Scrum Master + Scrum Product Owner PSM 1+2 + PSPO 1+2 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Webprogrammierung, Python & KI verbindet agile Führungs- und Produktverantwortung mit praktischer Software- und KI-Kompetenz; in der Maßnahme (auch Experte Scrum Master & Product Owner (PSM 1 + 2 & PSPO 1 + 2), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), Vibe Coding Masterclass, KI Grundlagen) steht Empirie, messbare Wirkung und handlungsfähige Technikkenntnis im Zentrum.
Praxisbezug und berufliche PerspektivenTeilnehmende entwickeln Fähigkeiten für Rollen wie Scrum Master, Product Owner, Agile Coach, Frontend-Entwickler und Python-Developer. Die Verbindung aus agilen Methoden, Scaled Scrum, Kanban und praktischer Web- und KI-Programmierung ermöglicht Einsatz in Produktteams, IT-Projekten, Innovations- und Digitalisierungsprogrammen. Arbeitsergebnisse werden als Inkremente geliefert, Qualität durch DoD gesichert und Entscheidungen empirisch begründet; praktische Tools und Coding-Skills sind sofort anwendbar.
Scrum Master 1Scrum Master 1 vermittelt grundlegende Kenntnisse des empirischen Rahmenwerks: Werte, Events, Artefakte und Accountabilities. Teilnehmende lernen, wie Sprint Goal entsteht, Daily Scrum Steuerung ermöglicht und Sprint Planning sinnvolle Arbeit auswählt. Sie verstehen Product Backlog, Sprint Backlog und Definition of Done als Instrumente für Transparenz und Ausrichtung.
- Einführung in Scrum und empirisches Vorgehen
- Rollen: Scrum Master, Product Owner, Developers
- Sprint Planning, Daily, Review, Retrospektive
- Artefakte und Commitments (Product Goal, Sprint Goal, DoD)
- Coaching- und Moderationsaufgaben des Scrum Masters
Ergebnis: praktische Anwendung von Empirie im Teamalltag.
Fähigkeit: Takt, Zielklarheit und nutzbares Inkrement liefern.
Scrum Master 2 vertieft Werte-orientiertes Coaching, Facilitation und Umgang mit der Groan Zone sowie das Schaffen von Rahmenbedingungen für Selbstverwaltung. Teilnehmende lernen, Decision Rules zu etablieren, Hindernisse zu adressieren und die Definition of Done als lebenden Qualitätsmaßstab zu nutzen. Fokus liegt auf Situational Leadership, Moderationstechniken und der Balance zwischen Coaching und Mentoring.
- Vertiefte Facilitation und Entscheidungsregeln
- Umgang mit Zielkonflikten und Abhängigkeiten
- Pflegen und Anwenden der Definition of Done
- Coaching vs. Mentoring, situative Führung
- Fehlerkultur, Transparenz und kontinuierliche Verbesserung
Ergebnis: Scrum in komplexeren Umfeldern wirksam halten.
Fähigkeit: Teams souverän durch Veränderung und die Groan Zone führen.
Scrum Product Owner 1 legt den Schwerpunkt auf Produktvision, Wertorientierung und Backlog-Management. Teilnehmende formulieren klare Produktvisionen, erstellen verständliche Backlog-Einträge und nutzen Prognosen mit Bandbreiten. Evidence Based Management verbindet Ziele, Kennzahlen und Entscheidungen, damit Priorisierung auf Wirkung basiert.
- Vision entwickeln und in Ziele übersetzen
- Product Backlog: Einträge, Priorisierung, Zerlegung
- Vorhersagen, Release-Planung mit Bandbreiten
- Metriken und Evidence Based Management
- Stakeholder-Kommunikation und Transparenz
Ergebnis: Product Backlog als Instrument für greifbaren Fortschritt.
Fähigkeit: Wertbeitrag beschreiben und Entscheidungen datenbasiert treffen.
Scrum Product Owner 2 fokussiert auf Outcome statt Output: Wirkung messen, Annahmen explizit machen und Stakeholder-Management professionalisieren. Teilnehmende lernen, wie Backlog-Pflege strategische Ausrichtung unterstützt und wie Organisationsstrukturen Produktarbeit erleichtern oder blockieren. Evidence Based Management wird vertieft, um Kurskorrekturen nachvollziehbar zu begründen.
