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 Planning Poker |  Delivery Monte Carlo Forecasting |  Product Discovery Dual-Track Agile |
|---|---|---|---|---|
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 Schätzungen im Team zu stark auseinandergehen, bringt sie unterschiedliche Erwartungen auf einen gemeinsamen Prüfstand. Sie trennt grobe Komplexität von ungesagten Annahmen. | 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. |
Komplexitätunterschiedlich | Mittel | Niedrig | Hoch | Mittel |
Zeitunterschiedlich | Ongoing | 2-5 min je Item | 30-90 min Setup, danach laufend | Laufend, Wochen bis Monate |
Teilnehmendeunterschiedlich | 2-12 | 3-9 | 1-8 | 4-10 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Kanban Board, WIP Policies, Flow Metrics | Relative Estimates, Assumption Notes, Split Candidates | Forecast Percentiles, Throughput Dataset, Risk Communication | Discovery Backlog, Delivery Backlog, Experiment-Ergebnisse, Validierte Stories |
Tagskeine Überschneidung | FlowVisuelles ManagementDelivery | SchätzungAgilRelative SchätzungTeam | PrognoseFlowDelivery | AgilDiscoveryDelivery |