Insights · Die Studienlage

Reicht meine Webcam? Was die Forschung über Wirkung in Videocalls zeigt.

Von · 12. Juni 2026 · ~8 Min. Lesezeit
TL;DR
  • Schlechter Ton lässt dich bei identischem Inhalt messbar weniger kompetent und weniger intelligent wirken[1]. Schlechtes Bild und schlechter Ton zusammen drücken das Urteil über Bewerber[2].
  • Der Effekt verschwindet nicht durch Wohlwollen: Selbst Bewerter, die ausdrücklich gewarnt wurden, die Videoqualität zu ignorieren, bewerteten Kandidaten in schlechteren Videos schlechter (d = 0,47)[2].
  • Ton vor Bild: Intellekt wird primär über die Stimme transportiert; Video addiert darüber hinaus wenig[3]. Daraus folgt die Budget-Reihenfolge Mikrofon → Licht → Kamera; belegt ist vor allem der erste Schritt, Licht vor Kamera ist Praxiswissen.
  • Das ist Alltag: Rund ein Viertel der Erwerbstätigen in Deutschland arbeitet zumindest gelegentlich im Homeoffice[6][7], die Meeting-Zeit pro Teams-Nutzer stieg von Februar 2020 bis 2022 um +252 %[8].

Die Budget-Reihenfolge und wie gut jede Stufe belegt ist

  1. Mikrofon und Raum

    direkt geprüft

    Gleicher Vortrag, nur mit mehr Raumhall: Er galt als schlechter, wer vortrug, als weniger intelligent und weniger sympathisch, die Forschung als weniger wichtig[1]. Bild zusätzlich zur Stimme änderte das Urteil über Bewerber nicht[3].

  2. Licht

    nur im Paket geprüft

    Ein Filter, der den Weißabgleich verfälscht, lief nur zusammen mit Bildaussetzern, geringerer Auflösung, blechernem Ton und Rauschen, alles als schlechte Internetverbindung simuliert[2]. Licht allein prüft keine der zitierten Studien.

  3. Kamera und Hintergrund

    Hintergrund geprüftKamera: nur im Paket

    Wohnraum, auch unscharf gestellt, und Spaß-Hintergrund kosten Kompetenzpunkte[4]. Geringere Auflösung lief nur im selben Paket wie der Weißabgleich-Filter[2]; eine bessere Kamera allein prüft keine der Studien.

Belegt ist vor allem, dass der Ton zuerst kommt. Ob Licht vor Kamera kommt, ist Praxiswissen: Beide liefen nur im selben Paket.

gefüllteine Studie hat genau diesen Faktor verändertUmrissnur zusammen mit anderen Faktoren getestet

Einordnung der Budget-Reihenfolge aus Abschnitt 07 nach Beleglage, eigene Bewertung. Quellen: Newman & Schwarz 2018 [1] · Fiechter et al. 2018 [2] · Schroeder & Epley 2015 [3] · Cook et al. 2023 [4]

Die Frage hinter der Frage.

„Ist das nicht eitel, in Technik für Videocalls zu investieren?" Die Frage stellt sich jede:r, die:der zum dritten Mal überlegt, ob die Notebook-Webcam nicht doch reicht. Die Forschung gibt darauf eine unbequem klare Antwort. Es geht um Verarbeitungsflüssigkeit, und die hat mit Eitelkeit nichts zu tun. Was unser Gehirn mühelos verarbeiten kann, bewerten wir besser, und das färbt auf die Person ab: Sie wirkt kompetenter, beim Ton auch sympathischer. Schlechte Bild- und Tonqualität erzeugt diese Verarbeitungsmühe, völlig unabhängig vom Inhalt.

Das Folgende ist die Studienlage, mit allen Grenzen, die dazugehören.

Ton: der unterschätzte Hebel.

Norbert Schwarz und Eryn Newman ließen in zwei Experimenten identische Inhalte bewerten (Konferenzvorträge und NPR-Wissenschaftsinterviews), einmal in guter, einmal in verschlechterter Tonqualität. Das Ergebnis: Bei schlechtem Ton schnitten sowohl die Forschung als auch die Forscher:innen selbst schlechter ab. Vorträge galten als schwächer und die Forschung als weniger wichtig, die Vortragenden wirkten weniger intelligent und weniger sympathisch, im Radiointerview weniger kompetent[1]. Derselbe Vortrag, dieselben Worte; nur das Audio unterschied sich[9].

