methodatlas
Run SheetProduct StrategyPrioritization

RICE Scoring

KomplexitätMedium
Zeit30-60 min
Teilnehmende2-10
FormatBoth
MaturityEstablished
01

Vorbedingung

Was vorher fertig sein muss

Vorher abschließenInitiativen-Listenicht im Katalog

Eine Liste von 5-30 Initiativen, Features oder Experimenten in vergleichbarer Größenordnung liegt vor, jede mit kurzer Beschreibung des erwarteten Outcomes.

Ohne: Ohne vergleichbare Granularität liefert die Formel zwar Zahlen, das Ranking ist aber nicht handlungsleitend.
Vorher abschließenBaseline-Metrikennicht im Katalog

Aktuelle Nutzerzahlen, Conversion-Raten oder andere Reach-relevante Metriken sind dem Team bekannt, um Reach realistisch zu schätzen.

Ohne: Ohne Baseline ist Reach ein Wunschwert und der Score verzerrt zugunsten optimistischer Schätzungen.
02

Vorbereitung

Was vor Start vorliegen muss

Materialien

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.

Personen / Rollen

Ein PM oder PO als Owner; ein Engineering Lead für Effort-Schätzungen; ein Researcher oder Analyst für Reach-Daten; optional Designer für Impact-Beurteilung.

Vorabinfos

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.

Zeitbedarf

30-60 min

Setup

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.

03

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?

04

Ablauf

Marker: Sektion

SchrittDauerAktionHinweis
1Sektion 1: Skalen kalibrieren
10 minPro 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 minPro 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 minPro 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 minPro 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 minTop-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.
05

Artefakt

Was am Ende rauskommt

Form

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.

Tool-Alternativen
  • 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
Versionierung / Ownership

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.

spreadsheet

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?
06

Beispielausgabe

Konkret gefülltes Szenario

rice-beispiel.md
markdown
## 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).
07

Stolperfallen

Symptome erkennen, gegensteuern

Falle

Impact-Inflation

Symptom

70%+ der Initiativen werden mit Impact 2 oder 3 bewertet, alle wirken wichtig.

Was tun

Skala neu kalibrieren: 3 nur bei dokumentierter, dramatischer Wirkung. 1 ist der Normalfall. Wer 3 sagt, muss Evidenz vorlegen.

Falle

Reach geraten

Symptom

Reach-Zahlen sind runde Schätzwerte ohne Bezug zur tatsächlichen Funnel-Position.

Was tun

Vor Workshop Funnel-Daten ziehen. Reach nur aus Baseline ableiten. Wenn Daten fehlen, Initiative als „Reach unklar“ markieren und Daten-Spike planen.

Falle

Effort unterschätzt

Symptom

Engineering schätzt 1 PM, Realität wird 3 PM, Initiative steigt in Score nach oben und enttäuscht.

Was tun

Effort durch erfahrenen Engineer schätzen lassen, mit historischem Multiplier (z. B. ×1,3). Definition von Effort: inkl. Design, QA, Rollout, Support.

Falle

Confidence ignoriert

Symptom

Initiativen mit 50% Confidence werden trotzdem in Roadmap aufgenommen, ohne Validierungs-Schritt.

Was tun

Low-Confidence-Initiativen brauchen Discovery-Pre-Step (Interview, Spike, Prototyp), bevor sie als „normal“ in den Score gehen. Sonst optimistic bias.

Falle

Score als finale Wahrheit

Symptom

Top-1 wird sofort umgesetzt, ohne Sanity Check oder strategischen Kontext.

Was tun

RICE ist Diskussionshilfe, nicht Diktat. Strategische Bets, Compliance-Items oder Plattform-Investments brauchen separate Bahn neben RICE-Score.

08

Abbruchkriterien

Done-Signale, in unter einer Minute prüfbar

Initiativen sind so vage, dass Reach und Impact nicht schätzbar sind.
Keine Baseline-Metriken für Reach verfügbar, Schätzung wäre reine Spekulation.
Initiativen haben extrem unterschiedliche Größenordnung (Stunden vs. Personenjahre), Effort-Vergleich verzerrt.
Skalen werden nicht kalibriert, jeder scort in eigenen Einheiten.
Entscheidung ist primär politisch oder strategisch, RICE wird Theater.
Effort-Schätzungen sind nicht verfügbar (kein Engineer im Raum), Score wird einseitig.

Run Sheet durchgearbeitet?

Zum Steckbrief für Zweck, ähnliche Methoden und Quellen — oder direkt zur nächsten Methode im Katalog.