Scrum Master PSM 1+2 & Scrum Agile Leadership + Scrum Kanban & Python, JavaScript & KI verknüpft agile Führung, Skalierung, Flow-Optimierung und praxisnahe Programmierkenntnisse; in Scrum Master Experte (PSM 1 + 2), Scrum Agile Leadership & Scrum Kanban (PAL 1 & PSK 1), KI in Action Python & JavaScript, KI Grundlagen steht die Anwendung von Empirie, Teamverantwortung und KI-gestützter Automatisierung im Vordergrund.

Praxisbezug und berufliche Perspektiven

Die Maßnahme verbindet rollenbezogene Praxis mit technischer Umsetzung: Scrum Master, Agile Coaches, Product Owner und Entwicklerinnen nutzen Techniken zur Backlog-Pflege, Flow-Analyse und zum Stakeholder-Feedback.
Einsatzgebiete sind Produktentwicklung, IT-Operations, Data-Teams und Innovationsprojekte; Skills wie Facilitation, DoD-Definition und prompt engineering lassen sich direkt in Release-Planung, Sprintführung und Automatisierung anwenden.
Die Kombination aus Scrum Master PSM 1+2 & Scrum Agile Leadership + Scrum Kanban & Python, JavaScript & KI stärkt Führungskompetenz und technische Umsetzbarkeit.

Scrum Master 1

Scrum Master 1 vermittelt das empirische Rahmenwerk von Scrum mit klarem Fokus auf Werte, Events, Artefakte und Rollen. Teilnehmende erlernen, wie Sprint Goal, Product Backlog und Inkrement für tägliche Steuerung und Transparenz genutzt werden.
Praktische Übungen zeigen Daily, Planning, Review und Retrospektive als Taktgeber und Verbesserungstreiber. Die Rolle des Scrum Master wird als Coaching-, Moderations- und Hindernisentfernungsrolle geübt.
Lerninhalte:

  • Scrum-Grundprinzipien, Werte und Empirie
  • Product Backlog-Ordnung nach Wert
  • Sprint Planning und Sprint Goal-Formulierung
  • Daily Scrum als Steuerungsmechanismus
  • Commitments: Product Goal, Sprint Goal, DoD

Scrum Master 2

Scrum Master 2 vertieft Accountabilities, Qualitätssicherung und die lebendige Anwendung der Definition of Done (DoD). Der Kurs zeigt, wie Vertrauen und Werte Entscheidungen leiten und Zielkonflikte empirisch gelöst werden.
Schwerpunkt liegt auf Facilitation, Decision Rules und dem Umgang mit der Groan Zone; mehrere Teams am Produkt nutzen gemeinsame Qualitätsstandards. Teilnehmende lernen, Coaching von Mentoring abzugrenzen und situativ zu führen.
Lerninhalte:

  • Vertiefung der Scrum-Values in Entscheidungen
  • Design und Pflege einer verbindlichen DoD
  • Professionelle Facilitationstechniken
  • Umgang mit Abhängigkeiten und Zielkonflikten
  • Metrics für Outcome statt reinen Output

Scrum Agile Leadership

Scrum Agile Leadership richtet Führung auf Rahmenbedingungen, die Selbstverwaltung ermöglichen. Führungskräfte lernen, Erwartungsklärung, Entscheidungsspielräume und Unterstützung so zu gestalten, dass Teams Verantwortung tragen können.
Es wird gezeigt, wie Führung durch Kontextgestaltung arbeitet: Ziele setzen, Hindernisse entfer­nen, Kompetenzen fördern und Entscheidungsflüsse transparent halten. Organisationsstrukturen und Schnittstellen werden analysiert.
Lerninhalte:

  • Situative Führung und coaching-orientierte Interventionen
  • Klarheit schaffen bei Zielen und Entscheidungsrechten
  • Identifikation und Abbau organisatorischer Bremsen
  • Unterstützung von Lernfähigkeit und Eigenverantwortung
  • Reflexion von Führung vs. Einmischung

