Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Operations PDCA Cycle |  Knowledge Modeling Competency Questions |  Knowledge Modeling Shape-First Modeling |  Product Discovery Experiment Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | Bei einer Verbesserung, die erst im Alltag beweisen muss, was sie kann, führt die Methode in kleinen Lernschleifen vor. Sie verbindet Planung, Prüfung und Standardisierung zu einem wiederholbaren Lernmodus. | Competency Questions übersetzen ein Domänenmodell in konkrete Fragen, die es beantworten können muss. Die Methode hält den Modellumfang sauber und verhindert hübsche, aber nutzlose Strukturen. | Shape-First Modeling definiert Datenqualität über Shapes, bevor Implementierung oder Integration ausfranst. Der Ansatz passt, wenn Validierung und Data Contracts von Anfang an Teil des Designs sein sollen. | Wenn Experimente später nicht mehr lesbar sind, ordnet sie Hypothese, Signal und Lernziel auf einer Fläche. Sie schafft Klarheit darüber, was ein Test wirklich beweisen soll. |
Komplexitätunterschiedlich | Niedrig | Mittel | Mittel | Niedrig |
Zeitunterschiedlich | 1 h bis mehrere Wochen | 2-4 h | Halber Tag pro Domain Slice | 30-60 min |
Teilnehmendeunterschiedlich | 1-8 | 2-8 | 1-4 | 1-5 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | PDCA Log, Experimentplan, Lernergebnis, Standardänderung | Competency Question Set, Required Concepts, Test Queries, Coverage Matrix | SHACL or ShEx Shapes, Validation Reports, Data Contracts, Shape Documentation | Ausgefülltes Experiment Canvas, Erfolgsmetrik |
Tagskeine Überschneidung | Kontinuierliche VerbesserungLeanExperimente | OntologieWissensgraphUmfangAnforderungenSemantik | WissensgraphValidierungSemantik | ExperimenteValidierungDiscoveryHypothese |