CommunityCodierung & Entwicklunggithub.com

评分卡 – Bewertungsmatrix

Eine strukturierte Methode, um subjektive Entscheidungen objektiv bewertbar zu machen – mit festgelegten Dimensionen, Gewichten und Vetokriterien.

Was ist 评分卡 – Bewertungsmatrix?

Dieses Skill definiert eine **Bewertungsmatrix (Scorecard)** für rationale Entscheidungen unter Unsicherheit – inspiriert vom 37%-Prinzip. Der Kern besteht darin, vor dem ersten Vergleich klare Dimensionen (3–5, max. 7), Ankerpunkte für jede Punktzahl (1/5/10) und Vetokriterien festzulegen. Gewichte werden nicht abstrakt abgefragt, sondern über eine 100-Punkte-Verteilung oder Rangfolge mit Defaultwerten ermittelt. Der Skill betont drei häufige Fallstricke (Punkte-Inflation, Halo-Effekt, Recency-Bias) und führt eine **Konfidenz-Einschätzung (hoch/mittel/niedrig)** ein, die nicht in die Rechnung eingeht, aber in die Interpretation einfließt. Er eignet sich für persönliche Entscheidungen (Jobangebote, Wohnungssuche), Team-Entscheidungen (Einstellung, Lieferantenwahl) und technische Architekturentscheidungen. Das Tool setzt auf einfache Konfiguration (z.B. durch `score.py` und `stop.py`) und lässt sich in Agenten-Workflows wie Claude Code, Codex oder Cursor einbetten. Die Methode zwingt zur Explizitheit und vermeidet Bauchgefühl, indem sie vor dem ersten Kandidaten erstellt und während des Vergleichs nicht mehr geändert wird.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/19970836597/-agent/tree/HEAD/skills/buttin/Optimalstop37-skill

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Bewertungsmatrix: „Besser“ objektiv beurteilbar machen

Die gesamte Entscheidung der 37%-Regel hängt von einem Satz ab: Ist dieser Kandidat besser als die Benchmark? Ohne Bewertungsmatrix bleibt dieser Satz dem Gefühl überlassen – das mit Wetter, Müdigkeit oder der Laune des Gegenübers schwankt. Die Bewertungsmatrix muss vor dem ersten Kandidaten festgelegt werden und darf während der Auswahl nicht geändert werden.


1. Gestaltungsregeln (fünf)

  1. 3–5 Dimensionen, maximal 7. Mehr als 7 verwässern die Gewichtung; jede Dimension wird unbedeutend, die Gesamtpunktzahl differenziert nicht mehr.

  2. Dimensionen sollten sich möglichst nicht überschneiden. „Gehalt“ und „Einkommensstabilität“ sind stark korreliert – man zählt dasselbe doppelt.

  3. Harte Einschränkungen nicht als Bewertungsdimension, sondern als Vetoschwelle definieren. Z.B. „muss Haushaltsgenehmigung haben“, „Budgetobergrenze 5 Mio.“, „muss SSO unterstützen“ – das sind Vetos, die sofort ausschließen und nicht mit „Entwicklungspotenzial“ verrechnet werden. (Im Skript score.py wird das Veto im Feld veto vermerkt; stop.py überspringt diesen Kandidaten direkt.)

  4. Jede Dimension zuerst mit Ankerpunkten definieren, dann bewerten. Schreibe zu 1, 5 und 10 Punkten jeweils einen konkreten Satz – dann bewerte nach Ankern, nicht nach Gefühl. Beispiel: „Pendelzeit“ 10 Pkt. = einfache Fahrt unter 20 Min.; 5 Pkt. = 40 Min.; 1 Pkt. = über 90 Min.

  5. Die Gewichtung muss begründbar sein: „Warum ist diese Dimension die wichtigste?“ Eine nicht begründbare Gewichtung stammt meist von anderen übernommenen Werten. Die Gewichtung ist der einzige Teil dieser Methode, den der Nutzer selbst festlegen muss – nicht mit Defaultwerten abtun.


