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 |  Innovation Lean Startup |  Product Discovery Experiment Canvas |  Product Discovery Hypothesis Prioritization Canvas |
|---|---|---|---|---|
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. | Bei unsicheren Geschäftsannahmen zwingt die Methode die Idee früh an reale Marktreaktionen. Sie trennt Wunschbild, Annahme und beobachtbares Verhalten, damit Lernen schneller als Planung wird. So wird Unsicherheit in messbare Erkenntnisse übersetzt. | 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. | Wenn viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. |
Komplexitätunterschiedlich | Mittel | Mittel | Niedrig | Mittel |
Zeitunterschiedlich | Halber Tag pro Domain Slice | Wochen bis Monate je Lernzyklus | 30-60 min | 60-90 min |
Teilnehmendeunterschiedlich | 1-4 | 2-8 | 1-5 | 3-8 |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop + Async | Workshop |
Outputunterschiedlich | SHACL or ShEx Shapes, Validation Reports, Data Contracts, Shape Documentation | Hypothesenliste, MVPs, Lernreports, Pivot- oder Persevere-Entscheidung | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Priorisierungs-Canvas, Hypothesen-Backlog |
Tagskeine Überschneidung | WissensgraphValidierungSemantik | LeanStartupValidierungMVP | ExperimenteValidierungDiscoveryHypothese | ExperimentePriorisierungDiscoveryHypothese |