> ## Documentation Index > Fetch the complete documentation index at: https://help.honestly.com/llms.txt > Use this file to discover all available pages before exploring further. # 📊 Wie funktioniert die Wirkungsprognose? > Das Impact Prediction Chart zeigt, welche Faktoren Loyalität, Engagement oder Umsatzabsicht wirklich beeinflussen – für gezielte, evidenzbasierte Maßnahmen statt bloßer Ergebnisbeobachtung. Dieser Leitfaden richtet sich an HR-Fachleute, Teamleiter und Führungskräfte und erklärt: * Was das Chart zeigt * Wie man es interpretiert * Wie man es korrekt erstellt * Ein Praxisbeispiel mit einer unserer validierten Umfragen *** #### ### **🔍 Was zeigt das Chart?** Das Chart analysiert die Ergebnisse eurer Mitarbeiterbefragung und prognostiziert, welche spezifischen Faktoren den größten Einfluss auf ein Zielkonstrukt haben – z. B. Engagement oder Kündigungsabsicht. Dies geschieht mittels **Korrelationsanalyse**. Die Ausgabe wird in zwei sinnvolle Kategorien unterteilt: * ✅ **Stärken** : Einflussreiche Themen mit einem Score von **≥ 75 %**. Diese sollten geschützt und gestärkt werden. * ⚠️ **Handlungsfelder** : Einflussreiche Themen mit einem Score von **\< 75 %**. Hier bestehen die besten Chancen zur Verbesserung. Maximal 3 Items pro Kategorie werden angezeigt. Berücksichtigt werden nur Fragen mit einer **Pearson-Korrelation von ≥ 0,1** zum Zielkonstrukt – so bleibt der Fokus auf sinnvollen Zusammenhängen. (Es sind **mindestens zwei Antworten erforderlich** , da die Korrelation zwischen zwei Werten immer +1 oder -1 ist, was nichts anderes bedeutet als: die Werte sind genau gleich oder nicht - und uns daher keinen Mehrwert liefert). *** #### ### **📈 Wie funktioniert es?** Das System berechnet den **absoluten Wert von Pearson's R** , einer statistischen Größe, die misst, wie ähnlich sich zwei Variablen verhalten. Ablauf: * Das **Zielkonstrukt** (z. B. „Kündigungsabsicht“) wird durch eine oder mehrere Ziel-Fragen abgebildet. * Alle anderen Fragen der Umfrage werden auf ihre **Korrelation** mit diesem Ziel getestet. * Fragen mit starker Korrelation gelten als **Schlüsselfaktoren**. * Je nach Schwellenwert (75 %) werden diese klassifiziert als: * **Stärken** (≥ 75 %) * **Handlungsfelder** (\< 75 %) *** ### **👓 Wie liest man das Chart? (Beispiel)** #### \*\*🎯 Zielkonstrukt: Loyalität **** | **Stärken** | **Score** | **Einfluss** | | -------------------------------------------- | --------- | ------------ | | Klare Kommunikation bei Abmahnungen | 96% | Hoch | | Starke Identifikation mit Unternehmenserfolg | 88% | Hoch | | Vielfältige Aufgaben | 93% | Hoch | Diese Themen zeigen **hohe Scores** und **starken Einfluss** – sie sollten gefeiert und geschützt werden. | **Stärken** | **Score** | **Einfluss** | | -------------------------------------------------------------------- | --------- | ------------ | | Das „Honestly Daily“ verbessert Transparenz, wird aber wenig genutzt | 43% | Hoch | | “Besondere Leistungen werden nicht konsequent belohnt” | 64% | Hoch | | Aufgabenüberlastung | 67% | Hoch | Diese Items haben **niedrige Scores** , aber **hohen Einfluss** – eine Verbesserung könnte die Fluktuation senken. **Interessant:** Obwohl die