Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Agile Affinity Estimation |  Delivery Monte Carlo Forecasting |  Agile Bucket System |  Agile NoEstimates |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn viele Aufgaben zügig eingeordnet werden müssen, sortiert sie nach wahrgenommenem Aufwand und Ähnlichkeit. Sie reduziert den Aufwand für Feinschätzung bei großen Mengen. | Wenn Liefertermine unsicher sind und Einzel-Schätzungen zu viel Sicherheit vortäuschen, zeigt Monte Carlo Forecasting die Bandbreite plausibler Enddaten. Historische Flussdaten werden so nutzbar, dass Risiko, Wahrscheinlichkeit und Erwartungswert sauber auseinanderhalten bleiben. | Wenn eine größere Menge Arbeit schnell grob geschätzt werden soll, verteilt sie Items in vorgegebene Größenräume. Sie spart Diskussion, ohne die Vergleichbarkeit ganz aufzugeben. | Wenn Schätzung mehr bremst als nützt, lenkt sie den Fokus auf Fluss, Kleinteiligkeit und echte Durchlaufzeit. Sie ersetzt Vorhersagezwang durch ein Arbeitsmodell, das schneller liefert. |
Komplexitätunterschiedlich | Mittel | Hoch | Mittel | Mittel |
Zeitunterschiedlich | 30-90 min | 30-90 min Setup, danach laufend | 30-90 min | laufend |
Teilnehmendeunterschiedlich | 3-12 | 1-8 | 3-12 | 2-12 |
Formatunterschiedlich | Workshop | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Affinity Size Map, Grouped Estimates, Unclear Items | Forecast Percentiles, Throughput Dataset, Risk Communication | Bucketed Backlog, Relative Estimates, Split Candidates | Throughput Data, Flow Forecast, Slicing Rules |
Tagskeine Überschneidung | SchätzungBacklogRelative Schätzung | PrognoseFlowDelivery | SchätzungBacklogRelative Schätzung | SchätzungPrognoseFlow |