McKinsey Solve Assessment: Der vollständige Vorbereitungsleitfaden

Das McKinsey Solve Assessment eliminiert etwa 70 % der Bewerber, bevor sie überhaupt ein Case-Interview erreichen. Seit etwa 2020 hat Solve – McKinseys gamifiziertes digitales Assessment – den papierbasierenden Problem Solving Test (PST) als globalen Standard abgelöst. Wenn Sie sich 2026 bei McKinsey bewerben, ist dies mit hoher Wahrscheinlichkeit der Test, dem Sie begegnen werden.

Dieser Leitfaden ist die zentrale Referenz für das Solve Assessment: was es ist, welche Mini-Spiele Sie erwarten, wie der Algorithmus Sie bewertet und wie Sie gezielt vorbereiten. Er enthält außerdem einen kurzen, klar gekennzeichneten Abschnitt zum Legacy-PST für die wenigen regionalen Büros, die noch das ältere Format verwenden.

Was ist das McKinsey Solve Assessment?

Solve (manchmal als „McKinsey Digital Assessment" bezeichnet oder historisch als „Imbellus-Spiel" nach dem Unternehmen, das es entwickelt hat) ist eine Reihe ökologiethematischer Strategiespiele. Anstatt Sie Multiple-Choice-Fragen beantworten zu lassen, versetzt es Sie in simulierte Umgebungen und beobachtet, wie Sie Entscheidungen treffen.

So sieht eine typische Sitzung aus:

• Zwei Mini-Spiele pro Sitzung. Ihnen werden zwei von McKinseys Mini-Spielen zugewiesen. Die meisten Kandidaten erhalten Ecosystem Building in Kombination mit der Red Rock Study (einer datenanalytischen Untersuchung). Eine Minderheit begegnet anderen Spielen wie Sea Wolf oder Plant Defense.
• Insgesamt etwa 60–81 Minuten. Die beiden Spiele laufen nacheinander mit einer kurzen Übergangsphase. Jedes Spiel hat seinen eigenen Bildschirm-Timer.
• Algorithmische, prozessbasierte Bewertung. Solve zeichnet Ihre Entscheidungssequenzen, Klickmuster und Zeitverteilung auf – nicht nur Ihre Endergebnisse. Da Verhalten gemessen wird, wird zufälliges Raten aktiv bestraft.
• Ein Screening-Filter. Solve steht vor den Interview-Runden und filtert etwa 70 % der Bewerber heraus. Etwa 30 % gelangen zum Personal Experience Interview (PEI) und zum interviewergeführten Case.

Das Fazit: Solve ist kein Quiz, für das Sie Fakten auswendig lernen können. Es ist ein Verhaltens-Assessment Ihres Problemlösungsprozesses, und Vorbereitung bedeutet den Aufbau echter, wiederholbarer analytischer Gewohnheiten.

Warum McKinsey vom PST zu Solve gewechselt ist

Der papierbasierte PST hatte bekannte Schwächen, die Solve beheben sollte:

1. Anfälligkeit für Prüfungsvorbereitung: Kandidaten konnten Fragemuster auswendig lernen und bestehen, ohne echte Problemlösungsfähigkeit zu besitzen.
2. Kulturelle und sprachliche Verzerrung: Leseintensive Fragen benachteiligten Nicht-Muttersprachler des Englischen.
3. Begrenzter Informationsgehalt: Ein Multiple-Choice-Format erfasst nur die Endantwort, niemals das Denken, das zu ihr geführt hat.
4. Logistik und Betrugsrisiko: Beaufsichtigte Papiertests waren teuer durchzuführen und dennoch anfällig.

Solve begegnet diesen Schwächen, indem es den Prozess hinter Ihren Entscheidungen misst, nicht nur das Ergebnis. Das gamifizierte Format liefert McKinsey außerdem weitaus reichhaltigere Verhaltensdaten und eine ansprechendere Kandidatenerfahrung.

Die Solve Mini-Spiele

Solve schöpft aus einem kleinen Pool von Mini-Spielen, und Ihnen werden pro Sitzung zwei zugewiesen. Die konkrete Paarung wird algorithmisch bestimmt und kann je nach Büro und Zyklus variieren, doch die mit Abstand häufigste Kombination ist Ecosystem Building + Red Rock.

flowchart TD
    A["McKinsey Solve Assessment"] --> B{"Zwei Mini-Spiele zugewiesen"}
    B --> C["Ecosystem Building"]
    B --> D["Red Rock Study"]
    B -.occasional.-> E["Sea Wolf"]
    B -.occasional.-> F["Plant Defense"]

    C --> G["Eingeschränkte Optimierung"]
    D --> H["Datenanalyse"]
    E --> I["Systemdenken"]
    F --> G

