Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Product Discovery Kano Model |  Engineering Kanban |  Facilitation Dot Estimation |  Delivery Monte Carlo Forecasting |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Features nach Wirkung auf Zufriedenheit unterschieden werden sollen, macht sie Erwartungen und Überraschungen vergleichbar. Sie trennt Grundbedürfnis, Leistungsbeitrag und Begeisterung. | 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 Größe oder Aufwand nur grob geschätzt werden können, verdichtet Dot Estimation Erfahrungswissen zu einer schnellen Spanne. Die Methode bringt Vergleichbarkeit in unscharfe Einschätzungen, ohne auf Scheingenauigkeit zu setzen. | 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 | 1-2 Tage | Ongoing | 5-20 min | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 10-50 | 2-12 | 3-20 | 1-8 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Kano Matrix, Feature Classes, Priority Themes | Kanban Board, WIP Policies, Flow Metrics | Effort Heatmap, Risk Signals, Discussion Targets | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | ZufriedenheitPriorisierungKunde | FlowVisuelles ManagementDelivery | SchätzungAufwandRisiko | PrognoseFlowDelivery |