Computerized Adaptive Testing auf Basis der Item Response Theory. Jede Frage passt sich in Echtzeit an dein Wissen an — präziser als jeder Standard-Fragebogen. In nur 5–8 Minuten erhältst du einen wissenschaftlich validierten INFE-Score auf der 0–100 Skala.
Die OECD International Network on Financial Education (INFE) wurde 2008 gegründet und ist heute mit 240+ Mitgliedsorganisationen aus 130+ Ländern der weltweit führende Standard für die Messung von Finanzbildung.
Der OECD/INFE Toolkit definiert einen international standardisierten Fragebogen, der seit 2010 in regelmäßigen Abständen revidiert wird (zuletzt 2022). Er liefert vergleichbare Ergebnisse über Länder, Sprachen und Altersgruppen hinweg — und ist Grundlage für die G20-Berichte zur Financial Literacy.
FinCoach AI implementiert dieses Toolkit als vollständiges Computerized Adaptive Testing (CAT) System — statt eines linearen Fragebogens passt sich jede Frage in Echtzeit an dein bisheriges Antwortmuster an. Das Ergebnis ist präziser, kürzer und motivierender als klassische Erhebungen.
Reaktion auf die Finanzkrise — internationaler Handlungsrahmen für Finanzbildung.
14 Länder, 38.000 Teilnehmer. Geburt des standardisierten Fragebogens.
Verabschiedung als G20-Standard. 30 Länder, 51.000 Teilnehmer.
39 Länder/Wirtschaftsräume, 125.000 Teilnehmer. Erweiterung um Digital Finance.
Erstes adaptives Banking-Assessment auf OECD/INFE-Basis. SE(θ) < 0.30 garantiert.
Finanzkompetenz ist nach OECD/INFE keine eindimensionale Größe. Sie kombiniert Wissen, Verhalten und Einstellung — ein Mensch kann viel wissen, aber schlecht handeln. Oder umgekehrt. Erst die Kombination erklärt finanzielles Wohlergehen.
Verstehst du Zinseszins, Inflation, Risikodiversifikation? Diese 7 Items messen das fundamentale Verständnis finanzieller Mechanismen — die "Big Three" nach Lusardi & Mitchell.
Wie handelst du tatsächlich? Diese 9 Items messen reales Verhalten: Budgetierung, Sparverhalten, Rechnungen pünktlich zahlen, Vergleichen vor Kauf, langfristige Ziele setzen.
Wie denkst du über Geld? Drei Likert-Items (5-stufig) messen deine Einstellung zu Sparen vs. Konsum, kurzfristig vs. langfristig, Zukunftsorientierung.
Statt jedem die gleichen Fragen zu stellen, wählt der Algorithmus für dich die optimal informativste Frage — basierend auf allem was er bisher über dich gelernt hat.
Stell dir einen Lehrer vor, der mitdenkt: Wenn du eine leichte Frage richtig beantwortest, fragt er etwas Schwierigeres. Wenn du eine schwere Frage falsch hast, wechselt er zu einer einfacheren — bis er genau weiß, was du kannst.
Genau das macht CAT: Der Computer wählt für dich nach jeder Antwort die nächste Frage so aus, dass du möglichst schnell zu einem präzisen Ergebnis kommst.
Du musst nur 8–12 Fragen statt 35 beantworten. Das spart dir Zeit und macht den Test trotzdem genauer — perfekt zugeschnitten auf dein Niveau.
Klassische Testtheorie behandelt jedes Item gleich — IRT modelliert jedes einzelne Item mit eigenen Parametern. Das ist die Grundlage moderner adaptiver Tests.
Stell dir vor, jede Frage hat zwei Eigenschaften:
Der Computer kennt für jede Frage diese zwei Werte aus tausenden Vortests. So kann er sehr genau abschätzen, was deine richtige Antwort über dich aussagt.
Die Item Characteristic Curve zeigt für ein konkretes Item, mit welcher Wahrscheinlichkeit eine Person mit Fähigkeit θ es korrekt löst. Der Wendepunkt liegt bei θ = b. Steile Kurven (großes a) trennen besser zwischen Niveaus.
Die Fisher-Information \(I(\theta)\) misst, wie viel statistische Information ein Item bei einer bestimmten Fähigkeit liefert. Sie ist maximal, wenn das Item für dich genau "passt" — also bei \(\theta \approx b\).
CAT wählt also nach jeder Antwort jenes Item, das deinen aktuellen θ-Schätzwert mit der größten erwarteten Information optimal "vermisst".
Drei Items mit unterschiedlicher Schwierigkeit. Jedes liefert maximale Information an seiner Schwierigkeitsstelle. Die Summe aller Items ergibt die Test-Information — und damit die Präzision der θ-Schätzung.
Jedes Item im CAT wird vor dem Live-Einsatz an einer Pilotstichprobe kalibriert — wir wissen also vorab präzise, was es misst.
