Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Agile Example Mapping |  Agile Affinity Estimation |  Agile NoEstimates |  Delivery Monte Carlo Forecasting |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn eine Story fachliche Regeln und Ausnahmen trägt, bringt sie Klarheit vor der Umsetzung. Sie macht Beispiele, offene Fragen und Abgrenzungen so sichtbar, dass die Logik gemeinsam tragfähig wird. | Wenn viele Aufgaben zügig eingeordnet werden müssen, sortiert sie nach wahrgenommenem Aufwand und Ähnlichkeit. Sie reduziert den Aufwand für Feinschätzung bei großen Mengen. | 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. | 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 | Niedrig | Mittel | Mittel | Hoch |
Zeitunterschiedlich | 30-60 min | 30-90 min | laufend | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 3-7 | 3-12 | 2-12 | 1-8 |
Formatunterschiedlich | Workshop | Workshop | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Example Map, Acceptance Criteria, Open Questions | Affinity Size Map, Grouped Estimates, Unclear Items | Throughput Data, Flow Forecast, Slicing Rules | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | Behavior-Driven DevelopmentAnforderungenBeispieleRefinement | SchätzungBacklogRelative Schätzung | SchätzungPrognoseFlow | PrognoseFlowDelivery |