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 |  Engineering Kanban |  Delivery Monte Carlo Forecasting |  Agile Three Amigos |
|---|---|---|---|---|
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 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 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 Story, Test und Umsetzung auseinanderlaufen könnten, bringt sie Fachsicht, Engineering und Qualität früh zusammen. Sie verhindert, dass eine Story erst spät unterschiedlich gelesen wird. |
Komplexitätunterschiedlich | Niedrig | Mittel | Hoch | Niedrig |
Zeitunterschiedlich | 30-60 min | Ongoing | 30-90 min Setup, danach laufend | 15-30 min |
Teilnehmendeunterschiedlich | 3-7 | 2-12 | 1-8 | 3 |
Formatunterschiedlich | Workshop | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Example Map, Acceptance Criteria, Open Questions | Kanban Board, WIP Policies, Flow Metrics | Forecast Percentiles, Throughput Dataset, Risk Communication | Clarified Story, Test Examples, Open Questions |
Tagskeine Überschneidung | Behavior-Driven DevelopmentAnforderungenBeispieleRefinement | FlowVisuelles ManagementDelivery | PrognoseFlowDelivery | ZusammenarbeitBehavior-Driven DevelopmentQualitätRefinement |