Forecasting mit der Monte-Carlo-Simulation

Monte-Carlo-Simulation hilft in der Produktentwicklung dabei,
Prognosen realistischer zu machen. Nicht als harte Zusage, sondern
als Blick auf Wahrscheinlichkeiten und damit auf das Risiko, das in
komplexer Arbeit fast immer mitschwingt. Zeit also, sich tiefer
damit auseinander zu setzen, weshalb Dominique in dieser Folge mit
Felix Rink, Flight Level und Kanban Coach aus Köln, spricht.
Gemeinsam starten sie bei einer Frage, wann ist etwas fertig (dazu
hatten wir auch schon eine andere Folge mit Felix) und wie
belastbar ist so eine Aussage eigentlich, wenn Teams in unsicheren
Umfeldern arbeiten. Von dort geht es zur Idee hinter der
Monte-Carlo-Simulation. Sie ist überraschend simpel. Vergangene
Ergebnisse geben Hinweise darauf, wie sich Arbeit vermutlich auch
künftig verteilt. Statt eine einzelne Zahl zu versprechen, entsteht
eine Bandbreite. Fertigstellungen aus der Vergangenheit werden in
vielen Durchläufen immer wieder neu kombiniert, bis ein Muster
sichtbar wird. Manche Ergebnisse tauchen oft auf, andere sind
selten. Genau diese Verteilung ist in der Produktentwicklung
hilfreich, weil Schwankungen zum Tagesgeschäft gehören. Schnell
wird klar, dass es weniger um exakte Termine geht als um ein
besseres Gefühl für Risiko. Die Simulation zeigt, mit welcher
Wahrscheinlichkeit ein bestimmter Umfang in einem Zeitraum wirklich
geschafft werden kann. Das verändert, wie über Planung gesprochen
wird. Zusagen werden zu bewussten Entscheidungen über Risiko und
nicht zu Versprechen, die später unter Druck verteidigt werden
müssen. Für Product Owner ist das besonders wertvoll, weil
Gespräche mit Stakeholdern dadurch sachlicher werden und
Erwartungen besser eingeordnet werden können. Ein weiterer
Schwerpunkt liegt auf den Daten. Entscheidend ist nicht, möglichst
weit zurückzugehen, sondern eine Vergangenheit zu wählen, die der
erwarteten Zukunft ähnelt. Kurze Zeiträume mit ausreichend vielen
Datenpunkten liefern oft bessere Prognosen als lange Historien, in
denen Sondereffekte alles verzerren. Auch eine feinere Betrachtung
auf Tagesbasis kommt zur Sprache, weil sich Forecasts damit
schneller aktualisieren lassen und Veränderungen im System früher
auffallen. Spannend wird es dort, wo die Monte-Carlo-Simulation
nicht als einmaliger Schritt verstanden wird, sondern als laufendes
Werkzeug. Neue Erkenntnisse, zusätzliche Arbeit oder geänderte
Rahmenbedingungen fließen direkt in den nächsten Forecast ein. So
entsteht ein kontinuierlicher Abgleich zwischen Realität und
Erwartung. Das unterstützt aktives Risikomanagement und hilft
Teams, Prioritäten immer wieder neu auszurichten, ohne jedes Mal
bei null anfangen zu müssen. Am Ende geht der Blick über die
klassische Fertigstellungsfrage hinaus. Überall dort, wo
vergangenes Verhalten brauchbare Hinweise auf die Zukunft gibt,
kann Monte Carlo helfen, Unsicherheit greifbar zu machen. In der
Produktentwicklung ist das oft genau die Art von Pragmatismus, die
fehlt. Nicht kompliziert, aber deutlich verlässlicher als
Bauchgefühl.