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 Sprint Retrospective |  Delivery Monte Carlo Forecasting |  Operations After-Action Review |
|---|---|---|---|---|
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 ein Sprint vorbei ist und Reibung nicht einfach mitgeschleppt werden soll, öffnet sie den Blick auf Zusammenarbeit und Muster. Sie schafft Raum, um Ursachen und Veränderungen gemeinsam zu sehen. | 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. | Nach Einsätzen oder Projektphasen mit unklaren Ergebnissen macht die Methode sichtbar, was tatsächlich passiert ist und was davon lernen lässt. Sie trennt Verlauf, Wirkung und Ursachen, damit Erfahrung in belastbare Verbesserungen übergeht. |
Komplexitätunterschiedlich | Mittel | Niedrig | Hoch | Niedrig |
Zeitunterschiedlich | Ongoing | Bis zu 3 h für einen einmonatigen Sprint | 30-90 min Setup, danach laufend | 20-45 min |
Teilnehmendeunterschiedlich | 2-12 | Scrum Team | 1-8 | 3-12 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Kanban Board, WIP Policies, Flow Metrics | Improvement Actions, Team Agreements | Forecast Percentiles, Throughput Dataset, Risk Communication | Lessons Learned, Action Items, Event Summary |
Tagskeine Überschneidung | FlowVisuelles ManagementDelivery | RetrospektiveVerbesserungLernen | PrognoseFlowDelivery | LernenOperationsVerbesserung |