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 Specification by Example |  Agile Example Mapping |  Engineering Kanban |
|---|---|---|---|---|
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 fachliche Regeln präzise werden sollen, verbindet sie Sprache, Beispiel und Prüfung. Sie verhindert, dass Anforderungen zu abstrakt oder missverständlich bleiben. | Wenn eine Story fachliche Regeln und Ausnahmen trägt, bringt sie Klarheit vor der Umsetzung. Sie macht Beispiele, offene Fragen und Abgrenzungen so sichtbar, dass die Logik gemeinsam tragfähig wird. | 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. |
Komplexitätunterschiedlich | Hoch | Mittel | Niedrig | Mittel |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | 60-90 min pro Feature | 30-60 min | Ongoing |
Teilnehmendeunterschiedlich | 1-8 | 3-6 | 3-7 | 2-12 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop | Workshop + Async |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Beispieltabelle, Acceptance Tests | Example Map, Acceptance Criteria, Open Questions | Kanban Board, WIP Policies, Flow Metrics |
Tagskeine Überschneidung | PrognoseFlowDelivery | AgilAnforderungenBeispieleBehavior-Driven Development | Behavior-Driven DevelopmentAnforderungenBeispieleRefinement | FlowVisuelles ManagementDelivery |