Von Bauchgefühl zu gemeinsamer Größenordnung, Unsicherheit und Lieferprognose.
Ein Forecast mit Größenklassen, Annahmen, Unsicherheit und Review-Rhythmus.
Du kannst entscheiden, welche Lieferwahrscheinlichkeit kommuniziert wird und welche Unsicherheiten aktiv reduziert werden müssen.
Forecast regelmäßig mit realen Durchlaufdaten aktualisieren und Annahmen transparent halten.
Wie ordnet das Team viele vergleichbare Items schnell nach relativer Größe und macht nur die echten Unsicherheiten zum Gespräch?
Affinity Estimation gruppiert viele Items schnell relativ und macht Ausreißer sichtbar.
Die Gruppen werden anschließend in kommunizierbare Größenklassen überführt.
Welche grobe relative Größenklasse beschreibt jedes vergleichbare Item anhand gemeinsamer Anker, ohne Scheingenauigkeit oder verdeckte Punktumrechnung?
T-Shirt Sizing macht Größenordnungen für Team und Stakeholder verständlich, ohne Scheingenauigkeit zu erzeugen.
Für kritische Items werden danach optimistische, realistische und pessimistische Perspektiven ergänzt.
Welche Bandbreite und welcher Dreiecks-Erwartungswert ergeben sich aus einem plausiblen optimistischen, wahrscheinlichsten und pessimistischen Szenario?
Three Point Estimation macht Unsicherheit explizit und verhindert eine einzelne scheinbar präzise Zahl.
Die Schätzbereiche können anschließend in eine probabilistische Prognose einfließen.
Welche Wahrscheinlichkeitsverteilung für Fertigdauer oder Liefermenge entsteht, wenn reale historische Durchsatzwerte wiederholt resampelt werden?
Monte Carlo Forecasting übersetzt historische Daten und Unsicherheit in Wahrscheinlichkeiten für Lieferzeit oder Scope.
Der Forecast wird als Entscheidungsgrundlage kommuniziert und regelmäßig aktualisiert.
Die Artefakte bleiben zugeklappt, bis du sie wirklich brauchst.
Gegenstand, Daten, Rollen, Ablauf und Review festlegen.
# Affinity Estimation: Arbeitsvorlage
## Fragestellung
Noch zu klären
## Gewünschtes Ergebnis
Noch zu klären
## Rahmen
Praxisdurchlauf
Zeit: 30–60 Minuten für 20–50 vergleichbare Items; strittige Items anschließend vertiefen.
Diese Vorlage während der Arbeit auf Papier oder in einem eigenen Dokument ausfüllen.
## Vorbereitung für diesen Umfang
### Methodische Grundausstattung
- **Materialien:** Vergleichbare, refinete Items, gemeinsame Definition of Done, relative Skala, Referenz-Items und Diskussionsstapel
- **Rollen:** Umsetzendes Team sortiert · Product Owner klärt · Facilitator schützt den stillen Ablauf
- **Vorab-Infos:** Item-Satz, enthaltene Arbeit und gemeinsame Definition of Done festlegen; unklare oder artfremde Items vorab aussortieren.
- **Gesamter Zeitbedarf:** 30–60 Minuten für 20–50 vergleichbare Items; strittige Items anschließend vertiefen.
- **Setup:** Arbeitsfläche mit Rahmen · Anker · Sortieren · Konflikte · Kalibrieren vorbereiten; Beispiel und eigene Daten trennen.
### Für die Arbeitsschritte bereitstellen
#### Rahmen: Vergleichsmenge
- Item-Satz, enthaltene Arbeit und gemeinsame Definition of Done festlegen; unklare oder artfremde Items vorab aussortieren.
- Vergleichbare, refinete Items, gemeinsame Definition of Done, relative Skala, Referenz-Items und Diskussionsstapel
#### Anker: Größenanker
- Vergleichsmenge
#### Sortieren: Erstsortierung
- Größenanker
#### Konflikte: Klärungsstapel
- Erstsortierung
#### Kalibrieren: Relative Schätzung
- Klärungsstapel
## Affinity Estimation · Arbeitsstruktur
| Item | Enthalten | Bezug | Erstplatzierung | Konflikt | Ergebnis | Folge |
| --- | --- | --- | --- | --- | --- | --- |
| Token löschen | | | | | | |
| Karte speichern | | | | | | |
| Providerwechsel | | | | | | |
- **Token löschen:** Evidenz und Begründung ergänzen.
- **Karte speichern:** Evidenz und Begründung ergänzen.
- **Providerwechsel:** Evidenz und Begründung ergänzen.
Die leere Vorlage enthält nur Arbeitsimpulse.
[Fachquelle · eigene Lehrdarstellung](https://www.mountaingoatsoftware.com/agile/story-points/affinity-estimation)
## Rahmen: Vergleichsmenge
Erwartetes Artefakt: Vergleichsmenge
Vergleichbare Items und eine gemeinsame Größenbedeutung festlegen.
Eintrag:
...
- [ ] Umfassen alle Items dieselben Arbeitsarten und denselben Done-Standard?
## Anker: Größenanker
Erwartetes Artefakt: Größenanker
Ein kleines, mittleres und großes bekanntes Item als relative Orientierung platzieren.
Eintrag:
...
- [ ] Sind Anker verstanden und aus derselben Arbeitsdomäne?
## Sortieren: Erstsortierung
Erwartetes Artefakt: Erstsortierung
Teammitglieder platzieren Items still relativ zu Ankern; ein Item darf einmal verschoben werden.
Eintrag:
...
- [ ] Wurde unabhängig platziert, bevor Diskussion oder Zahlenanker entstehen?
## Konflikte: Klärungsstapel
Erwartetes Artefakt: Klärungsstapel
Bei zweitem Verschiebewunsch Item in den Diskussionsstapel legen; Unterschiede über Scope und Risiko klären.
Eintrag:
...
- [ ] Erklärt die Diskussion verschiedene Arbeitsbilder statt Vorlieben?
## Kalibrieren: Relative Schätzung
Erwartetes Artefakt: Relative Schätzung
Gruppen benennen, Grenzfälle prüfen und große oder unklare Items splitten beziehungsweise weitergeben.
Eintrag:
...
- [ ] Sind Nachbarschaften plausibel und offene Items mit nächstem Schritt versehen?
## Offene Fragen und nächste Schritte
...
Methodenanleitung: https://methodatlas.meierhoff-systems.de/de/methods/affinity-estimation/run-sheet
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](https://www.prokanban.org/forecasting-pocket-guide)
## 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