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 |  Operations After-Action Review |  Agile 4Ls Retrospective |  Operations Learning Review |
|---|---|---|---|---|
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. | Nach Einsätzen oder Projektphasen mit unklaren Ergebnissen macht die Methode sichtbar, was tatsächlich passiert ist und was davon lernen lässt. Sie trennt Verlauf, Wirkung und Ursachen, damit Erfahrung in belastbare Verbesserungen übergeht. | Wenn ein Sprint nicht nur bewertet, sondern auch gelernt werden soll, fasst sie Erfahrung in klare Lernkategorien. Sie hält fest, was funktioniert hat, was fehlt und was nächstes Mal anders laufen soll. | Nach einer Projektphase mit gemischten Ergebnissen macht die Methode Lernen aus dem Einzelfall wiederverwendbar. Sie verbindet Ereignisse, Entscheidungen und systemische Bedingungen zu belastbaren Einsichten. |
Komplexitätunterschiedlich | Hoch | Niedrig | Niedrig | Mittel |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | 20-45 min | 45–75 min | 1-3 h |
Teilnehmendeunterschiedlich | 1-8 | 3-12 | Beteiligtes Team | 3-10 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Lessons Learned, Action Items, Event Summary | 4Ls Board, Learning Themes, Improvement Actions | Learning Review Notes, System Factors, Improvement Actions |
Tagskeine Überschneidung | PrognoseFlowDelivery | LernenOperationsVerbesserung | RetrospektiveLernenReflexionTeam | LernenRetrospektiveIncidentOperations |