Vorher abschließenVergleichbarer Gegenstand
Eine Frage wählen: ‚Wann sind N Items fertig?‘ oder ‚Wie viele bis Datum D?‘; Servicegrenze, Done, Datenfenster und Vergleichbarkeit prüfen.
Ohne gemeinsamen Bezugsrahmen werden Werte nicht vergleichbar.
MethodenanleitungDelivery
Monte Carlo Forecasting
Die Anleitung zur Methode: Voraussetzungen und Materialien klären, den gesamten Ablauf verstehen und Ergebnisse, Stolperfallen sowie Abbruchkriterien nachschlagen.
KomplexitätHoch
Zeit30-90 min Setup, danach laufend
Teilnehmende1-8
FormatWorkshop + Async
ReifegradEstablished
01
Vorbedingung
Was vorher fertig sein muss
Vorher abschließenEvidenzzugang
Restmenge oder Zieltermin, konsistente historische Durchsatzstichprobe, System-/WIP-Kontext, Simulation mit vielen Läufen und Quantilbericht
Fehlende Daten bleiben als Unsicherheit sichtbar.
02
Vorbereitung
Was vor Start vorliegen muss
Materialien
Restmenge oder Zieltermin, konsistente historische Durchsatzstichprobe, System-/WIP-Kontext, Simulation mit vielen Läufen und Quantilbericht
Personen / Rollen
Service Owner · Flow-/Datenexpert:in · Delivery Team · Entscheidungsträger:innen
Vorabinfos
Eine Frage wählen: ‚Wann sind N Items fertig?‘ oder ‚Wie viele bis Datum D?‘; Servicegrenze, Done, Datenfenster und Vergleichbarkeit prüfen.
Zeitbedarf
60–120 Minuten für Datenprüfung, Simulation und Entscheidungsreview; danach regelmäßig neu rechnen.
Setup
Arbeitsfläche mit Frage · Stichprobe · Simulieren · Quantile · Prüfen · Entscheiden vorbereiten; Beispiel und eigene Daten trennen.
03
Kernfrage
Die eine Frage, die diese Methode beantwortet
Welche Wahrscheinlichkeitsverteilung für Fertigdauer oder Liefermenge entsteht, wenn reale historische Durchsatzwerte wiederholt resampelt werden?
04
Ablauf
Phasen mit Ziel, Durchführung, Ergebnis und Stolperfalle
Die Simulation zieht aus beobachtetem Durchsatz oder Cycle Time viele mögliche Zukünfte und verdichtet sie zu Perzentilen. Dadurch wird Vorhersage als Wahrscheinlichkeitsbild lesbar, das sich mit neuen Daten nachschärfen lässt und Diskussionen über Zusagen deutlich erdet.
Monte Carlo Forecasting · Arbeitsstruktur
Fiktives Beispiel
Fiktive Werte zeigen die tatsächlichen Fachfelder.
| Forecastteil | Input/Logik | Fiktiver Wert | Prüfung | Ergebnis | Entscheidung | Reforecast |
|---|---|---|---|---|---|---|
| FrageEvidenz und Begründung ergänzen. | Datum für Menge | Wann sind 30 Items fertig? | Eine Mengenfrage; Start heute | Noch offen | P85 intern, P95 extern | Restmenge ändert sich |
| StichprobeEvidenz und Begründung ergänzen. | Historischer Wochen-Durchsatz | 5,7,4,6,8,5,0,7,6,4,9,5 pro Woche | Gleiches Team/Done/WIP; 0 behalten | 12 empirische Werte | Keine Mittelwertteilung | Policywechsel |
| SimulationEvidenz und Begründung ergänzen. | Empirisches Resampling | 10.000 Pfade; Ziehen mit Zurücklegen bis ≥30 | Jede Ziehung = historische Woche | Dauer je Pfad | Quantile sortieren | Datenfenster prüfen |
| QuantileEvidenz und Begründung ergänzen. | Sortierte Dauern | P50 6; P85 7; P95 8 Wochen | Kein Durchschnittsdatum | Verteilung statt Punktwert | Extern 8 Wochen | Wöchentlich |
1. Input/Logik
- Frage
- Datum für Menge
- Stichprobe
- Historischer Wochen-Durchsatz
- Simulation
- Empirisches Resampling
- Quantile
- Sortierte Dauern
2. Fiktiver Wert
- Frage
- Wann sind 30 Items fertig?