    G --> J["Prozessbasierter Score"]
    H --> J
    I --> J

    J --> K["Weiter zu PEI + Case oder ausgeschieden"]
```### Ökosystem-Aufbau (Kernspiel)

**Die Herausforderung**: Ihnen wird eine Umgebung präsentiert – ein Berg, ein Korallenriff oder ein ähnlicher Lebensraum – sowie eine Liste mit 30–40 Kandidatenarten. Ihre Aufgabe besteht darin, eine Gruppe von Arten auszuwählen, die unter den Bedingungen der Umgebung (Höhe, Temperatur, Geländetyp, Feuchtigkeit und ähnliche Regeln) eine nachhaltige Nahrungskette bilden.

**Was wirklich getestet wird**: Eingeschränkte Optimierung und systematisches Hypothesen-Testen. Der Algorithmus beobachtet, ob Sie:

- Alle Einschränkungen lesen und verstehen, bevor Sie mit der Auswahl beginnen
- Das Problem systematisch angehen (zum Beispiel beginnend bei den Produzenten)
- Ihre Strategie anpassen, wenn eine Auswahl nicht funktioniert
- Effizient zurückverfolgen, anstatt alles abzureißen und von Grund auf neu aufzubauen

**Kernstrategie**:

1. **Zuerst die Einschränkungen erfassen (2–3 Minuten).** Bevor Sie irgendetwas auswählen, lesen Sie jede Artenkarte und notieren Sie, welche Umweltbedingungen jede Art benötigt. Gruppieren Sie sie gedanklich nach trophischer Ebene (Produzenten → Primärkonsumenten → Sekundärkonsumenten → Spitzenprädatoren).
2. **An einem Ende der Nahrungskette beginnen.** Von den Produzenten (Pflanzen/Algen) aufwärts zu arbeiten ist in der Regel einfacher, da Produzenten weniger Abhängigkeiten haben. Wählen Sie Produzenten, die zum Gelände passen, und suchen Sie dann Primärkonsumenten, die diese Produzenten fressen *und* die Umweltbedingungen erfüllen.
3. **Papier verwenden.** Erstellen Sie ein einfaches Raster: Arten auf der linken Seite, die Umweltbedingungen oben. So vermeiden Sie, dieselben Informationen mehrfach zu prüfen.
4. **Bei einer Blockade eine Ebene zurückgehen.** Wenn Sie keinen gültigen Spitzenprädator finden können, fangen Sie nicht von vorne an. Tauschen Sie einen Sekundärkonsumenten gegen eine Alternative aus und prüfen Sie, ob das neue Optionen darüber eröffnet.
5. **Die vollständige Kette vor dem Einreichen überprüfen.** Verfolgen Sie den Energiefluss von unten nach oben. Jede Art muss mindestens eine Nahrungsquelle unterhalb von ihr haben (außer Produzenten) und alle Umweltbedingungen erfüllen.

Eine ausführlichere taktische Anleitung zum Ökosystem-Aufbau finden Sie in unserem [Leitfaden zur Ökosystem- und Red-Rock-Strategie](/en/guides/mckinsey-problem-solving-test-strategy/).

### Red-Rock-Studie (Datenanalyse)

**Die Herausforderung**: Die Red-Rock-Studie (auch „Redrock" geschrieben) ist ein Untersuchungsspiel, das auf einem Forschungspaket basiert – mehrere Seiten ökologischer Daten in Diagrammen, Tabellen, Streudiagrammen und Texten. Sie bearbeiten einen Fall, bei dem Sie Daten extrahieren, kombinieren und anwenden müssen, um eine Abfolge von Fragen zu beantworten – oft während das Quellmaterial im Verlauf schwerer zu referenzieren wird.

**Was wirklich getestet wird**: Ihre Fähigkeit, quantitative Informationen unter Zeitdruck zu extrahieren, zu synthetisieren und anzuwenden – dieselbe Kompetenz, die Sie in [Profitabilitäts-Cases](/en/case-types/profitability/) und [Finanzanalysen](/en/case-types/financial-analysis/) einsetzen.

**Kernstrategie**:

1. **Strukturierte Notizen beim Lesen anfertigen.** Versuchen Sie nicht, alles auswendig zu lernen. Schreiben Sie wichtige Zahlen, Trends und Zusammenhänge auf, geordnet nach Datenquelle (Diagramm A, Tabelle B usw.).
