Scrum Master + Scrum Product Owner PSM 1 + PSPO 2 & Scrum Agile Leadership + Scrum Kanban & Python & KI verbindet fachliche Scrum-Kompetenz mit Produktverantwortung, Führung und modernen Tech-Fähigkeiten; in Scrum Master & Scrum Product Owner Adv. (PSM 1 & PSPO 2), Scrum Agile Leadership & Scrum Kanban (PAL 1 & PSK 1), Python trifft KI, KI Grundlagen bleibt das Ziel: verwertbare Ergebnisse, messbare Wirkung und praktische Anwendbarkeit.

Praxisbezug und berufliche Perspektiven

Die Maßnahme verknüpft Scrum Master 1, Scrum Product Owner 2, Scrum Agile Leadership, Scrum mit Kanban sowie KI Grundlagen und Python praxisorientiert. Teilnehmende wenden Empirie, Sprint-Takt und Product Backlog-Strategien direkt an und nutzen KI-Tools zur Automatisierung und Analyse.
Relevante Einsatzgebiete sind Product Owner, Scrum Master, Agile Coach, Teamlead, Data Analyst und Python-Developer; Verantwortung reicht von Teamsteuerung über Stakeholder-Management bis zu KI-gestützter Prozessoptimierung im Alltag.

Scrum Master 1

Der Kurs vermittelt Scrum als empirisches Rahmenwerk und die Rolle des Scrum Masters in der Förderung von Empirie, Moderation und Beseitigung von Hindernissen. Teilnehmende lernen, wie Sprint Planning, Daily, Sprint Review und Retrospektive zielgerichtet eingesetzt werden und wie Artefakte mit Product Goal, Sprint Goal und Definition of Done Transparenz schaffen.

  • Scrum-Grundprinzipien und Werte
  • Rollen: Product Owner, Developers, Scrum Master
  • Events: Sprint Planning, Daily, Review, Retrospektive
  • Artefakte und Commitments (Product Goal, Sprint Goal, DoD)
  • Coaching, Moderation und Hindernismanagement

Scrum Product Owner 2

In Scrum Product Owner 2 vertiefen Teilnehmende produktzentrierte Entscheidungen: Wert statt Umfang, Evidence Based Management und Stakeholder-Kommunikation. Das Product Backlog wird so gepflegt, dass Einträge verlässliche Schritte zu messbarer Wirkung darstellen. Annahmen werden sichtbar gemacht und anhand beobachtbarer Ergebnisse geprüft.

  • Wertdefinition und Outcome-Orientierung
  • Product Backlog Management und Priorisierung
  • Stakeholder-Management und Erwartungsklärung
  • Messgrößen, Evidence Based Management
  • Organisationsaspekte: Schnittstellen, Governance, Entscheidungswege

Scrum Agile Leadership

Scrum Agile Leadership zeigt, wie Führung Kontext gestaltet, Entscheidungen ermöglicht und Selbstverwaltung fördert. Der Fokus liegt auf Rahmenbedingungen für autonome Teams, situativer Führung und dem Erkennen organisationaler Bremsen. Führung wird als Ermöglicher verstanden: Erwartungen klären, Kompetenzen fördern und Entscheidungen nachvollziehbar machen.

  • Förderung von Selbstorganisation und Verantwortungsräumen
  • Situative Führung vs. Steuerung
  • Transparente Informationsflüsse und Entscheidungsrechte
  • Identifikation und Abbau struktureller Hindernisse
  • Entwicklung von Team- und Führungsfähigkeiten

Scrum mit Kanban

Scrum mit Kanban verbindet Flow-Orientierung mit Sprint-Takt, sichtbar wird Arbeit über WIP-Grenzen, Durchsatz und Wartezeiten. Prognosen entstehen als Bandbreiten auf Basis historischer Daten; das Product Backlog bleibt Ergebnis- statt Aufgaben-fokussiert. Teams lernen, Engpässe zu erkennen, Losgrößen anzupassen und vorhersehbare Lieferfähigkeit herzustellen.

  • Visualisierung des Flusses und WIP-Limits
  • Messgrößen: Durchsatz, Bearbeitungs- und Wartezeiten
  • Prognosen, Release-Planung als Bandbreite
  • Flussoptimierung, Engpassanalyse und Losgrößen
  • Integration von Scrum-Events mit Kanban-Prinzipien

KI Grundlagen und praktische Anwendungen

Der Kurs vermittelt Grundkonzepte der Künstlichen Intelligenz, Machine Learning und Deep Learning sowie den praktischen Einsatz von KI-Tools für Text, Bild und Daten. Ein Schwerpunkt liegt auf Prompt Engineering, ethischen Fragestellungen, Datenschutz und Bias sowie der Integration von KI in Arbeitsprozesse zur Automatisierung und Entscheidungsunterstützung.

  • KI-Definition, Geschichte und Anwendungsfelder
  • Maschinelles Lernen, Deep Learning-Basics
  • Prompt Engineering und praktische Tool-Nutzung
  • Ethik, Datenschutz und Bias
  • Praxisübungen: Chatbots, Sprach- und Bild-KI

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI: Teilnehmende erlernen Python-Grundlagen, strukturieren Programme modular und nutzen Bibliotheken zur Datenverarbeitung. Debugging, Fehlerbehandlung (try/except) und Einsatz von KI-gestützten Tools beim Coden stehen im Vordergrund. Kleine Projekte demonstrieren Automatisierung, Datenauswertung und prototypische KI-Integration.

  • Variablen, Datentypen und Operatoren
  • Kontrollstrukturen, Schleifen und Funktionen
  • Listen, Dictionaries, Module und Bibliotheken
  • Fehlerbehandlung, Debugging und saubere Struktur
  • Projektarbeit: Mini-Anwendungen mit KI-Unterstützung

Abschließende fachliche Kompetenz

  • *** Absolventinnen und Absolventen können Scrum zielgerichtet anwenden, Sprint-Ziele formulieren, Product Backlog und DoD pflegen, Teams beim Erreichen nutzbarer Inkremente coachen, Wertmessung durch EBM betreiben und KI sowie Python praktisch zur Automatisierung, Analyse und zur Unterstützung von Entscheidungen einsetzen.

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