- Stichprobe
- 5,7,4,6,8,5,0,7,6,4,9,5 pro Woche
- Simulation
- 10.000 Pfade; Ziehen mit Zurücklegen bis ≥30
- Quantile
- P50 6; P85 7; P95 8 Wochen
3. Prüfung
- Frage
- Eine Mengenfrage; Start heute
- Stichprobe
- Gleiches Team/Done/WIP; 0 behalten
- Simulation
- Jede Ziehung = historische Woche
- Quantile
- Kein Durchschnittsdatum
4. Ergebnis
- Frage
- Noch offen
- Stichprobe
- 12 empirische Werte
- Simulation
- Dauer je Pfad
- Quantile
- Verteilung statt Punktwert
5. Entscheidung
- Frage
- P85 intern, P95 extern
- Stichprobe
- Keine Mittelwertteilung
- Simulation
- Quantile sortieren
- Quantile
- Extern 8 Wochen
6. Reforecast
- Frage
- Restmenge ändert sich
- Stichprobe
- Policywechsel
- Simulation
- Datenfenster prüfen
- Quantile
- Wöchentlich
Alle Werte sind fiktiv.
- 1
Frage
Forecast-Frage
Ziel
Forecast-Frage: Forecast-Typ, Restmenge/Zeitfenster, Startpunkt und benötigtes Risikoniveau festlegen.
Voraussetzungen für diesen Schritt
- Eine Frage wählen: ‚Wann sind N Items fertig?‘ oder ‚Wie viele bis Datum D?‘; Servicegrenze, Done, Datenfenster und Vergleichbarkeit prüfen.
- Restmenge oder Zieltermin, konsistente historische Durchsatzstichprobe, System-/WIP-Kontext, Simulation mit vielen Läufen und Quantilbericht
Durchführung
- Forecast-Typ, Restmenge/Zeitfenster, Startpunkt und benötigtes Risikoniveau festlegen.
Ergebnis
Forecast-Frage
Forecast-Typ, Restmenge/Zeitfenster, Startpunkt und benötigtes Risikoniveau festlegen.
Qualitätscheck
Ist genau eine Menge- oder Datumsfrage in Zähleinheiten formuliert?
Stolperfalle
Scope und Zieltermin bleiben während der Simulation unklar. Menge, Start, Done und Entscheidungsquantil vorab fixieren.
Zeitlicher Rahmen: 10–15 Minuten
- 2
Stichprobe
Durchsatzdaten
Ziel
Durchsatzdaten: Historische Durchsatzwerte aus demselben System und Takt prüfen; Nullwerte und normale Variation erhalten.
Voraussetzungen für diesen Schritt
- Forecast-Frage
Durchführung
- Historische Durchsatzwerte aus demselben System und Takt prüfen; Nullwerte und normale Variation erhalten.
Ergebnis
Durchsatzdaten
Historische Durchsatzwerte aus demselben System und Takt prüfen; Nullwerte und normale Variation erhalten.
Qualitätscheck
Sind Zeitraum, Team, WIP-Policy und Done ausreichend vergleichbar?
Stolperfalle
Ausreißer und Nullwochen werden entfernt, damit Forecast besser aussieht. Nur Datenfehler korrigieren; reale Variation behalten und Systemwechsel markieren.
Zeitlicher Rahmen: 15–25 Minuten
- 3
Simulieren
Simulationsläufe
Ziel
Simulationsläufe: Je Lauf zufällig Wochenwerte mit Zurücklegen ziehen, aufsummieren bis Restmenge erreicht ist und Dauer speichern.
Voraussetzungen für diesen Schritt
- Durchsatzdaten
Durchführung
- Je Lauf zufällig Wochenwerte mit Zurücklegen ziehen, aufsummieren bis Restmenge erreicht ist und Dauer speichern.
Ergebnis
Simulationsläufe
Je Lauf zufällig Wochenwerte mit Zurücklegen ziehen, aufsummieren bis Restmenge erreicht ist und Dauer speichern.
Qualitätscheck
Entspricht jeder Ziehung einer real beobachteten Durchsatzperiode?
Stolperfalle
Der Durchschnittsdurchsatz wird 30 geteilt und Monte Carlo genannt. Empirische Werte resampeln und viele vollständige Zukunftspfade erzeugen.
