Testpsychologische Untersuchung in der Praxis: auswählen, auswerten, dokumentieren.

Was Testdiagnostik leistet — und was nicht

Ein psychologischer Test ist ein Messinstrument: Er übersetzt Verhalten unter standardisierten Bedingungen in Zahlen, die mit einer Vergleichsstichprobe in Beziehung gesetzt werden können. Damit leistet er dreierlei, was die klinische Exploration allein nicht leisten kann: Er objektiviert Eindrücke („die Patientin wirkt depressiv verlangsamt" wird zu „Verarbeitungsgeschwindigkeit unter dem 5. Perzentil der Altersnorm"), er vergleicht mit einer Norm (was für eine 78-jährige Person mit Hauptschulabschluss auffällig ist, ist es für eine 30-jährige Akademikerin nicht), und er macht Befunde überprüfbar — ein Zweituntersucher kommt bei gleichen Bedingungen zum gleichen Messwert.

Ebenso wichtig ist die Grenze: Kein Test stellt eine Diagnose. Ein BDI-II-Wert von 32 ist ein Befund, keine Diagnose — die Diagnose „depressive Episode" entsteht erst in der klinischen Zusammenschau aus Anamnese, Exploration, Befund und Verlauf. Ein DemTect- oder MoCA-Ergebnis im auffälligen Bereich beweist keine Demenz; es dokumentiert eine kognitive Leistungseinschränkung, deren Ursache differentialdiagnostisch geklärt werden muss. Wer Testergebnisse als Diagnosen liest, verwendet das Instrument außerhalb seines Geltungsbereichs — ein Fehler, der in der Begutachtung regelmäßig angegriffen wird.

Die Fragestellung bestimmt alles

Der entscheidende Schritt geschieht vor jeder Testauswahl: die Präzisierung der Fragestellung. „Was genau soll gemessen werden, und welche Entscheidung hängt vom Ergebnis ab?" ist die Leitfrage. Typische Fragestellungen in der klinischen Praxis sind die Demenzdiagnostik (Screening versus differenzierte neuropsychologische Abklärung), die Quantifizierung depressiver oder angstbezogener Symptomatik (Basisdiagnostik und Verlaufskontrolle), Aufmerksamkeits- und exekutive Störungen (etwa bei ADHS-Fragestellungen oder nach Schädel-Hirn-Trauma), traumabezogene Symptomatik und in der Begutachtung die Beurteilung der Beschwerdevalidität.

Aus der Fragestellung folgt das diagnostische Vorgehen. Bewährt hat sich das hypothesengeleitete Vorgehen: Aus Anamnese und Exploration werden konkrete Hypothesen abgeleitet, die dann mit geeigneten Verfahren gezielt bestätigt oder verworfen werden — nicht andersherum. Wer „auf Verdacht" eine breite Batterie fährt, erzeugt Zufallsbefunde: Bei zwanzig gemessenen Skalen ist statistisch zu erwarten, dass eine davon per Zufall im auffälligen Bereich liegt. Der Unterschied zwischen Screening und differenzierter Abklärung gehört ebenfalls hierher: Ein Screening (z. B. MMST, MoCA, DemTect) beantwortet die Frage „liegt ein auffälliger Befund vor, der weiterer Abklärung bedarf?" — es ersetzt nicht die differenzierte Testung, wenn das Screening auffällt. Und jede Untersuchung sollte vor Beginn die Frage beantworten können: Was ändert sich an Diagnostik, Therapie oder Gutachten, wenn das Ergebnis so oder so ausfällt? Ändert sich nichts, ist die Testung nicht indiziert.

Gütekriterien verstehen und anwenden

Die Beurteilung, ob ein Verfahren für eine Fragestellung taugt, folgt den klassischen Hauptgütekriterien — ergänzt um die praktische Frage der Normierung.

Objektivität verlangt, dass das Ergebnis nicht von der untersuchenden Person abhängt. Sie wird auf drei Ebenen unterschieden: Durchführungsobjektivität (die standardisierte Instruktion ist bindend — wer Instruktionen „hilfreich" umformuliert, verlässt den Rahmen, für den die Normen gelten), Auswertungsobjektivität (die Zuordnung von Antworten zu Punkten folgt festen Regeln) und Interpretationsobjektivität (die Deutung folgt dem Manual, nicht der Intuition).

Reliabilität ist die Messgenauigkeit: Würde dieselbe Messung unter gleichen Bedingungen zum gleichen Ergebnis führen? Relevant sind Retest-Reliabilität (Stabilität über die Zeit), interne Konsistenz und — bei Verlaufsmessungen besonders wichtig — die Frage, ab welcher Veränderung ein Unterschied überhaupt über den Messfehler hinausgeht. Aus der Reliabilität folgt direkt das Konfidenzintervall: Jeder Testwert ist eine Schätzung mit Unsicherheitsbereich, keine Punktwahrheit. Ein T-Wert von 62 heißt nicht „62", sondern bei typischer Reliabilität „mit 95-%-Sicherheit zwischen 56 und 68". Zwei Werte, deren Intervalle sich überlappen, unterscheiden sich nicht nachweisbar — das entscheidet darüber, ob man bei einer Verlaufskontrolle von „Besserung" sprechen darf.

