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 Sprint Retrospective |  Operations After-Action Review |  Agile 4Ls Retrospective |
|---|---|---|---|---|
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 ein Sprint vorbei ist und Reibung nicht einfach mitgeschleppt werden soll, öffnet sie den Blick auf Zusammenarbeit und Muster. Sie schafft Raum, um Ursachen und Veränderungen gemeinsam zu sehen. | 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. |
Komplexitätunterschiedlich | Hoch | Niedrig | Niedrig | Niedrig |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | Bis zu 3 h für einen einmonatigen Sprint | 20-45 min | 45–75 min |
Teilnehmendeunterschiedlich | 1-8 | Scrum Team | 3-12 | Beteiligtes Team |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Improvement Actions, Team Agreements | Lessons Learned, Action Items, Event Summary | 4Ls Board, Learning Themes, Improvement Actions |
Tagskeine Überschneidung | PrognoseFlowDelivery | RetrospektiveVerbesserungLernen | LernenOperationsVerbesserung | RetrospektiveLernenReflexionTeam |