Zeitlicher Rahmen: 10–20 Minuten
- 4
Quantile
Wahrscheinlichkeiten
Ziel
Wahrscheinlichkeiten: Sortierte Dauern als Quantile lesen und mehrere Risikoniveaus berichten.
Voraussetzungen für diesen Schritt
- Simulationsläufe
Durchführung
- Sortierte Dauern als Quantile lesen und mehrere Risikoniveaus berichten.
Ergebnis
Wahrscheinlichkeiten
Sortierte Dauern als Quantile lesen und mehrere Risikoniveaus berichten.
Qualitätscheck
Sind P50/P85/P95 als ‚bis spätestens in‘ und nicht als Garantie erklärt?
Stolperfalle
Nur Mittelwertdatum erscheint als scheinpräzise Zusage. Quantile mit Wahrscheinlichkeit, Laufzahl und Startkontext zeigen.
Zeitlicher Rahmen: 10–15 Minuten
- 5
Prüfen
Robustheitsbild
Ziel
Robustheitsbild: Sensitivität auf Datenfenster, Scope und WIP-Änderung prüfen; falls möglich frühere Forecasts backtesten.
Voraussetzungen für diesen Schritt
- Wahrscheinlichkeiten
Durchführung
- Sensitivität auf Datenfenster, Scope und WIP-Änderung prüfen; falls möglich frühere Forecasts backtesten.
Ergebnis
Robustheitsbild
Sensitivität auf Datenfenster, Scope und WIP-Änderung prüfen; falls möglich frühere Forecasts backtesten.
Qualitätscheck
Bleibt die Entscheidung bei plausiblen Datenfenstern tragfähig?
Stolperfalle
Ein beliebiges Fenster wird als objektiv behandelt. Alternative relevante Fenster vergleichen und Unterschied erklären.
Zeitlicher Rahmen: 10–20 Minuten
- 6
Entscheiden
Forecast-Entscheid
Ziel
Forecast-Entscheid: Akzeptiertes Risiko wählen, Annahmen dokumentieren und bei Scope-/Systemänderung reforecasten.
Voraussetzungen für diesen Schritt
- Robustheitsbild
Durchführung
- Akzeptiertes Risiko wählen, Annahmen dokumentieren und bei Scope-/Systemänderung reforecasten.
Ergebnis
Forecast-Entscheid
Akzeptiertes Risiko wählen, Annahmen dokumentieren und bei Scope-/Systemänderung reforecasten.
Qualitätscheck
Ist eine konkrete Handlung an das Quantil gekoppelt?
Stolperfalle
Forecast wird nicht aktualisiert, obwohl Restmenge oder System kippt. Restmenge, Durchsatz und Policy regelmäßig aktualisieren.
Zeitlicher Rahmen: 5–10 Minuten
05
Artefakt
Was am Ende rauskommt
Skizze: so sieht das Artefakt aus
Form
Reproduzierbarer Monte-Carlo-Forecast mit Inputstichprobe, Samplinglogik, Laufzahl, P50/P85/P95, Annahmen, Sensitivität und Reforecast-Trigger.
Versionierung / Ownership
Datum, Team, Datenstand und Reviewtermin führen; frühere Fassungen erhalten.
Tool-Alternativen
- Throughput-Historie
- Monte-Carlo-Simulation
- Quantil- und Annahmenbericht
- Backtest/Reforecast-Log
monte-carlo-forecasting-working-template.md
Gegenstand, Daten, Rollen, Ablauf und Review festlegen.
Monte Carlo Forecasting: Arbeitsvorlage
Fragestellung
Noch zu klären
Gewünschtes Ergebnis
Noch zu klären
Rahmen
Praxisdurchlauf Zeit: 60–120 Minuten für Datenprüfung, Simulation und Entscheidungsreview; danach regelmäßig neu rechnen.
Diese Vorlage während der Arbeit auf Papier oder in einem eigenen Dokument ausfüllen.
Vorbereitung für diesen Umfang
Methodische Grundausstattung
- Materialien: Restmenge oder Zieltermin, konsistente historische Durchsatzstichprobe, System-/WIP-Kontext, Simulation mit vielen Läufen und Quantilbericht
- Rollen: Service Owner · Flow-/Datenexpert:in · Delivery Team · Entscheidungsträger:innen
- Vorab-Infos: Eine Frage wählen: ‚Wann sind N Items fertig?‘ oder ‚Wie viele bis Datum D?‘; Servicegrenze, Done, Datenfenster und Vergleichbarkeit prüfen.
