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 WSJF |  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 viele Aufgaben um dieselben Kapazitäten konkurrieren, ordnet sie Arbeit nach wirtschaftlicher Wirkung. Sie macht Zeitverlust, Nutzen und Aufwand gemeinsam vergleichbar. | 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 | Hoch | Hoch |
Zeitunterschiedlich | 1-2 Tage | 45-90 min | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 10-50 | 3-10 | 1-8 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Kano Matrix, Feature Classes, Priority Themes | Ranked Backlog, Cost-of-Delay Assumptions | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | ZufriedenheitPriorisierungKunde | LeanÖkonomieReihenfolgePriorisierung | PrognoseFlowDelivery |
Oft zusammen betrachtet
Methoden mit thematischer Nähe zur aktuellen Auswahl, noch nicht im Vergleich.
