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 |  Agile NoEstimates |  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. | 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 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 | Mittel | Niedrig |
Zeitunterschiedlich | 30-90 min Setup, danach laufend | Bis zu 3 h für einen einmonatigen Sprint | laufend | 45–75 min |
Teilnehmendeunterschiedlich | 1-8 | Scrum Team | 2-12 | Beteiligtes Team |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop |
Outputunterschiedlich | Forecast Percentiles, Throughput Dataset, Risk Communication | Improvement Actions, Team Agreements | Throughput Data, Flow Forecast, Slicing Rules | 4Ls Board, Learning Themes, Improvement Actions |
Tagskeine Überschneidung | PrognoseFlowDelivery | RetrospektiveVerbesserungLernen | SchätzungPrognoseFlow | RetrospektiveLernenReflexionTeam |