität, Konstrukt- und Kriteriumsvalidität sind bisher nicht mit eigenen publizierten Studien belegt. Technische Tests prüfen Softwareverhalten, keine psychometrische Güte.
• Normierung: Es liegt keine dokumentierte repräsentative deutschsprachige Normstichprobe vor. Deshalb werden keine Altersvergleiche oder Persönlichkeitsperzentile ausgegeben.
• Praktischer Ansatz: Studienangebote, Schulfächer, Interessen und auf Wunsch Alltagsthemen gemeinsam erkunden. Ein zusätzlicher Beratungsnutzen gegenüber etablierten Verfahren ist eine zu prüfende Hypothese.

Durchführung

Die separate Fragebogen-Sitzung beginnt ohne vorhandenes Browserprofil. Sie zeigt Antwortmittelwerte und ausdrückliche Wünsche, keine Fächer- oder Studiengangrangliste. Alle 24 Interessenfragen sind dort erforderlich; Persönlichkeit, Schulfächer und Werte bleiben freiwillig. Antworten liegen nur im Arbeitsspeicher des Tabs. Es gibt keine Imports, persönliche KI, automatischen Forschungsuploads oder Analyse-Tags. Ein ausdrücklich ausgelöster Druck oder JSON-Download bleibt bei der Person. Seitenabrufe und Hosting-Protokolle sind davon getrennt. Vor institutionellem Einsatz bleibt eine Prüfung erforderlich.

1. Vor Beginn Zweck, fehlende Validierung und freiwillige Datenquellen erklären. Keine persönlichen Exporte auf einem fremden oder gemeinsam genutzten Beratungsgerät verlangen. Für eine Demonstration fiktive Angaben verwenden.
2. Selbstständig und ohne Vorgabe eines erwünschten Ergebnisses antworten. Interessen: 1 = mag ich nicht bis 5 = mag ich sehr. Persönlichkeit: 1 = trifft gar nicht zu bis 5 = trifft sehr zu; das typische eigene Verhalten einschätzen. Keine Zeitbegrenzung; eine standardisierte Bearbeitungsdauer wurde nicht erhoben.
3. 24 Interessenitems und ein Aufmerksamkeitsitem; 20 Persönlichkeitsitems; Selbsteinschätzung der Schulfächer und beruflichen Werte. Ein Resultat ist mit mindestens zwei Interessenantworten je Typ oder einer eingelesenen Datenquelle möglich. Der Persönlichkeitsteil wird erst bei 20 gültigen Antworten ausgewertet.
4. Fragebogen, Datenanalyse und KI-Vergleich als unterschiedliche Bedingungen behandeln. Bei einer Wiederholung dieselbe Sprache, Version und Datenbasis verwenden; Änderungen und Unterbrechungen dokumentieren. Resultate gemeinsam prüfen, die Person entscheidet selbst.

Auswertung und Interpretation

Interessen: Pro RIASEC-Typ wird der Mittelwert der beantworteten Items mit (Mittelwert − 1) / 4 auf 0–1 abgebildet. Mindestens zwei der vier Items je Typ sind nötig; fehlende Typen gelten nicht als neutral. Die sechs Werte und die drei höchsten Typen bilden das Interessenprofil, keine diagnostische Typenzuordnung.

Persönlichkeit: Nur ganze Antworten von 1 bis 5 zählen. Negative Items werden mit 6 − Antwort umgepolt; danach wird je Merkmal der Mittelwert aller vier Items gezeigt. Es werden keine fehlenden Antworten ersetzt. Beispiel Extraversion: b1=5, b6=1, b11=4, b16=2 ergibt (5+5+4+4)/4 = 4.50 von 5. Das ist kein Perzentil, kein Vergleich mit Gleichaltrigen und kein klinischer Befund. Intern wird der Mittelwert um den Skalenmittelpunkt 3 zentriert.

Fächerrangliste mit Interessenfragebogen: Bei vollständig auswertbaren Komponenten betragen die Ausgangsgewichte 50 % Interessen, 36 % Schulfächer, 14 % Werte und 0 % Persönlichkeit. Nicht auswertbare Komponenten entfallen, die übrigen werden neu gewichtet. Die Interessenpassung kombiniert Profilform (70 %) und Distanz (30 %). Schulfächer kombinieren Freude (60 %) und Selbsteinschätzung der Leistung (40 %). Freiwillige Daten tragen höchstens 25 % zur Gesamtpassung bei. Diese Gewichtungen sind Produktentscheidungen und nicht empirisch kalibriert.