2. **Skalen und Einheiten explizit festhalten.** Viele falsche Antworten entstehen durch falsches Ablesen von Achsen – Tausende versus Millionen, monatlich versus jährlich. Schreiben Sie die Einheiten auf.
3. **Zusammenhänge identifizieren.** Welche Variablen bewegen sich gemeinsam? Welche Tabellen gehören zu welchen Diagrammen? Zeichnen Sie Pfeile zwischen zusammenhängenden Datenpunkten in Ihren Notizen.
4. **Jede Frage zweimal lesen.** Bestimmen Sie genau, welche Datenquelle die Antwort enthält. Wenn Ihre Notizen gut strukturiert sind, müssen Sie nicht suchen.
5. **Bewiesenes von bloß Angedeutetem trennen.** Die richtige Antwort muss direkt durch die Daten gestützt werden, nicht nur plausibel sein.

Da die Red-Rock-Studie im Kern eine Dateninterpretationsaufgabe ist, lassen sich die Übungen aus unserem [Leitfaden zur Red-Rock-Datenanalyse](/en/guides/mckinsey-pst-data-interpretation/) direkt übertragen.

### Gelegentliche Spiele: Sea Wolf und Plant Defense

Die meisten Kandidaten begegnen diesen Spielen nie, aber es lohnt sich, sie zu kennen.

- **Sea Wolf (Systemdenken)**: Sie verwalten eine Population über mehrere Runden – Sie verteilen Ressourcen und passen sich an, wenn sich Bedingungen wie Wetter, Nahrungsverfügbarkeit und das Verhalten von Konkurrenten ändern. Belohnt wird, wer die wichtigsten Variablen identifiziert, Effekte zweiter Ordnung vorhersagt und sich anpasst, wenn sich die Bedingungen verschieben. Vermeiden Sie es, eine einzelne Kennzahl zu überoptimieren; das Spiel verfolgt in der Regel mehrere Erfolgskriterien gleichzeitig.
- **Plant Defense (eingeschränkte Optimierung)**: Ein Tower-Defense-ähnliches Spiel, bei dem Sie einen Lebensraum schützen, indem Sie defensive Organismen platzieren. Jede Platzierung kostet Ressourcen, und Bedrohungen kommen aus bestimmten Richtungen mit unterschiedlicher Stärke. Bewerten Sie alle Bedrohungen, bevor Sie Ressourcen einsetzen, platzieren Sie Verteidigungen an Engpässen, die mehrere Bedrohungen abdecken, und halten Sie Ressourcen für die stärkeren späteren Wellen zurück.

Investieren Sie nicht zu viel Vorbereitungszeit speziell in diese Spiele. Die zugrunde liegenden Fähigkeiten – systematische Analyse, Ressourcenallokation, Anpassungsfähigkeit – sind dieselben, die Ökosystem und Red Rock belohnen.

## Wie Solve bewertet wird

Solve wird algorithmisch und prozessbasiert bewertet, was es grundlegend vom alten PST unterscheidet. Wenn Sie die Bewertungsdimensionen verstehen, können Sie gezielt üben.

### Die Fähigkeiten, die McKinsey misst

| Fähigkeit | Bedeutung | Wie sie sich in den Spielen zeigt | Wie Sie sie demonstrieren |
|-----------|-----------|-----------------------------------|---------------------------|
| **Kritisches Denken** | Informationen logisch analysieren | Qualität Ihrer Entscheidungsabfolge | Treffen Sie Entscheidungen, die aus den verfügbaren Daten folgen |
| **Entscheidungsfindung** | Auf Basis Ihrer Analyse handeln | Geschwindigkeit und Genauigkeit der Entscheidungen | Handeln Sie, sobald Sie ausreichend Informationen haben; deliberieren Sie nicht zu lange |
| **Metakognition** | Eine Strategie konsistent umsetzen | Konsistenz Ihres Vorgehens | Zeigen Sie eine klare, wiederholbare Methode, keine zufällige Erkundung |