Noch grundsätzlicher wurden Juliana Schroeder und Nicholas Epley: Sie ließen Bewerbungs-Pitches entweder lesen oder hören, in den ersten Experimenten von Versuchspersonen in der Rolle von Arbeitgebern, im letzten von professionellen Recruitern. Gehörte Kandidaten wirkten intelligenter, kompetenter, und Video über die Stimme hinaus addierte nichts[3]. Die Stimme ist der Kanal, über den Intellekt transportiert wird.

Für die Budgetfrage heißt das: Wer 1.000 € für sein Setup hat, kauft zuerst ein ordentliches Mikrofon und kümmert sich um den Raumklang, die Kamera kommt danach. Zwei unabhängige Studienlinien zeigen in dieselbe Richtung[1][3].

Bild: der AV-Quality-Bias in Zahlen.

Joshua Fiechter und Kollegen zeigten Versuchspersonen Bewerbungs-Videos in zwei Varianten, wieder bei identischem Inhalt: in voller Bild- und Tonqualität oder technisch verschlechtert, mit Bildaussetzern, geringerer Auflösung, einem Filter, der den Weißabgleich verfälscht, blechernem Ton und Rauschen. Über beide Experimente gerechnet wurden Kandidaten aus den flüssigen Videos als einstellbarer bewertet: 6,91 vs. 6,33 auf einer Skala von 1 bis 10, Effektstärke d = 0,44[2].

Wer den Vergleich gewinnt: meist der Kandidat im flüssigen Video

flüssiges Videotechnisch verschlechtertes Video

  • Favorit: höchste Einstellbarkeit, 162 Personen64 %36 %
  • Schlusslicht: niedrigste Einstellbarkeit, 158 Personen37 %63 %
Jede Person sah vier Bewerbungsvideos von vier Schauspielern, zwei davon technisch verschlechtert: Bildaussetzer, geringere Auflösung, ein Filter, der den Weißabgleich verfälscht, blecherner Ton und Rauschen. Per Los war entweder das erste und letzte oder das zweite und dritte Video verschlechtert, die Reihenfolge der Schauspieler war für alle gleich. Ohne Einfluss der Technik lägen beide Balken im Mittel bei 50 %. Nicht mitgezählt sind 31 bzw. 35 Personen, die ihre höchste bzw. niedrigste Bewertung gleichzeitig an ein flüssiges und ein verschlechtertes Video vergaben. Online-Bewerter, beide Experimente, N=193, Anteile als eigene Rechnung. Quelle: Fiechter et al. 2018, Tabelle 1 [2]

Der eigentliche Befund steckt im zweiten Experiment: Vor dem ersten Video warnten die Forscher die Bewerter ausdrücklich, die Qualität von Bild oder Ton könne das Urteil über Bewerber beeinflussen, und baten sie, sich von der Videoqualität weder für noch gegen jemanden einnehmen zu lassen. Die Warnung änderte nichts, der Effekt blieb in voller Stärke bestehen: ohne Warnung 6,91 zu 6,31 (d = 0,42), mit Warnung 6,91 zu 6,35 (d = 0,47)[2]. Der Bias entsteht automatisch, ohne böse Absicht. Dein Gegenüber kann sich nicht entscheiden, deine Pixelqualität zu ignorieren, so wenig, wie du dich entscheiden kannst, einen Rechtschreibfehler nicht zu sehen.