- Gesamter Zeitbedarf: 60–120 Minuten für Datenprüfung, Simulation und Entscheidungsreview; danach regelmäßig neu rechnen.
- Setup: Arbeitsfläche mit Frage · Stichprobe · Simulieren · Quantile · Prüfen · Entscheiden vorbereiten; Beispiel und eigene Daten trennen.
Für die Arbeitsschritte bereitstellen
Frage: Forecast-Frage
- Eine Frage wählen: ‚Wann sind N Items fertig?‘ oder ‚Wie viele bis Datum D?‘; Servicegrenze, Done, Datenfenster und Vergleichbarkeit prüfen.
- Restmenge oder Zieltermin, konsistente historische Durchsatzstichprobe, System-/WIP-Kontext, Simulation mit vielen Läufen und Quantilbericht
Stichprobe: Durchsatzdaten
- Forecast-Frage
Simulieren: Simulationsläufe
- Durchsatzdaten
Quantile: Wahrscheinlichkeiten
- Simulationsläufe
Prüfen: Robustheitsbild
- Wahrscheinlichkeiten
Entscheiden: Forecast-Entscheid
- Robustheitsbild
Monte Carlo Forecasting · Arbeitsstruktur
| Forecastteil | Input/Logik | Fiktiver Wert | Prüfung | Ergebnis | Entscheidung | Reforecast |
|---|---|---|---|---|---|---|
| Frage | ||||||
| Stichprobe | ||||||
| Simulation | ||||||
| Quantile |
- Frage: Evidenz und Begründung ergänzen.
- Stichprobe: Evidenz und Begründung ergänzen.
- Simulation: Evidenz und Begründung ergänzen.
- Quantile: Evidenz und Begründung ergänzen.
Die leere Vorlage enthält nur Arbeitsimpulse.
Fachquelle · eigene Lehrdarstellung
Frage: Forecast-Frage
Erwartetes Artefakt: Forecast-Frage
Forecast-Typ, Restmenge/Zeitfenster, Startpunkt und benötigtes Risikoniveau festlegen.
Eintrag:
...
- Ist genau eine Menge- oder Datumsfrage in Zähleinheiten formuliert?
Stichprobe: Durchsatzdaten
Erwartetes Artefakt: Durchsatzdaten
Historische Durchsatzwerte aus demselben System und Takt prüfen; Nullwerte und normale Variation erhalten.
Eintrag:
...
- Sind Zeitraum, Team, WIP-Policy und Done ausreichend vergleichbar?
Simulieren: Simulationsläufe
Erwartetes Artefakt: Simulationsläufe
Je Lauf zufällig Wochenwerte mit Zurücklegen ziehen, aufsummieren bis Restmenge erreicht ist und Dauer speichern.
Eintrag:
...
- Entspricht jeder Ziehung einer real beobachteten Durchsatzperiode?
Quantile: Wahrscheinlichkeiten
Erwartetes Artefakt: Wahrscheinlichkeiten
Sortierte Dauern als Quantile lesen und mehrere Risikoniveaus berichten.
Eintrag:
...
- Sind P50/P85/P95 als ‚bis spätestens in‘ und nicht als Garantie erklärt?
Prüfen: Robustheitsbild
Erwartetes Artefakt: Robustheitsbild
Sensitivität auf Datenfenster, Scope und WIP-Änderung prüfen; falls möglich frühere Forecasts backtesten.
Eintrag:
...
- Bleibt die Entscheidung bei plausiblen Datenfenstern tragfähig?
Entscheiden: Forecast-Entscheid
Erwartetes Artefakt: Forecast-Entscheid
Akzeptiertes Risiko wählen, Annahmen dokumentieren und bei Scope-/Systemänderung reforecasten.
Eintrag:
...
- Ist eine konkrete Handlung an das Quantil gekoppelt?
Offene Fragen und nächste Schritte
...