| **Situationsbewusstsein** | Veränderungen antizipieren | Reaktionsfähigkeit auf neue Informationen | Passen Sie sich umgehend an, wenn sich die Bedingungen ändern |
| **Systemdenken** | Ursache und Wirkung verstehen | Fähigkeit, Ergebnisse vorherzusagen | Berücksichtigen Sie Effekte zweiter Ordnung, bevor Sie handeln |

### Wie der Algorithmus Ihr Verhalten liest

McKinsey veröffentlicht seine Bewertungsformel nicht, aber die Designziele sind klar und in den Berichten der Kandidaten konsistent:

**Prozess vor Ergebnis.** Zwei Kandidaten können zur gleichen Antwort gelangen und unterschiedlich bewertet werden. Wer durch systematische Erkundung dorthin gelangt, erzielt eine höhere Punktzahl als jemand, der durch Versuch und Irrtum darauf gestoßen ist.

**Zeitverteilung ist ein Signal.** Verhältnismäßig mehr Zeit auf wirklich komplexe Entscheidungen zu verwenden – und weniger auf einfache – zeigt ein gutes Urteilsvermögen hinsichtlich der Schwierigkeit eines Problems. Dies ist Telemetrie: Die Bewertung protokolliert, wo Ihre Zeit und Ihre Klicks hinfließen.

**Konsistenz wird belohnt.** Eine klare, wiederholbare Methodik schlägt einen mittendrin grundlos gewechselten Ansatz.

**Erholung zählt.** Ein Fehler ist nicht fatal. Ihn schnell zu erkennen, zu verstehen, warum er passiert ist, und sich systematisch anzupassen – genau das ist die Metakognition, die McKinsey sehen möchte.

**Zufälliges Verhalten wird bestraft.** Da die Bewertung verhaltensbasiert ist, schaden Raten und schnelles, musterloses Klicken aktiv. Es gibt keine „Raten und Hoffen"-Strategie, wie es sie beim PST gab.

### Geschätzte Bewertungsgewichtung

McKinsey veröffentlicht keine genauen Gewichtungen. Die nachstehende Verteilung spiegelt aggregiertes Kandidaten-Feedback und Drittanbieter-Analysen wider und ist richtungsweisend, nicht offiziell:

| Bewertungsdimension | Geschätzte Gewichtung | Was Ihre Punktzahl senkt |
|---------------------|-----------------------|--------------------------|
| Problemlösungsansatz | Am höchsten | Zufälliges Klicken, keine klare Strategie |
| Entscheidungsqualität | Hoch | Verfügbare Informationen ignorieren |
| Anpassungsfähigkeit | Mittel | Keine Anpassung bei veränderten Bedingungen |
| Effizienz | Geringer | Übermäßige Zeit für einfache Entscheidungen |
| Vollständigkeit | Geringer | Das Spiel nicht beenden |

### Den Filter bestehen

McKinsey veröffentlicht keinen spezifischen Bestehens-Score für Solve, und Sie sollten jeder Quelle gegenüber skeptisch sein, die einen genauen Grenzwert behauptet. Was wir mit Sicherheit sagen können:

- Solve scheidet ungefähr **70 % der Kandidaten** aus; etwa **30 % gelangen** zu den Interviews.
- Es gibt kein „teilweises Bestehen" – Sie gelangen entweder zum PEI und Case-Interview, oder nicht.
- Die Schwellenwerte scheinen wettbewerbsbasiert statt absolut zu sein und können je nach Büro und Bewerberpool variieren.

Behandeln Sie Solve als Bestehen/Nicht-Bestehen. Ihr Ziel ist es, den Filter mit einem nachweislich strukturierten Prozess zu überwinden – nicht, eine mythische Höchstpunktzahl zu jagen.

## Ihr Vorbereitungsfahrplan

Solve belohnt Gewohnheiten, kein Pauken – daher schlägt strukturiertes Üben über einige Wochen einen Last-Minute-Sprint. Ein bewährter Ansatz für Kandidaten mit Vollzeitjob ist ein Vier-Wochen-Plan; Studierende mit mehr Zeit können ihn auf zwei oder drei Wochen verdichten.

