Scrum Master PSM 1 & Scrum Agile Leadership + Scrum Kanban + Scaled Scrum & Python & KI verbindet fundiertes Scrum-Wissen mit Führungskompetenz, Kanban-Integration, Skalierungsansätzen sowie Python- und KI-Grundlagen; in Scrum Master Basic (PSM 1), Scrum Agile Leadership & Kanban & Scaled Scrum (PAL 1 & PSK 1 & SPS), Python trifft KI, KI Grundlagen stehen Empirie, messbare Ergebnisse und praktische Anwendbarkeit im Mittelpunkt.

Praxisbezug und berufliche Perspektiven

Die Maßnahme verknüpft Scrum-Praktiken mit Skalierung, Führung und Flussorientierung sowie praktischen KI- und Python-Fähigkeiten.
Anwendbar in Produktentwicklung, IT-Teams, Digitalisierungsvorhaben, Data- und Automatisierungsprojekten; geeignet für Scrum Master, Agile Coaches, Product Owner, Teamleads, Data Analysts und Entwicklerinnen.
Teilnehmende wenden Prognosen, Releaseplanung, Integrationsstrategien, Flussmessung und KI-Tools unmittelbar im Arbeitskontext an.

Scrum Master 1

Der Kurs Scrum Master 1 erklärt Scrum als empirisches Rahmenwerk und die Rolle des Scrum Masters.
Teilnehmende lernen Sprint Planning, Sprint Goal, Daily Scrum, Sprint Review und Retrospektive so anzuwenden, dass täglich überprüfbare Ergebnisse entstehen und die Definition of Done Qualität sicherstellt.

  • Scrum-Prinzipien, Werte und empirische Anpassung
  • Rollen: Product Owner, Developers, Scrum Master
  • Artefakte: Product Backlog, Sprint Backlog, Inkrement und Commitments
  • Events mit Timeboxen und Zielausrichtung
  • Coaching, Moderation und Hindernisbeseitigung

Fähigkeiten: Transparenz schaffen, Sprint-Ziel formulieren, Fortschritt gegen Ziel steuern, Stakeholder-Feedback auswerten.

Scaled Scrum

Scaled Scrum beschreibt, wie mehrere Teams an einem Produkt zusammenarbeiten, ohne die Kernprinzipien zu verwässern.
Fokus auf gemeinsamer Qualitätsmaßstab, Integration, Vorhersagen als Bandbreiten und Veröffentlichungstaktiken; Abhängigkeiten sichtbar machen und Einträge so zuschneiden, dass Teams unabhängig liefern.

  • Gemeinsame Definition von Done und Integrationspraxis
  • Priorisierung nach Wirkung und Risiko
  • Sichtbarmachung und Reduktion von Abhängigkeiten
  • Prognosen, Releaseplanung und Bandbreiten
  • Maßnahmen zur frühen Integration

Ergebniskompetenz: verlässliche Lieferfähigkeit mehrerer Teams, transparente Risiken und adaptive Veröffentlichungspläne.

Scrum Agile Leadership

Scrum Agile Leadership vertieft Führung als Gestalten von Kontext statt Anweisung und stärkt Selbstverwaltung.
Teilnehmende entwickeln Fähigkeiten, Ziele, Entscheidungsräume und Kompetenzen zu klären, Hindernisse zu adressieren und Organisationen so auszurichten, dass Teams eigenständig Wert liefern.

  • Rahmenbedingungen für Selbstorganisation schaffen
  • Situative Führung: Orientierung geben, loslassen, Grenzen setzen
  • Organisationale Bremsen erkennen und reduzieren
  • Förderung von Verantwortung und transparenter Kommunikation
  • Entwicklung von Kompetenzen und Entscheidungsrechten

Ergebniskompetenz: Führungskräfte unterstützen Outcome-orientierung, Teams liefern verlässlich und lernen systematisch.

Scrum mit Kanban

Scrum mit Kanban verbindet Flusssteuerung und Visualisierung mit Scrum-Events und Backlog-Management.
Teilnehmende lernen Flussmessungen wie Durchsatz, Bearbeitungs- und Wartezeiten einzusetzen, Losgrößen zu optimieren und Engpässe zu beseitigen, um Vorhersagen an realen Daten zu orientieren.

  • Sichtbarmachung von Arbeit und Absprachen
  • Regeln für Start, Progress und Abschluss
  • Flusskennzahlen: Durchsatz, Lead- und Cycle-Time
  • Product Backlog als geordnete Schritte
  • Maßnahmen zur Begrenzung paralleler Arbeit

Ergebniskompetenz: verbesserte Vorhersagbarkeit, reduzierte Wartezeiten, robustere Releaseplanung.

KI Grundlagen und praktische Anwendungen

Der Kurs vermittelt Grundkonzepte von Künstlicher Intelligenz, Machine Learning und praktischen Einsatzfeldern.
Teilnehmende erlernen Einsatz von KI-Tools zur Textgenerierung, Datenanalyse, Prompt Engineering und entwickeln ein Bewusstsein für Ethik, Datenschutz und Bias.

  • KI-Definitionen, Geschichte und Anwendungsfelder
  • Maschinelles Lernen und Deep Learning verständlich
  • Prompt Engineering und Tools für Text, Bild und Analyse
  • Datenschutz, Bias und ethische Aspekte
  • Praxis: Chatbots, Sprach- und Bild-KI testen

Ergebniskompetenz: KI-Tools produktiv einsetzen, Ergebnisse kritisch interpretieren und Chancen/Risiken im Unternehmen einschätzen.

KI und IT- Programmieren für die Zukunft: Python

Python trifft KI verbindet Grundlagen der Programmierung mit KI-gestützter Entwicklungsarbeit und praxisnahen Projekten.
Teilnehmende lernen Variablen, Datentypen, Kontrollstrukturen, Funktionen, Datenstrukturen, Bibliotheken, Fehlerbehandlung und Debugging; KI-Tools unterstützen beim Coden, Testen und Refactoring.

  • Variablen, Datentypen und Operatoren
  • Bedingungen, Schleifen, Funktionen und Module
  • Listen, Dictionaries und JSON-Verarbeitung
  • Bibliotheken: math, datetime, statistics, re
  • Fehlerbehandlung, Debugging und Projektaufbau

Ergebniskompetenz: eigene Python-Programme entwickeln, KI als Hilfsmittel beim Programmieren nutzen, kleine Projekte modular aufbauen und dokumentieren.

Abschließende Kompetenzbeschreibung
Absolventinnen bringen Scrum-Praxis, skalierende Integrationsstrategien, agile Führungskompetenz, Flussoptimierung, KI-Verständnis und Python-Fähigkeiten zusammen.
Sie setzen empirische Steuerung, gemeinsame Qualitätsmaßstäbe, verlässliche Vorhersagen und KI-gestützte Automatisierung ein, um Produkte und Prozesse nachhaltig zu verbessern.

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