Mit und ohne Warnung: gleicher Abstand beim Einstellungsurteil

Bei der Sympathie ist kein Unterschied belegt

flüssiges Videoverschlechtertes Video

  • Einstellbarkeit, ohne Warnung6,91 zu 6,31 · Abstand 0,60
  • Einstellbarkeit, mit Warnung6,91 zu 6,35 · Abstand 0,56
  • Sympathie, ohne Warnung6,95 zu 6,77 · Abstand 0,18
  • Sympathie, mit Warnung6,96 zu 6,66 · Abstand 0,30
Mittelwerte je Bedingung auf der Skala 1 bis 10, gezeigt ist der Ausschnitt 5 bis 8. Beim Einstellungsurteil ist der Unterschied in beiden Experimenten belegt. Bei der Sympathie spricht die Auswertung im ersten Experiment gegen einen Unterschied, im zweiten bleibt sie offen. Belegt heißt hier: Bayes-Faktor ab 3 (5,6 und 15,8), Werte bis 0,33 sprechen gegen einen Unterschied; bei der Sympathie sind es 0,17 und 0,65. Online-Bewerter, N=97 ohne und N=96 mit Warnung, Abstände als eigene Rechnung. Quelle: Fiechter et al. 2018 [2]

Hintergrund: der erste Eindruck vor dem ersten Wort.

Auch was hinter dir hängt, wird mitbewertet, und das messbar. Eine Durham-Studie (N=167) ließ Fotos von Gesichtern vor sechs Videocall-Hintergründen bewerten, auf einer Skala von 1 bis 7: Bücherregal, Pflanzen und die leere Wand lagen bei der Kompetenz gleichauf vorn; zwischen diesen dreien fand die Studie keinen Unterschied. Unscharf gestellter Wohnraum, normaler Wohnraum und Spaß-Hintergründe lagen signifikant dahinter, die Werte stehen in der Grafik[4]. Der Abstand wirkt klein, der Einfluss des Hintergrunds war statistisch aber deutlich. Wie stark er ausfiel, hing auch von Geschlecht und Gesichtsausdruck der gezeigten Person ab.

Drei Hintergründe gleichauf, ein Lächeln bewegt mehr

Kompetenz

Gleichauf vorn, kein messbarer Unterschied

  • Bücherregal4,96
  • Pflanzen4,90
  • Leere Wand4,85

Signifikant niedriger

  • Wohnraum, unscharf4,65
  • Wohnraum4,41
  • Spaß-Hintergrund4,34

neutraler Gesichtsausdrucklächelnd

  • Spanne der sechs Hintergründe4,34 bis 4,96 · 0,62
  • Gesichtsausdruck, neutral zu lächelnd4,31 zu 5,06 · 0,75

Vertrauen, gleiche Skala

  • Spanne der sechs Hintergründe4,30 bis 4,63 · 0,33
  • Gesichtsausdruck, neutral zu lächelnd3,80 zu 5,17 · 1,37
Mittelwerte auf der Skala 1 bis 7 (1 = sehr inkompetent bzw. sehr wenig vertrauenswürdig), gezeigt ist der Ausschnitt 3,5 bis 5,5, die Skalenmitte liegt bei 4. Spannen und Unterschiede als eigene Rechnung. Bewertet wurden Fotos von 36 Gesichtern aus einer Forschungsdatenbank, jedes einmal lächelnd und einmal neutral, vor sechs Hintergründen. N=167 Befragte, online. Quelle: Cook, Thompson & Ross 2023 [4]

Der Hintergrund ist der billigste Hebel im ganzen Setup, denn er kostet nur die Entscheidung, wo du sitzt.

Zoom-Fatigue: was dein Setup mit deiner Energie macht.

Bisher ging es um die Wirkung auf andere. Jeremy Bailensons Stanford-Forschung dreht den Blick um. Videocalls erschöpfen, und zwar aus vier benennbaren Gründen: übergroße Gesichter in geringem Bildschirmabstand, die permanente eigene Selbstansicht, eingeschränkte Bewegungsfreiheit und die erhöhte kognitive Last, nonverbale Signale bewusst senden und lesen zu müssen[5].

Mindestens zwei dieser vier Ursachen sind Setup-Themen: Kameradistanz und Bildausschnitt bestimmen, wie groß du beim Gegenüber erscheinst. Ob dein eigenes Bild dich den ganzen Tag anstarrt, entscheidet eine Einstellung. Ein gutes Setup wirkt also in beide Richtungen, nach außen auf deine Wirkung und nach innen auf deinen Energiehaushalt.

Warum das Alltag ist, keine Nische.

