Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Operations Bottleneck Analysis |  Engineering Kanban |  Product Discovery Dual-Track Agile |  Delivery Monte Carlo Forecasting |
|---|---|---|---|---|
Zweckunterschiedlich | Bei einem Fluss, der sich an einer Stelle staut, sucht die Methode die Kapazitätsgrenze mit dem größten Hebel. Sie erklärt, warum Mehrarbeit an anderer Stelle den Durchsatz kaum verbessert. | Wenn Arbeit parallel in zu vielen Strömen steckt, leidet Durchsatz und niemand sieht die Engpässe. Kanban macht den Fluss von Arbeit sichtbar und begrenzt Überlast so, dass ein System ruhiger und vorhersagbarer wird. | Wenn Unsicherheit und Lieferung parallel laufen, trennt sie Lernarbeit von Umsetzung und hält beides verbunden. Sie verhindert, dass ungeprüfte Ideen direkt in den Lieferstrom fallen. | 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. |
Komplexitätunterschiedlich | Mittel | Mittel | Mittel | Hoch |
Zeitunterschiedlich | 1-3 h | Ongoing | Laufend, Wochen bis Monate | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 3-8 | 2-12 | 4-10 | 1-8 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Bottleneck Map, Flow Metrics, Improvement Options, Follow-up Measures | Kanban Board, WIP Policies, Flow Metrics | Discovery Backlog, Delivery Backlog, Experiment-Ergebnisse, Validierte Stories | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | FlowMessungRahmenbedingungen | FlowVisuelles ManagementDelivery | AgilDiscoveryDelivery | PrognoseFlowDelivery |