Die Sitzung dauerte 90 Minuten, und am Ende stand eine Tabelle mit 23 Zeilen und vier Spalten. Das Feature, das drei Leute wollten, lag auf Platz 14. Das Feature, das niemand wollte, aber dessen Reach-Zahl jemand großzügig geschätzt hatte, lag auf Platz 2. Alle haben genickt, weil die Tabelle ja objektiv ist. Sie war es nicht, sie war nur numerisch.

Wie RICE rechnet

RICE multipliziert vier Werte: Reach, also wie viele Nutzer pro Zeitraum betroffen sind; Impact, wie stark die Wirkung pro Nutzer ist; Confidence, wie sicher die Schätzung ist; und dividiert durch Effort. Das Ergebnis ist eine Zahl mit einer Nachkommastelle, und genau diese Nachkommastelle ist das Problem. Sie suggeriert eine Genauigkeit, die keine der vier Eingaben hat.

score = (reach * impact * confidence) / effort

# Beispiel: Onboarding-Tour
reach      = 12000      # Nutzer pro Quartal, aus Analytics
impact     = 2          # 3 = massiv, 2 = hoch, 1 = mittel
confidence = 0.8        # 80 Prozent, Bauchgefuehl
effort     = 6          # Personentage
# score = (12000 * 2 * 0.8) / 6 = 3200

Die vier Zahlen und ihre Probleme

Ein Whiteboard mit einer Tabelle aus Zahlen, einige Felder mit Fragezeichen überschrieben
Drei Spalten mit Daten, eine mit Fragezeichen: Confidence ist selten eine Messung.

Reach ist die einzige Zahl, die meist aus echten Daten kommt, und selbst die ist unsicher, weil sie eine Zielgruppe unterstellt, die man erst definieren muss. Impact ist eine Skala von 0,25 bis 3, also vier Stufen für ein Kontinuum, das niemand sauber trennt. Effort ist eine Schätzung, die systematisch zu niedrig ist, weil sie Testing und Betrieb nicht enthält. Confidence schließlich ist die gefährlichste Zahl, weil sie alles andere skalieren kann und selbst nie begründet wird.

FaktorDatenquelleTypischer FehlerWirkung
ReachAnalyticsZeitraum zu kurzFaktor 3
ImpactMeinungjeder sagt 2Faktor 1,5
ConfidenceGefühlpauschal 80 %Faktor 2
EffortSchätzungBetrieb fehltFaktor 1,8

Rechnet man die Fehlerbreiten zusammen, liegt der Score eines Features mit ehrlichen Eingaben schnell um den Faktor 10 daneben. Zwei Features mit 3200 und 2900 Punkten sind nicht unterscheidbar. Sie sind gleich, und die Tabelle behauptet das Gegenteil.

Was Confidence wirklich ist

Confidence ist kein Attribut eines Features, sondern eine Aussage über die anderen drei Zahlen. Wer 80 Prozent schreibt, sagt: Meine Reach-, Impact- und Effort-Schätzung stimmt mit 80 Prozent Wahrscheinlichkeit. Diese Aussage kann man prüfen, indem man vergangene Schätzungen mit dem tatsächlichen Ergebnis vergleicht. Bei uns lag die Trefferquote für Effort bei 41 Prozent innerhalb von 20 Prozent Abweichung, und die Confidence-Angabe lag im Schnitt bei 75 Prozent. Die Zahl war also nicht nur ungenau, sie war optimistisch.

Der zweite Denkfehler ist die Multiplikation. Reach mal Impact unterstellt Unabhängigkeit, aber die Nutzer, die ein Feature überhaupt erreicht, sind oft genau die, bei denen der Impact hoch ist. Das Produkt überschätzt Features für große Zielgruppen und unterschätzt Nischenfeatures mit hoher Wirkung, und letztere sind häufig die, die Kunden halten.

Was stattdessen funktioniert

Wir sind zu drei Fragen übergegangen, die in fünf Minuten beantwortbar sind. Erstens: Welches Problem löst das, und woher wissen wir, dass es existiert? Zweitens: Was passiert, wenn wir es nicht machen? Drittens: Was müssen wir glauben, damit es wirkt, und können wir das in zwei Wochen prüfen? Die dritte Frage ersetzt Confidence durch ein Experiment, und ein Experiment ist eine Zahl, die man nachher kennt.

Für die Reihenfolge nutzen wir eine einfache Zweiteilung: Dinge, die einen Vertrag, ein Gesetz oder einen Ausfall betreffen, kommen zuerst, unabhängig vom Score. Danach kommt, was in einem Zyklus prüfbar ist. Der Rest wird nicht priorisiert, sondern auf eine Liste gelegt, die alle sechs Monate gelesen wird. Diese Liste ist überraschend kurz, weil die meisten Features niemand vermisst.

Der Nebeneffekt ist unbequem: Ohne Score muss jemand die Entscheidung verantworten, und das ist der eigentliche Grund, warum Tabellen beliebt sind. Ein RICE-Board verteilt die Verantwortung auf vier Zahlen, die niemanden beleidigen. Wer priorisiert, muss stattdessen sagen, warum er etwas nicht macht, und das ist eine soziale Leistung, keine mathematische.

Fazit

RICE ist kein Messinstrument, sondern ein Gesprächsformat. Es zwingt zu vier Aussagen, und das ist wertvoll, solange niemand die vierte Nachkommastelle ernst nimmt. Sobald die Tabelle Entscheidungen ersetzt, produziert sie Scheinobjektivität und belohnt die, die am Lautesten schätzen.

Wenn du die Confidence-Zahl aus deinem letzten RICE-Board streichst, ändert sich dann die Reihenfolge — und würde dir das etwas sagen?