Eine Liste von 5-30 Initiativen, Features oder Experimenten in vergleichbarer Größenordnung liegt vor, jede mit kurzer Beschreibung des erwarteten Outcomes.
RICE Scoring
Vorbedingung
Was vorher fertig sein muss
Aktuelle Nutzerzahlen, Conversion-Raten oder andere Reach-relevante Metriken sind dem Team bekannt, um Reach realistisch zu schätzen.
Vorbereitung
Was vor Start vorliegen muss
Tabelle mit Spalten Initiative, Reach, Impact, Confidence, Effort, RICE-Score; vorab definierte Skalen (Impact: 0,25 / 0,5 / 1 / 2 / 3; Confidence: 50%/80%/100%); Link zur Initiativen-Beschreibung.
Ein PM oder PO als Owner; ein Engineering Lead für Effort-Schätzungen; ein Researcher oder Analyst für Reach-Daten; optional Designer für Impact-Beurteilung.
Initiativen-Liste mit Beschreibungen; bekannte Reach-Metriken (Aktive Nutzer pro Monat, Funnel-Zahlen); historischer Impact ähnlicher Features falls verfügbar; grobe Effort-Range aus vergangenen Projekten.
30-60 min
Tabelle anlegen. Definitionen pro Faktor sichtbar machen (Reach = Anzahl Nutzer pro Quartal; Impact = quantitatives Maß auf Outcome; Confidence = Prozent; Effort = Personenmonate). Skala für Impact und Confidence im Team abstimmen, bevor geschätzt wird.
Kernfrage
Die eine Frage, die diese Methode beantwortet
Welche Initiative liefert den größten erwarteten Outcome pro investiertem Aufwand, und wo ist die Schätzunsicherheit so hoch, dass die Reihenfolge wenig aussagt?
Ablauf
Marker: Sektion
| Schritt | Dauer | Aktion | Hinweis |
|---|---|---|---|
1Sektion 1: Skalen kalibrieren | 10 min | Pro Faktor Skala definieren: Reach in absoluten Nutzern oder Events pro Quartal; Impact als Multiplikator (0,25 minimal / 3 massiv); Confidence in %; Effort in Personenmonaten. Beispiel-Initiative gemeinsam scoren zur Kalibrierung. | Wenn Skalen unklar bleiben, scoren Teilnehmer in unterschiedlichen Einheiten. Kalibrierung ist Pflicht, nicht optional. |
2Sektion 2: Reach schätzen | 10-15 min | Pro Initiative: wie viele Nutzer (oder Events) berührt das Feature pro Quartal? Zahlen aus Baseline-Metriken nutzen. Bei Unsicherheit Range mit Mittelwert. | Reach ist oft überschätzt. Ein Feature im Settings-Menü erreicht nicht 100% der Nutzer. Funnel-Daten checken, nicht raten. |
3Sektion 3: Impact und Confidence | 10-15 min | Pro Initiative: Impact-Stufe (0,25/0,5/1/2/3) auf das Outcome-Ziel. Confidence-Stufe (50% spekulativ / 80% getestet / 100% bewiesen). Bei Confidence <50% Initiative parken oder zuerst validieren. | Impact = 3 nur bei dokumentierter Evidenz (vergangene Daten, A/B-Tests). Inflation entwertet die Skala. |
4Sektion 4: Effort und Score | 10-15 min | Pro Initiative Effort in Personenmonaten schätzen (inklusive Design, QA, Rollout). Score = (Reach × Impact × Confidence) / Effort. In Tabelle sortieren. | Effort wird oft unterschätzt. Wenn Team historisch 1,5x länger braucht als geschätzt, Multiplier anwenden. Sonst wandern teure Initiativen fälschlich nach oben. |
5Sektion 5: Sanity Check und Sortierung | 10 min | Top-5 ranked Initiativen review. Bauchcheck: macht die Reihenfolge intuitiv Sinn? Bei Abweichung Schätzungen revisit. Annahmen pro Top-Initiative dokumentieren. | RICE ist Werkzeug, nicht Orakel. Wenn Top-1 offensichtlich unsinnig ist, nicht die Reihenfolge erzwingen, sondern Schätzungen prüfen. |
Artefakt
Was am Ende rauskommt
Tabelle mit Initiativen, RICE-Faktoren, Score und Rang; plus Annahmen-Log mit Quelle pro Reach-Zahl und Begründung pro Impact-Stufe; plus Liste der Top-N-Initiativen für nächstes Quartal mit Owner.