Methodenanleitung: https://methodatlas.meierhoff-systems.de/de/methods/monte-carlo-forecasting/run-sheet
06
Beispielausgabe
Konkret gefülltes Szenario, fiktives Beispiel
Fiktives Beispiel zur Orientierung. Die genannten Mengen und Zeiten beschreiben diesen Fall und sind keine allgemeine Vorgabe.
monte-carlo-forecasting-beispiel.md
Konkret gefülltes Szenario, fiktives Beispiel
Fiktives Lehrbeispiel: Monte Carlo Forecasting · Arbeitsstruktur
| Forecastteil | Input/Logik | Fiktiver Wert | Prüfung | Ergebnis | Entscheidung | Reforecast |
|---|---|---|---|---|---|---|
| Frage | Datum für Menge | Wann sind 30 Items fertig? | Eine Mengenfrage; Start heute | Noch offen | P85 intern, P95 extern | Restmenge ändert sich |
| Stichprobe | Historischer Wochen-Durchsatz | 5,7,4,6,8,5,0,7,6,4,9,5 pro Woche | Gleiches Team/Done/WIP; 0 behalten | 12 empirische Werte | Keine Mittelwertteilung | Policywechsel |
| Simulation | Empirisches Resampling | 10.000 Pfade; Ziehen mit Zurücklegen bis ≥30 | Jede Ziehung = historische Woche | Dauer je Pfad | Quantile sortieren | Datenfenster prüfen |
| Quantile | Sortierte Dauern | P50 6; P85 7; P95 8 Wochen | Kein Durchschnittsdatum | Verteilung statt Punktwert | Extern 8 Wochen | Wöchentlich |
07
Stolperfallen
Symptome erkennen, gegensteuern
Kurzüberblick, vollständiger Text steht in der jeweiligen Phase im Ablauf
- Forecast-FrageScope und Zieltermin bleiben während der Simulation unklar.In der Phase ansehen
- DurchsatzdatenAusreißer und Nullwochen werden entfernt, damit Forecast besser aussieht.In der Phase ansehen
- SimulationsläufeDer Durchschnittsdurchsatz wird 30 geteilt und Monte Carlo genannt.In der Phase ansehen
- WahrscheinlichkeitenNur Mittelwertdatum erscheint als scheinpräzise Zusage.In der Phase ansehen
- RobustheitsbildEin beliebiges Fenster wird als objektiv behandelt.In der Phase ansehen
- Forecast-EntscheidForecast wird nicht aktualisiert, obwohl Restmenge oder System kippt.In der Phase ansehen
Falle
Forecast-Frage
Symptom
Scope und Zieltermin bleiben während der Simulation unklar.
Was tun
Menge, Start, Done und Entscheidungsquantil vorab fixieren.
Falle
Durchsatzdaten
Symptom
Ausreißer und Nullwochen werden entfernt, damit Forecast besser aussieht.
Was tun
Nur Datenfehler korrigieren; reale Variation behalten und Systemwechsel markieren.
Falle
Simulationsläufe
Symptom
Der Durchschnittsdurchsatz wird 30 geteilt und Monte Carlo genannt.
Was tun
Empirische Werte resampeln und viele vollständige Zukunftspfade erzeugen.
Falle
Wahrscheinlichkeiten
Symptom
Nur Mittelwertdatum erscheint als scheinpräzise Zusage.
Was tun
Quantile mit Wahrscheinlichkeit, Laufzahl und Startkontext zeigen.
Falle
Robustheitsbild
Symptom
Ein beliebiges Fenster wird als objektiv behandelt.
Was tun
Alternative relevante Fenster vergleichen und Unterschied erklären.
Falle
Forecast-Entscheid
Symptom
Forecast wird nicht aktualisiert, obwohl Restmenge oder System kippt.
Was tun
Restmenge, Durchsatz und Policy regelmäßig aktualisieren.
08
Abbruchkriterien
Wann du anhalten, Voraussetzungen klären oder einen anderen Ansatz wählen solltest
Stopp Frage: Ist genau eine Menge- oder Datumsfrage in Zähleinheiten formuliert?
Stopp Stichprobe: Sind Zeitraum, Team, WIP-Policy und Done ausreichend vergleichbar?
Stopp Simulieren: Entspricht jeder Ziehung einer real beobachteten Durchsatzperiode?
Stopp Quantile: Sind P50/P85/P95 als ‚bis spätestens in‘ und nicht als Garantie erklärt?
Stopp Prüfen: Bleibt die Entscheidung bei plausiblen Datenfenstern tragfähig?
Stopp Entscheiden: Ist eine konkrete Handlung an das Quantil gekoppelt?
Methodenanleitung durchgearbeitet?
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen oder direkt zur nächsten Methode im Katalog.