```mermaid
flowchart LR
    W1[Woche 1: Grundlagen] --> W2[Woche 2: Kompetenzaufbau"]
    W2 --> W3[Woche 3: Simulation]
    W3 --> W4["Woche 4: Höchstleistung und Erholung"]

    W1 --- W1D["Format verstehen\nDiagnostische Selbsteinschätzung\nSchwachstellen identifizieren"]
    W2 --- W2D["Kopfrechenübungen\nDateninterpretation\nStrategieentwicklung"]
    W3 --- W3D["Vollständige Zeitsimulationen\nProzess überprüfen\nKonsistenz aufbauen"]
    W4 --- W4D["Leichtes Üben\n3–5 Regeln festigen\nVor dem Testtag ausruhen"]
```Die vier Phasen im Überblick:

1. **Grundlagen und Diagnose.** Lernen Sie das Format kennen, führen Sie eine Diagnose durch und identifizieren Sie Ihre zwei oder drei schwächsten Bereiche.
2. **Aufbau der Kernkompetenzen.** Trainieren Sie Kopfrechnen, Dateninterpretation und systematisches Problemlösen so lange, bis sie zur zweiten Natur werden.
3. **Vollständige Simulationen.** Üben Sie unter realistischen, zeitlich begrenzten Bedingungen und überprüfen Sie nicht nur Ihre Antworten, sondern auch Ihren *Prozess* – wo haben Sie gezögert oder improvisiert?
4. **Hochform und Erholung.** Verdichten Sie Ihre Strategie auf einige wenige Regeln und gehen Sie ausgeruht in den Test. Erschöpfung kostet mehr, als eine letzte Paukerei einbringen kann.

Den vollständigen Tages-für-Tages-Zeitplan mit täglichen Aktivitäten und Zeitbudgets finden Sie in unserem [Vier-Wochen-McKinsey-Vorbereitungsplan](/en/guides/mckinsey-pst-preparation/).

## Kopfrechnen: Die grundlegende Fähigkeit

Red Rock und die analytischen Teile von Solve erfordern schnelles Rechnen ohne Taschenrechner. Kandidaten, die in das Kopfrechnen investieren, verzeichnen durchweg die größten Verbesserungen – es ist oft der Unterschied zwischen dem Weiterkommen und dem Ausscheiden.

**Prozentrechnung** (am häufigsten):

- 10 % = Komma eine Stelle nach links verschieben: 10 % von 840 = 84
- 5 % = die Hälfte von 10 %: 5 % von 840 = 42
- 15 % = 10 % + 5 %: 15 % von 840 = 84 + 42 = 126
- 1 % = Komma zwei Stellen verschieben: 1 % von 840 = 8,4
- Kombinieren: 23 % von 840 = 20 % + 3 % = 168 + 25,2 = 193,2

**Divisionsabkürzungen**:

- Division durch 5 = mit 2 multiplizieren, durch 10 dividieren: 840 / 5 = 1680 / 10 = 168
- Division durch 8 = dreimal halbieren: 840 / 8 = 420 / 4 = 210 / 2 = 105
- Näherungsweise Division: 2.350 / 7 ≈ 2.100 / 7 + 250 / 7 = 300 + 36 ≈ 336

**Schätzung von Zinseszinswachstum**:

- Regel der 72: Jahre bis zur Verdopplung = 72 / Wachstumsrate. Bei 8 % ungefähr 9 Jahre.
- Fünf Jahre bei 8 %: mit 1,08^5 ≈ 1,47 multiplizieren (also 100 → etwa 147).

**Eine tägliche 15–20-minütige Routine**: zehn Prozentaufgaben, fünf Divisionsaufgaben, drei Zinseszinswachstums-Schätzungen und zwei mehrstufige Business-Mathematikaufgaben (Umsatz = Preis × Menge, Marge-Berechnungen). Unser [Kopfrechnen-Leitfaden](/en/guides/mental-math-consulting/) ordnet diese Übungen so, dass die Geschwindigkeit schrittweise zunimmt.

## Taktische Tipps für jedes Mini-Spiel

### Ecosystem Building: 10 taktische Tipps

1. Verbringen Sie die ersten drei Minuten nur mit Lesen – klicken Sie nichts an.
2. Erstellen Sie auf Papier eine Einschränkungsmatrix: Arten in der linken Spalte, Einschränkungen in der oberen Zeile.
3. Zählen Sie die benötigten trophischen Ebenen, bevor Sie eine Auswahl treffen (in der Regel drei bis vier).
4. Beginnen Sie mit den Produzenten, die die meisten Geländeeinschränkungen erfüllen.
5. Überprüfen Sie die Kompatibilität von Räuber und Beute, bevor Sie eine Auswahl bestätigen.
6. Wenn Sie nicht weiterkommen, tauschen Sie eine Art aus, anstatt von vorne zu beginnen.
7. Halten Sie ausgeschlossene Arten fest, damit Sie diese nicht erneut prüfen.
8. Achten Sie auf „Schlüsselarten", die mehrere Äste der Nahrungskette verbinden.
9. Überprüfen Sie vor dem Einreichen, ob die Kette vollständig ist – jeder Konsument hat eine Nahrungsquelle.
10. Wenn Sie noch Zeit haben, prüfen Sie, ob eine alternative Kombination robuster ist.

### Red Rock: 8 taktische Tipps

1. Nutzen Sie die ersten 30 Sekunden, um die Abbildungen zu zählen und die Fragenthemen zu überfliegen.
2. Erstellen Sie eine „Datenkarte", auf der Sie festhalten, welche Informationen jede Abbildung enthält.
