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 |  Knowledge Modeling Knowledge Mapping |  Agile NoEstimates |  Facilitation Dot Estimation |
|---|---|---|---|---|
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. | Knowledge Mapping macht Wissen, Lücken und Transferwege in einem Feld sichtbar. Es passt, wenn Fachwissen nicht nur vorhanden, sondern auch auffindbar und übertragbar sein 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. | Wenn Größe oder Aufwand nur grob geschätzt werden können, verdichtet Dot Estimation Erfahrungswissen zu einer schnellen Spanne. Die Methode bringt Vergleichbarkeit in unscharfe Einschätzungen, ohne auf Scheingenauigkeit zu setzen. |
Komplexitätunterschiedlich | Hoch | Mittel | Mittel | Niedrig |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | 1-3 h | laufend | 5-20 min |
Teilnehmendeunterschiedlich | 1-8 | 3-12 | 2-12 | 3-20 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Knowledge Map, Critical Knowledge Areas, Transfer Plan | Throughput Data, Flow Forecast, Slicing Rules | Effort Heatmap, Risk Signals, Discussion Targets |
Tagskeine Überschneidung | PrognoseFlowDelivery | WissenMappingRisiko | SchätzungPrognoseFlow | SchätzungAufwandRisiko |