- Google Sheets oder Excel mit Formel-Spalten
- Productboard mit RICE-Prioritization-Feature
- Notion-Tabelle mit Formel-Property
- Airtable mit Computed Field
- Linear mit Custom Fields
Pro Priorisierungs-Runde eigene Version mit Datum. Bei nachträglicher Schätzungs-Korrektur Edit-Log am Eintrag. Nach 3-6 Monaten Rückblick: tatsächlicher Outcome vs. geschätzter Impact, daraus Kalibrierungs-Erkenntnis ziehen.
RICE Scoring Arbeitsvorlage
Kompakte Arbeitsvorlage für RICE Scoring mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
# RICE Scoring Arbeitsmatrix
| Element | Beschreibung | Bewertung | Evidenz | Owner | Nächster Schritt |
|---|---|---|---|---|---|
| 1 | | | | | |
| 2 | | | | | |
| 3 | | | | | |
## Ergebnisartefakte
- RICE Scores:
- Ranked List:
- Assumption Log:
## Entscheidung oder Empfehlung
Welche Konsequenz ergibt sich aus der Matrix?Beispielausgabe
Konkret gefülltes Szenario
## RICE Scoring — Q3-Backlog (Stand 2026-05-18)
| Initiative | Reach (Nutzer/Q) | Impact | Confidence | Effort (PM) | Score |
|---|---|---|---|---|---|
| Inline-Validierung Checkout | 18.000 | 2 | 80% | 1,5 | 19.200 |
| Onboarding-Tutorial Slot 1 | 12.000 | 1 | 100% | 2 | 6.000 |
| Apple-Pay-Integration | 18.000 | 0,5 | 80% | 2,5 | 2.880 |
| Empty-State-Erklärvideo | 4.000 | 0,25 | 50% | 1 | 500 |
| AI-Vorschläge im Dashboard | 8.000 | 2 | 50% | 6 | 1.333 |
**Annahmen-Log**:
- Reach Checkout = aktuelle monatliche Checkout-Starts × 3
- Impact Inline-Validierung = 2, basiert auf A/B-Test ähnliches Feature Q1 (gelernt: ~12% Conversion-Steigerung)
- Confidence Apple Pay = 80%, vergleichbares Feature bei Konkurrenz bewährt
- Effort AI-Vorschläge = 6 PM inkl. Modell-Training und Privacy-Review
**Top-3 für Q3**: Inline-Validierung, Onboarding-Tutorial, Apple-Pay. AI-Vorschläge erst nach Validierung der riskigen Annahmen (Confidence zu niedrig).Stolperfallen
Symptome erkennen, gegensteuern
Impact-Inflation
70%+ der Initiativen werden mit Impact 2 oder 3 bewertet, alle wirken wichtig.
Skala neu kalibrieren: 3 nur bei dokumentierter, dramatischer Wirkung. 1 ist der Normalfall. Wer 3 sagt, muss Evidenz vorlegen.
Reach geraten
Reach-Zahlen sind runde Schätzwerte ohne Bezug zur tatsächlichen Funnel-Position.
Vor Workshop Funnel-Daten ziehen. Reach nur aus Baseline ableiten. Wenn Daten fehlen, Initiative als „Reach unklar“ markieren und Daten-Spike planen.
Effort unterschätzt
Engineering schätzt 1 PM, Realität wird 3 PM, Initiative steigt in Score nach oben und enttäuscht.
Effort durch erfahrenen Engineer schätzen lassen, mit historischem Multiplier (z. B. ×1,3). Definition von Effort: inkl. Design, QA, Rollout, Support.
Confidence ignoriert
Initiativen mit 50% Confidence werden trotzdem in Roadmap aufgenommen, ohne Validierungs-Schritt.
Low-Confidence-Initiativen brauchen Discovery-Pre-Step (Interview, Spike, Prototyp), bevor sie als „normal“ in den Score gehen. Sonst optimistic bias.
Score als finale Wahrheit
Top-1 wird sofort umgesetzt, ohne Sanity Check oder strategischen Kontext.
RICE ist Diskussionshilfe, nicht Diktat. Strategische Bets, Compliance-Items oder Plattform-Investments brauchen separate Bahn neben RICE-Score.
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.