3. Notieren Sie genaue Zahlen für jeden Datenpunkt, der wichtig erscheint.
4. Markieren Sie Trendrichtungen mit Pfeilen (↑ ↓ →), anstatt zu versuchen, Werte auswendig zu lernen.
5. Identifizieren Sie Ausreißer in jedem Datensatz – sie werden häufig abgefragt.
6. Überprüfen Sie Achsenbeschriftungen sehr sorgfältig; sie sind darauf ausgelegt, Sie zu verwirren.
7. Schreiben Sie bei Vergleichsfragen die Werte nebeneinander, anstatt sie im Kopf zu behalten.
8. Teilen Sie Ihre Zeit ein: etwa 60 % für Lesen und Notizen, 40 % für das Beantworten.

### Allgemeine Solve-Tipps

- **Stabile Verbindung.** Verwenden Sie nach Möglichkeit eine kabelgebundene Verbindung; Verzögerungen können Ihre Verhaltensdaten verfälschen.
- **Ruhige Umgebung.** Unterbrechungen zwingen Sie zur Neuorientierung, was der Algorithmus als Inkonsistenz wertet.
- **Vollbild, keine Ablenkungen.** Das Assessment verfolgt Aufmerksamkeitsmuster.
- **Üben Sie die Benutzeroberfläche**, falls eine offizielle Demo verfügbar ist.
- **Aktualisieren Sie die Seite niemals.** Dies kann Ihre Sitzung zurücksetzen oder den Fortschritt verlieren.

## Häufige Fehler und wie man sie vermeidet

### Strategische Fehler

| Fehler | Warum es schadet | Wie man es behebt |
|--------|-----------------|-------------------|
| **Beginnen ohne die Anweisungen zu lesen** | Sie übersehen wichtige Einschränkungen und wirken auf den Algorithmus unorganisiert | Zwingen Sie sich, zuerst alles zu lesen, auch wenn Sie nervös sind |
| **Zufälliges Ausprobieren** | Der Algorithmus erkennt unsystematisches Verhalten | Haben Sie immer einen Grund für jede Aktion |
| **Von vorne beginnen** | Verschwendet Zeit und signalisiert die Unfähigkeit, sich zu erholen | Gehen Sie Schritt für Schritt zurück |
| **Zeitmanagement ignorieren** | Unvollständige Einreichungen werden am schlechtesten bewertet | Setzen Sie Kontrollpunkte bei 25 % / 50 % / 75 % der Zeit |
| **Eine Dimension überoptimieren** | Die Spiele testen mehrere Kriterien | Balancieren Sie Geschwindigkeit, Genauigkeit und Anpassungsfähigkeit |

### Technische Fehler

| Fehler | Warum es schadet | Wie man es behebt |
|--------|-----------------|-------------------|
| **Instabiles Internet** | Verzögerungen können Ihre Verhaltensdaten korrumpieren | Verwenden Sie eine kabelgebundene Verbindung; schließen Sie andere Tabs |
| **Nutzung auf dem Mobilgerät** | Ein kleiner Bildschirm beeinträchtigt die Leistung | Verwenden Sie einen Laptop oder Desktop mit großem Bildschirm |
| **Störende Browser-Erweiterungen** | Sie können Spielelemente blockieren | Verwenden Sie den Inkognito-/Privatmodus |
| **Laute Umgebung** | Unterbrechungen fragmentieren Ihren Prozess | Buchen Sie einen ruhigen Raum; informieren Sie Ihren Haushalt |
| **Test bei Erschöpfung** | Die kognitive Leistung sinkt um 20–30 % | Planen Sie den Test für Ihre Phase höchster Aufmerksamkeit |

Eine umfangreichere Übersicht über Fallstricke finden Sie in unseren Leitfäden zu [häufigen Fehlern](/en/guides/mckinsey-pst-common-mistakes/) und [Zeitmanagement](/en/guides/mckinsey-pst-time-management/).

## Übungsressourcen

**Kostenlose Ressourcen**:

1. **Offizielle McKinsey-Übungsmaterialien.** McKinsey veröffentlicht gelegentlich Beispielmaterial auf seiner Karriereseite – schauen Sie regelmäßig nach.
2. **Ecosystem- und Nahrungsketten-Spiele.** Alles, was den Aufbau eines funktionsfähigen Systems unter Einschränkungen beinhaltet, trainiert die richtige Denkweise.
3. **Kopfrechen-Apps.** Das Üben von Prozentrechnung, Division und Schätzung baut die Rechengeschwindigkeit auf, die Red Rock erfordert.
4. **Logik- und Einschränkungsrätsel.** Fortgeschrittene Sudoku-ähnliche Rätsel trainieren die systematische Eliminierung.
5. **Echte Daten.** Statistische Veröffentlichungen von Behörden liefern authentische Diagramme und Tabellen zur Interpretation.

**Strukturierte Vorbereitung**:

- Unser [Vier-Wochen-Vorbereitungsplan](/en/guides/mckinsey-pst-preparation/) bietet Ihnen einen Tages-für-Tages-Zeitplan.
- Unser [Kopfrechnen-Leitfaden](/en/guides/mental-math-consulting/) baut die Rechengeschwindigkeit systematisch auf.
- Üben Sie mit echten [McKinsey-typischen Cases](/en/company/mckinsey/), um das analytische Denken zu entwickeln, das Solve belohnt.