Ein Viertel im Schnitt, knapp drei Viertel in Beratung und IT

Alle Erwerbstätigen, zumindest gelegentlich im Homeoffice

EU-Schnitt 2025: 23 % (Eurostat, ab 15 Jahren, etwas andere Abgrenzung). Gegenprobe aus einer anderen Erhebung: Laut ifo-Umfrage unter Unternehmen arbeiteten im August 2026 24,9 % der Beschäftigten zumindest teilweise von zu Hause.

Nach Unternehmensgröße, 2025

  • bis 49 Personen19 %
  • 50 bis 249 Personen23 %
  • ab 250 Personen35 %

Nach Branche, 2025: Spitze und Schluss laut destatis

  • IT, Unternehmensführung und Unternehmensberatung, je74 %
  • Informationsdienstleistungen68 %
  • Versicherungen und Pensionskassen68 %
  • Kfz-Handel und -Reparatur, Einzelhandel, je10 %
  • Gebäudebetreuung, Garten- und Landschaftsbau7 %
  • Gastronomie6 %

alle Erwerbstätigen 2025: 25 %über diesem Schnitt

Anteil der Erwerbstätigen, die in den vier Wochen vor der Befragung mindestens einmal von zu Hause gearbeitet haben, Mikrozensus, Erstergebnis für 2025. Werte 2019 bis 2025 aus destatis-Mitteilungen von 2022 bis 2026, im Bild auf ganze Prozent gerundet. Wegen der Neugestaltung des Mikrozensus sind die Ergebnisse ab 2020 laut destatis nur eingeschränkt mit den Vorjahren vergleichbar, 2021 kamen weitere methodische Änderungen hinzu. Die ifo-Zahl stammt aus einer Unternehmensumfrage und gehört nicht zur Reihe. Quellen: destatis [7] [11] · ifo [6]

Die Homeoffice-Quote hat sich seit 2019 fast verdoppelt, von 13 auf 25 % der Erwerbstätigen im Jahr 2025, und liegt seit drei Jahren stabil bei rund einem Viertel[7]. Das ifo-Institut maß im August 2026 24,9 % der Beschäftigten zumindest teilweise im Homeoffice, bei Dienstleistern 35,1 %. Laut ifo hat sich der Anteil seit Jahren kaum verändert, Homeoffice gilt dort als fest etabliert[6]. Parallel stieg die wöchentliche Meeting-Zeit pro Microsoft-Teams-Nutzer von Februar 2020 bis 2022 um +252 %, die Zahl der Meetings um +153 %[8]. Laut Work Trend Index 2024 halten sich Meetings seitdem auf diesem hohen Niveau[10].

Wer Coaching, Beratung oder Vertrieb anbietet, führt seine wichtigsten Gespräche heute durch eine Webcam. Dein Setup wird dabei bewertet, offen ist nur, ob du den Daumen auf der Waage selbst bestimmst.

Was das für dein Budget bedeutet.

Studien und Praxis ergeben zusammen eine Reihenfolge, die der Intuition widerspricht, denn die meisten kaufen zuerst eine Kamera. Belegt ist vor allem die erste Stufe:

1. Mikrofon und Raum. Die Stimme prägt, wie kompetent und intelligent du wirkst[1][3]. Ein solides Mikrofon nah an der Stimme plus etwas Dämpfung bringt mehr als eine teure Kamera. Das ist Praxiswissen: Diesen Vergleich prüft keine der Studien.
2. Licht. Flüssig und sauber wahrnehmbar zu sein ist der Kern des AV-Quality-Bias[2]; einzeln geprüft hat Licht allerdings keine der Studien. Dass es mehr über die Bildqualität entscheidet als der Sensor, ist Praxiswissen aus der Produktion.
3. Kamera und Hintergrund. Zuletzt das Bildwerkzeug selbst und die kostenlose Entscheidung, was hinter dir zu sehen ist[4].

Oft reichen dafür 200 bis 400 € Equipment. Wichtiger als das Budget sind die Reihenfolge und die Einrichtung.

