Was es ist
Plum ist die Talent-Assessment-Plattform, die rund um Behavioral- und Personality-Fit aufgebaut ist — sie misst Kandidatenattribute (Problemlösungsstil, Arbeitsmotivation, sozialer Stil, Anpassungsfähigkeit) und gleicht sie mit Rollenprofilen ab. Andere Kategorie als Skills-Assessment (HackerRank, TestGorilla, Vervoe) — Plum misst, wer der Kandidat ist, nicht was er kann.
Warum es in Recruiting-Stacks auftaucht
- Behavioral-Fit-Signal. Einige Studien legen nahe, dass Behavioral Fit stärker mit Retention und On-the-Job-Zufriedenheit korreliert als Skills allein — insbesondere bei Rollen, in denen Cultural Fit und Teamdynamik zählen.
- Wiederverwendbar über den Employee Lifecycle. Plum-Profile überdauern den Hiring-Moment — nützlich für Internal Mobility, Teamzusammensetzung und Succession Planning. Dieselben Daten, die einen Hire begründet haben, fließen drei Jahre später in eine Beförderung ein.
- Ein Assessment pro Kandidat, mehrere Rollen. Kandidaten absolvieren das Assessment einmal; die Ergebnisse werden gegen mehrere Rollenprofile gematcht. Reduziert die Assessment-Müdigkeit, die der Candidate Experience schadet.
Preise
- Nur Custom. Per-Employee- oder Per-Assessment-Pricing üblich; effektiver Einstiegspunkt im mittleren fünfstelligen Bereich pro Jahr im Mid-Market.
- Jahresverträge sind Standard; Pilotprogramme stehen zur Evaluierung vor breiterem Rollout zur Verfügung.
- Implementierung typischerweise 30–60 Tage.
Am besten geeignet für
- Mid-Market- und Enterprise-Unternehmen, bei denen Behavioral Fit ein anerkanntes Hiring-Kriterium ist
- Organisationen, die über das Hiring hinaus in Internal Mobility und Succession Planning investieren
- Kundenfacing-Rollen, bei denen Persönlichkeit und Verhaltensattribute den Erfolg substanziell prognostizieren
Worauf zu achten ist
- Die Validität von Persönlichkeitsassessments ist in der Forschungsliteratur umstritten — Meta-Analysen zeigen moderate prädiktive Kraft, deutlich weniger als strukturierte Interviews oder Skills-Assessments
- Behavioral Assessments müssen sorgfältig designt werden, um Disparate-Impact-Bias gegenüber geschützten Gruppen zu vermeiden — besonders wichtig bei den KI-bewerteten Varianten
- KI-Bias-Audit-Pflichten nach EU AI Act, NYC Local Law 144 und Illinois AVDA greifen
- Sollte eines von mehreren Signalen in Hiring-Entscheidungen sein, nicht das primäre — eine Übergewichtung von Persönlichkeitsassessments führt zu schlechteren Ergebnissen als eine angemessene Gewichtung neben Skills und strukturierten Interview-Signalen