Eine etablierte Schätzskala (Fibonacci oder T-Shirt) und mindestens zwei Referenzitems pro Größe sind im Team bekannt.
Affinity Estimation
Vorbedingung
Was vorher fertig sein muss
Für jedes zu schätzende Item liegt mindestens eine Kurzbeschreibung mit Akzeptanzkriterien vor, die das Team ohne Rückfrage einsortieren kann.
Vorbereitung
Was vor Start vorliegen muss
Lange Wand oder Miro-Board mit horizontaler Größenachse (XS bis XL oder 1 bis 21); Karten oder Notizen mit je einem Item; Stifte; Timer; Liste der Referenzitems pro Größe sichtbar an der Achse.
Ein Facilitator, der die stille Phase schützt und Cluster-Diskussion moderiert; ein Product Owner für Kontextfragen; das umsetzende Team (4-8 Personen); ein Scribe, der Cluster-Labels und Ausreißer protokolliert.
Liste der zu schätzenden Items (typisch 20-100); Kurzbeschreibung und Akzeptanzkriterien pro Item; Referenzitems mit Größen aus früheren Schätzungen; bekannte Abhängigkeiten oder Risiken.
30-90 min
Horizontale Achse von links (klein) nach rechts (groß) mit Größenbuckets markieren. Referenzitems in jeden Bucket kleben. Items in zufälliger Reihenfolge bereitlegen. Stille-Regel ansagen: Phase 2 läuft ohne Sprechen.
Kernfrage
Die eine Frage, die diese Methode beantwortet
Wie ordnen sich diese Items relativ zueinander entlang der Größenachse, und wo entstehen Ausreißer oder Cluster, die genauere Diskussion brauchen?
Ablauf
Marker: Phase
| Schritt | Dauer | Aktion | Hinweis |
|---|---|---|---|
1Phase 1: Achse und Referenzen kalibrieren | 10 min | Größenachse und Referenzitems gemeinsam durchgehen. Wer abweichendes Verständnis hat, äußert es jetzt. Referenzen ggf. umsortieren, bis Konsens steht. | Ohne kalibrierte Referenzen ist die Sortierung Bauchgefühl. Wenn keine echten Referenzitems existieren, vor Workshop welche aus Liefer-Historie auswählen. |
2Phase 2: Stilles Sortieren | 20-30 min | Alle Teilnehmer sortieren Items still entlang der Achse. Jeder darf jedes Item verschieben. Keine Diskussion, keine Verhandlung. Items, die mehrfach hin- und hergeschoben werden, mit Punkt markieren. | Wer in der stillen Phase redet, wird einmal erinnert. Bei Wiederholung pausiert der Facilitator und resettet. Stille schützt vor Ankereffekten und Lautstärke-Dominanz. |
3Phase 3: Cluster mit Größen labeln | 10-15 min | Gemeinsam Cluster identifizieren und mit Größenwerten versehen (Fibonacci oder T-Shirt). Wo Items in Clusterlücken hängen, ins näher liegende Cluster ziehen oder als unklar markieren. | Cluster ohne Label sind nutzlos. Wenn ein Cluster zwischen zwei Größen liegt, höhere Größe nehmen, um Risiko nicht zu unterschätzen. |
4Phase 4: Ausreißer und Splits klären | 15-20 min | Punkt-markierte Items und Cluster-Grenzfälle einzeln besprechen: Annahmen erklären, Größe finalisieren oder Splitting/Spike vorschlagen. Maximal 2 min je Item. | Wenn mehr als ein Drittel der Items strittig ist, war die stille Phase zu kurz oder das Team hat Wissenslücken. Sortierung nicht durchpressen, sondern Discovery nachziehen. |
Artefakt
Was am Ende rauskommt
Backlog-Übersicht mit Größenwert pro Item (im Ticket-System gepflegt), plus Snapshot der Affinity-Map (Foto oder Board-Export) und Liste der Items, die Splitting oder Spike brauchen, mit Owner und Frist.
