Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Delivery Monte Carlo Forecasting |  Agile Affinity Estimation |  Agile NoEstimates |  Agile Bucket System |
|---|---|---|---|---|
Zweckunterschiedlich | 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 viele Aufgaben zügig eingeordnet werden müssen, sortiert sie nach wahrgenommenem Aufwand und Ähnlichkeit. Sie reduziert den Aufwand für Feinschätzung bei großen Mengen. | 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. | Wenn eine größere Menge Arbeit schnell grob geschätzt werden soll, verteilt sie Items in vorgegebene Größenräume. Sie spart Diskussion, ohne die Vergleichbarkeit ganz aufzugeben. |
Komplexitätunterschiedlich | Hoch | Mittel | Mittel | Mittel |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | 30-90 min | laufend | 30-90 min |
Teilnehmendeunterschiedlich | 1-8 | 3-12 | 2-12 | 3-12 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Affinity Size Map, Grouped Estimates, Unclear Items | Throughput Data, Flow Forecast, Slicing Rules | Bucketed Backlog, Relative Estimates, Split Candidates |
Tagskeine Überschneidung | PrognoseFlowDelivery | SchätzungBacklogRelative Schätzung | SchätzungPrognoseFlow | SchätzungBacklogRelative Schätzung |