Scrum Master + Scrum Product Owner PSM 2 + PSPO 1 & Scrum Agile Leadership + Scrum Kanban & Python & KI verbindet fortgeschrittene Scrum-Rollen, agiles Leadership, Kanban-Flow sowie Python- und KI-Grundlagen zu einer praxisorientierten Qualifizierung. In dieser Maßnahme (auch bekannt als Scrum Master Adv. & Scrum Product Owner (PSM 2 & PSPO 1), Scrum Agile Leadership & Scrum Kanban (PAL 1 & PSK 1), Python trifft KI) entwickeln Teilnehmende Fähigkeiten zur Wertorientierung und technischen Umsetzung in digitalen Produktkontexten.

Praxisbezug und berufliche Perspektiven

Die Kombination aus PSM 2, PSPO 1, PAL 1/PSK 1, Python und KI bereitet auf Rollen wie Scrum Master, Product Owner, Agile Coach, Team Lead, Python-Developer und KI-Anwender vor.
Angewandt werden Backlog-Pflege, Definition of Done, Evidence Based Management, Flow-Optimierung und Prompt Engineering; Einsatzgebiete reichen von Produktentwicklung über Datenanalyse bis zu Automatisierung und Content-Erstellung.
Teilnehmende setzen Methoden sofort in Release-Planung, Review, Facilitation, Flusssteuerung und prototypischer KI-Integration ein.

Scrum Master 2

Vertieft wird das Zusammenspiel von Werten, Accountabilities und empirischer Arbeitsweise.
Teilnehmende lernen, wie Scrum Values Entscheidungen und Verhalten leiten, Hindernisse zu entfernen, Facilitation zu führen und Selbstverwaltung zu schützen. Die Definition of Done wird als lebender Qualitätsstandard umgesetzt und für mehrere Teams synchronisiert. Situationsgerechte Führung, Coaching versus Mentoring und die Groan Zone werden praktisch geübt.

  • Wertebasierte Entscheidungsfindung
  • Coaching und Moderation (Facilitation)
  • Definition of Done entwickeln und pflegen
  • Hindernisse erkennen und adressieren
  • Arbeit in Multi-Team-Umgebungen managen

Scrum Product Owner 1

Fokus auf Produktvision, Wert und probabilistische Planung.
Teilnehmende formulieren Produktvisionen, leiten messbare Ziele ab und pflegen das Product Backlog als einzige transparente Quelle geplanter Vorhaben. Vorhersagen werden als Bandbreiten kommuniziert, Annahmen offengelegt und mit Evidence Based Management verknüpft. Ziel ist, Wirkung statt reiner Auslieferung zu erzielen.

  • Produktvision und messbare Ziele
  • Backlog-Pflege und verständliche Einträge
  • Priorisierung nach Wert und Risiko
  • Bandbreiten-Vorhersagen und Release-Transparenz
  • Kennzahlen und Evidence Based Management

Scrum Agile Leadership

Leadership als Gestalten von Rahmenbedingungen und Förderung von Selbstverwaltung.
Die Rolle von Führungskräften wird als Kontextschaffung verstanden: Erwartungen klären, Entscheidungsspielräume sichern und Kompetenzen entwickeln. Organisationale Schnittstellen, Berichtswege und Budgeteffekte werden betrachtet, um strukturelle Bremsen zu erkennen und zu reduzieren. Führungshandeln wird dabei hypothesengesteuert begründet.

  • Gestaltung von Entscheidungsräumen
  • Entwicklung von Teamfähigkeit und Verantwortung
  • Strukturelle Ursachen identifizieren
  • Situatives Unterstützen statt Detailsteuerung
  • Konsequente Transparenz schaffen

Scrum mit Kanban

Verbindung von Scrum-Ritualen mit Flussorientierung und Metriken.
Teams lernen, Arbeit sichtbar zu machen, WIP-Grenzen zu setzen und Flussmessgrößen wie Durchsatz, Bearbeitungszeit und Wartezeit zu nutzen. Das Product Backlog wird als geordnete Abfolge wirksamer Schritte geführt. Prognosen basieren auf historischen Daten und werden regelmäßig angepasst, um Vorhersagbarkeit zu erhöhen und Engpässe zu entschärfen.

  • Visualisierung des Workflows
  • WIP-Limits und Losgrößenoptimierung
  • Durchsatz- und Wartezeit-Messung
  • Backlog als Flusssteuerungsinstrument
  • Prognosen auf Basis historischer Daten

KI Grundlagen und praktische Anwendungen

Einführung in KI-Konzepte, Tools und ethische Aspekte für den Berufsalltag.
Teilnehmende verstehen maschinelles Lernen, Deep Learning und die Unterscheidung schwacher vs. starker KI. Praktische Übungen mit Chatbots, Bild- und Text-KI sowie Prompt Engineering zeigen Einsatzmöglichkeiten zur Automatisierung, Datenanalyse und Content-Erstellung. Datenschutz, Bias und Verantwortlichkeit stehen begleitend im Fokus.

  • Grundbegriffe KI und ML
  • Einsatzszenarien für Text-, Bild- und Daten-KI
  • Prompt Engineering und Tool-Nutzung
  • Ethik, Datenschutz und Bias
  • Integration von KI in Arbeitsprozesse

KI und IT- Programmieren für die Zukunft: Python

Praxisorientierte Python-Einführung mit Fokus auf Automatisierung und KI-gestützte Arbeitsweise.
Teilnehmende erlernen Variablen, Datentypen, Kontrollstrukturen, Schleifen, Funktionen und Datenstrukturen sowie Bibliotheken für Berechnung und JSON-Verarbeitung. Debugging, Fehlerbehandlung (try/except) und modulare Programmstruktur werden geübt. KI-Tools werden genutzt, um Code zu schreiben, zu testen und zu refaktorieren; Prompt Engineering unterstützt die Programmierarbeit.

  • Grundlagen Python: Syntax und Datentypen
  • Kontrollstrukturen und Funktionen
  • Listen, Dictionaries und Datenverarbeitung
  • Bibliotheken, Debugging und Fehlerbehandlung
  • KI-gestützte Tools beim Coden und Testen

Fachliche Kompetenzen
Die Maßnahme befähigt, Scrum in komplexen Umfeldern wirksam zu halten, Produktmanagement wertorientiert zu gestalten und Arbeitssysteme mit Fluss und Vorhersagbarkeit aufzubauen.
Teilnehmende können Definition of Done institutionalieren, Evidence Based Management anwenden, Product Backlog und Release-Prognosen verantworten, Flow-Metriken lesen und Python plus KI-Tools produktiv einsetzen. So entsteht ein Arbeitsumfeld, das verlässlich liefert, sich selbst verbessert und den Produktnutzen messbar erhöht.

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