Ohne auswertbaren Interessenfragebogen entsteht eine explorative Rangliste aus den verfügbaren Signalen. Die Werte werden relativ zu den Fächern dieses Ergebnisses dargestellt; sie sind nicht direkt mit den Werten im Fragebogen-Modus vergleichbar. Musikgeschmack kann intern einen schwachen heuristischen Beitrag liefern; daraus wird kein Persönlichkeitsbefund ausgegeben.

Qualitätshinweise: Wenig Differenzierung, sehr ähnliche Spitzenwerte oder Auffälligkeiten beim Antworten lösen Hinweise aus. Diese Regeln sind keine validierten Lügenskalen. Kleine Rangunterschiede nicht überinterpretieren. Die Zahl 80 bedeutet weder 80 % Erfolgschance noch einen Normrang.

Studiengänge und KI: Katalogdaten und Einordnungen öffentlicher Studiengangseiten bilden die Grundlage. Der freiwillige persönliche KI-Vergleich kann bei ausreichender Inhaltsbasis vom berechneten Wert um bis zu 30 Punkte abweichen und Gründe formulieren. Fehlt diese Basis, darf die Katalogerklärung die Rangfolge nicht ändern. KI-Antworten können variieren oder falsch sein; Studieninhalte und Zulassung immer an der Hochschule prüfen.

Datenflüsse und Löschung

Die folgende Übersicht beschreibt den Anwendungscode. «Lokal verarbeitet» bedeutet nicht, dass bei jeder Funktion sämtliche Informationen auf dem Gerät bleiben. Für die vollständigen Angaben zu Verantwortlichen, Messdiensten und Rechten gilt zusätzlich die Datenschutzerklärung. Datenschutz →

Sicherheit und institutionelle Prüfung

Im Code umgesetzt: getrennte Einwilligung vor persönlichen KI-Anfragen, serverseitige Prüfung des Zustimmungsfelds, bezahlte Endpunkte mit Freischaltprüfung, begrenzte und geprüfte KI-Payloads, HTTPS-Aufruf der Infomaniak-API und Antworten der persönlichen KI-Endpunkte ohne HTTP-Cache. Das ist kein unabhängiges Sicherheitszertifikat und keine Garantie für Anbieterprotokolle.

Vor institutioneller Nutzung offen zu belegen: produktive Hosting- und Redis-Region, HTTPS-Konfiguration, Zugriffsrechte und Berechtigungskonzept, konkrete Log- und Backupfristen, Unterauftragnehmer, Vertrags- und Löschzusagen aller Anbieter sowie erforderliche Datenschutz-Folgenabschätzung und interne Freigaben. Die Dokumentation ersetzt diese Prüfung nicht. Ein Serverstandort allein beantwortet diese Fragen nicht.

Bis zur eigenen Freigabe nur mit fiktiven Fällen demonstrieren. Der Fragebogen kann ohne persönliche Exporte und ohne persönliche KI-Anfrage genutzt werden; auch dieser Ablauf ist nicht automatisch nach den Regeln einer Behörde zugelassen. Keine Klientendaten an die KI senden, wenn interne Vorgaben dies untersagen.

Einführung für Beratungspersonen

Selbstlern-Einführung, keine zertifizierte Schulung. Ziel: Ergebnisse erklären, Grenzen erkennen und Datenflüsse vorführen können. Eine persönliche Schulung oder fachliche Begleitung kann angefragt werden; ein akkreditiertes Schulungsangebot wird nicht behauptet.

1. Manual lesen und mit fiktiven Antworten einen Fragebogen durchführen. Interessenprofil, Rangliste und Persönlichkeitsmittelwerte getrennt erklären.
2. Fallübung: Zwei Studienfelder haben 78 und 80 Punkte, die Person interessiert sich für beide. Aufgabe: Keine Eignungsentscheidung ableiten; Studienpläne, Schnuppertage und offene Fragen vergleichen. Eine Differenz von zwei Punkten ist kein nachgewiesener bedeutsamer Unterschied.
3. Datenschutzübung: Erklären, was ohne Upload lokal bleibt, was die Suche überträgt und was nach KI-Zustimmung zusätzlich übertragen wird. Lokale Löschung vorführen und erklären, warum geteilte Links und Anbieterprotokolle davon nicht verschwinden.
4. Verständniskontrolle: Ist 4.50/5 ein 90. Perzentil? Nein. Beweist das RIASEC-Modell die Güte dieser Rangliste? Nein. Bedeutet kein Name im KI-Payload automatisch anonym? Nein. Bei Unsicherheit vor einem echten Beratungsfall fachliche Unterstützung einholen.

