Lead Time als Kompass für verlässliche Projektpläne
Viele von uns standen schon vor der Herausforderung, den Zeitaufwand für Aufgaben richtig einzuschätzen – sei es beim Sprint Planning, beim Erstellen von Projektplänen oder bei der Schätzung von Lieferzeiten. Ein wiederkehrendes Problem vieler Teams ist die Tendenz, den tatsächlichen Aufwand systematisch zu unterschätzen. Das führt häufig dazu, dass zu viele Aufgaben in einen Sprint gepackt werden.
Die Lösung
Es gibt verschiedene Methoden, die sich als wirksam erwiesen haben, um diese Herausforderung anzugehen – eine besonders interessante ist die Lead Time. Durch die Nutzung von Lead Time können Teams Vorhersagen auf Basis ihrer tatsächlichen, historischen Leistungsfähigkeit treffen. Die Kennzahl der Lead Time, die aus der Kanban-Methode stammt, misst im Kern die Zeit, die benötigt wird, um eine Aufgabe abzuschließen. Je nach Anwendungsbereich können sich die erfassten Zeitpunkte unterscheiden: Ein Softwareentwicklungsteam könnte beispielsweise die Zeit zwischen der Entscheidung, an einer User Story zu arbeiten (z. B. wenn sie in den Sprint Backlog oder in die „Pulled“-Spalte wandert), und der Fertigstellung bzw. dem Rollout des Features messen. Ein Online-Shop hingegen könnte die Zeitspanne zwischen Bestelleingang und Versand des Pakets als Lead Time betrachten. Darüber hinaus lässt sich Lead Time auch auf größere Vorhaben anwenden – etwa um zu bestimmen, wie lange ein Team für die Umsetzung eines Epics benötigt.
Was man mit den Daten machen kann
Das Sammeln dieser Daten eröffnet die Möglichkeit einer probabilistischen Prognose auf Basis realer Vergangenheitswerte – eine verlässliche Methode zur Schätzung von Aufwänden. Es können sogar Simulationen durchgeführt werden, um die voraussichtliche Dauer eines gesamten Projekts für ein Team zu ermitteln – auch wenn dieses Thema den Rahmen dieses Artikels sprengt (mehr dazu unter dem Stichwort Monte-Carlo-Simulationen). Typischerweise werden im Zusammenhang mit Lead Time statistische Verfahren eingesetzt, um …
- um Durchschnitte, Wahrscheinlichkeitsbereiche oder Konfidenzintervalle zu berechnen
- um Aussagen wie „In 85 % der Fälle dauert eine Aufgabe höchstens X Tage“ treffen zu können
- und die typische Durchlaufzeit zu berechnen
Wenn du alle Aufgaben in eine gemeinsame Kategorie überführst und die Anzahl der erledigten Aufgaben gegen die benötigten Tage zur Fertigstellung aufträgst, könnten sich deutlich erkennbare Cluster zeigen. Die Analyse dieser Cluster kann Aufschluss über verschiedene Aufgabentypen mit ähnlicher Dauer geben – und dir ermöglichen, Aufgaben für präzisere Vorhersagen sinnvoll zu kategorisieren. Dieser Prozess wird deutlich erleichtert, wenn du bereits ein Tool wie Jira oder Trello verwendest, da diese Systeme die dafür nötigen Daten meist schon enthalten.
In zukünftigen Beiträgen werde ich darauf eingehen, wie du Lead Time noch gezielter in die Sprint-Planung integrieren kannst.