Validität ist die zentrale Frage: Misst das Verfahren das, was es zu messen vorgibt — und zwar für diese Fragestellung bei dieser Person? Man unterscheidet Inhaltsvalidität (deckt der Test das Merkmal ab?), Kriteriumsvalidität (sagt er ein Außenkriterium voraus, etwa die klinische Diagnose?) und Konstruktvalidität (passt das Messmodell zur Theorie des Merkmals?). Für die Praxis folgt daraus: Ein Depressionsinventar misst depressive Symptomatik, keine „Depressionsneigung"; ein Aufmerksamkeitstest misst Aufmerksamkeitsleistung in der Testsituation, nicht zwingend die Alltagsaufmerksamkeit (ökologische Validität).

Normierung schließlich entscheidet, wogegen verglichen wird. Die Eichstichprobe muss zur untersuchten Person passen — Alter, Bildungsniveau, gegebenenfalls Sprache und kultureller Hintergrund. Normen altern zudem: Bevölkerungsleistungen verschieben sich über Jahrzehnte (der Flynn-Effekt bei Intelligenztests ist das bekannteste Beispiel), weshalb die Aktualität der Normstichprobe zum Auswahlkriterium gehört. Der praktische Merksatz: Ein noch so bequemer Schnelltest ist wertlos, wenn Normstichprobe oder Validität zur Fragestellung nicht passen.

Für die berufsbezogene Eignungsdiagnostik sind diese Anforderungen in der DIN 33430 normativ festgelegt; international bilden die Standards for Educational and Psychological Testing den Referenzrahmen. Beide eint die Forderung: Gütebelege müssen vom Verlag dokumentiert sein und zur konkreten Anwendung passen — nicht nur „der Test ist validiert", sondern „der Test ist für diese Fragestellung und diese Personengruppe validiert".

Testauswahl und Durchführung

Bei der Auswahl gilt die Reihenfolge: erst Fragestellung, dann Gütekriterien, dann Praktikabilität — nicht umgekehrt. Ein Verfahren wird gewählt, weil es für die Fragestellung und die Personengruppe die besten Gütebelege hat, nicht weil es vorrätig ist. Bei Verlaufsmessungen kommt hinzu, dass das Verfahren veränderungssensitiv sein und Übungseffekte berücksichtigen muss; manche Leistungstests eignen sich wegen ausgeprägter Übungseffekte nicht für kurze Retest-Intervalle oder nur in Parallelformen.

Die Durchführung ist Teil der Messung. Standardisierte Bedingungen — ruhige Umgebung, ungestörter Ablauf, exakte Einhaltung der Instruktion — sind kein Luxus, sondern die Voraussetzung dafür, dass der Normvergleich gilt. Was die Bedingungen verändert, verändert den Messwert und gehört in die Dokumentation: Sprachbarrieren und nicht-erstsprachliche Testung, Seh- und Hördefizite, motorische Einschränkungen bei Zeittests, Medikamenteneinflüsse (insbesondere Sedativa), Schlafmangel, akute Belastung und Tagesform. Bei Selbst- und Fremdbeurteilungsverfahren ist zu prüfen, ob die Person die Items versteht; bei älteren oder bildungsfernen Personen kann die Bogenform selbst zum Störfaktor werden.

Eine Besonderheit ist die Heimtestung: Selbstbeurteilungs-Fragebögen zu Hause sind praktikabel und für Verlaufsmessungen gut geeignet, aber die Bedingungen sind unkontrolliert — Ablenkung, Mitwirkung Dritter, soziale Erwünschtheit im häuslichen Kontext sind nicht prüfbar. Leistungstests gehören grundsätzlich nicht in den Heimkontext; ein zu Hause am Tablet bearbeiteter Leistungstest ist kein standardisiertes Verfahren mehr, sondern eine grobe Selbsteinschätzung, und darf auch nur so berichtet werden.

Besonderheit Begutachtung: Beschwerdevalidität

In der Begutachtung — Rentenverfahren, Berufsgenossenschaft, Schadenersatz — kommt zur Leistungs- und Symptommessung eine eigenständige Frage hinzu: Sind die Testergebnisse ein valides Abbild der tatsächlichen Leistungsfähigkeit, und sind die berichteten Beschwerden glaubwürdig? Die Beschwerdevalidierung prüft dabei zunächst nicht „Simulation", sondern die Interpretierbarkeit der erhobenen Daten — ein wichtiger Unterschied: Ein auffälliger Validitätstest sagt, dass das Ergebnis der Leistungstests nicht oder nur eingeschränkt interpretierbar ist; die Frage, ob eine bewusste Täuschung vorliegt, ist ein separater, wesentlich höher anzulegender Schluss.

