Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Facilitation Dot Estimation |  Delivery Monte Carlo Forecasting |  Product Discovery Dual-Track Agile |  Engineering Kanban |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Größe oder Aufwand nur grob geschätzt werden können, verdichtet Dot Estimation Erfahrungswissen zu einer schnellen Spanne. Die Methode bringt Vergleichbarkeit in unscharfe Einschätzungen, ohne auf Scheingenauigkeit zu setzen. | 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 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 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. |
Komplexitätunterschiedlich | Niedrig | Hoch | Mittel | Mittel |
Zeitunterschiedlich | 5-20 min | 30-90 min Setup, danach laufend | Laufend, Wochen bis Monate | Ongoing |
Teilnehmendeunterschiedlich | 3-20 | 1-8 | 4-10 | 2-12 |
Formatunterschiedlich | Workshop | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Effort Heatmap, Risk Signals, Discussion Targets | Forecast Percentiles, Throughput Dataset, Risk Communication | Discovery Backlog, Delivery Backlog, Experiment-Ergebnisse, Validierte Stories | Kanban Board, WIP Policies, Flow Metrics |
Tagskeine Überschneidung | SchätzungAufwandRisiko | PrognoseFlowDelivery | AgilDiscoveryDelivery | FlowVisuelles ManagementDelivery |