Scrum mit Kanban

Scrum mit Kanban verbindet Sprint-orientierte Arbeit mit Flow-Steuerung: Arbeit sichtbar machen, Begrenzung paralleler Tasks und Messgrößen wie Durchsatz nutzen, um Vorhersagen als Bandbreiten zu treffen.
Teilnehmende lernen, wie Product Backlog als geordnete Liste von wirksamen Schritten gepflegt wird, wie Losgrößen angepasst und Engpässe durch Wartezeiten-Analyse reduziert werden. Selbstverwaltung steuert Fluss und Vorhersagbarkeit.
Lerninhalte:

  • Visualisierung von Workflows und WIP-Limits
  • Metriken: Durchsatz, Lead Time, Cycle Time
  • Prognosen als Bandbreiten basierend auf historischen Daten
  • Anpassung von Losgrößen und Schnittstellen
  • Release-Planung auf Basis beobachteter Ergebnisse

KI Grundlagen und praktische Anwendungen

KI Grundlagen und praktische Anwendungen vermittelt Kernkonzepte von KI, ML und Deep Learning sowie Einsatzfelder in Text, Bild und Datenanalyse. Fokus liegt auf ethischer Reflexion, Datenschutz und Bias-Analyse.
Praktische Übungen zeigen Prompt Engineering, Chatbots und Automatisierungswerkzeuge; Teilnehmende lernen, Ergebnisse kritisch zu prüfen und KI verantwortungsvoll in Workflows zu integrieren.
Lerninhalte:

  • Grundbegriffe: KI, ML, Deep Learning; schwache vs. starke KI
  • Einsatzfelder: Textgenerierung, Bildanalyse, Automatisierung
  • Einführung in Prompt Engineering und Testing
  • Datenschutz, Bias und ethische Implikationen
  • Praxis: Chatbots, Sprach- und Bild-KI testen

KI und IT- Programmieren für die Zukunft: Python

KI und IT- Programmieren für die Zukunft: Python vermittelt praxisnahes Progammieren in Python mit Augenmerk auf saubere Struktur, Debugging und die Nutzung von Bibliotheken für Datenanalyse und kleine KI-Anwendungen.
Teilnehmende bauen Projekte, nutzen try/except für Fehlermanagement und lernen, wie KI-Tools beim Schreiben, Testen und Refaktorieren von Code unterstützen und wie sinnvolle Prompts formuliert werden.
Lerninhalte:

  • Variablen, Datentypen, Kontrollstrukturen
  • Schleifen, Funktionen, Module und Datenstrukturen
  • Bibliotheken: math, json, re, datetime, statistics
  • Fehlerbehandlung, debugging und Code-Qualität
  • KI-unterstützte Tools und Prompt Engineering

Programmierkonzepte in der IT- JavaScript und KI

Programmierkonzepte in der IT- JavaScript und KI behandelt JavaScript-Grundlagen für Webinteraktion, DOM-Manipulation und modulare Struktur; Codequalität, Tests und Einsatz von KI-Tools im Dev-Flow sind integraler Bestandteil.
Teilnehmende entwickeln interaktive Prototypen, lernen Arrays und Objekte zu modellieren, Fehler systematisch zu beheben und KI beim Schreiben und Testen von Code einzusetzen. Projektstrukturierung mit VS Code wird praktisch trainiert.
Lerninhalte:

  • Variablen, Kontrollstrukturen, Funktionen
  • Arrays, Objekte und Datenmodellierung
  • DOM-Grundlagen und Browser-Interaktion
  • Debbugging, Tests und Projektorganisation
  • KI-Tools zur Code-Verbesserung und Prompt-Entwicklung

Abschlusskompetenzen

  • Anwendung von Scrum zur Sicherstellung von Takt, Zielklarheit und nutzbaren Inkrementen
  • Fähigkeit, DoD und Qualitätsstandards in komplexen Umfeldern zu pflegen
  • Setup von Arbeitssystemen mit sichtbarem Flow und verlässlichen Prognosen
  • Einsatz von KI zur Automatisierung, Analyse und zur Unterstützung beim Progammieren (Python, JavaScript)
  • Transferfähigkeiten für Rollen wie Scrum Master, Agile Lead, Developer, Data-Analyst und technische Produktverantwortung

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