Geeignet für Umgebungen mit hoher Unsicherheit, Product-Market-Fit-Suche, MVPs, Feature- und KI-Experimente sowie schnellen Wandel.

Das Hauptziel ist, eine Hypothese so früh wie möglich an realen Nutzern oder einer geschlossenen Testgruppe zu validieren, Signale von Interesse, Wert und Verhalten zu erfassen und danach Produkt, Architektur oder Prioritäten schnell anzupassen.

Wichtig sind hier nicht perfekte Vollständigkeit oder eine endgültige Architektur, sondern Lerngeschwindigkeit, kurze Iterationen, kleine Änderungsumfänge, schnelle Bereitstellung und die Beobachtung realer Nutzung.

Geeignet für groß angelegte Systeme, mehrere Teams, langlebige Produkte, Platform Engineering, Governance, Compliance und ein vorhersehbares Delivery-Modell.

Das Hauptziel ist, Änderungen sicher, kontrolliert und ohne Chaos in ein komplexes System einzubringen und dabei Zuverlässigkeit, Standards und die Fähigkeit zur Weiterentwicklung zu bewahren.

Wichtig sind hier Plattform-Fit, Standardisierung, kontinuierliche Verifikation, sichere Bereitstellung, Observability und kontrollierte Weiterentwicklung.