Was ein besseres Setup nicht löst
  • Inhalt schlägt Verpackung: Die Studien variieren Qualität bei identischem Inhalt. Kein Mikrofon rettet einen schwachen Pitch.
  • Die Effektstärken sind moderat (d ≈ 0,4), erhoben unter Laborbedingungen, teils mit studentischen Bewertern. „Spürbar, nicht dramatisch" ist die treffende Übersetzung.
  • Es existiert keine Studie „Setup-Upgrade → X % mehr Umsatz". Wer das behauptet, überdehnt die Datenlage.
  • Zoom-Fatigue entsteht auch durch Meeting-Dichte und Selbstansicht; das lösen Verhalten und Einstellungen, nicht Hardware.

Häufige Fragen.

Ist eine teure Kamera oder ein gutes Mikrofon wichtiger?

Das Mikrofon. Intellekt und Kompetenz werden primär über die Stimme transportiert; Video addiert darüber hinaus wenig[3], und schlechter Ton lässt dich bei identischem Inhalt weniger kompetent und weniger intelligent wirken[1]. Budget-Reihenfolge: Mikrofon → Licht → Kamera; belegt ist vor allem, dass der Ton zuerst kommt.

Merken Gesprächspartner schlechte Videoqualität wirklich, oder bilde ich mir das ein?

Sie merken es messbar, auch wenn sie es nicht wollen: 6,91 vs. 6,33 Einstellbarkeits-Rating (d = 0,44), und der Effekt blieb bestehen, obwohl die Bewerter ausdrücklich instruiert wurden, die Qualität zu ignorieren[2].

Welcher Hintergrund wirkt im Videocall am professionellsten?

Bücherregal (4,96), Pflanzen (4,90) und leere Wand (4,85) lagen in der PLOS-ONE-Studie gleichauf vorn, Wohnraum (4,41) und Spaß-Hintergründe (4,34) am schlechtesten[4]. Ein Lächeln hob das Kompetenz-Urteil stärker als jeder Hintergrundwechsel.

Wissen, wo dein Setup steht?

Im Quick-Check gehen wir in 45 Minuten dein aktuelles Setup durch (Ton, Licht, Bild, Hintergrund), und du bekommst konkrete, provisionsfreie Empfehlungen plus Cheat-Sheet als PDF.

Kalender lädt nicht? Termin direkt bei Calendly buchen ↗

Quellen.

