Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Operations Theory of Constraints |  Delivery Monte Carlo Forecasting |  Operations Learning Review |  Agile 4Ls Retrospective |
|---|---|---|---|---|
Zweckunterschiedlich | Bei einem System, das trotz Aufwand nicht schneller wird, lenkt die Methode Aufmerksamkeit auf den Engpass. Sie konzentriert Verbesserung auf die Stelle, die den Durchsatz tatsächlich begrenzt. | 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. | Nach einer Projektphase mit gemischten Ergebnissen macht die Methode Lernen aus dem Einzelfall wiederverwendbar. Sie verbindet Ereignisse, Entscheidungen und systemische Bedingungen zu belastbaren Einsichten. | Wenn ein Sprint nicht nur bewertet, sondern auch gelernt werden soll, fasst sie Erfahrung in klare Lernkategorien. Sie hält fest, was funktioniert hat, was fehlt und was nächstes Mal anders laufen soll. |
Komplexitätunterschiedlich | Hoch | Hoch | Mittel | Niedrig |
Zeitunterschiedlich | 2-4 h Analyse, laufend | 30-90 min Setup, danach laufend | 1-3 h | 45–75 min |
Teilnehmendeunterschiedlich | 3-12 | 1-8 | 3-10 | Beteiligtes Team |
Formatunterschiedlich | Workshop + Async | Workshop + Async | Workshop | Workshop |
Outputunterschiedlich | Constraint Map, Improvement Plan, Flow Metrics | Forecast Percentiles, Throughput Dataset, Risk Communication | Learning Review Notes, System Factors, Improvement Actions | 4Ls Board, Learning Themes, Improvement Actions |
Tagskeine Überschneidung | OperationsRahmenbedingungenFlowVerbesserung | PrognoseFlowDelivery | LernenRetrospektiveIncidentOperations | RetrospektiveLernenReflexionTeam |