**Womit Sie keine Zeit verschwenden sollten**:

- Teure „Solve-Code-knacken"-Kurse – McKinsey aktualisiert das Assessment regelmäßig.
- Auswendiglernen von Fragen aus Foren – es gibt keine statische Fragenbank zum Auswendiglernen.
- Speed-Clicking-Übungen – der Algorithmus misst die Entscheidungsqualität, nicht die Klickgeschwindigkeit.

## Historisches: Das frühere PST-Format

> **Historischer Kontext.** Der papierbasierte Problem Solving Test ist McKinseys veralteter Eignungstest. Er wurde fast überall zugunsten von Solve eingestellt. Lesen Sie diesen Abschnitt nur, wenn Ihr regionales Büro bestätigt hat, dass es noch den älteren PST durchführt – die meisten Kandidaten im Jahr 2026 werden ihn nie zu Gesicht bekommen.

Der PST war ein 60-minütiger, 26-Fragen umfassender, papierbasierter Multiple-Choice-Test zu Business-Logik, Dateninterpretation und Kopfrechnen. Die Bestehensgrenze lag bei etwa 70 % richtiger Antworten (ungefähr 18–19 von 26 Fragen), wobei etwa 30–35 % der Kandidaten weiterkamen.

Die Fragetypen nach ungefährem Anteil am Test:

| Fragetyp | Anteil | Was gefragt wurde |
|----------|--------|-------------------|
| Fakten ablesen | ~38 % | Eine Aussage finden, die direkt durch einen Text oder ein Diagramm gestützt wird |
| Faktenbasierte Schlussfolgerung | ~14 % | Bestimmen, welche Schlussfolgerung die kombinierten Daten *beweisen* |
| Grundursachen-Analyse | ~13 % | Den Faktor identifizieren, der ein Ergebnis am besten erklärt |
| Textaufgabe | ~12 % | Ein Geschäftsszenario in Mathematik übersetzen und Schritt für Schritt lösen |
| Kundeninterpretation | ~8 % | Entscheiden, welche Empfehlung die Daten am besten stützen |
| Formeln | ~5 % | Eine gegebene Formel anwenden, dabei auf Einheitenumrechnungen achten |

Der wesentliche Unterschied zu Solve: Der PST bewertete nur Ihre Endantworten, sodass Raten keine Strafe nach sich zog und die Vorbereitung auf bekannte Muster helfen konnte. Solve kehrt beides um – es bewertet Ihren Prozess und bestraft zufälliges Verhalten. Die gute Nachricht ist, dass sich die zugrunde liegenden analytischen Fähigkeiten stark überschneiden, sodass Kopfrechnen und Dateninterpretationsübungen Ihnen bei beiden Formaten zugutekommen. Wenn Sie bestätigt haben, dass Sie den PST ablegen müssen, arbeiten Sie unseren [Übungsleitfaden](/en/guides/mckinsey-pst-practice-guide/) für zeitlich begrenzte, formatspezifische Übungen durch.

## Nach Solve: Was als Nächstes kommt

Das Bestehen von Solve bringt Sie in McKinseys Interview-Runden, die aus zwei Komponenten bestehen:

- **Das Personal Experience Interview (PEI).** Strukturierte Verhaltensfragen zu Situationen, in denen Sie Führungsstärke gezeigt, Wirkung erzielt oder Konflikte überwunden haben. Bereiten Sie zwei oder drei detaillierte Geschichten pro Thema vor.
- **Das interviewergeführte Case-Interview.** Ein Live-Case, bei dem der Interviewer Sie durch ein Geschäftsproblem führt. Hier entscheiden strukturiertes, Hypothese-getriebenes Denken und saubere quantitative Arbeit über das Ergebnis.

Verlagern Sie Ihren Fokus sofort, sobald Sie weiterkommen:

- Üben Sie mit echten [McKinsey-typischen Cases](/en/company/mckinsey/), um sich an das interviewergeführte Format zu gewöhnen.
- Entwickeln Sie Hypothese-getriebene Strukturen für gängige Case-Typen wie [Profitabilität](/en/case-types/profitability/) und [Marktvolumen-Schätzung](/en/case-types/market-sizing/).
- Üben Sie unter realistischen Bedingungen mit unserem [KI-Mock-Interview](/account?tab=mock&lang=en).

## Häufig gestellte Fragen

### Wie lange dauert das McKinsey Solve Assessment?

Eine Sitzung dauert ungefähr 60–81 Minuten und besteht aus zwei Mini-Spielen nacheinander, jeweils mit eigenem Timer und einer kurzen Übergangsphase dazwischen. Sie absolvieren die Spiele nacheinander – Sie können nicht vorspringen oder zu einem abgeschlossenen Spiel zurückkehren.

