Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Delivery Value Stream Mapping |  Delivery Monte Carlo Forecasting |  Product Discovery Experiment Canvas |  Product Discovery Fake Door Test |
|---|---|---|---|---|
Zweckunterschiedlich | Wenn Lieferarbeit in Wartezeiten, Übergaben und verstecktem Aufwand zerfällt, macht Value Stream Mapping den tatsächlichen Fluss sichtbar. Die Methode legt Engpässe, Liegezeiten und Rückkopplungen offen, damit Durchlaufzeit und Verbesserungshebel greifbar werden. | 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 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 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 | Hoch | Niedrig | Mittel |
Zeitunterschiedlich | 1-3 h | 30-90 min Setup, danach laufend | 30-60 min | 1-5 Tage |
Teilnehmendeunterschiedlich | 4-10 | 1-8 | 1-5 | Nutzertraffic |
Formatunterschiedlich | Workshop | Workshop + Async | Workshop + Async | Async |
Outputunterschiedlich | Current-state Map, Future-state Map, Bottleneck List | Forecast Percentiles, Throughput Dataset, Risk Communication | Ausgefülltes Experiment Canvas, Erfolgsmetrik | Click Data, Interest Signal, Learning Decision |
Tagskeine Überschneidung | LeanFlowVerschwendungDelivery | PrognoseFlowDelivery | ExperimenteValidierungDiscoveryHypothese | ValidierungExperimenteNachfrageDiscovery |