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 |  Agile NoEstimates |  Decision Making Three-Point 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 Schätzung mehr bremst als nützt, lenkt sie den Fokus auf Fluss, Kleinteiligkeit und echte Durchlaufzeit. Sie ersetzt Vorhersagezwang durch ein Arbeitsmodell, das schneller liefert. | Bei Aufwand, Zeit oder Risiko wirkt ein einzelner Schätzwert oft zu glatt für die reale Unsicherheit. Three-Point Estimation zieht Optimismus, Wahrscheinlichkeitswert und Pessimismus zusammen und macht Spannbreiten belastbar. | 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 | 1-2 Tage | laufend | 10-30 min je Item | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 10-50 | 2-12 | 1-8 | 1-8 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Kano Matrix, Feature Classes, Priority Themes | Throughput Data, Flow Forecast, Slicing Rules | Three-Point Estimate, Risk Range, Assumption Notes | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | ZufriedenheitPriorisierungKunde | SchätzungPrognoseFlow | SchätzungUnsicherheitPrognose | PrognoseFlowDelivery |