Frage zu „Honestly Daily“ nicht aus einem wissenschaftlich validierten Fragebogen stammt (sie ist unternehmensspezifisch), wurde sie als konkreter nächster Schritt interpretiert – das Meeting wurde eingestellt. *** ### **🛠️ So erstellst du das Chart (richtig)** #### **1. Wähle ein Zielkonstrukt** Zum Beispiel: * **Engagement** , * **Loyalität** , * **Kündigungsabsicht** , * **Psychologische Sicherheit** , oder * **Inklusion** #### **2. Verwende den Honestly Engagement Fragebogen** Ein **wissenschaftlich validiertes Instrument** , entwickelt mit der Freien Universität Berlin. Er enthält **67 Fragen** , gruppiert nach **Faktoren und Subfaktoren** basierend auf dem Job Demands–Resources (JD-R) Modell. ➤ Weitere Infos: [*Faktoren und Subfaktoren des Honestly Engagement Fragebogens*](/de/help/engagement-concept/questionnaire-factors) #### **3. Wähle validierte Ziel-Fragen** Jedes Konstrukt ist durch definierte Items abgedeckt. Beispiel: Zur Messung der **Kündigungsabsicht** nutze diese drei Fragen: * *„Die Vorstellung, in einem anderen Unternehmen zu arbeiten, ist für mich reizvoll.“* * *„Wenn es nach mir ginge, würde ich in fünf Jahren noch in meinem aktuellen Unternehmen arbeiten.“* * *„Ich würde gerne so lange wie möglich in diesem Unternehmen bleiben.“* Diese drei Items bilden gemeinsam das Zielkonstrukt. **Weitere Informationen** Die folgenden skalierten Fragetypen können zur Erstellung dieses Diagramms verwendet werden: * Einfachauswahl mit Skala * Smileys * Sterne #### \*\*4. Erstelle das Chart \*\* Das System wird: * Für jede Frage Pearson's R im Vergleich zum Ziel berechnen * Fragen mit Korrelation \< 0,1 herausfiltern * Übrige Fragen gruppieren in: * ✅ **Stärken** : Korrelation ≥ 0,1 UND Score ≥ 75 % * ⚠️ **Handlungsfelder** : Korrelation ≥ 0,1 UND Score \< 75 % #### **5. Ergebnis interpretieren** * **Handlungsfelder verbessern** , um maximale Wirkung zu erzielen * **Stärken absichern** , um gute Leistungen zu bewahren *** #### #### **🧠 Beispiel-Szenario** **Fall:** Teamleiter möchte Kündigungsabsicht reduzieren. → Setzt die drei Items zur Kündigungsabsicht als Ziel. **Ergebnis:** * ✅ **Stärke** : „Meine Führungskraft vertraut mir“ (Score: 89 %, Korrelation: 0,74) * ⚠️ **Handlungsfeld** : „Ich habe die Werkzeuge, die ich für meine Arbeit brauche“ (Score: 61 %, Korrelation: 0,79) 📌 **Erkenntnis:** Ausrüstung verbessern => messbar positiver Einfluss auf Mitarbeiterbindung. *** #### #### **💡 Pro Tips** * **Nicht einfach auf niedrige Scores stürzen!** Stärkere Korrelationen lassen bessere Rückschlüsse über Relevanz fürs Zielkonstrukt zu. * **Wiederhole die Analyse regelmäßig.** Einflussfaktoren können sich ändern. * **Nutze die Ergebnisse in Führungs-Workshops,** um gemeinsam mit Abteilungen Maßnahmen zu entwickeln. * **Achtung:** Korrelation ≠ Kausalität! Hinterfrage, *warum* ein Item relevant ist, um die richtigen Schlüsse zu ziehen. **📚 Interessantes** * [Faktoren und Subfaktoren des Honestly Fragebogens](/de/help/engagement-concept/questionnaire-factors) * [Was ist Pearson’s R? (Einsteiger-Guide)](https://datatab.net/tutorial/pearson-correlation) * [Fun Fact: Zufällige Korrelationen](https://www.tylervigen.com/spurious-correlations)