### Welche Mini-Spiele werde ich bekommen?Die meisten Kandidaten erhalten **Ecosystem Building** in Kombination mit der **Red Rock Study**. Eine Minderheit begegnet anderen Spielen wie Sea Wolf oder Plant Defense. Die spezifische Paarung wird algorithmisch zugewiesen und kann je nach Büro und Zyklus variieren – bereiten Sie daher die zugrunde liegenden Fähigkeiten vor, anstatt auf ein bestimmtes Spiel zu setzen.

### Wie wird Solve bewertet?

Algorithmisch und prozessbasiert. Solve verfolgt Ihre Entscheidungssequenzen, Klickmuster und Zeitaufteilung und belohnt einen systematischen, konsistenten Ansatz. Da die Bewertung verhaltensbasiert ist, werden zufälliges Raten und zielloses Klicken bestraft – es gibt keine „Raten und Hoffen"-Strategie.

### Wie hoch ist die Bestehensquote?

Solve scheidet etwa 70 % der Kandidaten aus; rund 30 % kommen in die Interview-Runden. McKinsey veröffentlicht keinen spezifischen Grenzwert, und die Schwellenwerte scheinen eher wettbewerbsbasiert als absolut zu sein. Betrachten Sie es als Bestehen oder Nicht-Bestehen.

### Kann ich Solve wiederholen, wenn ich nicht bestehe?

In der Regel nicht für 12–24 Monate, abhängig von der Richtlinie des jeweiligen Büros. Wenn Sie sich erneut bewerben, absolvieren Sie die Bewerbung von Grund auf neu; Ihr vorheriges Ergebnis wird nicht übernommen. Nutzen Sie die Wartezeit, um echte analytische Fähigkeiten durch Case-Übungen und datenintensive Arbeit aufzubauen.

### Verfolgt Solve wirklich meine Maus und meine Klicks?

Ja. Solve verwendet Verhaltensanalysen – Mausbewegungen, Klickmuster, Hover-Dauer, Entscheidungssequenzen und Zeitaufteilung. Diese Telemetrie ist der Mechanismus, mit dem es Kandidaten unterscheidet, die Antworten durch systematische Analyse erreichen, von denen, die durch zufälliges Ausprobieren dazu gelangen. Bewegen Sie sich gezielt und klicken Sie mit Bedacht.

### Was passiert, wenn ich ein Spiel nicht beende?

Unvollständige Spiele werden deutlich schlechter bewertet – die Vollständigkeit ist eine der bewerteten Dimensionen. Selbst eine suboptimale, aber abgeschlossene Lösung ist besser als eine aufgegebene. Wenn die Zeit knapp wird, treffen Sie weiterhin schnelle, aber logische Entscheidungen; der Algorithmus kann auch aus gehetzten, aber strukturierten Entscheidungen ein positives Prozesssignal ablesen.

### Ist der PST noch relevant?

Für fast alle gilt: nein. Solve hat den PST als globalen Standard abgelöst. Nur wenige regionale Büros führen möglicherweise noch den älteren Papiertest durch, und Ihr Recruiter wird Sie informieren, falls Ihres dazu gehört. Lesen Sie den Abschnitt zum [Legacy-PST](#legacy-the-former-pst-format) weiter oben, falls das auf Sie zutrifft.

## Wichtigste Erkenntnisse

- Solve ist McKinseys aktuelles spielbasiertes Assessment und hat den Papier-PST als globalen Standard abgelöst.
- Eine Sitzung besteht aus zwei Mini-Spielen (in der Regel Ecosystem Building + Red Rock) mit einer Gesamtdauer von etwa 60–81 Minuten.
- Die Bewertung ist algorithmisch und prozessbasiert; sie verfolgt Ihre Entscheidungssequenzen, Klicks und Zeit und bestraft zufälliges Verhalten.
- Solve scheidet etwa 70 % der Kandidaten aus; rund 30 % kommen zum PEI und zum interviewergeführten Case.
- Bereiten Sie Gewohnheiten vor, keine Fakten – arbeiten Sie nach einem strukturierten Mehrwochenplan und bauen Sie echte Kopfrechnen- und Dateninterpretationsfähigkeiten auf.
- Beginnen Sie jedes System von einem Ende (oben oder unten), niemals von der Mitte, und dokumentieren Sie Ihr Hypothese-Testing auf Papier.
- Beenden Sie jedes Spiel, auch wenn es nicht perfekt ist; unvollständige Einreichungen werden am schlechtesten bewertet.
- Der Legacy-PST ist fast überall abgeschafft – bereiten Sie sich nur darauf vor, wenn Ihr Büro dies bestätigt.

## Bereit zur Vorbereitung?

Der sicherste Weg, das strukturierte, quantitative Denken aufzubauen, das Solve belohnt, ist gezieltes Üben an realen Problemen. CasesCoach's [KI-Mock-Interview](/account?tab=mock&lang=en) ermöglicht es Ihnen, das Strukturieren von Cases und das Verteidigen von Empfehlungen unter Druck zu üben – genau das Denken, das Solve durch seine Spiele misst, und exakt das, was PEI und interviewergeführter Case als Nächstes verlangen. Der kostenlose Tarif umfasst drei vollständige Cases sowie KI-Mock; [Pro](/pricing/) schaltet 835+ echte Cases und mehrere KI-Mock-Sitzungen frei, damit Sie die Gewohnheit so lange aufbauen können, bis sie automatisch wird.