Scrum Agile Leadership + Scaled Scrum & Python & KI verbindet agile Führung, skaliertes Scrum, Python-Programmierung und Grundlagen der Künstlichen Intelligenz. In Scrum Agile Leadership & Scaled Scrum (PAL 1 & SPS), Python trifft KI, KI Grundlagen steht die Fähigkeit im Fokus, Teams, Technik und KIWerkzeuge so zu integrieren, dass verlässliche, qualitativ hochwertige Ergebnisse entstehen.

Praxisbezug und berufliche Perspektiven

Die Maßnahme bereitet auf operative und übergreifende Rollen vor: Product Owner, Scrum Master, Agile Lead, Python Developer und KIAnwenderin.
Teilnehmerinnen wenden Techniken zur Priorisierung, gemeinsamen Qualitätsdefinition (Definition of Done), ReleasePlanung mit Bandbreiten und Einsatz von KITools für Automatisierung an.
Einsatzgebiete sind Produktentwicklung, ITProjekte, DataAnalytics, Marketing und Prozessautomatisierung; Fähigkeiten lassen sich direkt in Teams, Programmen und Organisationsstrukturen nutzen.

Scaled Scrum

Scaled Scrum zeigt, wie mehrere Teams an einem gemeinsamen Produkt arbeiten, einheitliche Qualitätsmaßstäbe etablieren und Integration festen Bestandteil des Ablaufs machen.
Die Inhalte behandeln Abhängigkeiten sichtbar machen, Einträge so zuschneiden, dass Teams unabhängig liefern können, sowie Vorhersagen und Veröffentlichungsplanung als Bandbreiten.

  • Gemeinsamer Qualitätsmaßstab und Definition of Done
  • Schnittstellengestaltung und Reduktion von Abhängigkeiten
  • Integrationstaktiken und kurze Zusammenführungszyklen
  • Prognosen mit Annahmen, historischem Output und Integrationsrisiko
  • ReleasePlanung über Teamgrenzen hinweg

Ziel ist ein Arbeitsmodell, das Skalierung als geordnetes Zusammenwirken behandelt und verlässliche, integrierte Lieferung ermöglicht.

Scrum Agile Leadership

Scrum Agile Leadership fokussiert die Zusammenarbeit von Product Owner, Developer und Scrum Master als geschlossene Einheit; Führung schafft Kontext statt zu steuern.
Vermittelt werden Voraussetzungen für sebstverwaltung, klare Entscheidungsrechte, Sichtbarkeit von Zielen und Informationsflüssen sowie Interventionen, die Orientierung geben ohne Autonomie zu ersticken.

  • Rollenverständnis und gemeinsame Verantwortung
  • Rahmenbedingungen für Selbststeuerung und Entscheidungsräume
  • Führung als Kontextgestaltung und Hindernisbeseitigung
  • Organisationale Hebel: Zuschnitt von Produkten, Entscheidungswege, Budgetierung
  • Strategien zur Reduktion von Durchlaufzeiten

Absolventinnen können strukturelle Bremsen identifizieren, Vorschläge zur Effizienzsteigerung formulieren und Führungskräfte in ergebnisorientierter Steuerung unterstützen.

KI Grundlagen und praktische Anwendungen

KI Grundlagen vermittelt Künstliche Intelligenz (KI) verständlich, zeigt Einsatzfelder und den ethischrechtlichen Umgang mit Bias und Datenschutz.
Es werden maschinelles Lernen, Deep Learning, schwache vs. starke KI, Prompt Engineering und praktische KITools für Text, Bild und Daten behandelt.

  • KIGrundbegriffe und Anwendungsfelder
  • Maschinelles Lernen / Deep Learning Basics
  • Prompt Engineering und effektive Anfrageformulierung
  • Ethik, Datenschutz, Bias und Risikoabschätzung
  • Praxis: Chatbots, Sprach und BildKI testen

Ziel ist, KI zur Automatisierung und Entscheidungsunterstützung sicher einzusetzen und Chancen sowie Risiken im beruflichen Kontext einzuordnen.

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI verbindet Grundlagen der Programmierung mit dem produktiven Einsatz von KITools beim Entwickeln, Testen und Refaktorieren von Code.
Teilnehmende erlernen Variablen, Datentypen, Kontrollstrukturen, Schleifen, Funktionen, Datenstrukturen und Bibliotheken sowie Fehlerbehandlung und Debugging.

  • PythonSyntax, Datentypen und Operatoren
  • Bedingungen, Schleifen und Modularisierung mit Funktionen
  • Listen, Dictionaries und Datei/JSONHandling
  • Bibliotheken (math, datetime, statistics, json, re) und Debugging
  • KIgestützte Tools für Coding, Testing und Prompting

Absolventinnen planen, schreiben und strukturieren eigene Programme, nutzen KI zur Effizienzsteigerung und legen damit Grundlagen für Data Science, Automatisierung und MLProjekte.

Die Weiterbildung bereitet auf die Prüfung bei Scrum.org vor, wird aber weder von Scrum.org unterstützt noch ist sie mit Scrum.org ..verbunden.