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 |  Decision Making OODA Loop |  Product Strategy DIBB |
|---|---|---|---|---|
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. | In dynamischen Situationen veralten Entscheidungen schneller, als sie vorbereitet wurden. Der OODA Loop hält Wahrnehmen, Einordnen, Entscheiden und Handeln als wiederkehrenden Takt zusammen, damit Reaktion nicht in Trägheit kippt. | Wenn eine Produktentscheidung sauber begründet werden muss, macht sie Daten, Annahmen und Wetten gemeinsam sichtbar. Sie hält fest, warum eine Richtung gewählt wurde und woran sie später gemessen wird. |
Komplexitätunterschiedlich | Hoch | Mittel | Mittel | Niedrig |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | Ongoing | 15-60 min je Zyklus | 1-2 h |
Teilnehmendeunterschiedlich | 1-8 | 2-12 | 1-8 | 2-8 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Kanban Board, WIP Policies, Flow Metrics | Situation Assessment, Decision Loop, Action Updates | DIBB-Dokument, Beliefs-Liste, Bets-Liste, Lernreport |
Tagskeine Überschneidung | PrognoseFlowDelivery | FlowVisuelles ManagementDelivery | EntscheidungVeränderungLernenStrategie | StrategieEntscheidungAnnahmenHypothese |