Die sieben TodsĂĽnden der Erfolgsmessung in der agilen Entwicklung
Seite 4: Prognosen, Risiken
Ăśber die Wahrscheinlichkeit von Prognosen
Wahrscheinlichkeit bedeutet: Wie sicher ist es, dass ein bestimmtes Ergebnis eintritt? Wenn man bei einem Würfelspiel als Ergebnis eine "Drei" vorhersagt, dann liegt die Wahrscheinlichkeit, dass die "Drei" fällt, bei eins zu sechs: Es kann nur ein Ergebnis geben, das der Vorhersage entspricht. Bei Softwareprojekten ist es komplizierter, die Chancen auf ein bestimmtes Ergebnis zu quantifizieren. Es werden Hunderte von Entscheidungen getroffen, die sich auf das letztliche Ergebnis auswirken und die alle die Wahrscheinlichkeit anfänglicher Prognosen ändern werden.
Bei allen Prognosen sind zahlreiche Ergebnisse denkbar, einige wahrscheinlicher, andere weniger wahrscheinlich. Alle bei einem Projekt noch anstehenden Arbeiten bergen ein gewisses Maß an Unsicherheit. Die Schätzung für eine Story kann bei einem bis fünf Tagen, die Schätzung für eine andere Story bei fünf bis zehn Tagen liegen. Die Vorhersage bei Softwareprojekten erfordert die Berechnung, wie sich die verbleibende Arbeit gestaltet. Das könnte völlig unkompliziert sein, wenn man – bei der optimistischsten Schätzung – einfach die jeweils niedrigsten Schätzungen für jede Arbeit oder – bei der pessimistischsten Schätzung – die jeweils höchsten Schätzungen addiert. Dadurch erhält man ein Ergebnisspektrum. Beide Extreme dieses Spektrums sind jedoch unwahrscheinlich.
Eine bekannte Methode zum Ermitteln der Wahrscheinlichkeitswerte innerhalb der optimistischen und der pessimistischen Bandbreite ist die sogenannte Monte-Carlo-Simulation. Sie komplettiert das Softwareprojekt Hunderte oder Tausende Male und stellt dann die Ergebnisse in einem Histogramm grafisch dar. Die Wahrscheinlichkeit eines Datums, das innerhalb des optimistischen und pessimistischen Spektrums liegt, wird berechnet als die Anzahl von Ergebnissen, die diesem Wert entsprechen oder vor ihm liegen (in unserem Fall das Datum). Wenn man auf diese Weise Prognosen erstellt, vermeidet man, von zu optimistischen Daten auszugehen; die Chancen, ein bestimmtes Datum einzuhalten, sind allen klar und lassen sich entsprechend nachvollziehen.
Die Abbildung 6 zeigt ein solches Histogramm, das durch die 1000-malige hypothetische Fertigstellung eines Softwareprojekts mit Story-Schätzungsbereichen berechnet wurde. In diesem Fall zeigt die x-Achse die Anzahl der Arbeitstage bis zur Fertigstellung. Obwohl die wahrscheinlichste Anzahl 70 ist, gab es auch simulierte Ergebnisse von immerhin 77 Tagen. Das schwarze Liniendiagramm zeigt die kumulative Wahrscheinlichkeit, dass ein bestimmtes Datum erreicht wird; so liegt zum Beispiel die Wahrscheinlichkeit, dass 73 Tage erreicht werden, bei 96 Prozent.
Prognose und Sicherheit sind häufig leichter zu verstehen, wenn sie in einer Tabelle dargestellt werden. Die Tabelle in Abbildung 7 zeigt, wie sich das letzte mögliche Startdatum – in Kenntnis der verschiedenen Wahrscheinlichkeitslevels – berechnen lässt.
Risiko, oder nicht alles ist abwägbar
Die Monte-Carlo-Simulation zeigt präzise, wie die Kombination mehrerer unsicherer Arbeitsschritte eine bestimmte Bandbreite von Resultaten und die jeweilige Wahrscheinlichkeit dieser Ergebnisse liefert. Oft jedoch gibt es unvorhersehbare Arbeiten oder potenzielle Verzögerungen, die eintreten können, aber nicht notwendigerweise eintreten müssen. Zu solchen Risiken gehören zum Beispiel eine inakzeptable Leistung, Probleme bei der Installation von Hardware oder das Warten auf ein anderes Team oder einen Lieferanten: Keines dieser Ereignisse wird notwendigerweise eintreten, aber jedes einzelne oder eine Kombination von ihnen könnte das Projekt verzögern. Eine einfache Prognose auf der Grundlage verfügbarer Ressourcen kann häufig nicht die Auswirkungen technischer oder lieferbedingter Risiken aufzeigen. Solche Risiken zu ignorieren oder die Wahrscheinlichkeit ihres Eintretens nicht durch eine Reduzierung ihrer Auswirkungen vorausschauend anzugehen, bedeutet eine vorprogrammierte Katastrophe. Die Entwicklungsteams werden dann für eine fehlerhafte erste Prognose verantwortlich gemacht.
Die Monte-Carlo-Simulation ist auch hier hilfreich. Die Simulation der bekannten anstehenden Arbeiten in Kombination mit den Risiken, die sich auf die Lieferzeit auswirken können, zeigt noch mehr Ergebnisse. Die Wahrscheinlichkeit, dass ein oder zwei oder alle Risiken zum Tragen kommen, hängt ab von der Eintrittswahrscheinlichkeit jedes einzelnen Risikos: So würde zum Beispiel ein Risiko, das mit einer Wahrscheinlichkeit von 70 Prozent eintritt, über 70 Prozent der Zeit einer Simulation berücksichtigen. Das in Abbildung 8 gezeigte Histogramm zeigt das Resultat der Kombination der bekannten anstehenden Arbeiten mit zwei Risiken, die jeweils mit einer 30-prozentigen Wahrscheinlichkeit eintreten werden. Das Ergebnis ist unerfreulich, aber interessant. Es zeigt, dass die sich ergebenden Daten völlig unterschiedlich sein können, je nachdem, welche Risikofaktoren im Spiel sind (keiner, einer oder beide). Das Management der Risikowahrscheinlichkeiten und -auswirkungen würde die hohen Ausreißerwerte eliminieren oder verringern und ein Ergebnis auf der linken Seite wahrscheinlicher machen.
