Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Agile Story Points |  Operations Bottleneck Analysis |  Delivery Monte Carlo Forecasting |  Engineering Kanban |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Teams Komplexität statt Stunden bewerten wollen, schafft sie einen gemeinsamen relativen Maßstab. Sie hilft, Unsicherheit, Risiko und Umfang zusammen zu sehen. | Bei einem Fluss, der sich an einer Stelle staut, sucht die Methode die Kapazitätsgrenze mit dem größten Hebel. Sie erklärt, warum Mehrarbeit an anderer Stelle den Durchsatz kaum verbessert. | 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 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. |
Komplexitätunterschiedlich | Mittel | Mittel | Hoch | Mittel |
Zeitunterschiedlich | laufend, 1-5 min je Item | 1-3 h | 30-90 min Setup, danach laufend | Ongoing |
Teilnehmendeunterschiedlich | 3-9 | 3-8 | 1-8 | 2-12 |
Formatidentisch | Workshop + Async | Workshop + Async | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Point Estimates, Reference Stories, Velocity Data | Bottleneck Map, Flow Metrics, Improvement Options, Follow-up Measures | Forecast Percentiles, Throughput Dataset, Risk Communication | Kanban Board, WIP Policies, Flow Metrics |
Tagskeine Überschneidung | SchätzungAgilMessung | FlowMessungRahmenbedingungen | PrognoseFlowDelivery | FlowVisuelles ManagementDelivery |