  1. [1] Newman, E. J. & Schwarz, N. (2018), „Good Sound, Good Research: How Audio Quality Influences Perceptions of the Research and Researcher". Science Communication 40(2). DOI 10.1177/1075547018759345 (Exp. 1: Konferenzvorträge mit mehr Raumhall, bewertet wurden Vortrag, Intelligenz, Sympathie und Wichtigkeit der Forschung; Exp. 2: Radiointerviews mit schlechter Telefonleitung, bewertet wurden Forschung, Kompetenz, Interview und Teilen). journals.sagepub.com ↩
  2. [2] Fiechter, J. L., Fealing, C., Gerrard, R. & Kornell, N. (2018), „Audiovisual quality impacts assessments of job candidates in video interviews". Cognitive Research: Principles and Implications 3:47 (Volltext; Online-Bewerter über Amazon Mechanical Turk, vier Schauspieler-Videos von 105 bis 173 s; Exp. 1: 6,91 zu 6,31, d=0,42, N=97; Exp. 2 mit Warnung: 6,91 zu 6,35, d=0,47, N=96; beide gepoolt: 6,91 zu 6,33, d=0,44; Skala 1 bis 10; Sympathie 6,95 zu 6,77 bzw. 6,96 zu 6,66, kein Unterschied belegt; Bayes-Faktoren Einstellbarkeit 5,62 und 15,78, Sympathie 0,17 und 0,65; verschlechtert laut Autoren durch geringere Auflösung, Bildaussetzer, einen Filter, der den Weißabgleich verfälscht, einen Hochpassfilter im Ton und Rauschen; Tabelle 1: höchste Bewertung 104-mal flüssig, 58-mal verschlechtert, 31-mal beides, niedrigste 59, 99 und 35). pmc.ncbi.nlm.nih.gov ↩
  3. [3] Schroeder, J. & Epley, N. (2015), „The Sound of Intellect: Speech Reveals a Thoughtful Mind, Increasing a Job Candidate's Appeal". Psychological Science 26(6). DOI 10.1177/0956797615572906 (laut Abstract urteilten in Exp. 1 bis 3b Versuchspersonen als hypothetische Arbeitgeber, in Exp. 4 professionelle Recruiter; bewertet wurden Kompetenz, Nachdenklichkeit und Intelligenz). pubmed.ncbi.nlm.nih.gov ↩
  4. [4] Cook, A., Thompson, M. & Ross, P. (2023), „Virtual first impressions: Zoom backgrounds affect judgements of trust and competence". PLOS ONE 18(9): e0291444. DOI 10.1371/journal.pone.0291444 (Durham University, N=167, Standbilder, Kompetenz und Vertrauen auf Skala 1 bis 7; Bücherregal, Pflanzen und leere Wand ohne Unterschied untereinander, p > .99; lächelnd gegen neutral: Kompetenz 5,06 zu 4,31, Vertrauen 5,17 zu 3,80; Vertrauen nach Hintergrund 4,30 bis 4,63). journals.plos.org ↩
  5. [5] Bailenson, J. N. (2021), „Nonverbal Overload: A Theoretical Argument for the Causes of Zoom Fatigue". Technology, Mind, and Behavior 2(1). DOI 10.1037/tmb0000030. psycnet.apa.org ↩
  6. [6] ifo Institut (07.09.2026), Pressemitteilung zur ifo-Konjunkturumfrage vom August 2026: 24,9 % der Beschäftigten zumindest teilweise im Homeoffice, Dienstleister 35,1 %. ifo.de ↩
  7. [7] Statistisches Bundesamt (destatis), Pressemitteilung N024 (22.04.2026, Mikrozensus): 25 % der Erwerbstätigen 2025 zumindest gelegentlich im Homeoffice, also mindestens einmal in den vier Wochen vor der Befragung; 2024: 24 %; 2023: 23 %; 2019: 13 %; 2025 wieder auf dem Niveau von 2021; EU-Schnitt 2025: 23 %; nach Unternehmensgröße 19, 23 und 35 %; IT-Dienstleistungen, Verwaltung und Führung von Unternehmen sowie Unternehmensberatung je 74 %, Informationsdienstleistungen 68 %, Versicherungen und Pensionskassen 68 %, Kfz-Handel und -Reparatur sowie Einzelhandel je 10 %, Gebäudebetreuung, Garten- und Landschaftsbau 7 %, Gastronomie 6 %. destatis.de ↩
  8. [8] Microsoft Work Trend Index (2022), „Great Expectations: Making Hybrid Work Work" (veröffentlicht 16.03.2022: +252 % wöchentliche Meeting-Zeit, +153 % Meetings pro Teams-Nutzer, jeweils seit Feb. 2020). microsoft.com ↩
  9. [9] USC Dornsife / phys.org (2018), Berichterstattung zur Newman-&-Schwarz-Studie mit Methodendetails. phys.org ↩
  10. [10] Microsoft Work Trend Index (08.05.2024), 2024 Work Trend Index Annual Report: Meetings und Arbeit nach Feierabend halten sich auf dem Niveau nach der Pandemie (Microsoft-365-Nutzungsdaten bis März 2024). microsoft.com ↩
  11. [11] Statistisches Bundesamt (destatis), frühere Mitteilungen zur selben Mikrozensus-Reihe: Zahl der Woche Nr. 24 (14.06.2022): 2020: 21,0 %, 2021: 24,8 % (Erstergebnis); Zahl der Woche Nr. 28 (11.07.2023): 2021: 24,9 %, 2022: 24,2 %; Pressemitteilung N051 (25.09.2025): 2022: 24 %, 2023: 23 %, 2024: 24 %. Dazu die Indikatorseite „Erwerbstätige, die von zu Hause aus arbeiten“ (Stand 23.07.2026): Der Mikrozensus wurde 2020 neu gestaltet, Ergebnisse ab 2020 sind nur eingeschränkt mit den Vorjahren vergleichbar, weitere methodische Änderungen gab es 2021. Zahl der Woche 2022 · Zahl der Woche 2023 · Pressemitteilung 2025 · Indikatorseite ↩

Stand: September 2026