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 Specification by Example |  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 fachliche Regeln präzise werden sollen, verbindet sie Sprache, Beispiel und Prüfung. Sie verhindert, dass Anforderungen zu abstrakt oder missverständlich bleiben. | 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 | 60-90 min pro Feature | 30-90 min |
Teilnehmendeunterschiedlich | 1-8 | 3-12 | 3-6 | 3-12 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Affinity Size Map, Grouped Estimates, Unclear Items | Beispieltabelle, Acceptance Tests | Bucketed Backlog, Relative Estimates, Split Candidates |
Tagskeine Überschneidung | PrognoseFlowDelivery | SchätzungBacklogRelative Schätzung | AgilAnforderungenBeispieleBehavior-Driven Development | SchätzungBacklogRelative Schätzung |