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 |  Engineering Kanban |  Operations Learning Review |
|---|---|---|---|---|
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. | 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. | Nach einer Projektphase mit gemischten Ergebnissen macht die Methode Lernen aus dem Einzelfall wiederverwendbar. Sie verbindet Ereignisse, Entscheidungen und systemische Bedingungen zu belastbaren Einsichten. |
Komplexitätunterschiedlich | Hoch | Niedrig | Mittel | Mittel |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | Bis zu 3 h für einen einmonatigen Sprint | Ongoing | 1-3 h |
Teilnehmendeunterschiedlich | 1-8 | Scrum Team | 2-12 | 3-10 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Improvement Actions, Team Agreements | Kanban Board, WIP Policies, Flow Metrics | Learning Review Notes, System Factors, Improvement Actions |
Tagskeine Überschneidung | PrognoseFlowDelivery | RetrospektiveVerbesserungLernen | FlowVisuelles ManagementDelivery | LernenRetrospektiveIncidentOperations |