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 |  Engineering Kanban |  Agile 4Ls Retrospective |  Agile NoEstimates |
|---|---|---|---|---|
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 Arbeit parallel in zu vielen Strömen steckt, leidet Durchsatz und niemand sieht die Engpässe. Kanban macht den Fluss von Arbeit sichtbar und begrenzt Überlast so, dass ein System ruhiger und vorhersagbarer wird. | 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. | 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. |
Komplexitätunterschiedlich | Hoch | Mittel | Niedrig | Mittel |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | Ongoing | 45–75 min | laufend |
Teilnehmendeunterschiedlich | 1-8 | 2-12 | Beteiligtes Team | 2-12 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop + Async |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Kanban Board, WIP Policies, Flow Metrics | 4Ls Board, Learning Themes, Improvement Actions | Throughput Data, Flow Forecast, Slicing Rules |
Tagskeine Überschneidung | PrognoseFlowDelivery | FlowVisuelles ManagementDelivery | RetrospektiveLernenReflexionTeam | SchätzungPrognoseFlow |