- Wertbestimmung und Metriken für Wirkung
- Systematische Einbindung von Feedback
- Stakeholder- und Erwartungsmanagement
- Organisatorische Hebel für effektive Produktarbeit
- Hypothesengetriebene Verbesserungen
Ergebnis: Produktentscheidungen auf beobachtbaren Ergebnissen basieren.
Fähigkeit: Produktwirkung systematisch erhöhen und kommunizieren.
Scaled Scrum zeigt, wie mehrere Teams an einem Produkt koordiniert werden, ohne Scrum-Prinzipien zu verwässern. Es entsteht ein gemeinsamer Qualitätsmaßstab, Integration wird früh und häufig eingeplant, und Vorhersagen berücksichtigen Integrationsrisiken. Teilnehmende lernen, Abhängigkeiten zu reduzieren und Prognosen als Bandbreiten darzustellen.
- Gemeinsame Definition of Done über Teams
- Integration, Sicherheits- und Leistungsaspekte
- Abhängigkeitsmanagement und Schnittstellen
- Release-Planung über Teamgrenzen hinweg
- Prognosen, Annahmen und Risikokommunikation
Ergebnis: Skalierung als geordnetes Zusammenwirken mehrerer Teams.
Fähigkeit: integrierte Lieferung, verlässliche Erwartungen und Transparenz herstellen.
Scrum Agile Leadership richtet Führung auf Gestalten von Rahmenbedingungen: Klarheit schaffen, Hindernisse entfernen und Kompetenzen entwickeln. Führung wird situativ eingesetzt, um Selbstverwaltung zu ermöglichen, nicht zu unterdrücken. Teilnehmende lernen, Erwartungen an Outcomes zu formulieren und Führung als Ermöglicher zu praktizieren.
- Leadership als Kontextgestaltung
- Abgrenzung von Steuerung und Unterstützung
- Entwicklung von Entscheidungsräumen und Verantwortlichkeit
- Interventionen, die Selbstorganisation stärken
- Messgrößen wählen, um Wirkung zu verfolgen
Ergebnis: Führung, die Teams souverän befähigt.
Fähigkeit: Organisationsbremsen identifizieren und lösen.
Scrum mit Kanban verbindet Scrum-Events mit Flow-Prinzipien, um Vorhersagbarkeit und Durchsatz zu erhöhen. Die Arbeit wird sichtbar, Losgrößen und WIP-Limits werden gesetzt, und Flusskennzahlen wie Durchsatz und Durchlaufzeit liefern Ursachenwissen statt Symptome. Product Backlog bleibt geordnet nach Nutzen und Risiken.
- Visualisierung des Workflows und WIP-Limits
- Durchsatz, Lead Time, Cycle Time messen
- Product Backlog als Flussorientierung
- Losgrößenoptimierung und Engpassbehebung
- Prognosen als Bandbreiten basierend auf Historie
Ergebnis: verlässlichere Lieferung durch Flusssteuerung.
Fähigkeit: Engpässe erkennen, Losgrößen anpassen und Vorhersagen verbessern.
KI Grundlagen vermittelt Konzepte von Machine Learning, Deep Learning, Einsatzfelder und ethische Fragestellungen. Teilnehmende üben Prompt Engineering, arbeiten mit Text-, Sprach- und Bild-KIs und lernen, Automatisierung und Entscheidungsunterstützung sicher zu nutzen. Datenschutz und Bias werden kritisch reflektiert.
- Grundbegriffe: KI, ML, DL, schwache vs. starke KI
- Einsatzszenarien: Chatbots, Text- und Bild-KI
- Prompt Engineering und Toolnutzung
- Ethische Aspekte, Datenschutz, Bias
- Integration von KI in Arbeitsprozesse
Ergebnis: KI praktisch, sicher und verantwortungsvoll einsetzen.
Fähigkeit: Chancen und Risiken von KI systematisch einschätzen.
Python führt in Programmierlogik, Datenstrukturen und modulare Entwicklung ein und verknüpft Coding mit KI-gestützten Tools. Teilnehmende bauen kleine Projekte, nutzen Bibliotheken und lernen Debugging sowie try/except-Fehlerbehandlung. Prompt Engineering unterstützt beim Testen und Refaktorieren von Code.
- Variablen, Datentypen, Kontrollstrukturen
- Listen, Dictionaries, Funktionen und Module
- Bibliotheken: json, datetime, math, re
- Fehle…