Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Engineering Kanban |  Agile Affinity Estimation |  Product Discovery Dual-Track Agile |  Delivery Monte Carlo Forecasting |
|---|---|---|---|---|
Zweckunterschiedlich | 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 viele Aufgaben zügig eingeordnet werden müssen, sortiert sie nach wahrgenommenem Aufwand und Ähnlichkeit. Sie reduziert den Aufwand für Feinschätzung bei großen Mengen. | 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 | Ongoing | 30-90 min | Laufend, Wochen bis Monate | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 2-12 | 3-12 | 4-10 | 1-8 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Kanban Board, WIP Policies, Flow Metrics | Affinity Size Map, Grouped Estimates, Unclear Items | Discovery Backlog, Delivery Backlog, Experiment-Ergebnisse, Validierte Stories | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | FlowVisuelles ManagementDelivery | SchätzungBacklogRelative Schätzung | AgilDiscoveryDelivery | PrognoseFlowDelivery |