Product Owner 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python & KI verknüpft Product Ownership, Leadership, Skalierung, Kanban, Python und KI-Grundlagen. In Product Owner 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python & KI lernen Teilnehmende, wie Produktvision, Backlogpflege und evidenzbasierte Entscheidungen Wert schaffen und technische Fertigkeiten mit KI-unterstütztem Python kombinieren.

Praxisbezug und berufliche Perspektiven

Die Maßnahme (auch: Scrum Product Owner (PSPO 1), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), Python trifft KI, KI Grundlagen) bereitet auf Rollen wie Product Owner, Agile Coach, Scrum Master, Technical Product Manager, Data Analyst und Python Developer vor. Vermittelt werden Priorisierung, Backlog-Pflege, Evidence Based Management, Vorhersagen als Bandbreiten und praktische KI-Anwendungen. Die Inhalte lassen sich direkt in Produktstrategien, Release-Planung, Teamführung und Automatisierung einsetzen.

Scrum Product Owner 1

Scrum Product Owner 1 fokussiert die Formulierung einer klaren Produktvision und die Ableitung überprüfbarer Ziele. Teilnehmende lernen, ein Product Backlog als einzige transparente Quelle zu pflegen und Einträge so zu beschreiben, dass Zerlegung, Zusammenarbeit und Entscheidungen möglich sind.
Kernkompetenzen und Praxis
Wertorientiertes Priorisieren, Backlogpflege und Prognosen als Bandbreiten werden vermittelt.

  • Formulierung einer Produktvision und Ableitung messbarer Ziele
  • Backlog-Einträge: Nutzen, Ergebnis und Zerlegung
  • Priorisierung nach Wirkung, Risiko und Abhängigkeiten
  • Wahrscheinlichkeitsbasierte Vorhersagen und Release-Planung
  • Evidence Based Management zur Verknüpfung von Zielen und Kennzahlen

Scaled Scrum

Scaled Scrum zeigt, wie mehrere Teams an einem Produkt arbeiten, ohne Scrum-Prinzipien zu verwässern. Ein gemeinsamer Qualitätsmaßstab und abgestimmte Integrationszyklen sichern durchgängige Qualität.
Schwerpunkt Integration und Vorhersage
Prognosen werden teamübergreifend als Bandbreiten gebildet; Abhängigkeiten sichtbar gemacht und Zuschnitt so gewählt, dass Teams unabhängig liefern können.

  • Gemeinsamer Qualitätsmaßstab: funktional und nicht-funktional
  • Integration, Sicherheit, Leistung und Betriebsfähigkeit vereinbaren
  • Einordnung von Abhängigkeiten und risk-sensitives Priorisieren
  • Teamübergreifende Vorhersagen und Veröffentlichungsplanung
  • Praktiken zur frühen und häufigen Integration

Scrum Agile Leadership

Scrum Agile Leadership vertieft, wie Führung Rahmenbedingungen schafft, in denen Selbstverwaltung gelingt. Führung handelt als Kontextgestalter, entfernt Hindernisse und entwickelt Kompetenzen, statt in Detailsteuerung zu verfallen.
Verhalten und Organisationsgestaltung
Erwartungen klären, Entscheidungsrechte sichtbar machen und strukturelle Bremsen adressieren, damit Teams zuverlässig liefern.

  • Rollenverständnis: Product Owner, Developer, Scrum Master als Teamträger
  • Voraussetzungen für Selbstverwaltung und klare Entscheidungsräume
  • Führung als Unterstützung: Orientierung, Grenzsetzung, Coaching
  • Organisationale Schnittstellen, Budget- und Berichtsthemen erkennen
  • Ableiten konkreter Vorschläge zur Reduktion von Durchlaufzeiten

Scrum mit Kanban

Scrum mit Kanban kombiniert Flow-Prinzipien mit Scrum-Ritualen, um Vorhersagbarkeit und Fluss zu erhöhen. Teams steuern den Fluss, messen Durchsatz und reduzieren Wartezeiten durch bewusste Losgrößenwahl.
Messung und Anpassung
Prognosen entstehen aus historischen Daten; das Product Backlog wird als geordnete Darstellung der nächsten wirksamen Schritte genutzt.

  • Sichtbarmachung von Arbeit, Regeln für Start/Fortschritt/Abschluss
  • Durchsatz, Bearbeitungszeit, Wartezeit als Kennzahlen
  • Losgrößen, Engpasserkennung und Reaktionsstrategien
  • Product Backlog Management mit Blick auf Fluss und Wert
  • Selbststeuerung: Grenzen paralleler Arbeit und tägliche Absprachen

KI Grundlagen und praktische Anwendungen

KI Grundlagen und praktische Anwendungen vermitteln, wie KI-Tools Text, Bild und Datenanalyse unterstützen und welche ethischen, datenschutzrechtlichen Aspekte zu beachten sind. Prompt Engineering und kritische Interpretation von Ergebnissen stehen im Fokus.
Einsetzbare Fähigkeiten
Teilnehmende lernen, KI zur Automatisierung und Entscheidungsunterstützung integrieren und Chancen sowie Bias zu bewerten.

  • Definitionen, Geschichte und Anwendungsfelder von KI
  • Maschinelles Lernen, Deep Learning einfach erklärt
  • Prompt Engineering und effektive Anfragen formulieren
  • Einsatz von KI für Textgenerierung, Datenanalyse und Automatisierung
  • Ethik, Datenschutz, Bias und praktische Testübungen

KI und IT- Programmieren für die Zukunft: Python

KI und IT- Programmieren für die Zukunft: Python verbindet Python-Grundlagen mit KI-unterstützten Entwicklungspraktiken. Teilnehmende planen, schreiben und testen kleine Projekte und nutzen KI-Tools zur Unterstützung beim Coden.
Technische Fertigkeiten und Projekte
Fokus liegt auf sauberer Struktur, Fehlerbehandlung und Einsatz von Bibliotheken sowie auf Prompting für produktives Coden.

  • Variablen, Datentypen, Kontrollstrukturen und Schleifen
  • Funktionen, Module und Modularisierung von Programmen
  • Listen, Dictionaries, Bibliotheken (math, datetime, json, re)
  • Fehlerbehandlung mit try/except, Debugging-Methoden
  • Integration von KI-Tools zum Schreiben, Testen und Refaktorieren von Code



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