Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Product Strategy DIBB |  Knowledge Modeling Shape-First Modeling |  Decision Making Delphi Method |  Product Discovery Experiment Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn eine Produktentscheidung sauber begründet werden muss, macht sie Daten, Annahmen und Wetten gemeinsam sichtbar. Sie hält fest, warum eine Richtung gewählt wurde und woran sie später gemessen wird. | Shape-First Modeling definiert Datenqualität über Shapes, bevor Implementierung oder Integration ausfranst. Der Ansatz passt, wenn Validierung und Data Contracts von Anfang an Teil des Designs sein sollen. | Wenn Wissen verteilt ist und direkte Dominanz vermieden werden soll, geraten Gruppen schnell an ihre Meinungsführer. Die Delphi Method sammelt Einschätzungen iterativ und bringt Fachurteile schrittweise näher zusammen. | Wenn Experimente später nicht mehr lesbar sind, ordnet sie Hypothese, Signal und Lernziel auf einer Fläche. Sie schafft Klarheit darüber, was ein Test wirklich beweisen soll. |
Komplexitätunterschiedlich | Niedrig | Mittel | Hoch | Niedrig |
Zeitunterschiedlich | 1-2 h | Halber Tag pro Domain Slice | 1-4 Wochen | 30-60 min |
Teilnehmendeunterschiedlich | 2-8 | 1-4 | 6-30 Experten | 1-5 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Async | Workshop + Async |
Outputunterschiedlich | DIBB-Dokument, Beliefs-Liste, Bets-Liste, Lernreport | SHACL or ShEx Shapes, Validation Reports, Data Contracts, Shape Documentation | Expert Forecast, Consensus Range, Assumption Notes | Ausgefülltes Experiment Canvas, Erfolgsmetrik |
Tagskeine Überschneidung | StrategieEntscheidungAnnahmenHypothese | WissensgraphValidierungSemantik | PrognoseExpert:innenEntscheidungStrategie | ExperimenteValidierungDiscoveryHypothese |