7 Frameworks für agile Schätzung im Vergleich

Schätzung in 1, 2, 3, 5, 8, 13, 21 Punkten. Fibonacci verhindert falsche Präzision. Relative Schätzung (Vergleich zu Referenz-Story), nicht absolute Zeit.

Stark bei: Software-Entwicklung mit ähnlichen Story-Typen, lange Team-Bestand. Schwach bei: Teams ohne Referenz-Pool oder cross-funktionale Teams ohne gemeinsame Stories.

Aufwand: 15-30 Min pro Story. Genauigkeit: hoch bei stabilen Teams.

Jedes Team-Mitglied hat Schätzkarten (Fibonacci). Story wird vorgestellt, alle decken gleichzeitig auf. Bei Divergenz: Diskussion + erneutes Aufdecken bis Konsens.

Stark bei: Aufdecken impliziter Annahmen. Wenn Schätzungen divergieren, kommt Wissens-Asymmetrie ans Licht.

Aufwand: 20-45 Min pro Story. Genauigkeit: höher als reine Story Points wegen Diskussion.

Schätzung in XS / S / M / L / XL / XXL statt Zahlen. Verhindert mathematische Verrechnungen ('5 ist 2.5x von 2').

Stark bei: Stakeholder-Kommunikation. Top-Mgmt versteht XS-XXL besser als Story Points.

Aufwand: 5-10 Min pro Story. Genauigkeit: niedriger als Story Points (groebere Skala).

Alle Stories werden auf einem Whiteboard geclustert nach Aufwands-Aehnlichkeit. Dann pro Cluster gemeinsame Schätzung.

Stark bei: grossen Backlogs (50+ Stories). Sehr schnell: 50 Stories in 1-2 Stunden.

Aufwand: 1-2 Stunden für kompletten Backlog. Genauigkeit: mittel.

Eimer mit Werten 1, 2, 4, 8, 16. Stories werden reihum in passende Eimer geworfen. Diskussion nur bei Uneinigkeit.

Stark bei: Mittlerer Backlog-Größe (20-50 Stories), wenn Affinity zu unstrukturiert + Planning-Poker zu langsam ist.

Aufwand: 45-90 Min für 50 Stories. Genauigkeit: mittel.

Keine Schätzungen, sondern Stories in vergleichbare Groessen splitten (max 1-3 Tage). Throughput zaehlt: wie viele Stories pro Woche?

Stark bei: stabile Teams + Service-Charakter (Operations, Maintenance). Schwach bei: harte Termine.

Aufwand: 0 für Schätzung, dafür mehr Aufwand bei Story-Splitting. Genauigkeit: keine Aussage (nur Velocity-Trend).

Statistisches Modell: nutze historische Cycle Times als Input. Tool simuliert 10.000 Szenarien -> 85 %-Quantil als Forecast.

Stark bei: Roadmap-Forecasts über 1-3 Quartale, Reduktion von Punkt-Schätzungen zu Wahrscheinlichkeits-Bereichen ('85 % Wahrscheinlichkeit dass Feature X bis Q3 fertig').

Aufwand: 30 Min für initiale Modell-Setup, dann automatisiert. Genauigkeit: hoch bei stabilem Throughput.