- Miro oder FigJam mit Affinity-Estimation-Template
- Physische Wand mit Karten und Foto-Export
- Jira oder Linear mit Story-Point-Feld plus Filtersicht
- Notion-Datenbank mit Size-Spalte
- Azure DevOps mit Story Points und Tags
Schätzwerte werden direkt im Item gehalten. Nach Affinity-Workshop Snapshot des Boards mit Datum archivieren. Re-Estimation einzelner Items im Item-Kommentar mit Datum, alte Werte nicht überschreiben.
Affinity Estimation Arbeitsvorlage
Kompakte Arbeitsvorlage für Affinity Estimation mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
# Affinity Estimation Canvas
## Kontext
Wofür wird die Methode eingesetzt?
## Kernfrage
Welche Frage soll am Ende beantwortet sein?
## Input
Welche Daten, Beobachtungen oder Materialien liegen vor?
## Arbeitsfläche
- Bereich 1:
- Bereich 2:
- Bereich 3:
- Beziehungen / Muster:
## Ergebnisartefakte
- Affinity Size Map:
- Grouped Estimates:
- Unclear Items:
## Offene Fragen
- ...
## Nächster Schritt
Owner, Datum, Erfolgssignal.Beispielausgabe
Konkret gefülltes Szenario
## Affinity Estimation — Backlog H2/2026, 2026-05-18
**Referenzen**
- 1: Tooltip-Update Onboarding
- 3: SSO Google-Anbindung
- 5: API-Endpoint Mandanten-Export
- 8: Mandanten-Self-Service-Portal (Q1 2026)
- 13: Multi-Tenant-Mandantenverwaltung (Q1 2026)
**Ergebnis (47 Items)**
- Cluster 1 (15 Items): UI-Polish, Tooltips, kleine Bugfixes.
- Cluster 3 (12 Items): API-Erweiterungen, Konfig-Toggles.
- Cluster 5 (10 Items): Neue Reporting-Module, Webhook-System.
- Cluster 8 (7 Items): Self-Service-Erweiterungen, Workflow-Builder-Teilstücke.
- Cluster 13 (3 Items): KI-Belegerkennung (Spike), Compliance-Audit-Modul.
**Splits/Spikes**
- KI-Belegerkennung -> Spike-Ticket für Anbieter-Vergleich (Owner: @anna, bis 30.05.).
- Workflow-Builder -> drei Teilstories vorgeschlagen, PO @lisa zerlegt bis 22.05.Stolperfallen
Symptome erkennen, gegensteuern
Stille Phase wird Diskussionsphase
Teilnehmer reden bereits beim Sortieren, dominante Stimmen verschieben Items für andere mit.
Facilitator setzt Regel hart durch: bei wiederholtem Sprechen kurze Pause, Reset. Stille ist Kernschutz vor Ankereffekten.
Referenzen fehlen oder sind willkürlich
Cluster-Labels werden zugewiesen, ohne dass Größenklassen mit echter Lieferzeit verknüpft sind.
Vor Phase 1 mindestens drei Referenzitems aus realer Liefer-Historie definieren. Ohne Referenzen ist die Methode ein Sortierspiel ohne Vergleichsbasis.
Mischung verschiedener Granularitäten
Items reichen von Tasks bis Epics, Sortierung ergibt keine sinnvolle Verteilung.
Vor Sortierung Granularität prüfen und Items in vergleichbarer Größe halten. Sehr große Items vor Workshop in Epic-Sicht heben oder splitten.
Zu viele strittige Items
Mehr als ein Drittel der Items wird in Phase 4 diskutiert, Workshop überzieht stark.
Workshop nach 4 Phasen abbrechen, strittige Items in zweite Session geben. Wissenslücken erkennen und Discovery beauftragen, nicht durchpressen.
Cluster ohne Verteilung
Alle Items landen in ein oder zwei Größen, andere Cluster sind leer.
Entweder Granularität ungeeignet oder Skala falsch gewählt. Bei Häufung in mittleren Größen Skala verfeinern oder Items neu schneiden.
Abbruchkriterien
Done-Signale, in unter einer Minute prüfbar
Run Sheet durchgearbeitet?
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen — oder direkt zur nächsten Methode im Katalog.