Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Knowledge Modeling Shape-First Modeling |  Product Discovery Experiment Canvas |  Knowledge Modeling Competency Questions |  Product Discovery Fake Door Test |
|---|---|---|---|---|
Zweckunterschiedlich | 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. | 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. | Wenn Nachfrage noch unklar ist, misst sie Interesse an einer Funktion, bevor sie gebaut wird. Sie trennt echtes Verhalten von höflicher Zustimmung und hält den Bauaufwand bewusst klein. |
Komplexitätunterschiedlich | Mittel | Niedrig | Mittel | Mittel |
Zeitunterschiedlich | Halber Tag pro Domain Slice | 30-60 min | 2-4 h | 1-5 Tage |
Teilnehmendeunterschiedlich | 1-4 | 1-5 | 2-8 | Nutzertraffic |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop + Async | Async |
Outputunterschiedlich | SHACL or ShEx Shapes, Validation Reports, Data Contracts, Shape Documentation | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Competency Question Set, Required Concepts, Test Queries, Coverage Matrix | Click Data, Interest Signal, Learning Decision |
Tagskeine Überschneidung | WissensgraphValidierungSemantik | ExperimenteValidierungDiscoveryHypothese | OntologieWissensgraphUmfangAnforderungenSemantik | ValidierungExperimenteNachfrageDiscovery |