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 Splitting |  Agile Affinity Estimation |  Decision Making Three-Point Estimation |  Delivery Monte Carlo Forecasting |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn eine Story zu groß für einen sauberen Fluss wird, zerlegt sie Umfang entlang von Wert und Risiko. Sie bringt Arbeit in eine Form, die früher lieferbar und leichter prüfbar ist. | Wenn viele Aufgaben zügig eingeordnet werden müssen, sortiert sie nach wahrgenommenem Aufwand und Ähnlichkeit. Sie reduziert den Aufwand für Feinschätzung bei großen Mengen. | Bei Aufwand, Zeit oder Risiko wirkt ein einzelner Schätzwert oft zu glatt für die reale Unsicherheit. Three-Point Estimation zieht Optimismus, Wahrscheinlichkeitswert und Pessimismus zusammen und macht Spannbreiten belastbar. | 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. |
Komplexitätunterschiedlich | Mittel | Mittel | Mittel | Hoch |
Zeitunterschiedlich | 30-60 min | 30-90 min | 10-30 min je Item | 30-90 min Setup, danach laufend |
Teilnehmendeunterschiedlich | 2-6 | 3-12 | 1-8 | 1-8 |
Formatunterschiedlich | Workshop + Async | Workshop | Workshop + Async | Workshop + Async |
Outputunterschiedlich | Smaller Stories, Acceptance Criteria, Split Rationale | Affinity Size Map, Grouped Estimates, Unclear Items | Three-Point Estimate, Risk Range, Assumption Notes | Forecast Percentiles, Throughput Dataset, Risk Communication |
Tagskeine Überschneidung | BacklogIterationDelivery | SchätzungBacklogRelative Schätzung | SchätzungUnsicherheitPrognose | PrognoseFlowDelivery |