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 |  Product Discovery Dual-Track Agile |  Agile Example Mapping |  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 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 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 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 | Niedrig | Hoch |
Zeitunterschiedlich | Ongoing | Laufend, Wochen bis Monate | 30-60 min | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 2-12 | 4-10 | 3-7 | 1-8 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Kanban Board, WIP Policies, Flow Metrics | Discovery Backlog, Delivery Backlog, Experiment-Ergebnisse, Validierte Stories | Example Map, Acceptance Criteria, Open Questions | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | FlowVisuelles ManagementDelivery | AgilDiscoveryDelivery | Behavior-Driven DevelopmentAnforderungenBeispieleRefinement | PrognoseFlowDelivery |