2. Gewichtung vergeben (oft die Hürde für Nutzer)

Frage nicht „Welchen Prozentanteil hat jede Dimension?“ – der Mensch hat kein Gefühl für absolute Gewichte. Verwende diese beiden Methoden:

Methode A: 100-Punkte-Verteilung „Du hast 100 Punkte, verteile sie auf die dir wichtigsten Dimensionen. Die wichtigste bekommt zuerst.“ Dann lass den Nutzer anpassen.

Methode B: Rangfolge (schneller) Erst eine Rangfolge erstellen, dann eine absteigende Standardgewichtung vorschlagen und anpassen lassen:

RangStandardgewichtung
1. wichtigste35
2. wichtigste25
3. wichtigste20
4. wichtigste12
5. wichtigste8

Die Standardwerte sind nur ein Startpunkt. Frage unbedingt: „Stimmst du dieser Verteilung zu?“ – wenn nicht, lass ihn ändern.


3. Dimensionsbibliothek für häufige Szenarien (zur Auswahl, nicht zum Abschreiben)

Jobangebot / Jobwechsel Gesamtvergütung · Entwicklungspotenzial · direkte Führungskraft · Work-Life-Balance · Unternehmensstabilität · Pendelzeit · Lebenslaufwert

Miete / Wohnungskauf Pendelzeit · Preis · Tageslicht/Lüftung · Umfeld · Zustand · Vermieter/Verwaltung · Lärm

Einstellung Fachliche Passung · Lernfähigkeit · Kommunikation & Teamarbeit · Stabilität · Gehaltserwartung · Kulturelle Passung

Lieferantenauswahl / Einkauf Preis · Lieferfähigkeit · Kundendienst · Compliance · Langfristige Stabilität · Migrationskosten

Technologieentscheidung Teamvertrautheit · Leistung · Ökosystemreife · Betriebskosten · Migrationskosten · Langfristige Wartbarkeit

Investition / Finanzen Erwartete Rendite · Maximaler Drawdown · Liquidität · Verständnisgrad (nicht investieren, was man nicht versteht) · Korrelation (Risikostreuung)

Die Bibliothek dient als Erinnerung, nicht als Vorlage. Wähle jedes Mal nur 3–5 aus und frage dann den Nutzer: „Fehlt etwas, das dir wirklich wichtig ist?“ – das Fehlende ist oft das Wichtigste.


4. Drei Fallstricke beim Bewerten

FallstrickErscheinungLösung
Punkte-InflationAlle Kandidaten erhalten 7–9 Punkte, keine DifferenzierungAnkerpunkte zwingend vorgeben; erlaube 2 oder 3 Punkte
Halo-EffektEin Kandidat fühlt sich „gut“ an, daher jede Dimension hoch bewertetBewerte nach Dimensionen, nicht nach Kandidaten – erst alle Gehälter, dann die nächste Dimension
Recency-BiasDer zuletzt bewertete Kandidat erhält systematisch höhere PunktzahlenBewerte sofort beim Erfassen, nicht am nächsten Tag; wenn längere Zeit vergangen ist, vermerke niedrige Konfidenz

5. Konfidenz (wichtig, aber oft übersehen)

Bei jedem Kandidaten gleichzeitig eine Konfidenz notieren: hoch / mittel / niedrig.

  • Hoch: Ausreichende Informationen (bereits besichtigt, Gespräch geführt, Daten vollständig)
  • Mittel: Hauptinformationen vorhanden, Details noch offen
  • Niedrig: Im Wesentlichen auf Schätzung oder einseitige Aussage angewiesen

Die Konfidenz fließt nicht in die Berechnung ein, wird aber in der Schlussfolgerung dargestellt. Zwei ähnliche Punktzahlen bei stark unterschiedlicher Konfidenz: Wähle die mit höherer Konfidenz – das ist aussagekräftiger als zwei Nachkommastellen.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Verwandte Skills