Kontakt für fachliche Rückfragen: team@whatshouldistudy.com

Plan zur empirischen Prüfung

Entscheidung nach dem Recherchebericht vom 14.10.2026: Zuerst die deutsche Interessenfassung und breite Studienfelder prüfen. AIST-3 ist ein Kandidat für eine extern lizenzierte Vergleichsmessung; VIT-2 für eine mögliche Schweizer Kooperation. Beide sind nicht in die App eingebaut und ihre Einbettungsrechte sind nicht geklärt. Mini-IPIP bleibt optional und im Fragebogen-Modus rein beschreibend. Ein Wechsel auf BFI-2 setzt geklärte kommerzielle Rechte voraus; eine O*NET-Übersetzung braucht die passende Lizenz und eine Prüfung vor Einführung.

TREE, SHP, SOEP, NEPS und öffentliche IPIP-Datensätze werden nicht als Produktnormen oder Trainingsdaten übernommen. Passende Items, Zielgruppe, Messzeitpunkte und ausdrücklich erlaubte Produktnutzung müssten jeweils nachgewiesen werden. Datenzugang, Itemrechte und Rechte an abgeleiteten Modellen sind getrennt zu klären. Keine dieser Klärungen oder Kooperationen wird hier als abgeschlossen dargestellt.

Konkreter Pilotentwurf, noch nicht gestartet · Dossier für institutionelle Prüfung: offene Nachweise

Geplant, nicht durchgeführt. Es werden dadurch keine Forschungsdaten erhoben.

1. Protokoll vorab festlegen: unabhängige psychometrische Fachperson einbeziehen, Zielgruppe und Anwendung definieren, Software-, Item- und Sprachversion einfrieren. Hypothesen, Auswertung, Ausschlüsse, fehlende Werte und Erfolgskriterien vor der Erhebung registrieren. Stichprobengrösse aus Präzisions- oder Poweranalyse ableiten, nicht nachträglich passend wählen.
2. Items und Übersetzungen prüfen: Verständlichkeitsinterviews mit der Zielgruppe, fachliche Inhaltsprüfung und Prüfung der Übersetzungen. Unveränderte und angepasste Items getrennt dokumentieren.
3. Reliabilität und Struktur: Skalenkonsistenz mit Unsicherheitsintervallen, Test-Retest-Stabilität in einem vorab festgelegten Abstand und Faktorstruktur untersuchen. Fragebogen, Exportanalyse und KI getrennt sowie im Zusammenspiel prüfen; KI-Modell und Promptversion protokollieren.
4. Validität und Mehrwert: mit geeigneten etablierten Interessen- und Persönlichkeitsverfahren vergleichen; unabhängige Beratungseinschätzungen und spätere Studienzufriedenheit bzw. Verlauf als getrennte Kriterien planen. Prüfen, ob digitale Daten und KI über den Fragebogen hinaus einen Nutzen liefern. Testdaten nicht zum Optimieren der Gewichte verwenden.
5. Normen und Fairness: Für eine spätere Normierung eine passende deutschsprachige Zielpopulation und Rekrutierungsstrategie festlegen. Alter, Bildungsweg, Region, Sprache, Erhebungsjahr, Auswahlverzerrungen und Fallzahlen offenlegen; relevante Gruppen und Messinvarianz prüfen. Eine freiwillige Online-Stichprobe nicht als repräsentativ ausgeben.
6. Vor Studienstart: separate Forschungseinwilligung, Datenschutzkonzept, Löschfristen, Rechte und gegebenenfalls ethische Prüfung festlegen. Danach auch negative Ergebnisse, Einschränkungen, Interessenkonflikte und Versionen veröffentlichen. Erst mit überprüfbaren Nachweisen erneut eine institutionelle Bewertung beantragen.

Items, Quellen und Versionsstand

Revision 1.1: getrennte Fragebogen-Sitzung, Versionsnachweise und Pilotprotokoll ergänzt. Interessenantworten müssen auch beim Einlesen gespeicherter Angaben gültige ganze Werte von 1 bis 5 sein.

wsis-riasec24-2026-10-14.1 · wsis-matching-2026-10-14.2. Versionsmanifest mit exakten Sprachfassungen und Dateiprüfsummen

Revision 1.0 vom 14.10.2026: erste zusammenhängende Fachdokumentation; ungesicherte Persönlichkeitsnormen entfernt; vollständige Persönlichkeitsantworten erforderlich; KI-Einwilligung am Endpunkt geprüft. Frühere Ergebnislinks ohne Antwortmittelwerte werden nicht in neue Normwerte umgerechnet. Modelländerungen erfordern eine erneute Prüfung und Dokumentation.

• Mini-IPIP scoring key · Donnellan, Oswald, Baird & Lucas (2006)
• IPIP: scoring positive and negative items
• IPIP: norms and datasets
• IPIP: permission for commercial and non-commercial use
• O*NET Tools Developer License: adaptation and validation
• BFI-2: author permissions
• Itemdefinitionen und Skalenberechnung · Ranglistenmodell · Studiengangpassung