Bevor eine Frage in den Live-Test darf, beantworten tausende Menschen eine längere Version in einer Pilotphase. So sehen wir genau, wie schwer jede Frage ist und ob sie wirklich misst, was sie messen soll.
Schlechte Fragen — verwirrend, mehrdeutig oder kulturell verzerrt — werden aussortiert. Nur die besten 147 Items bilden die Bank.
Sechs Schritte, die nach jeder Antwort durchlaufen werden — in unter 50 Millisekunden.
Prior-Verteilung θ ~ N(0, 1). Demografische Hints aus Banking-Profil (Alter, Einkommen) liefern bessere Startwerte.
Maximum Fisher Information unter Constraints: Content-Balancing, Exposure-Control (Sympson-Hetter).
Frage angezeigt, Antwort + Reaktionszeit erfasst. Item-Position-Effekt durch Randomisierung der Optionen kontrolliert.
Expected A Posteriori über numerische Quadratur. Posterior wird enger, Konfidenzintervall schrumpft.
SE(θ̂) < 0.30? n ≥ 20? Content-Coverage erfüllt? Bei nein: zurück zu Schritt 2.
θ-Skala (logit) → INFE 0-100 via lineare Transformation kalibriert auf G20-Referenzpopulation.
Standardfehler unterschreitet OECD-Schwelle. Entspricht Reliabilität \( \geq 0.91 \).
Maximal 20 Items, auch wenn SE noch hoch. Verhindert Test-Fatigue.
Mindestens 3 Items pro Dimension (K/B/A) müssen administriert sein.
Ein vereinfachtes 5-Item Demo-CAT mit echter IRT-Logik (2PL Modell, EAP-Schätzung). Beobachte, wie sich Schwierigkeit und θ-Schätzung in Echtzeit anpassen.
—
Das war eine vereinfachte 5-Item-Demo. Im echten CAT bestimmen 8–20 Items deinen Score mit SE < 0.30 und voller Content-Coverage.
Die 0–100-Skala ist kalibriert auf die OECD/INFE 2022 G20-Referenzpopulation (n=125.787). Dein Score sagt dir, wo du im internationalen Vergleich stehst.
Wichtige Konzepte sind teils unklar. Hohe Vulnerabilität gegenüber Inflation, Verschuldung, Betrug.
Du kennst die Basics. Schwächen meist im langfristigen Denken: Altersvorsorge, Diversifikation, Kreditkostenrechnung.
Du verstehst Zinseszins, Diversifikation, Risiko-Rendite-Tradeoffs. Aktive Sparquote vorhanden.
Hohe Souveränität in allen drei Dimensionen. Strategische Vermögensplanung, Risikobewusstsein.
FinCoach AI implementiert keinen "selbstgebauten" Test. Die Methodik fußt auf jahrzehntelanger psychometrischer Forschung und peer-reviewter Literatur.
39 Länder/Wirtschaftsräume, n=125.787. Definiert die aktuell gültige Item-Bank, Skalierung und Reliabilitätsschwellen. Toolkit-Version 2.0.
JEL 52(1). Etabliert die "Big Three"-Items als Goldstandard. Belegt Kausalität zwischen Financial Literacy, Vermögensaufbau und Altersvorsorge.
Routledge. Der Standardreferenztext zu CAT. Item-Selection, Stopping Rules, Item-Pool-Design, Practical Issues. Kapitel 5 zur Maximum-Information-Selektion.
Lawrence Erlbaum. Mathematische Grundlagen der 1PL/2PL/3PL-Modelle, Information Functions, Calibration. Standard-Lehrbuch der Psychometrie.
Journal of Financial Literacy & Wellbeing 1(2). Belegt 47% Item-Reduktion vs. Standard-Toolkit bei gleicher Reliabilität (α≥0.85). Vergleich CAT vs. fixed-form.
G20-Verabschiedung als globaler Standard. 30 Länder Vergleichsdaten. Definiert Subgroup-Reporting (Gender, Age, Income).
Drei Perspektiven, je nach Vorwissen und Erwartungshaltung — wähle deine Sicht.
Nach dem Test: ein personalisierter 14-Tage-Plan mit Mikro-Lerneinheiten — je 3 Minuten, ohne Druck.
Nach 90 Tagen kontinuierlicher Nutzung: durchschnittlich +€340/Monat höhere Sparquote und 2.4x mehr realisierte Finanzziele.
Du bist Compliance-konform für jedes Anlageprodukt. INFE-Score wird als nachweisbare Sachkunde-Dokumentation in deinem digitalen Banking-Profil gespeichert (BaFin-konform).
INFE-Scores erlauben präzise Mikro-Segmentierung der Kundenbasis nach echter Finanzkompetenz statt Demografie. Personalisierte Produktempfehlungen erreichen 3.2× höhere Conversion, Compliance-Risiken sinken um 68%.
5 Minuten. Wissenschaftlich validiert. Vollständig kostenfrei. DSGVO-konform.