Bewährt hat sich ein mehrstufiges Vorgehen. Performanzvaliditätstests (PVT) prüfen, ob die Anstrengungsbereitschaft bei kognitiven Tests ausreichte (etwa TOMM, WMT oder in Standardtests eingebettete Indikatoren wie der Reliable Digit Span); Symptomvaliditätstests (SVT) prüfen die Glaubwürdigkeit berichteter Beschwerden (etwa SIMS oder SRSI). Den dritten Baustein bildet die Konsistenzanalyse: die kritische Zusammenschau von Testverhalten und Alltagsverhalten, subjektiven Beschwerden und objektivem Befund, Eigen- und Fremdanamnese, aktuellen Angaben und Aktenlage. Die AWMF-Leitlinie zur Begutachtung chronischer Schmerzen (030/102) verlangt genau diese Konsistenzprüfung und benennt typische Diskrepanzen — etwa zwischen der geschilderten Intensität und der Vagheit der Beschwerdeschilderung oder zwischen massiven subjektiven Beschwerden und intaktem psychosozialem Funktionsniveau im Alltag.

Differentialdiagnostisch ist Zurückhaltung geboten: Auffällige Validitätsergebnisse haben auch nicht-intentionale Ursachen — schwere Depression mit kognitiver Verlangsamung, Sprachbarrieren, Bildungsferne, sensorische Einschränkungen, Medikamenteneinflüsse, somatoforme oder dissoziative Störungen. Erst wenn externe Anreize vorliegen, mehrere unabhängige Validitätsindikatoren auffällig sind, die Inkonsistenzen dokumentiert sind und psychiatrische oder neurologische Erklärungen ausgeschlossen wurden, kann im Rahmen der Kriterien nach Slick et al. von Aggravation oder wahrscheinlicher Simulation gesprochen werden. Berichtet wird deskriptiv: Befunde und deren Konsequenz für die Interpretierbarkeit — keine moralische Bewertung der Person.

Interpretation: vom Rohwert zum Befund

Die Interpretation folgt einer festen Logik. Zuerst wird der Rohwert in den Normkontext übersetzt — was ist für diese Person mit diesem Alter und Bildungsniveau auffällig? Dann wird die Messunsicherheit einkalkuliert: Konfidenzintervalle statt Punktwahrheiten, bei Profilinterpretation die Unterscheidung zwischen echten Profilunterschieden und Unterschieden im Messfehlerbereich. Schließlich erfolgt die multiperspektivische Einbettung: Testwerte werden gegen klinischen Eindruck, Anamnese und Fremdanamnese abgeglichen. Gerade Diskrepanzen sind selbst ein Befund — eine Patientin, die im Fragebogen maximale Beeinträchtigung angibt, aber in der Testung und im Gespräch unauffällig ist, liefert damit diagnostisch relevante Information (etwa für Krankheitserleben oder Antwortverzerrungen), die erklärt werden muss, nicht geglättet.

Typische Interpretationsfehler sind: Einzelwerte ohne Beachtung der Messgenauigkeit überinterpretieren, Screening-Ergebnisse wie differenzierte Befunde behandeln („MoCA 24 Punkte" ist ein Screening-Hinweis, keine Demenzdiagnose), Normen einer unpassenden Stichprobe anwenden, Übungseffekte bei Verlaufsmessungen als Besserung lesen und nicht zuletzt die Ätiologie aus dem Leistungsprofil schließen wollen — ein Leistungsprofil kann kompatibel mit einer Störung sein, es beweist nicht deren Ursache.

Der Befundbericht

Der testpsychologische Befundbericht folgt einem bewährten Aufbau: Er benennt die Fragestellung (aus der alles Weitere folgt), die verwendeten Verfahren mit exakter Version (nicht „BDI", sondern „BDI-II"), die Durchführungsbedingungen inklusive relevanter Störfaktoren (Sprache, Medikation, Tagesform, Setting — etwa Heimtestung), die Ergebnisse als Roh- und Normwerte mit Normbezug, die Interpretation in der Logik der Fragestellung und schließlich die explizite Antwort auf die Fragestellung samt Grenzen der Aussage. Im Begutachtungskontext kommt die Darstellung der Validitätsprüfung und ihrer Konsequenzen hinzu.

Stilistisch gilt: Der Bericht richtet sich häufig an fachfremde Leser — Krankenkassen, Gerichte, Gutachter anderer Fächer. Fachbegriffe werden dort eingesetzt, wo sie präzisieren, und erklärt, wo sie tragen müssen. Befund und Urteil bleiben getrennt: Der Bericht beschreibt, was gemessen wurde und was es bedeutet — die klinische oder gutachterliche Gesamtbeurteilung ist ein eigener Schritt, der weitere Datenquellen einbezieht. Wie Testergebnisse in den psychopathologischen Befund und den Antrag einfließen, zeigen die Leitfäden Psychopathologischer Befund (AMDP) und Bericht an den Gutachter.